基于四旋翼無人機的機耕農(nóng)場監(jiān)察裝置

劉一航，鐘繼康，李瀚

基于四旋翼無人機的機耕農(nóng)場監(jiān)察裝置

劉一航，鐘繼康，李瀚

（武漢理工大學(xué) 機電學(xué)院，湖北 武漢 430070）

農(nóng)作物在每一個生長周期內(nèi)的外部形狀相對不同，并且大多數(shù)具有明顯的外部特征，因此可以較好區(qū)分農(nóng)作物的生長周期。在現(xiàn)有較為先進的無人機航拍技術(shù)基礎(chǔ)上，完全可以依靠無人機對大型農(nóng)場進行普查并結(jié)合圖像處理技術(shù)判斷生長階段對應(yīng)性進行耕作。基于此背景，擬研究一套基于四旋翼無人機的機耕農(nóng)場管理系統(tǒng)，依靠四旋翼無人機對農(nóng)場進行航拍，對航拍獲得的圖像進行處理，從而判斷生長周期，并且判斷具體屬于哪一塊土地，有針對性地進行耕作。

無人機；機耕農(nóng)場；監(jiān)察；視覺識別

1 硬件部分

擬采用大疆無人機的大疆御Air無人機，該款無人機航程30 min，運行速度約為30 km/h（最高運行速度可達60 km/h）。航拍穩(wěn)定極高，像素可達3 200萬，并且拍照廣角為180°，方便采集信息。

無人機最大作用距離為4 km（即最大巡航路徑為25 km），并且擁有在4 km內(nèi)傳輸720 p的實時圖傳能力，理論上在不對農(nóng)場環(huán)境做大幅度改造的情況下僅依靠2.4/5.8 GHz信號傳輸?shù)淖畲蟀霃娇蛇_4 km，面積可達50 km2的區(qū)域的圖像拍攝。并且大疆御Air可以依靠Wi-Fi信號傳輸進行控制，因此在中間增加中繼增強信號增大其工作范圍。

2 軟件部分

軟件部分采用大疆公司的外部開發(fā)SDK為基礎(chǔ)進行開發(fā)，將原有的RGB數(shù)學(xué)模型轉(zhuǎn)化為較為方便處理的HSV數(shù)學(xué)模型，最終采用HSV數(shù)學(xué)模型得到的數(shù)值對所得到的圖片進行比對分析。

直接拍照得到的照片是基于RGB模型的像素點的圖形，每一點都由RGB三個數(shù)值存儲，信息存儲量大，處理三維數(shù)組運算相對較慢。并且RGB顏色空間是不均勻的顏色空間，兩個顏色之間的知覺差異與空間中兩點間的歐氏距離不成線性比例，而且RGB值之間的相關(guān)性很高。同一顏色屬性在不同條件下RGB值很分散，識別某種特別顏色時，很難確定其閾值和其在顏色傳統(tǒng)的顏色相似度計算方法空間中的分布范圍，不利于目標(biāo)物體的識別，因此將其轉(zhuǎn)化為較為簡單的HSV模型。程序運行過程如圖1所示。

后期對農(nóng)場圖像進行識別時，選擇最為明顯的小麥成熟為例子講述其識別過程。小麥成熟前為青色，其RGB值為0，255，255，轉(zhuǎn)化為HSV數(shù)學(xué)模型后為180，1，255。小麥成熟后為黃色，其RGB值為255，255，0，轉(zhuǎn)化為HSV數(shù)學(xué)模型后為60，1，255。其識別僅計算灰度即可，黃色與青色在HSV模型下為互補色，識別起來相對快。

圖1 程序運行過程

在確認(rèn)了黃色色塊后，軟件將進行形狀識別。圖片所拍攝的畫面承載的土地大小一定，在得到灰度圖后灰度接近60的部分采用畫圓的方法簡單畫出成熟小麥的外框區(qū)域。得到其大致成熟區(qū)域的外形后，根據(jù)圖片比例與圖形比例計算出成熟區(qū)域占據(jù)整體區(qū)域的比例，計算出比例后將會將數(shù)據(jù)上傳給上位機。使用者根據(jù)上位機所顯示的數(shù)據(jù)判斷是否應(yīng)該采摘。

在實際使用中可能由于光線原因?qū)е碌孛娴淖厣恋卣宫F(xiàn)出與金黃色類似的顏色狀態(tài)，因此為了操作者在上位機可以根據(jù)該片區(qū)土地的實際情況（是否存在大面積撂荒）選擇是否對該塊土地進行反復(fù)調(diào)查。選擇無人機的自我路徑規(guī)劃可以在一個正方形的四個角對一塊土地進行反復(fù)校準(zhǔn)，對該塊土地的識別采用相對較為簡單的識別方式，減少識別工作量提升辨別速度。

3 工作方式

以一個300 hm2（3 km2）的農(nóng)場為基礎(chǔ)進行計算，無人機每架次巡航15 km，巡航半徑4 km。大型農(nóng)場土地相對較為平整，土地相對較為完整。假設(shè)其為一個長2 km、寬1.5 km的土地，操作者可以在任意一點釋放無人機，無人機的定位系統(tǒng)將會在該點建立起坐標(biāo)系，并且無人機接入網(wǎng)絡(luò)依靠地圖導(dǎo)航確定無人機位置，并在坐標(biāo)系上建立一個動態(tài)的運動模型。

