基于傳感控制的自動采棉機系統(tǒng)設(shè)計

高 玲,高 聰

(黃河水利職業(yè)技術(shù)學院 電氣工程學院,河南 開封 475003)

0 引言

棉花作為重要的經(jīng)濟作物,在我國種植范圍廣泛,新疆地區(qū)已將其作為支柱型經(jīng)濟作物。棉花采摘時需要工人根據(jù)經(jīng)驗進行判定,需要大量人力完成該工作,但新疆地區(qū)地廣人稀、勞動力短缺,棉花采摘這種勞動密集型工作成為制約棉花增產(chǎn)的主要因素,故實現(xiàn)棉花采摘自動化迫在眉睫[1-2]。目前,棉花采摘機進行無差別采摘,既不利于提高棉花品質(zhì),也制約棉農(nóng)收入增加。因此,對棉花成熟度進行判別,進而實現(xiàn)差異化采摘,成為采棉機重要的發(fā)展方向[3]。目前,棉花成熟度判定方法主要采用圖像處理的方法,但算法復雜,需要大量樣本進行計算[4-5]。為了提高采棉機工作效率,需要發(fā)展一種簡單有效的成熟度判定方法[6]。本系統(tǒng)采用圖像處理方法,實現(xiàn)棉花成熟度判定,同時采用雙目系統(tǒng)[7-8],實現(xiàn)了棉桃的定位,進而指導采棉機對成熟棉桃進行采摘。

1 系統(tǒng)組成

為了實現(xiàn)棉花采摘的自動化,基于圖像傳感器,設(shè)計了棉花采摘系統(tǒng),可通過圖像處理實現(xiàn)棉花成熟度判定,并根據(jù)棉花成熟度實現(xiàn)選擇性采摘。系統(tǒng)包括圖像處理、成熟度判定、視覺定位和系統(tǒng)測試等部分,如圖1所示。圖像處理采用HSV方法[9-10]進行圖像灰度處理,采用二維大津法進行圖像分割,最終實現(xiàn)棉桃圖像特征提取。成熟度判定:根據(jù)得到的棉桃特征,計算棉桃圖像區(qū)域的L/S,最后建立成熟度判定模型,實現(xiàn)棉花成熟度判定。視覺定位系統(tǒng):采用雙目設(shè)計,實現(xiàn)圖像坐標和空間坐標轉(zhuǎn)化,進而通過分析圖像,得到空間棉桃位置坐標。進行系統(tǒng)測試,主要針對圖像處理的分割精度、識別精度和棉桃空間視覺定位精度進行測試。

2 棉花圖像處理

圖像處理是實現(xiàn)棉花成熟度評估與定位的前提,目的是:①獲取棉花圖像的特征;②得到準確的棉花圖像位置。處理過程:首先,需要對攝像頭采集的圖像進行灰度化處理;其次,進行圖像分割,獲得棉花的二值圖像;最后,獲取棉花圖像的輪廓曲線和面積等特征。

2.1 灰度化算法選擇

彩色圖像是通過紅色R、綠色G和藍色B混合而成,每個通道有256個強度級別,造成彩色圖像信息量過于龐雜,需要對其進行灰度化處理,降低圖像處理過程中的計算量。棉花圖像主要包括棉桃、棉葉、棉枝和土地等幾部分,而棉桃是圖像處理的提取對象。現(xiàn)采用HSV體系進行灰度化處理,其與RGB體系轉(zhuǎn)化如式(1)所示。其中,色度H通道強度如圖2(a)所示,呈分散性分布;飽和度S直方圖如圖2(b)所示,呈單峰分布;亮度V直方圖如圖2(c)所示,呈雙峰分布。HSV三通道的直方圖分布形式存在明顯差異,不存在直方圖形狀相似時造成的矩陣存在線性相關(guān)向量的問題。

(1)

圖2 灰度化算法Fig.2 Grayscale algorithm for cotton image

攝像頭采集到的圖像主要包含棉桃、棉葉、棉枝和土地等幾部分,上述圖像元素在HSV體系中各通道強度變化如圖2(d)中實線所示。飽和度S在4種圖像元素中變化最為緩慢,分布區(qū)間為78～106,標準偏差區(qū)間為2.4～4.3,不具備從圖像中分割棉桃圖像的能力。色度H在棉桃、棉葉、棉枝和土地等4部分變化趨勢較為平緩,在棉桃處最高,達到167,棉葉圖像為第二高值,達到137,標準偏差區(qū)間為2～5.4;V通道在棉桃圖像時強度為217,棉葉圖像為在二強度,達到97,灰度差距為120,具有較強的區(qū)分度,同時標準偏差分布區(qū)間為3.72～8.4。因此,V通道對于區(qū)分棉桃圖像具有較好的效果。

