基于触觉感知的水稻行弯度测量装置设计与试验

为解决水田环境下稻行弯度信息提取问题,提出一种触觉感知方法。根据除草期内水稻与杂草的生理高度及力学差异,基于弯曲传感器设计了一种稻株定位的感知梁。通过力学分析,建立了感知梁与稻株接触作用的力学模型,结合稻株抗弯强度,确定了感知梁抗弯刚度的设计原则。在此基础上,构建感知梁标定试验装置,获得了装置偏距与感知梁电压差的映射关系。基于多传感器技术,通过采集4根感知梁的电压(形变)变化特征,计算出稻行弯度。为检验测量装置的精度及稳定性,进行了田间试验,行进速度试验表明:行进速度的提高不利于测量结果的稳定性,在行进速度为1. 5 m/s时,平均误差为5. 90 mm,最大误差为8. 30 mm;稻穴株数试验表明:测量误差与稻穴株数有一定的相关性,稻穴株数为6株以上的测量误差最小,平均误差为2. 56 mm,4～5株的平均误差较大,为4. 36 mm,1～3株测量的平均误差最大,为6. 17 mm;水层厚度试验表明:测量误差与水层厚度没有明显相关性,误差均能控制在14 mm范围内。该装置测量结果可满足避苗机械除草等精准控制的要求。     

基于视觉的玉米苗期作物识别与定位方法研究

基于视觉的苗期作物目标识别技术逐渐成熟,对作物进行准确识别和精准定位,是实现株间除草的技术关键和难点。本文以苗期玉米为研究对象,提出了一种苗期作物的识别与定位方法,通过作业车辆的图像采集装置来实时获取田间作物的苗期图像,基于HSV色彩空间对输入图像进行预处理,根据作物与土壤背景颜色差异,选取固定取值范围的三通道阈值,通过二值化处理去除土壤背景,再通过深度开运算来去除杂草噪声,对得到的苗期作物提取轮廓信息,经过骨架提取算法后得到作物骨架,并以此确定作物茎秆位置坐标,从而实现对作物的精准定位。作物图像中幼苗的识别率为98.3%,定位误差距离在10 mm以内的定位精准度为85.9%,基本可以满足智能除草机器人实时除草作业要求。     

基于骨架提取算法的作物茎秆识别与定位方法

针对农作物禾苗和杂草辨识和定位不精确,会造成除草机器人除草不净、伤害禾苗、影响产量等问题,提出了一种基于骨架提取算法的作物茎秆中心识别与定位的多级图像识别方法。该方法通过不同图像处理算法的多级式递进融合,实现对农作物茎秆的精确识别与中心定位。首先将采集到的彩色图像转换到HSV颜色空间进行背景分割。然后采用腐蚀算法对图像进行腐蚀操作,腐蚀掉杂草图像信息得到仅含作物的图像信息,最后用Zhang-Suen细化算法对作物图像进行骨架提取操作,并对骨架交叉点进行计算分析,识别与定位作物茎秆中心,实现作物精准辨识和定位。对采集的100幅苗期图像进行实验测试,结果表明农作物禾苗茎秆中心识别和定位精度误差小于12mm。本文方法能实时精准辨识禾苗和杂草,并对禾苗进行精准定位,为实现田间机械化除草提供了一种精准可靠的作物识别和定位方法。     

基于计算机网络算法的智能采摘机器人设计

为了提高采摘机器人的路径规划能力,基于计算机网络算法设计了智能采摘系统。首先,采摘机器人采集农田图像时,基于PSPNet网络算法,设计改进型计算机网络算法,实现农田环境因素识别;其次,识别获得道路特征图,并进行图像处理,得到道路边缘,拾取道路两边缘中线离散点,进行引导线拟合;最后,采用双目视觉系统实现障碍物定位,进而建立路径规划函数,当路径规划函数取最小值时,道路规划最优。对引导线精度进行测试,结果表明：误差分布范围为-1.2%～5.3%。对障碍物测距进行测试,结果表明：机器人和行人之间的相对偏差分布区间为[-2.2%, 2.8%],和车辆之间的相对误差分布区间为[-2.9%, 3.4%]。     

