在線自動對靶噴霧控制系統研究

胡　鵬，劉志剛

(1.南昌工學院，南昌　330108；2.南昌大學，南昌　330031)

?

在線自動對靶噴霧控制系統研究

胡鵬1，劉志剛2

(1.南昌工學院，南昌330108；2.南昌大學，南昌330031)

摘要：為了提高噴霧裝置的自動對靶精度，實現流量控制的實時自動化調節過程，提出了一種基于二值化圖像分割和微波測距的自動對靶噴霧控制系統。該系統利用植物葉間灰度的動態閾值來調控電磁閥，實現了實時變流量噴霧過程。為了提高微波測距的精度和圖像二值化過程的效率及魯棒性，使用了神經網絡算法對測距誤差進行修正，采用了動態閾值方法對圖像的二值化進行迭代計算。最后，對實時自動對靶噴霧控制系統進行了測試，由測試結果可以看出：采用神經網絡和動態閾值二值化方法可以大大提升控制系統的精度，提高了噴霧的效率和準確性，為現代化農藥噴霧技術的研究提供了理論參考。

關鍵詞：自動對靶噴霧；微波測距；神經網絡；動態閾值；二值化

0引言

實施變量施藥可以提升單位面積施藥量，提高農藥利用率，降低環境污染；然而目前，落后的施藥機械與農藥使用觀念導致農藥不合理利用現象極為嚴重，造成在農藥使用過程中經常發生“跑冒滴漏”現象，致使農藥利用率僅為20%～30%，且農藥分布不均勻高達46.6%以上。絕大部分農藥漂移、蒸發至空氣中和流失至土壤、水域中，造成農產品污染嚴重、農作物農藥殘留超標、衛生質量下降、農藥嚴重浪費和污染環境，同時，農產品的農藥殘留還導致人畜中毒事件時有發生。

為了提高農業的噴施質量，世界各國都在努力研制各種變量施藥裝置。其中，具有代表性的是美國Spraying Systems公司生產的TeeJet854 Sprayer Control植物專用噴霧控制器。該裝置將噴霧接口和設備相連，可以根據樹木高度和距離來控制噴藥。北京豐茂植保機械有限公司與中國農業大學共同研制了3WG-350型果園自動對靶噴霧機，該裝置通過紅外線探測感應辨別施藥物體是否存在，對施藥目標進行自動對靶施藥；但是這些噴霧裝置的自動對靶精度較低，流量控制的自動化程度也不高，系統的實時性和穩定性不好。為此，本文在系統設計過程中使用了微波測距原理，并根據葉間密度的二值化灰度值，采用電磁閥來控制噴霧流量變化，實現了農藥噴霧過程的實時自動化調節，提高了農藥噴施精度和作業現代化水平。

1系統設計原理

1.1系統工作原理

數據采集模塊負責獲取植物間距信息和葉間的圖像信息。其中，植物葉間圖像通過雙目CCD作為信息采集端，植物間距信息采用微波測距來實現，車速風速信息的采集采用傳感器系統來實現。其基本原理框架如圖1所示。

圖1　數據采集構件設計

數據采集構件主要對植物間距和圖像數據進行采集，采集得到的數據傳輸到數據處理構件進行加工處理。在數據處理過程中，首先要將圖像以256色圖像進行保存分析，并對圖像的噪聲和干擾信號進行濾除，通過動態閾值算法提取最佳分割閾值，將圖像按灰度分割。其主要流程如圖2所示。

圖像的二值化過程主要采用動態閾值的迭代方法，將圖像按閾值分割，提取灰度值，按照灰度值的大小形成流量控制決策，對樹木形狀、噴霧目標及其與噴頭的距離等做出判斷，進行智能變量噴霧。

圖2　數據處理構件設計

1.2微波測距神經網絡算法

微波測距時反射信號和發射信號是相同的，只是在時間上有一個延遲，這個延遲可以記作t。時間和所測距離的關系可以表示為

(1)

