基于機器視覺的玉米收獲機器人路徑識別

胡丹丹，殷 歡

(江西機電職業技術學院，南昌 330013)

基于機器視覺的玉米收獲機器人路徑識別

胡丹丹，殷 歡

(江西機電職業技術學院，南昌 330013)

我國玉米種植面積和產量都很大，在農業中占有重要的地位，但收獲環節耗費的成本驚人。玉米收獲機器人能提高作業效率，極大地降低生產成本，具有廣闊的應用前景。路徑識別能力是機器人環境適應性的一個重要方面，而機器視覺主要用于農業機器人的路徑識別。為此，設計了一種基于機器視覺的玉米收獲機器人路徑識別方法，并進行田間的實時圖像處理試驗。結果表明：該路徑識別方法具有較好的田間適應性和實用性，經過載機結構改進和內部參數優化后能為玉米收獲的智能化和信息化提供技術支撐。

玉米收獲；路徑識別；機器視覺

0 引言

玉米是世界上種植最廣泛的糧食作物之一，隨著加工技術的進步和新的經濟價值被不斷發掘，玉米出現了向經濟作物轉變的趨勢。我國每年的玉米播種面積都超過2 000萬hm2，2015年的產量為2.29億t，達到歷史新高，且在農業生產中占據日益重要的地位。玉米收獲的季節性強，勞動強度大，是生產過程中工作量最大的環節。在我國種植面積和產量巨大的情況下，玉米收獲所耗費的成本是驚人的[1]。

隨著農業現代化的推進，各種智能化的農業機器人被設計出來替代人類完成繁重的田間作業。其中，玉米收獲機器人既能提高作業的效率，還可以極大地降低農業生產成本，具有廣闊的應用前景。但是，這類智能化的農業裝備目前還沒有能夠得到廣泛的應用，除了高昂的設計和制造成本外，智能機器人對農田復雜的作業環境適應性較差也是一個限制因素。

機器人在農田自然條件下的路徑識別能力是其環境適應性的重要方面，人們對此進行了廣泛研究，并設計出了多種路徑識別方法。例如，陳中偉等提出了一種利用電磁傳感器為機器人進行導航的方法，精度達到10mm，具有可行性[2]。李云翀等提出了一種應用于室外移動機器人避障與導航的角度勢場法，通過計算目標角度及通行函數，確定機器人駕駛角和速度，保證機器人的安全行進[3]。張世勝等針對溫室內的農藥噴灑作業要求，設計了一種電磁誘導式的噴霧機器人路徑導航系統，實現了對噴霧機器人的導航控制[4]。

這些方法可以大致劃分為機器視覺導航和衛星定位導航兩類。機器視覺導航方法的靈活性、實時性和精度都較高，適用性廣且信息量豐富，因而成為研究的重點。機器視覺技術的核心是圖像理解和圖像分析，關鍵技術在于對圖像的分割和對目標特征的識別。在農業生產中，機器視覺系統被裝載在機械上用于農產品的分級、檢測和收割等作業[5-7]。

在基于機器視覺的農業機器人路徑識別研究方面，周俊等針對采集的農田自然圖像，運用路徑知識啟發機制識別行走路徑，其路徑識別效果得到了明顯的改善[8-9]。孫元義等以自然環境下的棉田圖像為背景，通過Lab色彩空間處理、最大方差閾值分割、中值濾波除噪和Hough變換得到導航路徑，實現了對噴藥機器人行走路線的控制[10]。徐建等采用8鄰域均值濾波器去噪和Prewitte算子邊緣檢測技術對玉米壟行圖像進行處理，能夠快速、準確地檢測出玉米智能收獲機器人的行走路徑[11]。高國琴根據溫室與田間環境條件的差異，設計出基于K-means算法的移動機器人導航路徑識別方法，在試驗中的路徑信息提取率高達95%，單幅圖像處理的耗時大幅降低，路徑識別速度顯著提高[12]。

機器視覺可以分為單目視覺和立體視覺兩種。其中，單目視覺算法簡單，各系統間的同步性好，容易實現精確的空間匹配，在實踐中應用得較多。本文用于玉米收獲機器人路徑識別的是單目視覺方法。隨著農業機械自動化和信息化的發展，機器視覺在農業機器人路徑識別中的應用也將日益深入。因此，本文針對我國玉米種植面積和產量巨大、收獲環節人工成本耗費驚人的問題，設計了一種基于機器視覺的玉米收獲機器人路徑識別方法。該方法采用單目攝像機在自然環境的不同光照條件下拍攝玉米壟行圖像，然后對彩色圖像進行空間選擇、閾值分割和濾波處理得到二值圖像；再通過二值圖像的壟行特征提取導航離散點，經過Hough變換得到導航路徑，最后利用坐標系變換轉換為導航控制參數來引導機器人行進。同時，用該方法在田間進行了實時圖像的處理試驗，驗證了其對路徑的識別能力。