在人工確認(rèn)作業(yè)區(qū)域全部在信號作用范圍內(nèi)與航程路線規(guī)劃內(nèi)情況下，無人機會隨之建立起一個動態(tài)的運動模型確定其所處的位置，對應(yīng)性地根據(jù)需要選擇需要探測的土地（不同種類作物成熟期不相同）。

工人在上位機規(guī)劃好對應(yīng)的行程，上位機把對應(yīng)的探測區(qū)域展示給使用者，并且使用者需要確認(rèn)行程上無大塊土地撂荒。如果存在土地撂荒，使用者將需要在規(guī)劃行程時將撂荒區(qū)域標(biāo)明。工作流程如圖2所示。

圖2 工作流程

無人機飛行過程中不斷進行圖像獲取，圖像處理軟件根據(jù)對應(yīng)的RGB轉(zhuǎn)HSV算法確定黃色色塊比例以及是否撂荒。無人機將自身的位置信息與圖片黃色色塊比例上傳給上位機，工人根據(jù)實際情況判斷是否采摘。

4 項目的創(chuàng)新之處

項目的創(chuàng)新之處有以下幾方面：①采用無人機高速對農(nóng)場進行巡回監(jiān)察并且適應(yīng)性強；②采用圖像處理技術(shù)根據(jù)航拍結(jié)果判斷生長周期并且確定自身位置；③多點位多照片提升其圖像識別精確度。

5 項目的研究基礎(chǔ)和可行性分析

5.1 技術(shù)分析

采用圖像處理技術(shù)判斷其生長周期，現(xiàn)在較為通用的大疆無人機可運行30 min，行程15 km，在合理規(guī)劃路徑的基礎(chǔ)上，每臺無人機可以在單個班次內(nèi)的監(jiān)察范圍為3～4 km2。在存在電池擴容的情況下，理論上可以滿足一個家庭農(nóng)場所需的監(jiān)察管理需求。還可利用圖像處理技術(shù)判斷農(nóng)作物相對較為明顯的生長特征（例如小麥生長期為綠色，成熟期為黃色），并傳輸數(shù)據(jù)給農(nóng)場工人。

5.2 效益分析

國家統(tǒng)計局?jǐn)?shù)據(jù)顯示，中國現(xiàn)有耕地20.24億畝（約為135萬平方千米），加拿大的農(nóng)場與中國的國有農(nóng)場相比，中國未來約有15萬～20萬個家庭農(nóng)場。每一個家庭農(nóng)場使用一套這樣的系統(tǒng)就可以滿足其的使用需求。

這套系統(tǒng)搭建起來需要8 000元，可以代替人工對附近的土地進行監(jiān)察。無人機工作時間30 min，充電需要54 min，因此每天可飛行6～8架次，合計監(jiān)控監(jiān)察面積為20 km2每架每日。

按照加拿大一個獨立農(nóng)場3 km2土地計算，一臺聯(lián)合收割機每日可以完成0.267～0.333 km2土地的收割，即在10～15個工作日就可以完成對農(nóng)場的采收（實際工作時間可能更長），在這段時間內(nèi)需要人工對可以采收的區(qū)域不斷進行確定（此工作需每日進行一次）。每名農(nóng)業(yè)工人如果人工判斷是否可以采摘，判斷量單日約為0.667 km2土地，該系統(tǒng)相當(dāng)于4～5名人力，4～5名人力（重體力勞動）半個月的工作時間工資約為10 000～13 000元。由此可得該系統(tǒng)在一年內(nèi)就將會收回成本，并且極大提升了農(nóng)業(yè)自動化程度，減少對人力的需求，同時減少這項工作可能對人的傷害。同時該系統(tǒng)還可提高對生長周期的判斷能力，節(jié)約更多的人力。

［1］程嘉暉.基于深度卷積神經(jīng)網(wǎng)絡(luò)的飛行器圖像識別算法研究［D］.杭州：浙江大學(xué)，2017.

［2］吳笛.基于圖像識別水稻蟲害預(yù)警系統(tǒng)的研究［D］.長沙：湖南農(nóng)業(yè)大學(xué)，2015.

［3］李妍.玉米大豆水稻圖像識別方法研究［D］.大慶：黑龍江八一農(nóng)墾大學(xué)，2017.

［4］胡直峰.植物圖像識別方法研究及實現(xiàn)［D］.杭州：浙江大學(xué)，2017.

［5］陳玉輝.基于圖像識別的工業(yè)機器人軌跡規(guī)劃研究與應(yīng)用［D］.杭州：浙江大學(xué)，2017.

［6］張鵬.基于圖像特征提取的算法設(shè)計與應(yīng)用［D］.成都：電子科技大學(xué)，2011.

［7］賴勇.出入口人數(shù)統(tǒng)計系統(tǒng)的設(shè)計與實現(xiàn)［D］.成都：電子科技大學(xué)，2010.

TP391.41

A

10.15913/j.cnki.kjycx.2019.15.052

2095－6835（2019）15－0127－02

〔編輯：嚴(yán)麗琴〕