基于機器視覺的自動收割機控制系統分析與研究

蔡 雯

(汕頭技師學院,廣東 汕頭 515041)

0 引言

我國地理環境多樣，在地勢平坦的地區有大面積的成片農田。近年來，伴隨著農業產業經營模式的改變，更多的農田出現了向種植大戶集中的趨勢，單面積較大的田塊數量迅速增加。在這種背景下，傳統的農業生產方式效率低下和成本較高的問題日益明顯，已經無法適應現代農業的發展要求。例如，作物的最佳播種時期一般較短，人工播種方式效率太低，難以按時完成播種而錯過最佳時機，可能對作物的后續生長造成影響。作物的收獲也面臨同樣問題，提前收割會損失日產量，推遲則會增加鳥鼠蟲害和極端天氣帶來的損失。

農業機械化是農業現代化的重要內容之一，農田的集中連片為大型農業機械發揮作用提供了空間。我國的農業機械化近些年來推進迅速，針對水稻、玉米和小麥這3大糧食作物都設計了種類繁多的機械，并在部分種植區實現了全程機械化。但是，部分農業機械的適應性沒有得到檢驗，智能化水平也有待改善。我國農業機械化的整體程度仍不高，還具有進一步提升的空間和潛力。

精準農業是當今世界現代農業的新方向，可以推動農業生產向規模化和專業化發展，同時也對農業機械提出了新的要求[1]。農業機械實現自動化和智能化，可以有效降低人力成本，提高土地利用率，符合精準農業的生產要求。收割是農業生產的最后一道工序，對作物最終的產量和品質有著直接的影響。目前，我國的許多作物都有相應的收割機械，許多學者對部分機械的自動控制系統進行了研究，以提高作業效率和質量。以甘蔗為例，陳遠玲等基于壓力反饋，設計了一種甘蔗收割機的臺架升降系統，以提高甘蔗的收割質量[2]。李凱華等設計了基于PLC的甘蔗收割機切深控制系統，用于自動調節刀盤入土深度，降低宿根的破頭率[3]。

水稻和小麥是我國最重要的兩類作物，其高產和穩產可為糧食安全提供保障。稻麥類作物的種植面積大，收割時機較短，對機械化作業有迫切需求。目前，我國大部分地區的稻麥都采用聯合收割機進行收割，但收割機的自動控制系統相比整體水平較為落后，包括對行走速度和割臺高度的控制。

行走速度是對收割機作業質量影響最大的因素，受到多種因素的限制，包括機械的動力、撥禾輪工作速度和其它配套的部件性能等。合適的行走速度需要兼顧作業效率和質量：速度太低導致喂入量不足，作業效率也會相應地降低；速度太高會引起喂入量偏大，造成谷稈分離效果差，谷粒分離和清選的損失增加。喂入量過大時則會引起收割機零部件的變形甚至損壞，產生故障并最終導致無法正常工作[4]。

現有的聯合收割機行走速度大多是由人工控制的，駕駛人員根據經驗判斷和調節。但是，若喂入量變化頻繁，便對人員的判斷和操作能力提出了較高的要求，也會增加工作強度。針對這一問題，國內外都開展了相應的研究，設計了多種收割機行走速度自動控制的方法和系統。袁文勝等和庹朝永分別利用收割機輸送器上的壓力傳感器檢測喂入量，設計了收割機的行走速度自動控制系統，能夠實時調節行走速度，使收割機保持穩定的運行負荷[5]。趙爽基于收割機的滾筒轉速，利用模糊神經網絡控制步進電機對行走速度進行調節，獲得了理想的作業效率和質量[6]。另外，在割臺高度的控制上也有相應的報導[7]。

機器視覺技術包括圖像理解和圖像分析，在國民經濟生產的很多領域都有廣泛的應用，其在農業中的用途主要是農產品的分級、檢測和收割[8-10]。20世紀80年代，機器視覺被提出用于引導機器人采摘水果，隨后得以實現。在大田作物機械上，機器視覺可以用于導航，提供合適的行走路徑[11-12]。本文設計了一個基于機器視覺的收割機自動控制系統，拍攝分析田間作物圖像，根據谷粒信息計算作物密度，從而獲得喂入量。系統根據喂入量對收割機行走速度進行相應的調節，使其保持較高的作業效率和質量。

1 系統的設計及組成

1.1 總體設計

自動控制系統由信號采集模塊、計算機視覺模塊、速度調節裝置和信號輸出模塊4大部分組成。信號采集模塊包括壓力傳感器和速度檢測裝置。其中，壓力傳感器安裝在輸送器中用于檢測喂入量，速度檢測裝置安裝在地輪上檢測機械的瞬時速度，采集的信號都經過轉換器發送給核心計算機。計算機視覺模塊包括核心計算機和數碼相機，用于拍攝圖像進行分析，同時處理信號采集模塊發送的數據，最終生成速度控制指令。速度調節裝置包括步進電機和無級變速器，步進電機在計算機的指令下按照相應的方向轉動，改變液壓無級變速器的操作桿位置而實現對機械速度的調整。信號輸出模塊包括顯示屏和報警器，分別用于顯示機械運行的各項參數和在喂入量偏離設定值過大時啟動報警，如圖1所示。

1.2 組成部分

裝載自動控制系統的收割機以久保田4LZ-4型履帶式全喂入聯合收割機為基礎改裝，采用無級變速，割幅2m，并為控制系統提供電源。壓力傳感器為TJP-1型，安裝在輸送器入口下部的地板處，可以將谷物通過時產生的壓力轉換為電信號，用于在試驗中測定實際的喂入量。速度檢測裝置為HAL41F型霍爾元件，安裝在機械的地輪上，能檢測地輪的轉動形成脈沖電信號，用于檢測機械的行走速度。它們都是通過TLC1543CN型A/D轉換器與核心計算機連接。

