基于图像处理的玉米收割机导航路线检测方法

快速精准的检测出导航路线并对田端做出准确判断是收割机视觉导航的前提。为解决玉米收割机导航作业过程中因玉米列阴影、玉米田端的杂草等因素对检测精度干扰的问题,该文通过分析视觉导航图像的颜色特征去除阴影干扰,对玉米收割机提取导航作业路径和判断田端提出了检测算法。为减少计算量,设定关注区域作为非第一帧图像的处理范围;为去除玉米列阴影对检测结果造成的干扰,强调关注区域内G(绿色)分量并减弱R(红色)或B(蓝色)分量;为加快处理速度,采用跳行累计G分量的方式确定候补点。在关注区域内对图像中去除阴影干扰后的G分量垂直累计值查找候补点,对图像上半部分收敛性好的候补点通过方差计算确定出已知点,再利用过已知点Hough变换拟合出玉米列边界所在的导航线。最后采用R分量的连续突变判断收割机是否到达田端。田间试验表明:目标直线的平均检测时间为50.13 ms/帧,对田端的检测准确可靠,满足玉米收割的作业要求。该研究成果也适用于高粱等其它高杆作物的机械化收获应用。     

基于虚拟现实的拖拉机双目视觉导航试验

针对农机导航系统的传统田间试验方式受作物生长状态的约束性较强,错过适当的作物生长时期将直接导致开发周期延长、成本增加等问题,该文提出了一种基于虚拟现实技术的拖拉机双目视觉导航试验方法。该方法以拖拉机为作业机械,苗期棉花为目标作物,在虚拟现实环境下建立田间作物行场景的三维几何模型,用于模拟田间试验场景;建立虚拟现实环境下的拖拉机物理引擎,根据实车参数及试验场景信息快速、准确地解算拖拉机的动力学参数,并且根据解算所得的状态参数在虚拟试验场景中实时渲染拖拉机的位姿状态;设计路径跟踪控制器,以经过双目视觉方法识别的田间路径为目标路径,根据拖拉机当前行驶路径与目标路径的相对位置关系解算并控制拖拉机前轮转向角度。以某型拖拉机参数为实车参数,采用大小行距方式布置5行曲线形态的苗期棉花作物行场景开展虚拟导航试验。拖拉机以不大于2 m/s的车速跟踪作物行时,平均位置偏差的绝对值不大于0.072 m、位置偏差的标准差不大于0.141 m;平均航向偏差的绝对值不大于2.622°、航向偏差的标准差不大于4.462°。结果表明:该文设计的拖拉机虚拟试验系统能够在虚拟现实环境下,模拟田间作物行环境开展基于双目视觉的导航试验,可为导航控制系统的测试及改进提供理论依据和试验数据。     

红枣收获机视觉导航路径检测

针对新疆地区骏枣与灰枣枣园的收获作业,该研究提出一种红枣收获机枣树行视觉导航路径检测算法。通过枣园图像固定区域中B分量垂直累计直方图的标准差d与最小值f的关系对枣园种类进行自动判断。针对灰枣枣园,首先采用色差法与OTSU法对图像进行灰度化与二值化处理,然后进行面积去噪与补洞处理,在处理区域内从上向下逐行扫描,将每行像素上像素值为0的像素点坐标平均值作为该行候补点的坐标,并将所有候补点坐标的平均值作为Hough变换的已知点坐标,最后基于过已知点的Hough变换拟合导航路径;针对骏枣枣园,在处理区域内通过垂直累计R分量的方法确定扫描区间,然后在扫描区间内从上到下逐行扫描,将每行像素上R分量值最小的像素点作为该行的候补点,并将所有候补点的坐标平均值作为Hough变换的已知点,最后使用过已知点的Hough变换拟合导航路径。试验结果表明：对于灰枣枣园与骏枣枣园,该算法的路径检测准确率平均值分别为94%和93%,处理1帧图像平均耗时分别为0.042和0.046 s,检测准确性与实时性满足红枣收获机作业要求,能够自动判别枣园种类进行作业,可为实现红枣收获机自动驾驶提供理论依据。     

农业机械机器视觉导航研究

该文对农业机械机器视觉导航的关键问题图像处理和路径控制进行了深入的研究,采用基于Hough变换和动态窗口技术的图像处理算法提取自然环境下的导航特征,根据系统辨识试验的结果和农业机械机器视觉导航的特点建立了仿真模型,并在通用型轮式拖拉机上建立试验系统对图像处理和控制算法进行验证,取得了良好的试验结果.     

