基于輪廓檢測的水稻種植機械結構損傷識別方法

摘 "要：水稻種植機械的長時間作業容易加劇其機械部件的結構性損傷，進而影響機械性能、降低作業效率、增加維修費用，不利于水稻種植效率和產量的提升。而輪廓檢測技術是計算機視覺領域的核心技術之一，其能夠識別物體邊界、簡化圖像分析，具有適用性廣、應用高效便捷、實時處理能力強、易于集成等特點，可用于水稻種植機械結構損傷識別。基于輪廓檢測技術提出機械結構損傷識別的技術框架，能提高對機械結構損傷的辨別能力，為維護和修復決策提供科學依據，有助于推進水稻種植業的機械化、智能化、精細化發展，為現代農業生產提供技術支持。

關鍵詞：輪廓檢測；水稻種植；結構損傷

中圖分類號：S223 " " " " " " " " " " " " " " " " "文獻標志碼：A文章編號：1673-6737（2024）04-0082-03

在水稻機械化生產中，稻田的特殊環境使水稻種植機械更容易出現裂紋、變形、腐蝕等不同程度的損傷。如果不對損傷進行及時識別和修復，不僅會影響機械性能和作業質量，還可能因問題的長時間累計而造成更嚴重的機械故障，影響水稻的安全種植。傳統損傷檢測依賴于人工檢查，其檢查成效主要取決于個人經驗和主觀判斷，難以發現初期的細微損傷和隱蔽損傷。因此，應研究自動化、高精度的損傷識別方法，以提高水稻種植機械的維修能力。而計算機視覺技術的發展，使基于輪廓檢測的水稻種植機械結構損傷識別成為可能。該技術能準確捕捉物體的邊界信息，進而通過圖像處理和模式識別來分析機械部件的損傷問題。既有助于提高水稻作物種植效率和質量，還能減少因機械設備損壞造成的生產風險和額外維修成本。

1 "水稻種植機械結構損傷分析

1.1 "損傷類型概述

水稻種植機械可能因不當操作或長期磨損而出現不同類型的結構損傷。水稻種植機械的常見結構損傷主要包括：第一，裂紋。裂紋是指機械部件表面出現的細長開口，通常與長時間使用造成的材料疲勞、設計不合理或與材料缺陷造成的局部應力集中、突然碰撞等意外的沖擊載荷等因素有關。[1]第二，斷裂。斷裂是指機械部件承受載荷范圍外的力而發生的脆性斷裂現象，其通常與機械承受載荷過大、材料強度和韌性因長期腐蝕而減弱等因素有關，也有些斷裂現象是由于材料內部存在夾雜、氣孔、微裂紋等缺陷，影響了機械設備的使用壽命。第三，變形。變形是機械部件因外力作用而發生的形變現象，主要與長時間的重載作業或承受超出材料屈服極限的載荷作用有關。同時，高溫引起的材料熱膨脹，或機械部件長期振動所導致的部件微小位移累積，也是導致其發生形變的主要原因。第四，磨損。磨損是指機械設備摩擦、腐蝕等問題導致的材料損失現象。機械部件間的相互摩擦是導致設備磨損的主要原因，土壤顆粒對機械部件的沖擊和切削、化學物質與機械材料發生的腐蝕性反應、材料表面的微小裂紋導致疲勞磨損等也會加劇機械部件的磨損問題。[2]第五，腐蝕。腐蝕是指機械材料因特定環境下的化學或電化學反應而出現的材料結構受損現象。造成機械部件腐蝕的根本原因在于水稻田的環境濕度大，金屬與水和氧氣的接觸會通過氧化反應來加速銹蝕，且肥料、農藥和其他農業化學品中可能存在一定的腐蝕性化學物質，也會加速機械部件的腐蝕過程。

1.2 "結構損傷對機械性能的影響

結構損傷對水稻種植機械性能的影響主要表現在以下四個方面：一是降低作業效率，機械部件的斷裂和嚴重腐蝕會極大影響水稻種植機械的正常使用。例如，機械鏈條損壞、傳送帶斷裂等，需要更換備用零部件才能繼續使用，會顯著增加種植作業中的停機維修時間，從而導致相同工作時間內完成的工作量減少，繼而錯過最佳種植或收獲時機，影響作物產量和種植戶的經濟效益。二是影響作物種植質量，機械部件的結構損傷會直接影響播種、施肥或噴灑農藥的精度，會影響水稻作物的生長條件和產量，尤其是不均勻的水稻播種，可能會影響不同水稻植株的生長速度，進而為后期水稻收割帶來困難。三是增加維修成本，定期維修和更換零部件會加大消耗的維修成本，尤其是一些關鍵設備或嚴重損傷，往往需要專業的維修服務和昂貴的替換部件，會直接影響農民收入水平、降低農業生產的經濟效益。[3]四是縮短使用壽命。持續的結構損傷會加速水稻種植機械的老化速度，尤其是材料疲勞和腐蝕問題的積累，會極大縮短機械設備的使用壽命。為應對機械老化問題，往往需要頻繁對機械部件和設備進行更新，這不僅會增加水稻的種植成本，還會導致水稻生產過程的中斷。