1 玉米壟行圖像分割

1.1
圖像的采集

采集圖像的玉米田在試驗基地內，土壤類型為棕壤土，壟行間覆蓋著少量雜草和植被殘留物。收獲機器人沿著玉米壟行以0.5m/s的速度行走，圖像通過安裝在收獲機器人上端的?？低昑D-3T型單目攝像機實時獲取。攝像機離地高度為0.9m，俯視角為30°。分別在晴天和陰天兩種不同的光照條件下進行了試驗，每種條件拍攝5個田塊，每個田塊隨機選取10張實時圖片用于分析。

攝像機在兩種光照條件下采集的代表性圖片如圖1所示。

圖1 不同光照條件下的原始圖像(A：晴天；B：陰天)Fig.1 Original images under different illumination condition (A: sunny day; B: overcast)

單目攝像機結構緊湊，體積較小，采用防抖動安裝。采集的原始圖像為模擬信號，由視頻編碼器完成向數字信號的轉變和壓縮，然后傳輸給機器人核心PC機，由PC上的數字圖像軟件進行后續的處理。

1.2 總體設計顏色空間選取

原始圖像的壟行雜草雖然較少，但是仍會對路徑識別造成干擾，因此要選取合適的色彩空間用于圖像分割。原始圖像為彩色的BMP文件，每個像素由3個數值描述。為了避免龐大的信息量對實時處理速度造成影響，需要將彩色信息投影到灰度空間上。

圖像灰度化的色彩空間有多種，如RGB、HIS和Lab等。本文參考孫元義等[10]的研究，采用了Lab色彩空間。該方法是用L、a、b這3個互相垂直的坐標軸來表示一個色彩空間：L軸表示明亮度，黑在底端，白在頂端；a軸是紅-綠色軸，+a表示品紅色，-a表示綠色；b軸是黃-藍色軸，+b表示黃色，-b表示藍色。圖2為在Lab色彩空間下對a分量灰度化的結果。

1.3 閾值分割

圖像分割是利用機器視覺進行路徑識別的重要步驟，但是目前還沒有一個適用于所有類型圖像的分割方法和分割效果評判標準。圖像分割的方法有多種，閾值分割法具有計算模型簡單、運行效率高的優點，是當前應用最多的一種圖像分割方法，對于本文中實時采集的圖像處理也最為適用。

閾值的確定是影響圖像分割效果的決定性因素，是對灰度圖進行直方圖分析后得到的。通常的閾值確定是在直方圖的雙峰之間取中點作為最佳閾值，但當目標和背景的對比度差異較大時，該方法難以將目標和背景很好地分離。本文中的圖像特征受光照影響較大，為了重新確定閾值，本文中將a分量效果圖和原圖像灰度圖分別做了最大類間方差分析后再進行圖像二值化。兩個圖通過最大閾值分割得到的閾值為155和127，以此閾值進行分割達到了很好的噪音消除效果，如圖3所示。

圖2 不同光照條件下的灰度化圖像(A：晴天；B：陰天)Fig. 2 Gray images under different illumination condition (A: sunny day; B: overcast)

圖3 不同光照條件下的直方圖(A：晴天；B：陰天)Fig.3 Histograms under different illumination condition (A: sunny day; B: overcast)

2 玉米壟行的路徑識別

2.1 導航離散點獲得

圖像經過二值化后，由壟行特征得到的離散點經過Hough變換即可得到導航路徑。平面坐標系中的導航路徑與前進方向之間存在夾角和位置偏移，因此需要轉換坐標系來對導航控制的參數進行修正。針對圖像分割得到的玉米田間信息，根據壟行走勢特征進行的統計分析得到反映壟行走向的導航離散點。

具體方法為將二值圖在Y軸方向上進行直方圖投影，以兩峰之間的波谷為界分離左右壟；然后，在X軸方向上取左右壟黑色像素的中間點，最后獲得整行的平均位置點，如圖4所示。

圖4 不同光照條件下的散點圖(A：晴天；B：陰天)Fig.4 Scatter diagrams under different illumination condition (A: sunny day; B: overcast)

2.2 導航路徑算法

Hough變換是一種線性的計算方法，用于將D坐標系中的任一點變換為極坐標系中的正弦曲線。將D坐標系中的多個點變換為極坐標系中的對應曲線后，就可以利用這些曲線在目標范圍內的交叉點計算出這些點的最佳擬合曲線。根據變換方程，若圖像中的每個點能確定幾個參數，則直方圖的峰值便可以確定一條直線。具體計算過程：首先將變換域中的坐標初始化，以便存儲其量化值和累積計數，數組的各初始值設為0；依次搜索灰度圖像中的所有導航離散點，將每個點的θ值帶入ρ公式進行計算，找出最大值對應的θ和ρ；再用相同的算法對原始圖像進行處理，若兩者的ρ值相同，則表明其對應的坐標點位于導航路徑上。導航離散點經過上述計算后得到的導航路徑如圖5所示。

