基于激光雷达的巡检机器人导航系统研究

智能巡检机器人能够高效、可靠地完成巡检任务,降低工作人员的劳动强度,准确、稳定的导航定位是巡检机器人执行巡检任务的基础。本文研究了基于激光雷达的巡检机器人导航系统,可实现机器人在室内外环境下的地图建立、路径规划和导航定位。导航系统由远程监控平台与巡检机器人组成,远程监控平台发布巡检任务、监控机器人状态、查询与存储检测数据,巡检机器人可实现自主导航定位、遍历检测点、执行数据采集等巡检任务,二者通过无线网络实现远程数据交互。融合激光雷达与编码器信息,使用高鲁棒性Gmapping算法建立二维环境地图。根据地图与检测点信息,采用分支界定算法搜索最优巡检路线,以减少巡检时间和能源消耗。使用自适应蒙特卡罗定位(AMCL)算法估计机器人位置和姿态,结合巡检路线,进行导航定位。根据横向偏差与航向偏差,通过经典的PID算法完成机器人驱动控制。机器人搭载可见光相机与红外相机,可对目标进行可见光通道与红外通道的融合图像检测。对巡检机器人进行了室内导航定位试验,试验结果表明,在1 m/s的速度下,位置与航向偏差的平均绝对误差(MAE)分别小于5 cm和1.1°,标准差(SD)分别小于5 cm和1.5°,能够满足巡检导航定位的要求。     

CO 2与土壤水分交互作用的番茄光合速率预测模型

为了实现不同土壤水分管理下的CO 2气肥精细控制,建立了番茄作物不同生长阶段的光合速率预测模型。实验设置了4个CO 2浓度与3个土壤水分条件的交互处理,利用无线传感器网络长期实时监测温室内环境信息,采用LI-6400XT型光合速率仪定时采集作物净光合速率信息;并用BP神经网络分别建立了番茄苗期、花期和果期的光合速率预测模型。预测模型的验证结果表明,对于苗期预测模型,预测值与实测值之间的决定系数 R 2为0.925;花期预测模型的决定系数 R 2为0.920,果期预测模型的决定系数 R 2为0.958;番茄各生长期的光合速率预测模型均具有较高的预测精度。在不同土壤水分条件下改变CO 2浓度,得到的CO 2浓度与光合速率预测曲线与实测值相近,可反映实际土壤水分管理下的CO 2浓度最优值,对指导不同土壤水分条件下CO 2气肥的精细调控具有重要意义。     

玉米中耕除草复合导航系统设计与试验

为了实现玉米中耕除草过程中的自动导航作业,提高自动除草的效率和准确性,设计了一种玉米中耕除草复合导航系统。系统由基于GNSS的农机自动导航部分和基于机器视觉的农具自动导航部分组成,可通过GNSS位置信息进行农机自动导航,同时根据摄像头获取的玉米作物行信息控制农具铲刀进行行间除草。对农机的转向控制部分和前轮转角检测部分进行了机械改装,以PLC和步进电机驱动器为基础设计了农机转向控制电路和农具液压控制电路;以横向偏差和横向偏差变化率作为模糊控制的输入变量设计了自适应模糊控制方法;采用摄像头获取玉米作物行,通过扫描滤波方法进行作物行检测。农机独立导航除草试验和农机具复合导航试验结果表明：在车速为0.6 m/s时,农机自动导航最大横向偏差为10.04 cm,平均偏差为4.62 cm;农机具复合导航时的最大偏差为6.35 cm,平均偏差为2.73 cm;农机具复合导航系统能较好地满足玉米中耕除草的要求。     

