基于DBSCAN和BP_Adaboost的農機作業地塊劃分方法

李亞碩 趙 博 王長偉 徐名漢 偉利國 龐在溪

(1.中國農業機械化科學研究院集團有限公司， 北京 100083；2.土壤植物機器系統技術國家重點實驗室， 北京 100083)

0 引言

隨著農業機械化作業的普遍推廣、農業機械化水平的提升，物聯網技術在農機生產管理中的作用日益突出。目前，通過機載物聯網設備和無線通信技術，監管人員可以實時獲取農機作業位置、作業狀態和作業效率，并通過監管平臺進行任務分配和補貼結算等，滿足了農機監管部門和農機合作社管理人員對所屬農機的實時監管和作業規劃需求[1-4]。農機管理人員按時間或工作量給機手發放工資，按地塊面積向農戶收取費用或向相關部門申請補貼，因此地塊的精準劃分是工資發放、費用收取、補貼申請、面積計算、效率評估等的基礎。深松作業可以根據深松機入土深度判斷是否在田間作業，但其它如收獲、植保、打捆等作業難以根據機載傳感器判斷作業狀態。無法強制農機駕駛員只在田間才打開機載設備，其他時間關閉設備。因此需要根據得到的軌跡點信息自動判斷農機軌跡點狀態和劃分地塊。

使用機載定位設備可以記錄作業軌跡信息，實時發送后端處理，得到行駛軌跡和作業分布。根據上傳的農機行駛軌跡，可在監管平臺的地圖中人工劃分地塊。但一臺農機每天作業多個地塊，每天多臺農機同時作業，一個作業季的地塊數量非常多，人工劃分耗時耗力，并且由于地圖精度問題，人工標記邊界容易出現誤差。

地塊劃分的前提是農機軌跡點狀態的確定。目前，軌跡點數據處理多采用聚類算法，根據軌跡點聚簇判斷狀態和劃分地塊。田間作業軌跡點密集，道路行駛軌跡點稀疏，利用這一特點通過DBSCAN聚類的方法區分田間作業和道路行駛軌跡[5-6]。但聚類方法的鄰域半徑和鄰域點數不易確定，不同農機、不同地形作業軌跡相差很大。有研究人員利用時空信息對軌跡進行密度聚類[7-9]，由于軌跡點具有時序性，將時間作為聚類信息對準確率的提升作用不大。利用空間索引和網格密度聚類[10-11]，有效提升了運行速度，但網格尺寸和密度閾值參數敏感。盡管聚類方法對農機田間作業軌跡效果較好，但對道路轉移行駛軌跡容易誤識別，因此單純依靠聚類方法，很難提升農機軌跡點狀態識別率。

根據軌跡點單個特征設定閾值，容易遺漏深層的內部相互關系。依靠神經網絡等深度學習方法進行訓練，在多維特征組成的高維空間尋找有效的內部關聯性，進而有效識別農機軌跡點狀態，再根據時序關系劃分地塊。但訓練樣本的標記耗時太大，并且有新農機作業軌跡識別需要重新標記訓練，推廣性不強。

本文結合農機空間運行軌跡的特點，選擇農機軌跡點經度、緯度、速度、近鄰點相互關系等作為特征，先用DBSCAN算法進行聚類，得到初步的聚類結果和類別標記；利用BP_Adaboost算法對軌跡點進行訓練和識別；將田間與道路交界處附近軌跡點標記為道路軌跡并添加到訓練樣本中重復訓練，直至訓練樣本無新增。以期解決海量數據標記困難、不同地塊軌跡差異大、田間與道路交界處軌跡點易誤識別等問題。

1 農機作業地塊劃分

通過安裝在農機上的北斗定位接收裝置自動記錄農機運行全過程軌跡，獲取農機經緯度位置信息、速度信息等。農機在行進和停車時，機載定位設備都會發送位置信息，因此，農機行駛軌跡點分道路行駛軌跡點、田間作業軌跡點和停車點。農機從車庫行駛至目的地塊以及在兩地塊間轉移時，一般沿道路單向行駛，速度較快，軌跡點稀疏；在田間作業時，在地塊內往返行駛，速度偏慢，軌跡點密集；當農機因故停車時，軌跡點以農機為中心，在小范圍內呈散點簇分布。劃分地塊的依據是區分田間作業軌跡點和道路行駛軌跡點，因此需先處理停車點和其他干擾軌跡點。再根據農機軌跡點的特性，對不同軌跡點信息進行分析試驗，選取有用特征。