黄瓜采摘机器人远近景组合闭环定位方法

针对黄瓜采摘机器人远景定位精度不高,以致切伤果实和茎蔓的问题,设计了一种基于机器视觉具有空间位置反馈功能的末端执行器。对温室环境下黄瓜果实采摘区域图像信息获取方法加以研究,综合HIS色彩空间H、S分量进行阈值分割,结合RGB色彩空间G通道边缘分布特征以及黄瓜形状特征,提取黄瓜采摘区域。基于摄像机线性透视模型,研究了采摘切割点空间定位方法,最终向采摘机械臂控制器反馈位置微调信息。采用远近景组合闭环定位方法,对采摘目标进行闭环定位,有效地解决了采摘机器人一次远景定位误差较大的问题。试验结果表明,排除温室复杂光照情况,机器人末端执行器定位精度达到2mm,满足采摘作业要求。     

除草机器人定位系统设计 —基于跳距修正粒子群优化和WSN

为了实现除草机器人的定位和路径规划,首先介绍了WSN技术,将WSN定位和AOA定位算法结合起来,并利用粒子群对其进行优化,实现了一套基于跳距修正粒子群优化和WSN的除草机器人定位系统。试验结果表明:该除草机器人实现了整个六边形草坪的割草作业,没有留下死角区域,且除草机器人行走路径最短。由此表明,除草机器人定位精度高,具有较高的实时性和可靠性。     

半湿润区苹果树冠层降雨截留模型应用研究

基于苹果树冠层截留的观测数据,研究了苹果树的冠层截留特征。结果表明,①果树冠层截留量、穿透雨量、树干茎流量均与降雨量有着明显的相关性。冠层截留量与降雨量之间呈对数关系;穿透流量、树干茎流量与降雨量之间分别呈线性关系。林外降雨大于1mm时产生穿透雨,大于1.5mm时产生树干茎流。果树冠层平均截留率为18%,冠层饱和截留量为7.5mm。②通过29场降雨试验,获得了适合京郊苹果树的冠层截留模型,并对该模型与常见冠层截留模型的模拟结果进行了对比分析。     

苗期玉米冠层识别与质心定位方法研究

为了快速定位玉米植株位置,以苗期4～6叶玉米为研究对象,提出了一种苗期玉米冠层识别与质心定位方法。首先,在大田环境下获取农田作物视频数据,基于Faster R-CNN对玉米冠层进行识别;其次,用差分内积线性特性改进质心检测算法,对玉米冠层和杂草进行分割,并对玉米冠层识别区域进行质心定位计算,得到玉米苗质心的像素坐标;最后,通过农田实验对本文冠层识别与质心定位方法进行验证。结果表明,苗期玉米冠层识别方法的平均识别率达92. 9%,检测一帧图像的平均时间为0. 17 s,玉米冠层质心定位误差不超过1像素。     

基于机器视觉的甘蔗切种装备设计与试验

为实现甘蔗单芽段蔗种的防伤芽与自动切割,设计了一种基于机器视觉的甘蔗切种装备。该装备利用橡胶滚轮夹持住甘蔗输送,由相机采集甘蔗图像并识别茎节,通过对茎节处的位置进行偏移,获得切割点的位置;上位机通过TCP通信将切割点位置发送给PLC,PLC通过控制切割部件和橡胶滚轮部件完成切割点的定位及切割动作,切割点距茎节的距离可调节。试验表明:装备对切割点的定位精度可达8mm,伤芽率为0,可满足单芽段优质蔗种的农艺需求。     

除草机器人田间机器视觉导航

建立了除草机器人模型,利用VC 开发了基于机器视觉的除草机器人杂草识别和导航系统应用软件,引导除草机器人沿农作物行自动行走.提出新的图像分割算法,在RGB空间直接将农作物分割出来,再利用优化的Hough变换检测出农作物行中心线,根据摄像头姿态和透视变换原理确定除草机器人位姿.试验表明,分割一幅真彩色图像(分辨率:1 536×1 152)只需450 ms,并能够适应自然光线变化.优化的Hough变换算法使运算时间减少了1/2,导航距和导航角平均误差分别为-0.6 mm和0°,证明了此导航方案的可行性.     