其中,c表示光速，反射信號和發射信號的差值可以記作f。根據三角關系，可以寫為

(2)

其中,T表示三角波的周期；ΔD表示調制帶寬。那么，可得到所測目標的距離為

(3)

因此,所測目標距離主要和信號的頻率有關。微波探測過程中，頻率信號的誤差是影響探測精度的主要因素，因此可以采用BP神經網絡算法對信號的誤差進行訓練，最終提高微波距離探測。BP神經網絡算法的基本原理是利用信號的正向傳播和誤差的反向傳遞來降低誤差對信號的影響。

圖3表示微波雷達測距誤差的神經網絡示意圖。其中，f1i表示頻率信號輸入值；f2i表示頻率信號輸出值。為了得到植物體葉間的疏密程度，采用二值化方法對機器視覺掃描得到的圖像進行處理，得到圖像的灰度值。wij、wkl分別表示從輸入層到隱含層和隱含層到輸出層的網絡連接權值，則微波測距信號向前傳播的輸入層的輸入和輸出可以表示成

(4)

其中,Yr(1)表示神經元的輸入；Yc(1)表示神經元的輸出；M表示輸入變量的個數。隱含層的輸入和輸出可以表示為

(5)

其中，f表示隱含層的激發函數；N表示隱含層的神經元個數。

輸出層的輸入和輸出可以表示為

(6)

則測距誤差性能指標可以寫為

(7)

其中，Yk(3)*和Yk(3)分別表示輸出層的期望值和實際值。如果輸出實際值和期望值不同，可以通過誤差反向傳播來調整權值。

圖3　BP 神經網絡結構

1.3圖像二值化過程

圖像的二值化處理就是將圖像上的點的灰度置為0或255，也就是將整個圖像呈現出明顯的黑白效果。其基本過程如圖4所示。

圖4　圖像二值化過程

為了實現農藥噴霧過程的自動對靶和流量控制，利用灰度值將圖像分割，在不同的灰度值情況下采用不同的電磁控制方式，實現噴霧的變流量調節過程。為了提高圖像二值化過程的魯棒性，采用動態閾值迭代計算的方式求解閾值，首先求解圖像的最大灰度值Hmax和最小灰度值Hmin。取閾值的初始值為H0=(Hmax+Hmin)/2，假設一幅圖像的灰度值為i∈[0,255]，閾值為Ti，根據初始值T0將圖像分割成兩部分，并求出灰度值H0和Hx。求解公式為

(8)

其中，Si表示灰度值為i的像素點數。那么，閾值初始取值可以表示為

(9)

分割最佳閾值的迭代計算公式為

Ti=(H0+Hx)/2

(10)

通過迭代計算得到最佳分割閾值，將圖像進行分割處理，在不同的灰度值位置采用不同的噴霧流量，便可以實現噴霧的自動對靶和變流量噴霧控制。

2系統硬件和軟件設計

2.1系統硬件設計

在線自動對靶噴霧施藥控制系統硬件電路主要由4部分組成，包括電源模塊、信號采集模塊、電磁閥模塊、電動球閥等4個子模塊。系統硬件電路總體框架如圖5所示。

圖5　硬件系統總體框架

系統工作時，電磁閥采用獨立開關控制，電磁閥工作狀態信號經采集后，通過GPIO接口傳輸至處理單元且在系統界面顯示。其控制和動作決策過程如表1所示。

系統工作時，需要根據微波探測得到的植物間距對電動球閥的開關進行控制。當裝置運行到植物體時，為了實現變量控制噴霧和對靶，使用電磁閥的開啟狀態來控制流量大大小：對灰度值較高、葉間密度較大的部分采用全開的方式；對灰度值較小、葉間密度較小的地方采用半開的方式，以降低農業的噴灑量，實現流量的智能控制。