1.1 數據預處理

由于定位精度原因，農機在停車時，軌跡點不是集中在一個點，而是散落在農機附近小范圍內，稱為農機停車散點，速度為0或者很小值。當定位偏差過大或者設備故障導致多個軌跡點未發送時，連續接收到的兩點間距過大，稱為漂移點。停車散點和漂移點如圖1所示。

圖1 停車散點和漂移點Fig.1 Parking scatter and drift point

有效農機行駛軌跡點是道路行駛軌跡點和田間作業軌跡點，農機停車散點和漂移點會影響軌跡狀態識別，在數據處理前應去除。為保持圖像數據完整性，本文在數據處理時不計算停車散點和漂移點，在地圖中，將這兩類點標記為道路行駛點。為了防止將田間作業過程中臨時停車軌跡點誤刪除，停車散點判斷依據設置為：連續很多點的速度小于某一閾值。將漂移點的上一軌跡點作為前段軌跡終點，下一軌跡點作為下段軌跡起點。

由于采集器故障、信號差、斷電等原因，會造成連續兩軌跡點之間間隔很遠。當某一軌跡點與前一軌跡點距離較大，而與下一軌跡點間隔正常時，認為兩軌跡點之間存在軌跡點丟失。將上一軌跡點作為前段軌跡終點，下一軌跡點作為下段軌跡起點。

1.2 特征選取

農機行駛軌跡點包含時間、經緯度、速度等信息，農機田間作業軌跡和道路行駛軌跡交叉，依據軌跡點屬性信息，可利用閾值設定、聚類、分類等方法區分軌跡點狀態，找到有效的屬性信息是取得理想效果的前提。圖2為軌跡點近鄰點數差異圖，其中近鄰區域半徑為當日軌跡點平均距離的3倍。

圖2 軌跡點近鄰點數差異柱狀圖Fig.2 Histogram of difference in number of adjacent points of track points

以軌跡點為中心、以r為半徑的圓范圍內近鄰軌跡點的個數，田間作業軌跡點多于道路行駛軌跡點。研究發現，當r為每天農機作業軌跡點平均距離3倍時，田間作業軌跡點和道路行駛軌跡點在r范圍內的近鄰點數量區分性最好。當r過小時，田間作業軌跡點近鄰點數量急劇下降，當r過大時，道路行駛軌跡點近鄰點數量增加，都會造成兩類軌跡點近鄰點數量重合部分增加。如圖2所示，田間作業軌跡點周圍軌跡點數量集中在7～9個之間，道路行駛軌跡點周圍軌跡點數量集中在4～6個之間，有較好的區分性。因此該特征可以用于判斷軌跡點狀態。以速度和近鄰點平均距離等為特征，不同狀態軌跡點分布如圖3所示。

圖3 不同特征下軌跡點分布Fig.3 Distribution of trajectory points under different characteristics

由圖3可以看出，田間作業軌跡點速度慢且與附近點距離小，雖然有一定的區分性，但是重疊交叉部分也很多，依靠某一、兩個特征難以達到預期效果。在一定半徑范圍內，田間作業軌跡點附近軌跡點數要多于道路行駛軌跡點附近軌跡點數。當選用速度、近鄰點數和近鄰點平均距離作為特征時，軌跡點分布如圖3c所示，雖然仍有部分重疊，但區分性較單個特征要好。在多特征組成的高維空間內，田間作業軌跡點和道路行駛軌跡點更具區分性。但單純依靠閾值作為判斷依據，普適性不強，且閾值不易確定。應在有效特征選取的基礎上，自學習內部關聯性，進而判斷軌跡點狀態。

本研究選取軌跡點經緯度、速度、近鄰點平均距離、近鄰點數、軌跡點與近鄰點距離作為特征，利用BP_Adaboost訓練模型識別軌跡點狀態。樣本標記工作量過大，先利用DBSCAN聚類方法得到初步類別標記，再進行訓練。