基于玉米根系保护的株间除草机器人系统设计与试验

针对株间机械除草时末端执行器存在损伤玉米根系风险的问题,提出了一种基于玉米根系保护的除草铲土上避苗除草模式,并设计了一套智能株间除草机器人系统。该机器人系统由机器人移动平台、除草装置、视觉检测系统和控制系统组成。其中视觉检测系统采用YOLO V4网络模型来检测玉米苗和杂草;除草装置是基于除草铲空间立体运动轨迹设计,使得除草铲可以完成土上和土下2种避苗除草作业模式。田间试验表明,在机器人移动平台前进速度为1.2km/h时,玉米苗和杂草的检测率分别为96.04%和92.57%,且2种除草模式的除草率均高于81%。除草铲土上避苗除草模式的平均伤根率为3.35%,相较于除草铲土下避苗除草模式降低了36.40个百分点。结果证明该除草机器人系统运行稳定,且除草铲土上避苗除草模式具有较优的玉米根系保护性能。     

稻田株间除草机构除草过程中伤秧影响的试验研究

稻田杂草是影响大米产量和质量的一个重要因素。鉴于化学除草的负面影响,机械除草技术一直是国内外科研攻关的重点,但如何降低除草过程中工作装置对秧苗的损伤和影响成为研究的难点。为此,对稻田机械式株间除草机构的主要因素的秧苗损伤情况进行了试验研究。试验在机插稻田进行,稻苗行间距28~31cm,株间距14~15cm。试验在秧苗移栽后7天左右进行,该时间为稻田第一个出草高峰期,试验采用二次旋转正交试验方法,应用Design-Expert进行试验分析,获得了株间除草主要工作因素机器前进速度、除草盘转速、除草深度之间单因子及交互作用对伤秧率的影响。移栽7天时,田间试验在保证除草率的前提下确定了低伤秧率株间除草机构的工作参数为机器前进速度为0.38m/s,除草盘转速162.75r/min,除草深度为43.9mm,此时除草率为80.5%、伤秧率为3.8%。     

行星刷式株间锄草机械手优化与试验

针对根系较发达作物和易板结土壤工况下的株间锄草,设计了行星刷式株间锄草机械手。研究了锄草机械手避苗锄草的工作原理,建立了运动学模型,研究了刷盘上点的运动轨迹和速度曲线随行星轮系传动比变化的规律。将覆盖率、入侵率及保护区范围作为锄草效果的评价指标,通过设计锄草机械手的结构参数,对锄草刷盘运动轨迹进行仿真,分析刀杆偏心距、锄草刷盘直径及装置相对作物行横向偏移对覆盖率和入侵率的影响。仿真结果表明刀杆偏心距80 mm、横向偏移20 mm以及锄草刷盘直径60~180 mm为最优参数,可获得直径30~140 mm的保护区及80%以上的株间覆盖率。对优化后的机械手进行大田锄草试验,选用传动比为3的行星轮系,平均锄草率可达89.3%,平均伤苗率为3.5%,满足锄草要求。     

射流式水田株间除草装置设计与试验

针对水田株间除草作业劳动强度大、株间除草率低、易损伤秧苗等问题,提出一种水射流除草方法,以此设计了一种射流式株间除草装置。首先通过理论分析与参数计算确定了射流倾角为31°,喷嘴直径为0.004mm,运用动量守恒定理、粘性流体力学和土力学原理进行分析,建立了喷嘴临界破土压力模型,得出喷嘴临界破土压力为0.53MPa。进行水稻根系抗冲断极限水压试验,确定了喷嘴出口压力上限为1.5MPa。进行台架试验,选取装置前进速度和喷嘴出口压力为试验因素,以除草率为试验指标,采用二次正交旋转组合设计,建立了试验指标与影响因素回归模型。运用Design-Expert 8.0.6软件对试验数据分析并进行验证试验,结果表明,当装置前进速度为0.3m/s,压力为1.5MPa时,除草率为90.62%。满足水田机械除草作业农艺和技术要求。     

抛推组合式草土分离前胡除草机设计与试验

针对丘陵山区前胡种植使用除草机时存在草土不分离导致杂草复生、碎石飞射伤人的问题,设计了一款抛推组合式草土分离除草机。对称螺旋结构的除草轮将土推向两侧,避免碎石飞射伤人。刀齿将杂草抛向后方实现草土分离,防止杂草复生。螺旋结构除草轮采用中轴对称左右旋向相反布置,使得碎石沿轴向两边飞离,有效防止碎石飞射伤到后方机手。通过理论分析确定除草轮的齿形、齿数,分别进行除草轮在杂草-土壤、碎石-土壤模型中的运动分析。使用EDEM和ANSYS耦合仿真,验证其工作性能和物理性能。通过田间试验,验证除草轮能够实现草土分离,得出机具的最佳工作参数为：除草轮转速13 r/s、前进速度400 mm/s、除草深度35 mm,平均除净率为86.7%。     