2.2 圖像處理與特征提取

圖像處理的目的是得到棉桃區(qū)域的二值圖像,進而提取棉桃的特征區(qū)域面積與邊界線。步驟為進行彩色圖像灰度化處理,再進行圖像分割和降噪,最后實現(xiàn)圖像棉桃特征區(qū)域提取。棉桃圖像對于HSV體系較為敏感,故采用HSV體系進行灰度化處理,而后采用二維大津算法進行圖像分割[11-12]。

利用HSV體系進行圖像灰度化處理,得到灰度化后的棉桃照片,如圖3(a)所示。其中,棉桃邊緣及葉片光照直射處,與棉桃本體灰度相似,采用傳統(tǒng)的大津法進行圖像分割,得到的二值圖中存在較多的噪音點,因此采用二維大津圖像分割法,對圖像進行分割。

圖3 圖像處理與特征提取Fig.3 Image processing and feature extraction for cotton image

圖像中的一個像素的灰度值為i,以其為中心的相鄰區(qū)域的平均灰度為j,組成二元矢量為(i,j)。其中,i、j的灰度區(qū)間均為[0,L-1];L為圖像的最高灰度,設(shè)該二元矢量出現(xiàn)的概率為Pij?，F(xiàn)構(gòu)建二維灰度直方圖,橫坐標為像素點灰度i,縱坐標為像素點相鄰區(qū)域平均灰度j,則存在s、t將二維灰度直方圖分成4個區(qū)域,即目標區(qū)域C0、背景區(qū)域C1、邊緣點、噪聲區(qū)域C2和C3。其中,目標區(qū)域C0和背景區(qū)域C1為提取棉桃特征的關(guān)鍵,目標區(qū)域C0出現(xiàn)概率為ω0,如式(2)所示;背景區(qū)域C1出現(xiàn)概率為ω1,如式(3)所示。

(2)

(3)

直方圖的總二元矢量平均值σz如式(4)所示,目標區(qū)域C0的二元矢量平均值σ0如式(5)所示,背景區(qū)域C1的二元矢量平均值σ1如式(6)所示。

(4)

(5)

(6)

建立定義背景區(qū)域C1和目標區(qū)域C0的類間離散度函數(shù)T(i,j)如式(7)所示。當T(i,j)取最大值時,對應(yīng)的二元矢量為(i,j)即為分割點二元矢量(s,t)。利用上述方法對棉桃圖像進行分割,結(jié)果如圖3(b)所示。

(7)

二維大津法可有效抑制圖像分割過程中由于光線對棉桃圖像的干擾,棉桃中心存在棉莢,造成分割后圖像中心存在灰度為0區(qū)域,現(xiàn)采用膨脹腐蝕方法[13-14],對圖像進行處理,得到棉桃完整區(qū)域二值圖像,結(jié)果如圖3(c)所示。

提取棉桃區(qū)域邊界,過程如下:①從左向右,從上向下進行掃描,得到第一個灰度為255的像素點。②以邊界第一像素點為中心,建立8方向偏移模型,向左上45°方向偏移到下一個像素點,如果該像素灰度為0,則順時針旋轉(zhuǎn)45°,直到找到灰度為255的相鄰像素點;如果該像素點灰度為255,則記錄該點為第二像素點,并在上次偏移方向基礎(chǔ)上逆時針旋轉(zhuǎn)90°作為下次偏移方向。③按照步驟②進行遞推,當返回到整張圖像的第一個邊界點時,迭代結(jié)束。利用上述方法,得到棉桃圖像的邊界,如圖3(d)所示。

3 棉花成熟度判定模型

棉花成熟過程中,棉桃逐漸開放,棉絮向四周伸展,此時棉花的輪廓周長和棉花面積的增長速度不同,可利用圖像處理的方法,得到棉桃圖像面積S及其輪廓長度L,以L/S為研究對象,進行10組試驗,每組樣本量為20。其中,1～4組為未成熟樣本,5～10組為成熟樣本,計算10組樣本的L/S的平均值,統(tǒng)計結(jié)果如圖4所示。4組不成熟樣本的L/S的最大值為0.31,最小值為0.283;成熟樣本分布區(qū)間為[0.321,0.336]。因此,認為L/S>0.31時,棉花成熟,達到采摘要求。建立成熟度模型,如式(8)所示,其中C為成熟度判定函數(shù),為了判定方便,設(shè)當C>1時,棉花成熟,達到采摘要求。由于通過圖像分析可知,L/S>0.31時,認為棉花成熟,因此,計算配湊系數(shù)m=3.225。

(8)