1.3 DBSCAN聚類

密度聚類算法[12-14]假設聚類結構能通過樣本分布的緊密程度確定，從樣本密度的角度來考察樣本之間的可連接性，并基于可連接樣本不斷擴展聚類簇以獲得最終的聚類結果。農機田間作業軌跡點緊密，道路行駛軌跡點稀疏，利用密度聚類方法不僅可以區分田間作業軌跡和道路行駛軌跡，還可以將不同地塊的軌跡點聚為不同類。DBSCAN基于“鄰域”參數(ε，NminPts)來判斷軌跡點數據的緊密程度，ε為以每個軌跡點為中心的長度范圍，NminPts是軌跡點要成為一個簇中心，周圍軌跡點距離小于ε的最少個數。DBSCAN可以去除噪聲點，并且不必提前規定聚類個數，聚類步驟如下：

(1)從數據集中任意選取一個軌跡點p。

(2)如果對于參數ε和NminPts，選一個軌跡點p，找到所有密度可達的核心對象，生成聚類簇。

(3)如果選取的軌跡點p是邊緣點，選取另一個軌跡點。

(4)重復步驟(2)、(3)，直到所有軌跡點被處理。

農機道路行駛軌跡一般為單向，田間作業為往返行駛，具有明顯的區分性，因此DBSCAN方法對這種軌跡狀態區分有不錯的效果。但部分道路區段由于農機折返行駛、轉向、減速等原因導致軌跡點密度變大，使該處軌跡被誤識別為田間作業軌跡。不同農機行駛速度和軌跡不同，田間作業軌跡間隔也不同，DBSCAN算法對于輸入參數ε和NminPts是敏感的，使用固定的ε和NminPts不能很好解決所有農機軌跡狀態識別問題。

1.4 類別不平衡處理

利用分類器訓練模型，再對軌跡點進行識別，可以避免聚類算法中ε和NminPts不易確定的問題。但在農機行駛軌跡中，田間作業軌跡點數量要遠多于道路行駛軌跡點數量，特別情況下比例可達10∶1。用同樣數量田間作業軌跡點數據進行訓練，樣本數量不足；田間作業軌跡點選用過多，會造成類別不平衡，都影響識別準確率，因此需要增加道路行駛軌跡點數據量。SMOTE算法[15-17]是在少數類樣本和其近鄰的少數類樣本之間進行隨機線性插值生成新樣本，來達到平衡數據集的目的。算法原理如下：

(1)對于每一個少數類樣本Xi(i=1,2,…，n)，根據歐氏距離計算出最近鄰的k個少數類樣本(Y1,Y2,…，Yk)。

(2)從k個最近鄰樣本中隨機選擇若干個樣本，在每個選出的樣本Yi和原樣本Xi之間進行隨機線性插值，生成新樣本Snew。插值方法計算式為

Snew=Xi+rand(0,1)(Yi-Xi)

(1)

式中 rand(0,1)——(0，1)區間內的隨機數

(3)將新生成的樣本加入原數據集中。SMOTE 算法是對隨機過采樣的一種改進方法，它簡單有效，并且避免了過擬合的問題。根據選取的特征，對新的數據樣本利用BP_Adaboost訓練模型。

1.5 BP_Adaboost算法

Adaboost是一種迭代算法，其核心思想是針對同一個訓練集訓練不同的弱分類器，然后把這些弱分類器集合起來構成一個更強的分類器, 而在 BP_Adaboost中弱分類器即BP神經網絡[18-19]。

BP神經網絡由輸入層、隱含層和輸出層構成[20]，是一種從輸入到輸出的映射，通過用已知的模式對網絡進行訓練，就會得到一個能反映輸入到輸出之間精確映射關系的網絡，特點是信號前向傳播，誤差反向傳播。

建模過程中，初始學習率設置為0.000 1，既可以保證快速順利找到損失函數的最小值，又不致于產生過大反復振蕩。

其中，輸入層為軌跡點特征，包括軌跡點經緯度、速度、半徑r內近鄰軌跡點個數、與近鄰點平均距離和到近鄰點的距離。由于各輸入變量的單位不一致且數值范圍相差較大，提前依據最大最小原則進行歸一化。