圖1 自動控制系統的工作流程Fig.1 Workflow of the automatic control system

數碼相機為尼康COOLPIX P60型，800萬像素，安裝在收割機前方。相機光軸與豎直方向夾角60°，可以俯視拍攝割臺前方5m長、3m寬范圍內的田間作物，生成JPEG格式的圖像。圖像采集卡為天創UB570型，用于將JPEG格式圖像轉換為數字信號以供計算機視覺分析。核心計算機為戴爾7040MT型，帶有Intel i7中央處理器，8GB的DDR4內存和1TB硬盤，運行速度可以滿足圖像實時處理要求。計算機安裝Linux操作系統和MatLab10.0視覺軟件，流程設計靈活，圖像處理質量高，有便捷的接口功能。

計算機分析獲得喂入量后，與設定值比較，根據比較的結果發出速度調節指令。驅動電路根據指令驅動步進電機轉動，通過無級變速器實現速度調節。顯示屏也連接在計算機上，用于設定相關參數和顯示收割機的運行狀態。顯示屏還整合報警器，用于在喂入量偏離設定值過大時啟動聲光報警。

2 圖像分析

以水稻圖像為例，其在自然條件下拍攝，同時相機與作物之間具有一定的相對運動速度，導致圖像含有不同程度的噪音。噪音會降低圖像的質量，使圖像模糊，影響對目標識別和檢測的精確度。這里采用5×5模式的中值濾波法預處理圖像，去除噪音后得到用于分析的原始圖像，如圖2所示。由于相機俯視拍攝，導致不同距離上相同大小的物體在圖像上對應的像素點數不同，會對后續分析計算造成影響。這里參考紀壽文等的方法，矯正圖像的畸變[13]。然后利用Gamma校正非線性變換法灰度化處理原始圖像，以增強目標的特征，如圖3所示。

圖2 作物的原始圖像Fig.2 Original image of crop

圖3 作物的灰度化圖像Fig.3 Gray image of crop

大田種植的稻麥類作物一般都具有較高的收獲指數，即谷粒在整個作物植株質量中占據較大的比例，因此，一定范圍內的谷粒數量與作物的生物量有相關性，可以用于計算作物密度。首先將收割機割幅內的作物提取出來，其圖像基本由谷粒和莖葉組成，谷粒為黃色，莖葉為綠色，因此，依據顏色差異提取谷粒輪廓。文中選擇RGB模式，3個分量中的R分量在黃色和綠色之間的差異最大。因此，用雙峰法確定R分量在直方圖中的最佳閾值，進行圖像閾值分割，提取谷粒的范圍，如圖4所示。分析谷粒范圍包含的像素點數，即可得到它們所占整個圖像的比例，然后利用建模集確定這個比例與作物密度之間的回歸方程。

圖4 谷粒的圖像分割Fig.4 Image segmentation of grain

3 試驗結果與分析

在本單位的試驗農場內對當季的水稻、小麥和大麥進行收割試驗，3種作物密度計算公式分別為Qs=3k+0.4、Qs=3k+0.3和Qs=4k-0.2。其中，Qs為作物密度(kg/m2)；k為谷粒占圖像的比例。設置收割機的喂入量為4.0kg/s，其與行走速度之間的關系為qs=0.01SrvmQs。其中，qs為喂入量(kg/s)；Sr為割幅(m)；vm為行走速度(m/s)；Qs為作物密度(kg/m2)。每種作物選擇4個種植密度的田塊，種植密度從小到大依次標記為1、2、3、4號田塊。用裝載該自動控制系統的收割機收割，在作業過程中選擇多個時間點讀取壓力傳感器實測的喂入量值，比較其相對4.0kg/s設定值的偏差。

試驗結果如表1所示。收割機在水稻田不同種植密度下的喂入量保持在3.8～4.1kg/s，與設定值的最大相對誤差僅為5%，作業效率和質量都較高。在小麥田的喂入量為3.6～4.0kg/s，與設定值的最大相對誤差為10%，對低密度種植小麥的作業效率下降。在大麥田的喂入量為3.5～3.9kg/s，與設定值的最大相對誤差為12.5%，作業效率普遍較低，須要設定較大的喂入量值以提高機械的行走速度和收割效率。自動控制系統從拍攝作物圖像到啟動步進電機的整個過程耗時1s，可以實現對機械行走速度的實時調節。

表1 收割機的實測喂入量Table 1 Actual measurement feed quantity of the harvester kg/s

4 結論

設計了一個基于機器視覺的收割機自動控制系統，根據作物圖像中的谷粒信息計算作物密度，從而獲得喂入量，并對收割機行走速度進行相應的調節，以保持較高的作業效率和質量。在實際的收割試驗中，不同種植密度的水稻喂入量與設定值的最大相對誤差僅為5%，作業效率和質量都較高。小麥的喂入量最大相對誤差為10%，對低密度種植小麥的作業效率下降。大麥的喂入量最大相對誤差為12.5%，作業效率普遍較低，需要設定較大的喂入量值。系統從拍攝作物圖像到啟動步進電機的整個過程耗時1s，可以實現對收割機行走速度的實時調節。我國的農業種植模式和作物品種復雜多樣，作物密度也會存在較大的差異。因此，該系統在各個種植區域作業時都需要建立作物密度的計算方法，并設定合適的喂入量值，才能同時獲得理想的收割效率和質量。