表1　控制規則表

2.2系統軟件設計

系統軟件部分的設計主要是對驅動程序的設計。本研究采用C語言程序對下位機進行控制，其原理主要是對灰度閾值進行響應。主要流程如圖6所示。

圖6　變量噴霧對靶過程示意圖

為了實現農藥噴施的變流量控制，通過二值化灰度閾值對噴頭的電磁閥進行控制。其中，主要設備的驅動程序如下：

1)設備驅動接口。

Struct file_operation IOdriver_fops=

{ read：1Odriver_read，

write：IOdriver_write，

}；

2)設備讀取模塊。

static ssize_t IOdriver_read(struct file*file，char*buf，size_t len，

loft_t*off)

{ if(_ _copy_to_user(bur，&IOdriver_var，sizeof(int)))

{ retum _EFAULT；}

retum sizeof(int)；

}

3)設備寫入模塊。

static ssize_t IOdriver_write (struct file*file，const char*buf，size_t

len，loff_t*off)

{ if(_ _copy_from_user(&IOdriver_var，buf，sizeof(int)))

{ retum __EFAULT；}

retum sizeof(int)

}

......

3系統測試結果

在實際的噴霧試驗中，將噴霧車模型的速度進行調節，讓其在1～10km/h 的速度區間內進行行駛操作，采用不同的噴霧控制方法對噴霧效率進行對比，如表2所示。

表2　噴霧效率對比

由表2可以看出：利用微波測距和二值化方法可以大大提高噴霧的效率，其效率在不同速度下都要比單純使用CCD相機和微波測距的效率高，并且可以根據葉間疏密進行噴霧操作，節省了農藥。為了驗證本文設計的算法的可靠性，從中取出1組車速工況下噴霧效率比較高的作為研究對象，對不同控制方法的噴霧準確率進行測試，得到了如圖7所示的結果曲線。

由圖7可以看出：隨著車速的升高，3種方法噴霧的準確率都有所降低；但是利用神經網絡調節的微波測距控制方法的噴霧準確率最高，并且隨著速度的增加，其準確率最穩定。測試結果表明：神經網絡信號誤差訓練算法的有效性和可靠性較高，在高精度的對靶噴霧要求下可以使用該控制方法。

圖7　不同控制方法下的噴霧準確率

4結論

1)設計了一種新的噴霧自動對靶系統。該系統采用微波測距原理探測植物間距，利用二值化分割閾值的方法對葉間密度進行灰度提取，通過距離和灰度值來調控電磁閥的閉合狀態，從而實現了噴霧的變流量控制。

2)采用神經網絡算法對微波測距進行優化，使用動態閾值方法提高了圖像二值化過程的效率和魯棒性。對噴霧自動對靶系統進行了測試，通過測試發現：利用本文設計的算法不僅可以大大提高噴霧的效率，而且可以大幅度提升噴霧的準確性。

3)該系統在農作物噴藥變量控制方面發揮了重要作用，但系統的穩定性還有待于進一步研究，通過系統的升級優化，可以將其應用到更多的領域。

參考文獻：

[1]胡玉玲,曹建國.變風量空調系統末端的變論域模糊 PID 控制[J].控制工程,2008,15(5):564-567.

[2]趙瑞國,李界家,馬斌.中央空調溫度控制系統的控制策略研究[J].低壓電器, 2008(8):11-14.

[3]Servet Soyguder , Hasan Alli. Fuzzy Adaptive Control for the Actuators Position Control and Modeling of an Expert System[J]. Expert Systems with Applications,2010,37(3):2072-2080.

[4]S.L.Wong,Kevin K.W.Wan,Tony N.T.Lam.Artificial Neural Networks for Energy Analysis of Office Buildings with Daylighting[J]. Applied Energy, 2010, 87(3):551-557.

[5]劉靜紈,魏東,戴正偉.基于模糊 PID 控制的 VAV 控制系統研究與實現[J].北京理工大學學報,2010, 30(8):20-24.