輸出層包含2個神經元，分別對應軌跡點狀態。輸出層中某神經元輸出為1時，代表農機在田間作業，輸出為-1時代表農機在道路行駛。

確定隱含層神經元個數[21]計算式為

(2)

式中h——隱含層神經元個數

n1——輸入層神經元個數

n2——輸出層神經元個數

a——可變系數

由式(2)可確定隱含層神經元個數為8。Adaboost算法本身是通過改變數據分布來實現的，它根據每次訓練集中每個樣本的分類是否正確，以及上次的總體分類的準確率，來確定每個樣本的權值。將修改過權值的新數據集送到下層分類器進行訓練，最后將每次得到的分類器融合在一起，作為最后的決策分類器。

開始時，每個樣本對應的權重是相同的，即其中n為樣本個數，在此樣本下訓練出第1個弱分類器，對于分類錯誤的樣本，加大其對應的權值，而對于分類正確的樣本，降低其權重。從而得到一個新的樣本分布，再次對樣本進行訓練，得到第2個弱分類器，以此類推，T次循環得到T個弱分類器。最后將弱分類器聯合起來，使用加權的投票機制代替平均投票機制。讓分類效果好的弱分類器具有較大的權重，而分類效果差的分類器具有較小的權重。

算法步驟如下：

(1)從樣本空間中隨機選擇m組訓練數據，初始化測試數據的分布權值

(3)

根據確定好的神經網絡結構，初始化BP神經網絡權值和閾值。

(2)用訓練數據訓練BP神經網絡并且預測訓練數據輸出，得到預測序列g(t)的預測誤差和et，et的計算公式為

(4)

式中g(t)——預測分類結果

y——期望分類結果

(3)根據步驟(2)中得到的et，計算序列的權重αt，權重計算公式為

(5)

(4)調整下一輪訓練樣本的權重，調整公式為

(6)

式中βt——歸一化因子

保證在權重比例不變的情況下使分布權值和為1。

(5)用BP神經網絡訓練T輪后得到T組弱分類函數f(gt,αt)，由T組弱分類函數f(gt,αt)組合得到了強分類函數h(x)。

選取農機運行軌跡點經緯度、速度、近鄰點平均距離等作為特征，對作業軌跡點進行標記，選取80%作為訓練樣本，利用BP_Adaboost算法得到訓練模型，對所有軌跡點進行識別。BP_Adaboost算法對軌跡點識別效果要好于只依靠經緯度信息聚類的DBSCAN算法，但農機多，工作時間長，產生的軌跡點多，對軌跡點標記耗時耗力，容易出錯。不同農機不同作業地塊行駛軌跡不同，對新的農機軌跡識別需要重新標記，推廣適用性不強。

1.6 DBSCAN+BP_Adaboost算法

研究大量農機作業軌跡數據發現，由于農機在道路行駛過程中折返行駛、轉向、減速等原因導致軌跡點密度變大，使該處軌跡被誤識別為田間作業軌跡，另外部分田間軌跡與道路軌跡交界處也容易將道路行駛軌跡點識別為田間作業軌跡點?？傮w而言，聚類算法的誤識別集中在將道路軌跡誤識別為田間軌跡。DBSCAN方法對大多數軌跡點分類準確，利用聚類得到的類別信息，通過BP_Adaboost集成弱分類器訓練，并將類別變換處附近軌跡點權重設置一個小的置信值，得到分類器模型后對軌跡點狀態進行識別。再對得到的軌跡點進行處理后重新訓練，直至識別結果不發生變化。

1.7 地塊劃分

將識別后帶類別標記的軌跡點按時序遍歷，當軌跡點類別標記為田間作業軌跡時，放入地塊序列，查找后續軌跡點，若類別標記不發生變化，放入同一個序列；若類別標記發生變化，查找到下一個地塊標記軌跡點，放入新的地塊序列。當下一地塊軌跡點距離超過5倍平均距離時，說明遇到軌跡點丟失，將下一軌跡點放入新地塊序列。