圖5 不同光照條件下的導航路徑(A：晴天；B：陰天)Fig.5 Navigation paths under different illumination condition (A: sunny day; B: overcast)

3 試驗結果與分析

通過田間試驗可以看出：在晴天光線充足的情況下，目標和背景的色彩差異大，對比度較高，能達到很好的識別效果，所有田塊中的路徑識別率都在80%以上，處理單張圖片的耗時在109～133ms之間。陰天時的光照不充分，目標和背景之間的色彩差異不大，對比度較低，對識別的效果造成了一定的影響，但是所有田塊中的路徑識別率仍然超過70%；處理單張圖片的耗時在117～138ms之間，成對 t測驗的結果表明與晴天的處理耗時之間有顯著差異。

該玉米收獲機器人的路徑識別方法在田間的試驗效果如表1所示。

表1 不同光照條件下的路徑識別效果

續表1

4 結論

試驗過程中發現：該系統實際使用過程中會出現攝像機隨著載具行進出現輕微抖動，以及攝像機內部參數設定、放置高度和俯視角度不夠理想的問題。這些因素可能會對采集的圖像質量造成影響，并最終影響到路徑識別的效率?？傮w上看，該路徑識別方法具有較好的田間適應性和實用性，經過載機結構改進和內部參數優化，解決了上述的問題后，可為玉米收獲的智能化和信息化提供技術支撐。

[1] 孔自強.對加速推進玉米收獲機械化發展之所見[J]. 農業裝備與車輛工程，2007,186(1):47-48.

[2] 陳中偉，肖華，吳功平.高壓巡線機器人電磁傳感器導航方法[J].傳感器與微系統，2006, 25(9):33-35.

[3] 李云翀，何克忠. 基于激光雷達的室外移動機器人避障與導航新方法[J]. 機器人，2006, 28(3):275-278.

[4] 楊世勝，張賓. 電磁誘導農用噴霧機器人路徑導航系統的設計與實現[J].機器人，2007, 29(1):78-81.

[5] 李慶中，汪懋華.基于計算機視覺的水果實時分級技術發展與展望[J].農業機械學報，1999, 30(6):1-7.

[6] 楊國彬，趙杰文，向忠平.利用計算機視覺對自然背景下西紅柿進行判別[J].農機化研究，2003 (1):60-62.

[7] 王樹文，張長利，房俊龍.應用計算機視覺對番茄損傷分類的研究[J].東北農業大學學報，2006, 37(2):215-218.

[8] 周俊，姬長英.基于知識的視覺導航農業機器人行走路徑識別[J].農業工程學報，2003, 19(6):101-105.

[9] 周俊，姬長英.農業機器人視覺導航中多分辨率路徑識別[J].農業機械學報，2003,34(6):120-123.

[10] 孫元義，張紹磊，李偉. 棉田噴藥農業機器人的導航路徑識別[J]. 清華大學學報：自然科學版，2007, 47(2):206-209.

[11] 徐建，楊福增，蘇樂樂，等.玉米智能收獲機器人的路徑識別方法[J].農機化研究，2010,32 (2):9-12.

[12] 高國琴，李明.基于K-means算法的溫室移動機器人導航路徑識別[J].農業工程學報，2014, 30(7):25-33.

Path Recognition of Corn Harvesting Robot Based on Machine Vision

Hu Dandan, Yin Huan

(Jiangxi Vocational College of Mechanical & Electric Technology, Nanchang 330013,China)

China's corn acreage and yield are very large, occupies an important position in agriculture, but the cost of harvesting part of the amazing. Maize harvesting robot can improve the working efficiency, greatly reduce the production cost, has broad application prospects.Path recognition capability is an important aspect of robot environment adaptability. Machine vision can be used in path recognition of agricultural robots. In this paper, a path recognition method of corn harvest robot based on machine vision is designed, and a real-time image processing experiment is carried out in the field. The results show that the method has better adaptability and practicability in the field. The improvement and internal parameter optimization can provide technical support for the intelligence and informationization of corn harvest.

corn harvesting; path recognition； machine vision

2016-12-12

基于《中國制造2025》江西省機械工業發展研究項目(GJJ151380)

胡丹丹(1987-)，女,南昌人，講師，碩士，(E-mail)lowdto@163.com。

S225.5+1；TP242

A

1003-188X(2017)12-0190-05