圖4 棉花成熟度模型Fig.4 Maturity model for cotton

4 采棉機視覺定位

通過圖像處理,得到了棉桃的面積和輪廓及圖像位置參數(shù),現(xiàn)通過圖像分析的方法,建立圖像坐標中棉桃坐標和實際空間中棉桃坐標的關(guān)系,進而通過分析圖像中棉桃坐標位置,得到空間中棉桃實際坐標,指導機械手實現(xiàn)棉花采摘。視覺定位系統(tǒng)如圖5所示。

圖5 視覺定位系統(tǒng)Fig.5 Visual positioning system for cotton

視覺系統(tǒng)定位系統(tǒng)采用雙目設(shè)計[15],由左右兩個攝像頭構(gòu)成,二者焦距均為f,攝像頭焦點位置分別為Ol和Or,成像平面分別為(ul,vl)和(ur,vr),圖像中心像素坐標分別為ol(ul0,vl0)、or(ur0,vr0)。采用兩個攝像頭同時觀測空間一點P(X,Y,Z)。在左攝像頭成像平面內(nèi)P點到原點Ol之間的坐標增量(Δul,Δvl)如式(9)所示。其中,du,dv為每個像素點對應(yīng)的實際距離(mm/pixel)。

(9)

攝像頭平面內(nèi)坐標增量(Δul,Δvl)與實際空間中P(X,Y,Z)之間的關(guān)系如式(10)所示。其中,Z為空間P點到成像平面之間的距離,則成像平面坐標(ul,vl)和空間向量P(X,Y,Z)之間的關(guān)系,如式(11)所示。根據(jù)三角測量原理,Z=Bf/(ul-ur),B為兩個攝像頭之間的水平間距。

(10)

(11)

5 系統(tǒng)測試

采用分割前后棉桃圖像區(qū)域面積變化情況來衡量系統(tǒng)分割精度,對10張圖像進行處理,結(jié)果如圖6所示。其中,分割前棉桃圖像區(qū)域面積如方點所示,分布區(qū)間為[12693, 77294],分割后偏差量如圖6(a)中偏差棒所示,分布區(qū)間為[211, 2700],表明分割具有良好的精度。10張圖像中棉桃個數(shù)如圖6(b)所示,分布區(qū)間為[12, 26],識別后變化量如圖6(b)中偏差棒所示,分布區(qū)間為[0, 3],測試結(jié)果表明棉桃提取具有良好的精度。

采棉機視覺定位精度,決定著對于成熟棉花的采摘效果,測試方法為預(yù)先設(shè)定7組棉花的實際空間坐標,利用雙目視覺系統(tǒng),采用圖像處理的方法計算坐標位置,將實際坐標和圖像處理計算得到的坐標對比,計算X、Y、Z的相對誤差,計算結(jié)果如圖7所示。由圖7可知: 7個預(yù)先設(shè)置空間坐標中X軸偏差分布區(qū)間為[5.7%, 9.15%],Y軸偏差分布區(qū)間為[0.53%, 4.9%],Z軸偏差分布區(qū)間為[0.56%, 3.5%],表明視覺定位可以滿足棉花采摘對于定位的精度要求。

圖6 圖像處理精度評價Fig.6 The evaluation for image processing accuracy

圖7 采棉機定位精度測試Fig.7 The positioning accuracy test for cotton picker

6 結(jié)論

為了實現(xiàn)棉花的選擇性采摘,提高棉農(nóng)收益,基于圖像傳感器,完成了棉花的成熟度判定和棉桃位置確定。首先,傳感器采集棉花圖像,采用HSV體系進行灰度化處理,采用二維大津法實現(xiàn)圖像分割,采用膨脹腐蝕的方法,得到了棉桃區(qū)域的二值圖像,進而得到了棉桃的特征區(qū)域面積S和輪廓長度L;提取未成熟棉花樣本和成熟棉花樣本的區(qū)域面積S和輪廓長度L,并計算L/S,當L/S>0.31時,棉花成熟,達到采摘要求,進而建立棉花成熟標準模型。采用雙目系統(tǒng),實現(xiàn)圖像中棉桃位置坐標向空間中棉桃位置坐標的轉(zhuǎn)化。對圖像分割精度、棉桃識別精度和視覺定位精度進行測試,結(jié)果表明:分割前棉桃區(qū)域像素面積為[12693, 77294],分割后偏差區(qū)間為[211, 2700],表明分割具有良好的精度;圖像中棉桃個數(shù)分布區(qū)間為[12, 26],偏差分布區(qū)間為[0, 3],測試表明棉桃提取具有良好的精度。視覺定位測試表明:X軸偏差分布區(qū)間為[5.7%, 9.15%],Y軸偏差分布區(qū)間為[0.53%, 4.9%],Z軸偏差分布區(qū)間為[0.56%, 3.5%],視覺定位具有較高的精度。