基于DSP和MCU的农机具视觉导航终端设计

农机具导航可以提高作业的精度和适应性。针对当前导航终端多基于工控机开发,成本相对较高,不利于在农业生产中大规模推广等问题,设计了一种基于DSP和MCU的农机具视觉导航终端,用于玉米中耕锄草自动导航作业。其中,DSP作为核心处理器,负责农作物的图像采集、作物行检测和导航线提取;MCU负责作业流程的管理、GNSS位置信息的接收、存储和转发以及向执行单元发送控制指令等。针对导航终端中所涉及的串口、网络以及CAN总线之间的通信问题,制定了相应的协议规范;按照系统集成优化设计方法,构建了农机具视觉导航终端系统,保证了系统运行稳定性;对图像进行预处理后,采用基于边缘检测和扫描滤波的导航线检测算法提高了农机具导航线检测的精度和处理效率;针对农田玉米中耕锄草试验,设计了导航线算法适应性试验、偏移量测试试验和系统对比试验。结果表明：系统能够较好地适应有杂草和株数稀疏等农田环境下的测试工作;对偏移量检测的平均误差为1.29 cm,最大误差为4.1 cm;对比PC端和ARM端的导航算法运行速度,系统具有较好的实用性和经济可行性。     

免耕环境中视觉导航机器人行走路径的检测

针对免耕环境下农田作业机器人的视觉导航,提出了一种导航路径-梨沟线的检测算法,以提高图像处理速度。同时,介绍了图像采集设备,描述了农田免耕作业环境和农田作业机器人的工作流程。在此基础上,以彩色图像中的R分量为处理对象,分别判断作业区域终点和犁沟线出现位置,确定犁沟线上的候选点,并采用基于一点的Hough变换方法,获得犁沟线的直线斜率。试验表明,提出的算法具有速度快、抗干扰、准确性高等优点。     

基于机器视觉边缘检测的园林喷药机器人导航线提取

导航路径的精确拟合是园林机器人自动化导航的关键,针对现有园林喷洒机器人仍是人工操作为主的现象,提出一种基于视觉边缘检测的导航路径拟合算法,用于指导园林喷药机器人的自动化导航.首先利用“化曲为直”的思想,截取拍摄图像的最后200像素行作为感兴趣区域;其次提出一种针对园林道路的灰度化因子,对图像进行灰度化处理;然后对图像进...     

基于遗传算法的农业移动机器人视觉导航方法

为了保证田间作业的农业移动机器人能够对作物行进行自动识别,并且对干扰环境具有一定的鲁棒性,采用基于遗传算法的面一带模型匹配视觉辨识方法直接对未经任何预处理的田间作物图像进行识别.通过人工图像和实际图像扫描,论证了该方法对作物行间识别的准确性和稳定性,以及对于包括干扰物等环境噪声的鲁棒性.经实际田间作物图像辨识,验证了该方法在实时控制中的有效性.     

基于机器视觉的果树行中心线检测算法研究

针对果树空间层次复杂造成直线检测算法失效的问题,提出了运用图像透视原理筛选边界点的方法来提取果树行边界。使用最小二乘法拟合边界直线,计算相邻果树行的中心线作为移动机器人的导航路径。试验结果表明,该算法能够快速准确地提取出果树行中心线,平均每幅图像处理时间小于600ms。     

基于机器视觉的非结构化道路导航路径检测方法

针对视觉导航智能机器人,提出了一种非结构化道路导航路径的检测方法。以道路两边缘线的中间线作为导航路径,首先使用亮度分析的方法判断图像中道路的终止位置;然后采用基于扫描线上像素分布的分割方法提取出导航路径上的候选点;最后采用基于一点的改进Hough变换方法提取导航路径的参数,进行非结构化道路的检测。经过对多幅图片的处理,证明该算法具有速度快、抗干扰能力强、准确性高等优点。     

农业机械视觉导航基准线识别研究进展

导航基准线识别是农业机械自主导航的关键技术。为此,在参考相关文献的基础上,对目前国内的相关研究进行较为系统的分析和总结;介绍了近年来的国外研究进展,最后根据现有研究状况展望了今后的研究方向。     