基于TD-LTE的多机协同导航通信系统研究

为实现多个农机在农田环境中自主导航协同作业，设计了基于TD-LTE的多机协同导航通信系统。该系统由导航定位传感器、无线通信模块、车载控制终端和远程通信软件组成，其中：传感器包含GNSS接收机、惯性测量单元（IMU）和角度传感器，用于获取每台农机的地理位置、自身姿态和车辆转向角信息。无线通信模块采用4G DTU作为系统通信设备，与车载终端串口相连，实现RS232串口转TD-LTE网络功能。4G DTU经配置软件配置好串口参数等信息后，连接目的服务器IP地址和端口号，将车载传感器采集的数据按设计好的通信协议经TD-LTE网络传输到远程服务器的通信软件中。车载控制终端采用工控机（IPC）,实现农机自动导航控制与人机交互。远程通信软件应用Socket网络编程开发了数据接收显示与数据发送的功能模块。系统对每台农机的状态信息实时上传的同时也可以接收远程服务器端对多台农机的协同控制命令，对于软件界面中显示的在线农机，可以根据优先级有选择的进行通信。以4台雷沃欧豹拖拉机为试验平台，每台农机状态信息的发送频率为5Hz，进行了系统稳定性试验测试，丢包率均为0.1%，且均无延迟，系统具有较高的可靠性与实时性。     

温室绿熟番茄机器视觉检测方法

针对基于可见光图像对绿色番茄进行识别过程中,光线不均造成的阴影等会影响果实的识别、枝干和叶片对果实的遮挡以及果实之间的遮挡对果实识别的影响等难题,该文对基于机器视觉的绿色番茄检测方法进行研究。首先通过快速归一化互相关函数(FNCC,fast normalized cross correlation)方法对果实的潜在区域进行检测,再通过基于直方图信息的区域分类器对果实潜在区域进行分类,判别该区域是否属于绿色果实,并对非果实区域进行滤除,估计果实区域的个数。与此同时,基于颜色分析对输入图像进行分割,并通过霍夫变换圆检测绿色果实的位置。最终对基于FNCC和霍夫变换圆检测方法的检测结果进行融合,实现对绿色番茄果实的检测。当绿色果实和红色果实同时存在时,将绿色果实检测结果与基于局部极大值法和随机圆环变换检测圆算法的红色番茄果实检测结果进行合并。算法通过有机结合纹理信息、颜色信息及番茄的形状信息,对绿色番茄果实进行了检测,解决了绿色番茄与叶子、茎秆等背景颜色接近等难题。文中共使用了70幅番茄图像,其中35幅图像作为训练集图像,35幅作为验证集图像。所提出算法对训练集图像中的83个果实的检测正确率为89.2%,对验证集图像中105个果实的检测正确率为86.7%,为番茄采摘机器人采摘红色和绿色成熟番茄奠定了基础。     

基于BP神经网络算法的温室番茄CO2增施策略优化

CO2浓度是植物光合作用的主要原料之一,确定植株生长阶段的最适CO2浓度需求量,对日光温室内CO2浓度调控具有重要意义。以开花期番茄植株为研究对象,将定植后的番茄分为4个CO2浓度梯度处理组,其中,C1、C2、C3处理组CO2增施摩尔比分别为(700±50)、(1 000±50)、(1 300±50)μmol/mol,CK处理组为温室内自然状态下CO2摩尔比(约450μmol/mol)。实验利用无线传感器网络节点实时监测温室环境因子,包括空气温湿度、光照强度和CO2浓度;利用LI-6400XT型便携式光合速率仪进行光合日动态和环境因子交互影响实验测定。光合日动态组间差异性研究表明,对开花期番茄增施1 000~1 300μmol/mol的CO2时,可使番茄单叶净光合速率提高约37.13%~40.42%。以环境因子为输入参数,建立基于BP神经网络的光合速率预测模型,用于不同CO2浓度梯度下的光合日动态预测。结果表明,模型训练集和测试集的相关系数分别为0.98和0.93,预测精度较高;C1、C2、C3和CK处理组的日动态预测相关系数分别为0.96、0.94、0.78和0.96,与实测结果吻合度较高且相对误差较小,因此该模型可以为可变环境下的番茄光合日变化动态预测提供依据。     