基于光照无关图的农业机器人视觉导航算法

完成沿作物行的行走作业是农业机器人视觉导航系统的一个基础功能,但是由于田间环境的复杂性,比如阴影的存在和天气的恶劣变化等外界因素的影响使导航参数的提取变得困难。该研究针对农业机器人视觉导航中存在的阴影干扰问题,采用基于光照无关图的方法去除导航图像中的阴影,然后采用增强的最大类间方差法进行图像分割和优化的Hough变换提取作物行中心线,最终通过坐标转换获得导航参数。最后,通过作物行跟踪试验表明,基于光照无关图的阴影去除方法不仅满足了导航实时性的要求,而且使农业机器人在光照变化的情况下导航参数提取的鲁棒性有了更大的提高。     

履带式收割机全田块路径跟踪算法设计与试验

针对中小型传统收割机无人化作业需求,该研究设计了一套后装式全田块自动驾驶系统。以沃得锐龙单边制动转向型履带式收割机为平台,搭建手自兼容自动驾驶系统,并进行系统特性辨识试验,明确其测控性能限制。针对测控性能限制设计一种PD-Fuzzy-BangBang组合路径跟踪算法,并进行样机集成与试验。水泥地面直线行驶试验表明,组合算法相较单一PD算法的上线距离缩短57.3%,稳态标准差缩小81.3%。全田块模拟试验证明,组合算法在理想条件下的路径跟踪最大偏差为6.00 cm,标准差为2.42 cm,样机具备全田块自动驾驶功能。实际水田收割作业试验证明,样机在车速0.7 m/s条件下,上线过程的路径跟踪最大偏差为12.00 cm,标准差为 6.18 cm,全田块不漏割,割幅利用率大于80%,满足田间作业需求。     

基于垄线平行特征的视觉导航多垄线识别

为有效快速地识别农田多条垄线以实现农业机器人视觉导航与定位,提出一种基于机器视觉的田间多垄线识别与定位方法。使用VC++ 6.0开发了农业机器人视觉导航定位图像处理软件。该方法通过图像预处理获得各垄行所在区域,使用垂直投影法提取出导航定位点。根据摄像机标定原理与透视变换原理,计算出各导航定位点世界坐标。然后结合垄线基本平行的特征,使用改进的基于Hough变换的农田多垄线识别算法,实现多垄线的识别与定位。使用多幅农田图像进行试验并在室内进行了模拟试验。处理一幅320×240的农田图像约耗时219.4 ms,室内试验各垄线导航距与导航角的平均误差分别为2.33 mm与0.3°。结果表明,该方法能有效识别与定位农田的多条垄线,同时算法的实时性也能满足 要求。     

基于良序集和垄行结构的农机视觉导航参数提取算法

根据田间作物垄行间杂草离散的特点,基于图像矩阵,运用像素子集的良序性,结合垄宽先验知识得到垄行轨迹中心。同时,系统选择图像的绿色成分为目标特征空间,滤掉了非绿色的背景噪声,为寻找垄行子集奠定了基础。在摄像头参数结构的可线性化映射区(图像中间约1/3区域),考虑移动平台的速度和系统图像采样间隔,在系统处理速度大于平台移动速率条件下,建立了单目视觉导航系统的动态方程。试验结果表明：航向角和位置参数平均误差分别约为1°和1 mm。该算法设计简洁,实现容易,可有效避免杂草等噪声的影响,对光照也有一定的适应性。     

