图形学与人机交互下小麦收割机路径设计分析

为进一步提升小麦收割机作业路径识别与执行的精准度,结合图形学原理与人机交互技术,针对其路径跟踪系统进行了设计。以图形学技术下的小麦作物田间信息处理原理为基点,考虑田间垄距、垄台宽度及收割作业幅宽的因素,搭建小麦收割机路径控制模型,并设计了基于图形与人机交互下的小麦收割路径控制系统,将人机交互设计在控制系统的顶层决策板块,匹配智能通信、导航定位算法、电子控制单元及相应的I/O接口,执行机构将转向、行进、变速等动作在人机交互界面终端展示。路径规划跟踪试验结果表明:融入图形学与人机交互功能,整机的作业路径识别准确率可由86.60%提升至95.20%,系统路径指令执行率与系统稳定性均大于90%,满足农机作业控制要求,具有很好的推广价值。     

基于 PCA 和 SVM 的植物叶片分类方法研究

为了提高植物叶片识别与分类的正确率,提出了一种基于 PCA 和 SVM 的植物叶片识别方法,在对叶片图像进行分割、边缘检测后,提取10个具有旋转、比例、平移不变性的无量纲叶片特征参数,对叶片特征参数进行主成分分析,将前3个主成分作为支持向量机的输入建立模式识别模型。实验结果表明,本算法女贞、木瓜、五角枫、三角枫等4种植物叶片的识别正确率达97．22％,优于直接用特征参数作为模型输入的识别正确率,且算法具有良好的实时性。     

基于激光导航设施的收割机自动控制系统研究

针对无人驾驶农机的应用需求,提出了一种应用于无人驾驶农机自主行走的激光扫描路径规划与导航算法。此方法利用激光测距仪获取当前视场内路径、作物及障碍物信息,根据田垄和作物区域的特征检测路径边缘,并生成行驶路径。为了保证导航精度,在控制器上采用了PID反馈调节方式,利用增量式PID控制器对行走方向进行调节,从而使农机可以按照预定的路径行走。以无人驾驶收割机为研究对象,对导航方案进行了测试,结果表明:采用激光导航设置可以成功地规划出行驶路径,使收割机自主的沿着行驶路径行走,实现了无人驾驶收割机的自主导航。     

除草机器人路标识别多模式匹配算法研究——面向中英文混合环境

随着农业自动化水平的不断提高,除草机器人被逐步地应用到了农田生成作业过程中,机器视觉系统是除草机器人自主导航和杂草作物识别的核心部件,其性能的好坏直接影响作业效率和作业质量。为了提高除草机器人的导航效率,提出了一种基于中英混合环境的多模式匹配算法,将该算法应用到了除草机器人的英文和中文导航路标的模式匹配上,并采用相关图像处理算法对路标进行了增强处理,最后对不同环境下导航的可行性进行了验证。结果表明:采用中英文混合环境的多模式匹配算法和图像增强处理功能后,除草机器人机器视觉系统的路标成功识别率较高,导航准确率也较高,从而验证了方案的可行性和可靠性。     

基于信息化时代的农业收割机定位系统设计与试验

为了提高收割机的定位导航效率和精度,实现自主定位,基于信息化时代将云技术和无线通信技术引入到了导航系统的设计上,通过导航视觉系统图像的高速处理、无线传感节点通信、路径规划和追踪,实现了收割机的自主定位和导航。对不同作业块的导航定位精度和路径追踪的精度进行了测试,结果表明:采用自主定位系统可以成功地对作业区域的路径进行规划,并实现高精度的路径追踪,对于提高农机的智能化水平的研究具有重要的意义。     

农业车辆视觉实际导航环境识别与分

分析了对路径识别影响较大的变光照环境、杂草环境和阴影环境对农业车辆导航路径的影响,提出一种实际环境中的农业车辆视觉导航研究方法,即先采用神经网络算法对农田环境进行自动分类,然后再相应的选择不同的路径识别方法进行处理.环境识别与分类试验结果证明,该方法能够提高农业车辆视觉导航系统的实用性和可靠性,导航环境的分类准确率为95%,单幅图像平均耗时23 ms.     

