基于DSP和单片机的实时变量喷药系统设计

为防治玉米农田杂草危害,设计了一种基于DSP识别和单片机控制的杂草实时变量喷药系统。数字信号处理器(DSP)实时数据处理能力强,单片机控制能力强。DSP作为喷药系统上位机图像处理模块的CPU,对田间玉米杂草图像实时采集、处理,分离出杂草,生成杂草位置信息表,发送给作为系统下位机控制模块CPU的单片机;单片机通过电磁阀控制6个喷头的开闭实现精准变量喷药。田间试验表明:系统在室外田间复杂情况下可以满足实时精准喷药要求,在作业机械速度为4km/h时,喷药精确度可以达到91.4%。     

基于灰狼优化PID控制的变量喷药系统研究

针对传统PID控制式的不足,将灰狼优化算法与PID控制结合,设计了一种基于灰狼优化PID控制的变量喷药系统,控制系统主要由微处理器、电动阀、传感器和摄像头等组成。同时,构建了变量喷药系统传递函数模型并基于MatLab软件平台进行仿真实验,结果表明:灰狼优化PID控制响应速度快,调节时间为0.203 5s,低于传统PID控制的0.463 5s,系统的稳态误差小,仅为1.32%。在WFS-II喷雾性能综合试验台进行实际喷药试验研究,结果表明:相对于传统的PID控制,灰狼优化PID控制的变量喷药系统平均响应时间提高了21.4%,平均误差为11.0%,低于传统PID控制的16.8%。本文设计的基于灰狼优化PID控制的变量喷药系统响应速度快、稳态误差小、控制精度高,改善了传统PID控制系统的控制效果和稳定性,可为变量喷药系统的研究提供新的理论基础和技术方法。     

基于BAS-PID控制的精准变量施药系统仿真与试验

精准变量施药技术是精准农业的重要内容之一,为解决当前常用的变量施药方式存在的控制精度低、超调量大等不足,提出将天牛须搜索(Beetle Antennae Search,BAS)算法与常规PID控制结合形成BAS-PID控制算法,用于变量施药系统控制。首先建立施药控制系统机理模型并基于Matlab平台进行软件仿真,仿真试验结果表明,BAS-PID算法的超调量为0.024 1,绝对误差为1.14%,均低于常规PID和模糊PID,控制效果更好。在吉林农业大学试验田进行了田间施药试验,根据试验数据分析,BAS-PID、模糊PID以及常规PID的平均施药误差分别为0.016 L/min、0.020 L/min、0.238 L/min,平均超调量分别为0.006 L/min、0.016 L/min、0.238 L/min。BAS-PID控制算法的施药误差仅在0.01~0.02 L/min内,误差范围小,总体而言,该算法的施药误差和平均超调量都低于模糊PID和常规PID,系统应用效果好。试验结果表明:本文提出的BAS-PID算法提高了PID算法的参数适用性,施药控制精度高,超调量小,改善了变量施药系统的施药效果,可为推动精准变量施药技术的发展提供新的技术方案。     

基于颜色系数反向粒子群模型的田间作物分割方法

针对复杂多变的农田环境下,田间作物分割既要保留农田作物完整外部形态信息,又要满足农田作业速度的要求,该文提出一种基于反向变异粒子群优化(reverse mutation-particle swarm optimization,RM-PSO)算法提取最优颜色系数的田间作物分割方法。该分割方法分为离线和在线2个部分,离线部分采用反向变异策略提高了初始粒子群群体质量及算法的搜索效率,避免算法早熟收敛,陷入局部最优,引入满意度函数对最优颜色系数进行评价,提取全局最优颜色系数。在线部分采用离线提取的最优颜色系数对作物图像灰度化,进而对灰度化后图像进行阈值分割得到最终的分割结果。试验结果表明,该文方法平均错分率(error distinguish rate)仅为4.8%,低于HSI算法、EXG法以及Mean-shift神经网络分割算法的11.3%、19.5%、5.7%;标准差值为3.1%,相较于HSI算法的7.2%、EXG法的14.7%、及传统PSO方法的7.9%,该文算法具有更高的稳定性;平均处理时间为0.311 s,而HSI方法为0.908 s,Mean-shift神经网络分割算法为1.942 s。该方法不仅能够保证不同光照及不同景物干扰下作物外部形态信息完整,同时处理速度快,鲁棒性好,具有较高的实际应用价值。     

基于改进K均值特征点聚类算法的作物行检测

精准施药是现代精准农业发展不可或缺的一部分,而准确地提取作物行是进行精准施药的关键环节。为此,以苗期的玉米为研究对象,提出一种基于改进K均值特征点聚类算法的作物行检测方法。该方法根据距离函数最值关系求出最佳聚类数目,再依据点密度大小和邻域半径确定初始聚类中心,减少了迭代次数,提高了算法的执行效率和划分效果。首先,采用改进的超绿法(1.27G-R-B)进行灰度化和Otsu方法进行二值化,得到作物行的二值图像;然后,利用左右边缘中间线算法提取作物行特征点;最后,采用改进K均值算法和最小二乘法对作物行中心线特征点进行聚类和直线拟合。试验数据表明:提出的改进K均值特征点聚类算法识别效果好,精确度高,可为精准施药提供理论依据。     

植物叶片面积精确测量系统的设计与开发

设计了植物叶面积精确测量系统,首先设置参照图像,采集带有参照图像的叶片图像,然后统计像素点数,最后进行比例尺换算测定叶面积。通过预处理、校正图像,提高测量精确度,克服了传统测量系统步骤繁琐和设备复杂的缺点,能够快速、无损地测量植物叶片面积。为验证系统精确度,采集45张叶片分别与打孔法、称质量法测定叶面积比较。结果表明,在保证精度的同时能够实现快速、无损的测量叶片面积,并通过碎片验证法验证本系统精度在98%以上。