遍歷完所有軌跡點后，得到多個地塊序列，每個序列內的軌跡點屬于同一個地塊。為防止同一地塊因出現斷點或軌跡點狀態識別錯誤導致被誤分成多個地塊，計算各地塊軌跡點與其他地塊軌跡點距離最小值，若小于3倍平均距離，將2地塊合并為同一地塊。直至地塊數量無變化。

具體步驟如下：

(1)按時序遍歷所有帶狀態標記的軌跡點。

(2)找到第1個地塊標記軌跡點，放入地塊序列中。

(3)將其后所有地塊標記軌跡點放入同一序列，直至查找到道路標記軌跡點。

(4)繼續遍歷，查找到下一個地塊標記軌跡點，計算該點到上一地塊序列軌跡點最小距離是否小于3倍平均距離，若小于，則將該點放入上一地塊序列；否則，放入新地塊序列。

(5)重復步驟(3)、(4)，直至遍歷完所有軌跡點。

(6)計算某一地塊序列內軌跡點與其他地塊序列軌跡點距離最小值是否小于3倍平均距離，若小于，按時序合并2個地塊序列。

(7)重復步驟(6)，直至地塊序列數量不發生變化。

2 實驗

2.1 數據獲取

實驗采用某縣50臺農機在2020年10月15—26日期間所有作業數據作為數據集，作業地塊數量為5 304。在農機上安裝采集設備，每5 s采集一次作業點數據，總軌跡點數為5 196 782，通過無線通信發送至后端服務器。每個軌跡點包含農機作業點經緯度、速度等信息。實驗采用經緯度、速度、3倍平均距離內近鄰點數量、軌跡點周圍20個點距離作為特征，利用DBSCAN對軌跡點聚類，將得到的特征及類標記用BP_Adaboost算法訓練模型，識別農機運行狀態。

2.2 軌跡狀態識別及地塊劃分

將獲取到的軌跡點數據進行如下步驟處理：

(1)將采集的軌跡點做預處理，并提取特征。

(2)使用DBSCAN算法對軌跡點聚類，得到道路軌跡和田間軌跡。

(3)將前后標記發生變化的軌跡點及前后10個軌跡點權重減半。

(4)使用smote方法增加道路行駛軌跡點樣本數量。

(5)選取80%軌跡點作為訓練樣本，全部軌跡點為測試樣本。

(6)選取軌跡點經緯度、速度、3倍平均距離內近鄰點數量、軌跡點周圍n個點距離作為特征，利用BP_Adaboost訓練數據集，并對測試樣本進行軌跡狀態識別。

(7)將識別的每天軌跡點中前后標記發生變化的軌跡點及前后10個軌跡點標記為道路軌跡點，并放入訓練樣本中。

(8)重復步驟(6)、(7)，直至訓練樣本數量不發生變化。

(9)根據時序關系和軌跡點類別劃分地塊。

對數據采用本文方法和DBSCAN方法分別做實驗，將軌跡點加載到地圖中，根據地圖中軌跡點位置和行駛軌跡，人工對軌跡點狀態進行標記。總軌跡點數為5 196 782，其中田間作業軌跡點數量為3 162 468，道路行駛軌跡點數量為2 034 314。軌跡點狀態識別結果如表1所示，其中田間作業軌跡點記為T，道路行駛軌跡點記為D。

表1 軌跡點狀態各方法識別結果Tab.1 Recognition results of each method of track point state

軌跡點識別正確的數量為田間軌跡點識別為田間軌跡點個數與道路軌跡點識別為道路軌跡點個數之和。軌跡點狀態識別準確率P為

(7)

式中T11——田間作業軌跡點識別正確數量

T22——道路行駛軌跡點識別正確數量

T——軌跡點總數量

用DBSCAN算法對軌跡點狀態識別準確率為93.35%，用DBSCAN+BP_Adaboost算法對軌跡點狀態識別準確率為96.75%。因此本文算法得到的軌跡點狀態識別準確率高于DBSCAN算法。

當DBSCAN算法選取不同參數時，軌跡點識別準確率如圖4所示。

圖4 不同參數下兩算法軌跡點識別準確率Fig.4 Accuracy of two methods for track point recognition under different parameters