农机路径三维建模和导航研究——基于嵌入式平台和ArcGIS

为了提高农机的自动导航水平,简化底层软件和硬件系统,提高控制系统的逻辑运算和控制能力,将嵌入式系统引入到导航系统的设计上,并提出了基于ArcGIS和快速扩展随机树(RRT)的路径空间建模和规划算法,实现了农机的自动路径规划和导航。为了验证该方案的可行性,以无人驾驶拖拉机为测试对象,采用ArcGIS软件和RRT算法对路径进行了测试。结果表明:该方案可以快速地规划出拖拉机初始位置到目标位置的路径,且规划的最短路径和实际最短路径基本吻合,从而验证了方案的可行性和可靠性。     

割草机器人自动控制系统 —基于智能视觉和人工算法

为解决无导航功能的智能割草机割草区域最佳覆盖的问题,将智能视觉和人工智能聚类算法引入到了割草机控制系统的设计上,通过分解目标区域和计算质心位置,实现作业区域的全覆盖识别。机器人控制系统利用智能视觉来判断割草作业区域,代替了以信号和微波等为依据的导航功能,可以有效地提高作业区域的识别效率和精度。为了验证方案的可行性,以割草机器人路径规划为例,对割草机器人的路径规划时间和准确率进行了测试。结果表明:基于智能视觉和人工聚类算法的割草机器人具有较高的路径规划效率,且路径规划的准确率也较高,可以满足割草机器人控制系统的设计需求。     

基于改进蚁群算法的农田平地导航三维路径规划方法

为解决农田平地机无人驾驶作业时缺乏局部规划,进而实现平地路径在线调整的问题,以平地作业土方合理运卸且路径最短为目的,提出了一种基于改进蚁群算法的农田平地导航三维路径规划方法。基于农田三维地势模型,采用改进的蚁群算法规划三维路径：以平地作业土方运载为决策方向,建立新的路径搜索节点,对比平地机作业时平地铲运载土方量和经过栅格计算所需的挖填土方量,根据土方运载任务设置信息素更新规则和启发函数,获取农田平地的最佳三维路径;基于平地机的运动学模型,设置农田平地机转向约束条件,根据约束条件对路径进行平滑优化,并建立三维路径规划的效果评价标准。仿真结果表明：相比于原始蚁群算法,该方法的路径规划效果评价指标提高33.3%以上,可以更好地指导农田平地机实现局部平地任务,而且大大缩短了路径生成时间和路径长度,使路径更为平滑,更适用于辅助农田平地的自动导航作业。     

自动导航拖拉机田间作业路径规划与应用试验

为了实现自动导航拖拉机田间作业的全区域覆盖路径规划,提出基于全排列算法获得转弯耗时最短的路径规划方案。为此,将农田地块划分为直线作业区域和地头转弯区域,在地头转弯区域内建立了拖拉机沿弓形和鱼尾形转弯路径行驶的轨迹解析模型,计算得到地头转弯区域所需的最小宽度及转弯所消耗的时间。在直线作业区域内,根据转弯次数最少来确定直线作业路径在田间的相对方向,生成相应的直线路径簇。根据对两块典型农田地块田间作业路径规划试验,得到了直线作业路径遍历顺序的一般规律。试验表明:这两块农田的路径规划方案中转弯路径的耗时较梭形行走、离心行走及向心行走方式至少减少了51%。     

轮式谷物联合收获机视觉导航系统设计与试验

为提高联合收获机收获质量与效率,构建了轮式谷物联合收获机视觉导航控制系统,结合OpenCV设计了谷物收获边界直线检测算法识别水稻田间已收获区域与未收获区域边界,经预处理、二次边缘分割和直线检测等得到联合收获机视觉导航作业前视目标路径,并根据前视路径相对位置信息进行田间动态标定获得联合收获机满幅收获作业状态;提出了一种基于前视点的直线路径跟踪控制方法,通过预纠偏控制实现维持满割幅的同时防止作物漏割,以相对位置偏差值和实时转向后轮转角作为视觉导航控制器的输入,并根据纠偏策略对应输出转向轮控制电压大小。稻田试验结果表明,该导航系统实现了轮式联合收获机田间相对位置姿态的可靠采集及目标直线路径跟踪控制的稳定执行,在田间照度符合人眼正常工作的情况下,收获边界识别算法检测准确率不低于96.28%,单帧检测时间50 ms以内;以不产生漏割为前提的视觉导航平均割幅率为94.16%,随作业行数增多,割幅一致性呈提高趋势。本研究可为联合收获机自动导航满割幅作业提供技术支撑。     

联合收割机最短路径设计—基于禁忌搜索和PID算法的

为了提高联合收割机的收割效率和自动化作业能力,使其在复杂地块具有智能路径规划功能,提高收割机作业的自适应能力,提出了一种基于禁忌搜索的智能联合收割机自动路径规划优化方案,并采用PID反馈调节控制算法,来降低算法的误差;建立了联合收割机智能搜索的禁忌算法模型,并设计了积分、微分和比例调节的PID控制模型;最后利用实地和软件测试的方法对算法的可行性和可靠性进行了测试。结果表明:利用禁忌搜索的PID控制算法可以有效地缩短路径规划时间,提高算法的精度,从而验证了算法在收割机智能控制上应用的可行性。     