农业机械导航技术研究进展

农业机械自动导航技术是实施精细农业的基础，可有效减轻农机操作人员的劳动强度，提高作业精度与作业效率。经典的农机自动导航关键技术包括定位测姿、路径规划和运动控制，针对这3项关键技术，分别阐述了基于全球导航卫星系统、惯性导航系统、机器视觉导航系统及多传感器信息融合的农机定位测姿方法，总结归纳了农机自动导航系统中的全局路径与局部路径规划算法，以及农机的运动学模型、导航决策控制方法、转向制动控制系统。随着信息技术的发展，农机智能导航技术受到越来越多的关注，保证作业安全与提高作业效率成为农机智能导航不同于传统自动导航的关键技术。以激光雷达和RGB相机为例综述了农机自主避障技术，并从协同导航模式、通信技术、协同控制、远程监控平台等角度阐明了多农机协同作业的关键技术。最后，结合无人农场和智慧农业对农机智能导航技术未来的发展方向进行了展望。     

多机协同导航作业远程管理平台开发

为实现对多机协同导航作业的实时远程监控,设计开发多机协同导航作业远程管理平台。该平台主要分为作业管理和调度管理2个模块。作业管理模块利用电子地图实现多机协同导航作业信息远程监测、作业进度实时分析以及作业质量在线评估;调度管理模块包括多信息获取和处理,以及通过电子地图进行精准定位,实现多机协同导航作业任务规划和路径规划。结果表明:该平台可以实时监测多机协同导航作业轨迹和作业信息,并且可以进行远程调度管理,远程通信丢包率≤0.3%,延时≤2 s,可以初步满足多机协同导航作业需求。     

基于PLSR和BPNN方法的番茄光合速率预测比较

CO₂作为温室作物光合作用的重要原料,不同环境因子交互作用的植株叶片对CO₂浓度需求具有较大差异。为寻求CO₂浓度合理增施量,该文基于偏最小二乘法和BP神经网络方法对不同生长阶段番茄作物进行光合速率预测,进而探讨作物生长过程中可通用的光合速率预测方法。试验以无线传感器网络系统实时监测环境信息(CO₂浓度,光照强度,空气温度及相对湿度),以LI-6400XT光合速率仪获取作物单叶净光合速率。剔除样本奇异点后,对样本值进行统一归一化。以CO₂浓度、光照强度、空气温度及相对湿度为模型输入变量,以光合速率为输出量,利用偏最小二乘法和BP神经网络方法分别建立番茄幼苗期,开花期及结果期的光合速率预测模型。模型验证结果表明,偏最小二乘法在番茄各生长阶段的决定系数分别为0.74,0.88和0.85,最大相对误差为15.01%;而BP神经网络在各阶段具有较高的预测精度,其决定系数分别为0.94,0.96和0.97,最大相对误差为9.56%。因此,基于BP神经网络模型预测了特定环境下的CO₂浓度饱和点,为温室CO₂增施提供依据。     

基于Web-GIS的多机协同作业远程监控平台设计

为了实现对多机协同导航作业的实时远程监控，设计了基于Web-GIS的多机协同作业远程监控平台。该平台主要包括数据收发、数据存储、数据查询、数据显示和数据分析模块。其中，数据收发模块采用Socket技术实时接收多机位置和航姿等作业信息，并可以向车载终端发送远程控制命令。数据存储模块负责将接收到的作业信息存储到相应的SQL Server数据表中。数据查询模块用于多机作业历史信息的查询，并以表格的形式将查询结果呈现在网页中。数据显示模块结合Web-GIS技术，通过与百度地图服务器进行实时交互，实现多机作业轨迹的可视化显示。数据分析模块实时分析处理多机位置和航姿信息，对各农机进行决策分析和任务调度，从而实现多机协同作业。试验结果表明：平台具有良好的稳定性，能够实时显示多机作业轨迹和作业信息，并可以实现多机任务调度，从而满足多机协同作业需求。