[6]王彥,劉宏立,楊珂.LMBP 神經網絡 PID 控制器在暖通空調系統中的應用研究[J].湖南大學學報, 2010,30(3):49-52.

[7]任守綱,高上上.面向農業特定領域軟件體系結構適應性模式的研究與設計術[J].計算機應用研究, 2008,25(5):1390-1393.

[8]彭鑫,趙文耘,劉奕明.基于特征模型賀構件語義的概念體系結構設計[J].軟件學報,2006,17(6): 1307-1317.

[9]李艷玲.人工神經網絡在遙感圖像分析與處理中的應用[J].黑龍江科技信息,2009(23): 23.

[10]向海濤,鄭加強,周宏平.基于機器視覺的樹木圖像 實時采集與識別系統[J].林業科學,2004,40(3): 144-148.

[11]葛玉峰,周宏平,鄭加強,等.基于機器視覺的室內農藥自動精確噴霧系統[J].農業機械學報, 2005,36(3):86-89.

[12]向海濤.基于機器視覺的樹木圖像實時采集與識別系統[D].南京：南京林業大學,2002.

[13]趙茂程,鄭加強,林小靜,等.基于分形理論的樹木圖像分割方法[J].農業機械學報,2004,35 (2):73-75.

[14]Zhao Maocheng, Zheng Jiaqiang, Ling Xiaojing. Improved Tree Crown Recognition System Based Artificial Neural Network[J]. Journal of Nanjing Forestry University,2005,29(4):11-14.

[15]葛玉峰,周宏平,鄭加強.計算機視覺技術在林業生產中的應用分析[J].林業機械與木工設備,2003, 31(1):7-10.

[16]陳勇,鄭加強.精確施藥可變量噴霧控制系統的研究[J].農業工程學報,2005,21(5):69-72.

[17]ZhengJiaqiang,ZhouHongping,XuYoulin,et al.Towrard-target precision pesticide application and its system design[J]. Transactions of the CSAE,2005,21(11):67-72.

[18]趙茂程,鄭加強,封曉強,等.人工神經網絡在林業中的應用研究與展望[J].中國制造業信息化,2003,32(4):99-102.

[19]趙茂程,鄭加強,凌小靜.一種基于小波變換的圖像過渡區提取及分割方法[J].農業工程學報,2005, 21(11):103-107.

[20]孫松平,鄭加強,周宏平.農藥精確噴霧DSS集成 推理機設計[J].中華衛生殺蟲藥械,2006,12(4): 257-260.

Research on Automatic Target Spray Control System

Hu Peng1, Liu Zhigang2

(1.Nanchang Institute of Science & Technology, Nanchang 330108, China; 2.Nanchang University,Nanchang 330031,China)

Abstract：In order to improve the accuracy of automatic spraying device for target, realizing the real-time automatic flow control regulation process, proposed a two value automatic target sprayer control system of image segmentation and microwave based on distance measurement, the system uses dynamic threshold of plant leaf between gray to control electromagnetic valve, realizes the real-time variable flow spray process. In order to improve the microwave ranging precision and the two value image efficiency and robustness of the process, the use of neural network algorithm for correction of range error, using the image of two value iteration dynamic threshold method. Finally on the real-time automatic target sprayer control system was tested, by the test results can be seen, using neural network and dynamic threshold value of the two methods can greatly enhance the precision of the control system, improve the efficiency and accuracy of spray, and provides a theoretical reference for the study of modern pesticide spraying technology.

Key words：automatic target spray; microwave measurement; neural network; dynamic threshold; binaryzation

文章編號：1003-188X(2016)02-0067-05

中圖分類號：TP277；S49

文獻標識碼：A

作者簡介：胡鵬(1975-)，男，江西宜春人，副教授，碩士。通訊作者：劉志剛(1980-)，男，湖北天門人，副教授，博士，(E-mail)fiberhome@126.com。

基金項目：國家自然科學基金青年基金項目(51305152)

收稿日期：2015-01-14