2 "輪廓檢測技術在損傷識別中的應用

2.1 "輪廓檢測技術原理分析

輪廓檢測技術是計算機視覺和圖像處理領域的一項關鍵技術。其目標是消除圖像背景、內部紋理和噪聲干擾，檢測目標輪廓并進行進一步的分析處理，可廣泛用于目標識別、場景分析、圖像分割等多個領域。其基本原理是分析圖像的像素點或區域特征，識別具有明顯亮度或顏色差異的區域，并通過亮度和顏色變化來確定物體邊界。[4]而在實際應用中，輪廓檢測技術的應用大體應遵循以下幾個步驟：第一步，圖像預處理。采取灰度化、濾波或二值化等措施，對輸入圖像進行預處理，減少圖像噪聲、簡化圖像內容，提供可供邊緣檢測的清晰圖像。第二步，邊緣檢測。使用Sobel、Canny等邊緣檢測算法，根據圖像中亮度或顏色變化，對圖像中的物體邊緣進行識別。第三步，輪廓提取。依托邊緣檢測結果，使用輪廓提取算法連接圖像中的相鄰邊緣點，進而形成閉合的物體輪廓。第四步，輪廓過濾。采用面積過濾、周長過濾等過濾方法過濾掉不需要的物體輪廓，以提高輪廓檢測的準確性。第五步，輪廓繪制。在原始圖像上繪制所檢測的物體輪廓，進而分析、觀察和驗證輪廓檢測效果。

2.2 "水稻種植機械結構損傷輪廓檢測的流程

根據上文分析，水稻種植機械結構損傷輪廓檢測的流程基本遵循以下幾個步驟。

第一步，圖像采集。結合水稻種植機械種類、功能和結構損傷識別需求，選擇高分辨率數碼相機、工業相機或激光掃描儀等無損檢測設備，根據當地光線條件和機械表面的光反射特性，調整焦距、光圈、快門速度、ISO等拍攝參數，確保所拍攝圖像具有較高的清晰度和分辨率。這一過程需要注意避免陽光直射和高光比情況，減少圖像中的陰影和反光現象。在拍攝角度和距離的選擇上，應對機械關鍵部位進行多角度拍攝，全面捕捉機械部件的潛在損傷，并標注圖像的拍攝時間、拍攝位置、攝像參數、設備參數等重要信息。[5]在完成拍攝后盡快進行圖像預覽，檢查是否存在圖像模糊、過曝或欠曝問題，并決定是否進行重新拍攝，同時剔除圖像質量不佳的照片，提高后續輪廓檢測效率和效果。

第二步，圖像預處理。圖像預處理的目的是改善圖像數據、消除噪聲和其他不相關的干擾信息，從而為后續的輪廓識別和檢測提供高質量圖像數據。需采取均值濾波、中值濾波、高斯濾波等方式消除圖像采集過程中產生的傳感器噪聲、環境噪聲等噪聲影響，通過灰度化處理將彩色圖像轉換為灰度圖像，采取方圖均衡化、對比度拉伸等措施提高圖像對比度，凸顯損傷區域的圖像細節，將灰度圖像轉換為二值圖像，讓圖像的邊緣和輪廓信息更加明顯。同時，使用邊緣檢測算法識別物體邊緣，通過形態學處理去除噪點、填補空洞或斷裂，連接相鄰物體區域來改善圖像質量。還應采取閾值分割、區域生長等措施，將圖像中的損傷區域與圖像背景相分割，通過標準化處理為后續檢測提供高質量圖像。

第三步，輪廓檢測。使用邊緣檢測算法識別圖像中亮度變化顯著的像素點，通過圖像掃描、追蹤或使用路徑搜索算法將得到的一系列離散邊緣點連接呈閉合的輪廓。在實際應用中，檢測出的圖像可能存在一定未清除的噪聲，導致邊緣檢測出現假陽性，可采取開運算等形態學操作，或基于強度閾值的過濾方法去除不必要的邊緣點，同時采取非極大值抑制（NMS）等技術進行輪廓細化，消除輪廓檢測中出現的小波動，保留主要的邊緣輪廓。在具有多層次結構的復雜圖像中，單一尺度的輪廓檢測很難捕捉所有重要的輪廓信息，因此可采用多尺度輪廓檢測，在不同尺度上重復進行輪廓檢測來獲取更全面的輪廓信息。

第四步，特征提取。特征提取階段需要根據損傷類型和圖像數據的特點提取合適的圖像特征，具體包括形狀特征、紋理特征、邊緣特征、統計特征、變換特征等。形狀特征可通過對輪廓的幾何測量，獲取損傷位置的長、寬數據，進而檢測損傷區域的周長和面積，用矩形度、圓度、緊湊度等形狀描述符來量化損傷形狀的規則性。紋理特征可使用灰度共生矩陣（GLCM）分析損傷區域的紋理信息，或利用局部二值模式（LBP）捕捉圖像中的細微紋理變化。邊緣特征可通過亮度變化反映損傷邊緣強度，并利用邊緣的方向性得出損傷形狀的相關信息。統計特征可使用灰度均值和標準差反映圖像中損傷區域的亮度分布，并通過損傷區域的灰度直方圖，具象化亮度分布的統計信息。變換特征可使用傅里葉變換提取損傷的頻率特征，或用小波變換捕捉圖像中局部和非線性的損傷特征。