水田株间除草机械除草机理研究与关键部件设计

针对现有水田株间除草机伤苗率高等问题,进行机理分析和改进设计,采用左、右2组弹齿盘对称安装,通过软轴带动除草弹齿盘旋转,完成除草功能。通过对除草关键部件弹齿盘的运动学和水田植物(水稻稻苗和稗草)的强度分析,建立了弹齿盘的运动学模型以及水田植物的受力模型、应力模型。通过水田植物的应力模型分析,建立了水田植物的强度条件,并根据水田植物(水稻稻苗和稗草)的物理特性、弹齿盘基本参数,获得了除草盘转动角速度、弹齿数量的取值范围,并通过室内土槽试验确定了弹齿盘转动角速度为25.1 rad/s、弹齿数量为5。通过田间性能检测,结果表明,除草率为80%、伤苗率为4.5%,均达到了农艺技术指标的要求。     

智能田间除草机器人发展现状研究

智能田间除草机器人是当代农业发展现代化、精细化、智能化的重要体现,对国家社会发展、环境保护等方面有着重要意义。为明确智能除草机器人关键技术与装备当前研究现状,从除草方式、苗草识别定位和智能导航方式等方面,总结梳理典型除草机器人的研究现状及作业方式;综述智能导航、苗草识别、除草执行系统关键技术的重要意义及研究进展;结合除草机器人具有作业环境复杂多变性、作业对象娇嫩性、使用对象特殊性、作业季节性的研究特点,指出当前关键技术的现存问题并阐释组合导航技术、复杂田间环境图像处理技术及杂草分类、株间除草末端执行机构研发及机械结构优化是未来发展趋势。     

基于多路由协议的株间锄草机器人结构和控制优化设计

为获得理想的苗间机械锄草效果,提出了一种新的锄草机器人结构优化方法.该方法主要采用多目标优化模型对锄草末端结构进行设计,采用多路由协议对多锄草机器人进行协同控制,大大提高了田间锄草机器人的工作效率.在建立了机械锄草齿运动轨迹数学模型的基础上,结合现代农艺对机械锄草参数的限定及要求,建立了多目标优化模型,并利用MatLab优化工具箱得到最优解,将其应用在多机器人系统控制的多路由协议框架中.为了验证优化方法的有效性,在田间对多锄草机器人协同作业进行了试验,结果表明:优化后的多路由锄草机器人不仅大大提高了作业速度和锄草效率,而且降低了作物苗损失率,为大型中耕除草机的设计提供了理论依据.     

基于视觉的苗期作物株间除草关键技术研究现状

基于视觉的苗期作物和杂草的图像分割技术逐渐成熟,通过视觉技术对苗期作物进行精准识别和定位,是实现株间除草的关键技术和难点。作物的精准识别首先需要利用颜色特征将图像中的作物、杂草和土壤背景进行分割;其次利用实际识别对象的位置特征,形状特征,纹理特征,光谱特征等构造新的特征向量,结合成熟的分类算法对作物和杂草进行特征分类识别。针对棉苗和大豆苗,主要提取位置特征、形状特征,多采用支持向量机为主分类算法;针对玉米,主要提取位置特征、纹理特征,多采用人工神经网络为主的分类算法;针对部分蔬菜苗,主要提取形状特征、光谱特征,多采用算法结合的优化算法,具体实现时需要根据离线样本学习的结果来平衡苗期作物的识别准确率与实时性。在目前的算法中,主要存在三方面的问题:作物特征提取效果易受到遮挡、光照等干扰;分类算法目前还不能得到非常令人满意的准确性和实时性;目前算法一般是针对某种时段的作物,不具有通用性。这些都是后续算法研究中需要进一步解决的问题。     

稻田株间除草弹齿齿形及安装方式分析与试验

水田机械除草技术是提高稻米品质的一项重要生产技术,在水稻生长过程中进行机械除草作业,既去除杂草同时又实现了稻田的中耕管理,降低了长期以来化学除草带来的负面环境影响。目前,稻田机械除草技术在对行间杂草去除方面的研究较为成熟,株间杂草去除成为重点的研究方向。为此,设计了一种株间除草关键部件(即除草盘),并对除草盘上弹齿齿形进行了选型,对弹齿安装方式进行分析。按照确定的结构制造了除草盘,进行了室内土槽试验,表明该种形式的除草盘具有较好的除草效果。