由圖4可以看出，本文方法依托于DBSCAN算法，走勢和DBSCAN算法有相關性，整體優于DBSCAN算法，并且準確率變化受參數影響小于DBSCAN算法。

使用密度聚類方法識別軌跡點狀態的同時，根據點簇聚集關系劃分不同地塊。使用本研究方法得到軌跡點狀態后，需再按照地塊劃分步驟進行劃分，得到地塊劃分效果如圖5所示。

圖5 不同算法劃分地塊效果圖Fig.5 Effect drawing of dividing plots by two methods

圖5中灰色點表示道路行駛軌跡點，彩色點表示田間作業軌跡點，不同顏色表示不同地塊。由 圖5a 可以看到，部分道路行駛軌跡點被識別為田間作業軌跡點，下方綠色區域多個不同地塊被聚類成一個地塊。由圖5b可以看到，使用本文方法劃分地塊，準確率高于只用DBSCAN算法。個別地塊緊鄰，由于閾值設置原因，DBSCAN算法無法將兩地塊區分。用本方法能識別出兩地塊間轉移行駛軌跡，進而可以很好地精細劃分地塊。

地塊劃分錯誤分為4種類型：非地塊誤識別為地塊、地塊未被識別出、多個地塊被識別成一個地塊和一個地塊被識別成多個地塊。

其中，多個地塊被識別成一個地塊可以歸為地塊未被識別出；一個地塊被識別成多個地塊，可以歸為非地塊誤識別成地塊。

因此地塊識別準確率R為

(8)

式中T0——識別正確的地塊數量

Tf——總地塊數量

錯誤識別量為

En=T1+T2

(9)

式中T1——非地塊誤識別成地塊和一個地塊被識別成多個地塊的數量

T2——地塊未被識別出和多個地塊被識別成一個地塊的數量

另外

Tf≤T0+T1+T2

(10)

由于錯誤識別的數量和作業地塊的數量沒有關聯性，因此地塊識別的準確程度由地塊識別準確率和錯誤識別個數組成。兩算法劃分地塊結果如表2所示。

表2 不同算法劃分地塊結果Tab.2 Results of dividing plots by two methods

由表2可知，由于非地塊區域為道路行駛軌跡點，將道路行駛軌跡點誤識別為田間作業軌跡點會錯分成地塊，而道路行駛軌跡點識別正確仍舊是軌跡點而不是地塊，因此不存在非地塊識別為非地塊的數量。通過DBSCAN算法得到地塊識別準確數為5 072，準確率為95.63%，誤識別個數為592；通過DBSCAN+BP_Adaboost算法得到地塊識別準確數為5 184，準確率為97.74%，誤識別個數為339。因此在識別準確率和誤識別個數方面，DBSCAN+BP_Adaboost算法都優于DBSCAN聚類算法。

本文提出的先通過DBSCAN算法得到軌跡點類別，再對軌跡點通過BP_Adaboost算法訓練，軌跡點狀態識別準確率高于只使用DBSCAN算法，且省去了大量人工標記的時間。后期有新農機作業軌跡識別，可以直接使用本方法，適用性較強。地塊的劃分準確率高于基于密度聚類方法，且錯分的地塊數量也少于基于密度聚類的方法。

3 結論

(1)分析了農機作業軌跡特征及軌跡點有用信息，選取農機軌跡點經緯度、速度、近鄰點關系等作為特征，實驗證明特征有效。

(2)利用DBSCAN算法對農機軌跡點聚類，得到帶類別標記的田間作業軌跡點和道路行駛軌跡點；再用BP_Adaboost算法建立訓練模型對農機軌跡點進行識別；將容易誤識別的道路和田間交界處附近軌跡點標記為道路行駛軌跡點，并添加到訓練樣本中重復訓練，直至訓練樣本不再增加。軌跡點狀態識別準確率達到96.75%，較DBSCAN算法有很大提升。

(3)本文算法劃分地塊較DBSCAN算法聚類后得到的地塊更準確，錯分的地塊數量更少。無需對樣本標記，節省大量人力，并且對新農機作業軌跡有適用性。