第五步，損傷分類與評估。確定機械結構損傷類別，在有充足標注數據的前提下，可使用隨機森林（Random Forest）、K最近鄰分類算法（KNN）等有監督學習方法訓練損傷分類模型。也可利用基于統計的方法進行損傷特征選擇，排除不相關或冗余特征，或用訓練數據集來訓練損傷分類模型。應進行機械結構損傷評估，可依托面積、長度、深度等物理指標量化損傷程度，按照損傷等級標準評估損傷對機械性能的影響，如是否影響種植效率、是否會導致水稻分布不均等，并預測其使用壽命或下一次維修時間。所得到的損傷分類與評估結果，能夠提供更換部件、局部修復或整機淘汰換新等整修建議，并為水稻種植戶提供維修計劃和預防措施。

3 "水稻種植機械結構損傷的防護建議

3.1 "材料選擇與表面處理

由于水稻種植機械需要在濕潤環境下進行作業，因此其機械部件應采用不銹鋼、鍍鋅鋼或含有一定比例鉻、鎳的合金鋼的耐腐蝕、耐磨損材料，提高其在潮濕環境下的抗腐蝕能力。同時，應在機械部件表面噴涂環氧樹脂、聚氨酯和氯化橡膠等涂層材料，進一步提高其抗腐蝕和磨損能力。涂層材料的選擇也應充分考慮基材的附著力、耐化學性和耐候性。例如，鋁合金等合金材料可通過陽極氧化處理，在其表面形成一層致密的氧化層，或利用電鍍技術，在機械部件表面鍍上一層鋅、鉻、鎳等金屬，能夠有效提高機械部件的耐腐蝕性和美觀性。

3.2 "設計優化

通過優化水稻種植機械結構設計，可以降低機械結構損傷發生概率。應在設計階段使用計算機輔助診斷（CAD）、有限元分析（FEA）等分析工具進行應力分析和模擬，識別潛在的應力高度集中區域并進行優化設計，同時考慮機械的動態負載問題，使用高性能材料提高關鍵區域的強度和剛度，使其能承受機械作業過程中產生的振動和沖擊。依托模塊化設計理念，提高機械各部件的可拆卸能力，降低機械設備的日常維護和修理難度，并使其能適應不同的作業需求和種植環境，滿足水稻種植戶的多元化需求。優化設計防護罩、擋泥板和防撞梁等集成的防護措施，提高其對水稻種植機械內部關鍵部件的保護能力，減少因撞擊或土壤、水分侵蝕造成的機械部件腐蝕、磨損，通過自潤滑材料或自潤滑結構，降低種植機械在運行中產生的摩擦力，延長機械的使用壽命。

3.3 "智能監測與預測性維護

可在軸承、齒輪箱、液壓系統等易出現結構性損傷的關鍵位置安裝振動、溫度和壓力傳感器，實時監測機械運行狀態、捕捉機械異常信號。開發通信技術和抗干擾技術，將各傳感器收集的信息整合至中央處理單元。使用聚類分析、異常檢測等數據分析技術，根據傳感器傳輸的數據信息進行異常識別，使用機器學習算法，參考歷史數據進行模型訓練，使模型能掌握水稻種植機械的正常運行模式，并在機械偏離正常運行時發出警報。根據數據分析和機器學習模型預測結果，制訂水稻種植機械的未來維護計劃，明確安排常規維護周期、時間點，通過定期檢查和維護來減少意外故障、縮短不必要的停機時間。開發決策支持系統，為種植戶提供部件更換、參數調整等相關操作建議，使其能做出更準確的維修決策。

4 "結語

本文提出了基于輪廓檢測的水稻種植機械結構損傷識別方法。本文的研究結果表明，輪廓檢測技術能有效識別裂紋、斷裂、變形、磨損、腐蝕等常見的水稻種植機械結構損傷，能夠為機械維修提供可靠的技術支持，促進水稻產業的機械化、智能化和自動化發展。

參考文獻：

[1] 王憲保，陳斌，項圣，等.基于雙通路視覺系統的自適應輪廓檢測模型[J]. 高技術通訊，2024，34（1）：15-24.

[2] 龔玉婷，呂鑫，劉維，等.基于多波長干涉的瞬態輪廓檢測Mirau顯微鏡[J].光子學報，2024，53（1）：64-72.

[3] 于福才，豆祥忠，徐昌軍，等.基于圖像輪廓的泵體口環位姿及尺寸檢測算法[J].制造業自動化，2023，45（2）：1-5.

[4] 雷經發，陸宗勝，李永玲，等. 基于投影柵相位法和多曝光圖像融合技術的強反射表面輪廓檢測[J].光學精密工程，2022，30（18）：2195-2204.

[5] 周祥，張袁元.基于振動分析的機械結構損傷識別方法綜述[J].機械工程與自動化，2017（1）：216-218.