基于北斗的农业机械立体视觉辅助导航系统设计

为提高农机在果园复杂环境下作业精度,降低驾驶员劳动强度,设计了精准辅助导航系统。通过北斗差分定位设备获取农业机械的经纬度、航向角度以及行驶速度等数据,根据农田信息规划出全局行驶路径,实时计算农业机械行驶过程中的航向偏角、行驶距离和耕作面积并绘制行驶轨迹,根据观察航向偏角和行驶轨迹,驾驶员来修正作业机械使农机按规划路径行驶。系统采用基于红外散斑的深度立体视觉相机,降低自然光线限制,以此获取农业机械前方深度图像,根据视觉算法对图像中的作物或障碍加以检测,并计算其到农业机械和路径中心线距离,判断是否需要避障并提示驾驶员应调整方向,当调整方向进行避障后返回到已规划路径继续行驶。试验结果表明,辅助导航系统在直线行驶试验时横向行驶最大偏差小于5 cm,能够辅助驾驶员按规划路径精准行驶;基于立体视觉的障碍检测测距误差范围在4%以内,且处理每帧图像耗时最大为40 ms,实时性很高,能高效辅助驾驶员进行精确避障。      

基于自适应导航参数的智能车辆视觉导航

为提高导航路径识别的鲁棒性和实时性,采用了分区阈值二值化、噪声点搜索及滤波等图像处理方法,并对导航路径进行分区逐段识别;在路径跟踪方面,在获取的导航路径图像中选取远端路径和近端路径,以远端路径和近端路径的方位偏差量作为确定目标路径的依据,使提取的导航参数能适应导航路径的变化。根据四轮智能车辆模型进行路径跟踪仿真计算。在此基础上,采用两块数字信号处理器,对基于路径导航的视觉智能车辆进行了设计和试验验证。试验结果表明采用该方法设计的智能车辆具有较好的路径识别和跟踪控制效果。     

基于机器视觉的耕作机器人行走目标直线检测

针对农田耕作机器人,提出了基于机器视觉的机器人行走目标——犁沟线斜率的检测算法。将摄像机安装在拖拉机前方,在耕作过程中采集农田场景图像。根据已耕作区域、未耕作区域和非农田区域的不同颜色特征,判断出田端和犁沟线的位置以及计算斜率用的方向候补点群,使用基于一点的改进哈夫变换算法计算出犁沟线的斜率。经过对多幅实际耕作现场图片的处理,验证了本犁沟线检测算法具有速度快、抗干扰、准确性高等优点。     

基于改进遗传算法的轮毂缺陷检测研究

针对轮毂生产过程中产生的气孔、缩松、缩孔、裂纹和夹杂缺陷进行识别检测研究.对经过预处理操作后的缺陷图像运用布谷鸟算法结合大津法的CS-Otsu算法,寻找最优阈值T以便缺陷部分与背景分割.通过提取不同类型缺陷的特征数据构建样本数据库.基于萤火虫算法改进BP神经网络的GSO-BP算法优化权值及阈值,并结合构建的缺陷数据库实...     

基于改进纯追踪模型的农机路径跟踪算法研究

为提高农机作业时直线行驶的精度,提出了一种基于改进纯追踪模型的农机路径跟踪算法。在建立了运动学模型和纯追踪模型的基础上,对农机直线跟踪方法进行研究;针对GPS导航精度易受噪声干扰的问题,通过卡尔曼滤波对航向误差以及横向误差进行了平滑处理,以获取更高精度的航向误差和横向误差;为提高纯追踪模型的自适应能力,以横向误差和航向误差的均方根误差为基础,构建适应度函数,并设计了权重函数,采用横向误差作为主要决策参数,通过粒子群优化(Particle swarm optimization,PSO)算法实时确定纯追踪模型中的前视距离;为使粒子群减少计算时间、尽快进行局部搜索,对PSO算法中惯性权重系数进行了改进。以东方红1104-C型拖拉机为试验平台,设计了农机自动导航控制系统,进行了农田播种试验。结果表明:当农机行驶速度为0.7 m/s时,采用基于改进纯追踪模型的农机路径跟踪算法,直线跟踪的最大横向误差为0.09 m;当行驶距离超过5 m后,最大横向误差为0.02 m,该算法能够有效地提高农机作业时的直线行驶精度。     

基于定向摄像头的大拱棚运输车视觉导航研究

针对大拱棚中运输车导航问题,提出了一种适用性更高的导航方法。为了规避叶间空隙对Hough直线变换精度造成的影响,使用道路尽头横向中心点作为导航信息标定点,搭建摄像头云台使得摄像头视轴始终与道路平行。使用色度法对作物与道路进行分割处理,通过面积筛选所得的轮廓点集,能够准确计算出道路尽头的横向中心点像素坐标,从而得到运输车的位姿信息。通过运动学建模对运输车进行了轨迹仿真,得到了运输车不同速度下对识别误差的动态响应。基于Raspberry Pi平台搭建了导航信息提取装置,在不同道路长度的拱棚中对比了本文方法与Hough变换法的识别精度,并使用不同类型摄像头进行了静态导航信息提取实验,同时在不同速度进行了运输车的直线行驶实验。静态实验表明,相比于传统Hough变换,该导航方法能够显著提高识别精度,使用长焦摄像头比普通摄像头识别精度平均提高了25.7%,导航线平均识别偏差为2.4cm,检测速率为240ms/f,具有较高的精度和实时性。行驶实验表明,该导航方法在不同速度下均能保证较小的稳态误差,能够满足生产要求。     