基于履带式联合收获机转向特性的局部跟踪路径规划

为降低履带式联合收获机导航路径跟踪转向控制频率和提高控制系统的稳定性,提出了一种预瞄-切线局部跟踪路径动态规划算法。规划的局部跟踪路径由平滑连接的两段弧线组成,第1段圆弧由收获机当前位姿与1/2横向偏差线上的预瞄点确定,第2段圆弧由收获机在1/2横向偏差线的实际位姿与期望路径的几何关系确定;基于收获机实际转向运动特性建立了相适应的转向控制模型,左转、右转控制模型拟合的决定系数R2分别为0.978、0.980。田间直线导航跟踪对比试验表明：当前进速度为0.4、0.8m/s时,横向偏差的标准差分别为0.0489、0.0507m,航向偏差的标准差分别为3.94°、4.66°,转向控制次数分别为19、12次;与传统纯追踪算法相比,横向偏差的标准差分别减小19.04%、31.30%,航向偏差的标准差分别减小25.94%、9.16%,转向控制次数分别减少47.22%、42.86%。本研究可为履带式农机车辆导航控制器设计提供参考。     

基于Hadoop云平台的联合收割机远程监控系统研究

建立了云计算的海量数据处理数学模型和算法,并将Hadoop分布式计算方法引入到了数据库处理系统中,实现了数据库数据的自动分区和主从节点的设置,以及数据的分布式计算功能,得到了数据的处理速度、容量和传输速率等系统性能参数;结合农业生产中联合收割机应用越来越广泛,加之农田小路比较狭窄,给农田交通运输带来了的巨大压力等问题,提出了一套能够提供定位、监控、导航、车况采集等综合服务的联合收割机远程监控系统。通过对系统的测试,证明云存储平台在联合收割机监控系统中具有良好的表现,并具有很好的扩展性,为现代化的农业收割机监控系统提供了优越的条件。     

联合收割机与运粮车协同作业调度技术研究

针对联合收割机作业路径规划不合理、联合收割机与运粮车无法协同优化调度等问题,以最小化联合收割机总非生产性作业时间和非生产性作业等待时间为目标,构建多机型多任务协同优化调度模型,设计多机协同优化调度算法(MMCOSA)。首先通过对传统蚁群算法(ACO)进行改进,计算得到联合收割机的静态路径规划方案,然后采用相对距离最近策略实现联合收割机与运粮车协同作业动态优化。试验结果表明,采用MMCOSA算法计算得到的联合收割机总非产性作业时间和非生产性作业等待时间均比传统ACO算法的结果平均缩短17.5%和19.02%,MMCOSA算法不仅加快收敛速度,而且缩短作业时间,为农忙时节联合收割机与运粮车的协同调度问题提供有效的解决方案。     

基于视觉导航和RBF的移动采摘机器人路径规划研究

为了提高采摘机器人自主导航和路径规划能力,提出了基于计算机视觉路径规划和RBF神经网络自适应逼近算法的导航方法。使用图像分割、平滑处理和边缘检测技术,根据图像像素灰度值确定了导航线的位置,利用逐行扫描的方法得到了导航离散点。路径规划和跟踪使用RBF神经网络逼近算法,通过逼近误差和权值控制路径跟踪的精度,系统响应的执行端使用液压伺服系统,提高了机器人自主导航的精度。以黄瓜采摘作为研究对象,在日光温室对机器人采摘作业进行了测试,通过测试得到了RBF神经网络的路径跟踪误差曲线。测试结果表明:机器人可以很好地逼近跟踪规划路径,其计算精度较高,跟踪效果较好。     

马铃薯典型病害图像自适应特征融合与快速识别

针对自然条件下马铃薯典型病害区域定位和识别难的问题,提出了一种马铃薯典型病害图像的自适应特征融合与快速识别方法。该方法利用K-means、Hough变换与超像素算法定位叶片,结合二维Otsu与形态学法分割病斑区域,通过病斑图像颜色、形状、纹理的自适应主成分分析(PCA)特征加权融合,进行支持向量机(SVM)病害识别。对3类马铃薯典型病害图像进行识别试验,结果表明:SVM识别模型下,自适应特征融合方法相比PCA降维、特征排序选择等传统自适应方法,平均识别率至少提高了1.8个百分点;13个自适应融合特征下,识别方法平均识别率为95.2%,比人工神经网络、贝叶斯分类器提高了3.8个百分点和8.5个百分点,运行时间为0.600 s,比人工神经网络缩短3 s,可有效保证识别精度,大大加快了识别速度。