玉米除草机器人视觉导航系统设计与试验

玉米苗带准确检测与精准跟踪是玉米除草机器人实现自主作业的重要基础。针对玉米除草机器人苗带检测,该研究提出了基于感兴趣区域更新的玉米苗带实时识别及导航线提取方法,首先利用单目相机采集机器人前向玉米苗带,将苗带图像进行归一化和超绿处理,采用改进自适应响应阈值SUSAN（small univalue segment assimilating nucleus）角点法以及冗余离群特征点剔除法获得玉米苗特征点,以改进的顺序聚类算法对视频帧进行玉米苗带聚类处理,再利用最小二乘法拟合出各玉米苗带,最后基于机器人航向偏差和其相对玉米苗带的横向偏差实时调整感兴趣区域和更新导航线;同时,针对除草机器人苗带行线跟踪,提出以运动学为模型的PID（proportion integration differentiation）转向角决策方法,建立了导航跟踪控制模型;并在Visual Studio平台下,利用OpenCV库开发了导航控制系统。试验结果表明,玉米除草机器人导航线提取准确率为96.8%,每帧图像平均处理时间为87.39 ms,具有较好的实时性和抗干扰性;在模拟环境下,玉米苗带直线和曲线跟踪平均误差≤1.42 cm,标准误差≤0.41 cm;在农田环境下,不同速度导航跟踪平均误差≤1.51 cm,标准误差≤0.44 cm。研究结果可为玉米除草机器人田间自主作业提供关键技术支撑。     

小型整秆式甘蔗收割机切割系统的改进与试验

针对小型整秆式甘蔗收割机工作时破头率高,容易堵塞等缺陷,该文对原样机切割系统的切割输送装置、布局和提升方式等进行了改进,在原样机切割系统前增加一个辅助喂入辊。对改进样机刀盘的振动测试结果表明:改进后切割装置动态刚性得到提高,刀盘振动小。田间对比试验表明:改进后甘蔗宿根破头率由原来的15.9%降低为4.7%,蔗茎合格率由原来的51.0%提高到82.5%,喂入量由原来1.129 kg/s提高到1.894 kg/s。该文可为整秆式小型甘蔗收获机的机械设计提供参考。     

联合收割机喂入量与收获过程损失模型

为了研究联合收割机喂入量与收获过程损失率之间的关系,该文对联合收割机喂入量和收获损失的影响因素进行了详细分析,采用3种模型试验研究了喂入量与收获过程损失的关系,基于新疆-2A型联合收割机的试验样本建立了基于幂函数、指数函数和二次函数的关系模型,其中二次函数模型具有较高准确性,其决定系数R2=0.826,并利用喂入量控制试验装置进行验证。试验表明,当喂入量在0.3～4.1?kg/s的范围内时,收获过程损失率实测值与二次函数模型计算值的绝对偏差范围为0.04%～0.91%,吻合较好,说明所建立的二次函数模型具有良好的准确性。该模型可作为预测试验用样机收获过程损失的有效工具。     

基于视觉伺服的联合收割机群协同导航从机定位方法

针对收割机群协同导航从机实际定位需求,在分析主机与从机间相对位置关系的基础上,提出了一种采用视觉系统求解靶标投影矩形区域形心坐标,并以此作为导引信息,引导相对位姿测量装置测量从机相对主机位姿,实现从机精确定位的方法。重点对从机定位方法中需解决的运动靶标跟踪和对靶控制2个关键问题进行了研究,提出了一种基于双重波门的运动靶标跟踪方法和一种基于变尺度变论域模糊控制的对靶控制方法。试验结果表明,该文所提定位方法基本不受收割机前进速度的影响,不同速度最大偏差的标准差为0.003 5 m,平均偏差的标准差为0.002 3 m。     