基于改进遗传算法的棉花异性纤维目标特征选择

为提高基于机器视觉的棉花异性纤维在线分类的精度和速度,提出了一种基于改进遗传算法的特征选择方法.采用分段式染色体管理方案实现对多质特征空间局部化管理;利用分段交叉和变异算子避免出现无效染色体,提高搜索效率;通过自适应调整交叉和变异概率实现强搜索能力和快收敛速度的动态平衡.实验结果表明,该方法比基本遗传算法搜索能力更强、收敛速度更快,所得最优特征子集较小,更适用于棉花异性纤维在线分类.     

基于组合算法的农机装备水平预测分析

农机装备水平预测是一个复杂的非线性系统,为克服传统建模方法在模型选取方面的不足,提出了滑动窗口-遗传程序设计(sliding window-genetic programming,SW-GP)组合算法实现农机装备水平动态预测函数的自动建模.在程序设计时,数据采样采用滑动窗口技术实现,通过改进的GP算法实现系统的自动建模.计算实例结果表明,SW-GP组合算法建立的模型预测值与实际结果具有很好的一致性,预测结果相对误差比传统建模方法明显降低.     

基于机器视觉的林间导航路径生成算法

提出了一种基于机器视觉的、适用于林间行走机器人导航的路径生成算法,即采用扫描图像获得视野两边的树干底部与地面的交界点,计算得到交点中心的一系列离散点簇,通过最小二乘法拟合该中点生成导航直线的算法.Matlab仿真结果表明:该算法可有效地处理多种林间复杂环境,符合人眼视觉所识别的导航线,在图像批量处理时具有较高的可靠性和稳定性.     

农机推广战线上的标兵——记全国劳动模范刘进禄

全国乡（镇）农机管理服务站有成千上万，它是极为平凡的农村基层组织，而现年52岁的刘进禄领导的河北省定兴县李郁庄乡农机管理服务站在平凡中创造了不平凡的业绩。经过18年的艰苦奋斗，从一个不足万元贷款、三亩洼地的农机站发展成拥有职工380人，注册资金10695万元，服务设备设施完备，管理科学规范，经济和社会效益显著，发展前景广阔的农业产业化经营省级重点龙头企业。     

基于RANSAC算法的植保机器人导航路径检测

为实现植保机器人精准自主导航和提高路径检测的精度、可靠性,提出一种基于RANSAC算法的视觉导航路径检测方法。首先,采用超绿灰度化法和最大类间方差法进行图像分割;继而结合形态学操作与动态面积阈值滤波算法滤除干扰;最后,在垄行的边缘中,根据均值法提取特征点,采用RANSAC算法剔除离群点后由最小二乘法进行直线拟合,以提高导航路径的检测精度。实验表明,与Hough变换相比,本文垄行中心线检测方法具有更高的检测精度,导航路径的检测率可达93.8%,比未使用RANSAC算法提高了18.8个百分点。     

基于改进yolov8的棉花虫害检测算法

传统的棉花病虫害检测方法依赖于植物保护专家或经验丰富的农民,这种方法费时费力,并且对于人眼难以观察到的微小病变识别准确率较低。如何利用深度学习方法提高识别的准确率和效率,降低人力成本,并且能够对微小病变进行准确识别提出了新的挑战。针对此问题,提出一种准确率高和实时性好的基于改进YOLOv8的棉花虫害检测算法。首先,使用DCNv3结构,替换YOLOv8 C2模块中的Bottleneck结构中的普通卷积,形成新的模块记为C2f-DCNv3;其次,在Head的最后一个C2f-DCNv3模块后面加入高效通道注意力,在提升模型的精度的同时保持能够实现实时检测。在开源的CottonInsect棉田昆虫识别研究图像数据集上的实验结果表明：所改进方法的mAP为0.706,Inference Time为0.6ms,模型大小为5.7M,相较于原模型YOLOv8n,mAP提升3.0,Inference Time提升0.1ms,模型大小基本保持不变,实现了对于棉花虫害准确且高效的识别。