采棉机视觉导航路线图像检测方法

采棉机视觉导航路线的检测是实现采棉机自主导航的重要前提。收获时期的棉田中主要有棉秆、棉花、棉桃、棉叶、杂草及田外区域等多种目标特征,并且机械采收会造成已收获区的棉枝上残留少许棉花,对采棉机田间作业路径的检测造成困难。该文主要通过分析已收获区、未收获区、田外区域、田端的不同颜色特征,对采棉机田间作业路径、棉田边缘、田端等的检测算法。首先采用3B-R-G、|R-G|、|R-B|及|G-B|等颜色分量差的方法,针对棉田内、外等不同区域的目标特征分别进行提取,并以设定的步长进行移动平滑处理,而后基于最低波谷点向未收获区方向寻找波峰上升临界点以及与前一帧直线检测结果相关联等方法,确定直线变换的候补点群,最后基于过已知点Hough变换提取导航直线;试验证明,该算法提取的直线能够准确贴合已收获区与未收获区分界、田侧边缘等,处理时间平均为56.10 ms/帧,满足采棉机田间实际生产作业的需求。该研究可为小麦、玉米等其他作物机械化收获时视觉导航路线的检测提供参考。     

基于小区育种的收获机智能测产系统

摘要：目前,中国境内大部分育种单位产量测试主要采用人工抽检方式完成,劳动强度大,工作效率低,测试数据的质量与发达国家所采用的测产系统相距甚远。为解决这一问题,该文设计研制了一种基于小区育种的收获机测产系统。该测产系统包括上位机和下位机两部分。下位机采用美国TI公司的MSP430单片机,通过粮食水分传感器,重量传感器,环境温湿度传感器,GPS模块,获取收获机的产量、粮食水分含量、环境温湿度及GPS地理位置等信息。上位机采用能够运行MCGS组态软件的嵌入式触摸屏作为人机交互界面。下上位机通过RS-232串口及Modbus协议实现通讯,完成数据的传输。该系统可以自动实现地块号与产量相关数据的准确对应关系,并利用U盘实现海量数据的导入、导出等数据管理功能。并利用虚拟试验验证了该收获机测产系统方案正确和可行,并且可明显提高育种测产的工作效率和数据的准确性。     

基于扫描滤波的农机具视觉导航基准线快速检测方法

针对基于机器视觉的自动导航系统现有导航线提取算法易受外界环境干扰和处理速度较慢等问题,该文提出一种基于图像扫描滤波的导航线提取方法。首先获取不同农作物的彩色图像,使用2G-R-B算法对彩色图片进行灰度化处理,得到作物行和土壤背景对比性良好的图片。使用Otsu方法对图像进行分割,得到二值化的图像后,再采用腐蚀-中值滤波-膨胀的滤波方法对图像进行去噪处理。然后使用该文提出的扫描滤波导航线提取算法,将图像分成左右两部分,使用等面积三角形对两部分分别进行扫描后,再对扫描的结果进行滤波,从而提取作物行,得到导航线。试验结果表明,采用该方法处理一幅640×320像素的图像只需要76ms,可满足农机具实时导航的要求;与传统导航线提取算法相比,该算法计算速度快,适应能力强。     

联合收割机稻麦收获边界激光在线识别系统设计与试验

针对联合收割机收获边界在线识别问题,利用激光无损探测技术,开发了联合收割机收获边界在线识别系统。首先介绍了系统组成、激光传感器选型及工作原理,将传感器输出数据极坐标转换为直角坐标,建立稻麦轮廓特征数学模型。由于收获过程会产生大量的灰尘,会对激光探测距离及信号反射产生影响。通过与作物特征阈值比较,对受灰尘影响的错误数据进行有效识别与剔除。采用移动平均数字滤波算法,消除系统测量噪声。通过信号阶跃变化模式识别算法,实现了收获边界的在线检测,准确推算出联合收割机作业割幅,并进行了田间试验研究。试验结果表明,该系统可实现在线监测,收获边界测量误差不大于12 cm,可为联合收割机智能监控系统的实际应用提供参考。     

基于数字图像处理技术的玉米氮肥营养状态诊断

本文在图像处理技术的基础上，通过分析颜色特征与玉米氮营养之间的关系，选取了与玉米营养状况相关性高的颜色特征，建立了基于颜色特征的玉米氮营养诊断模型，并认为RGB颜色空间比其他的颜色空间更适合于描述和表达玉米营养状况。