基于DSP技术和目标模拟器的自主导航播种机设计

为了降低播种机重复作业和漏播作业的概率,提高作业的速度,降低成本,减轻驾驶员的工作量,基于DSP技术和目标模拟器地图生成技术,设计了一种新型的自主导航播种机。该播种机可以采集GPS位置点,得到目标模拟器的电子地图,然后根据目标模拟器的形状确定播种机的行驶路线,并按照确定好的规划路线对播种机的行进路径进行跟踪,对得到的采集数据进行保存。利用DSP处理技术,实现了播种机实时运动的显示功能,经过数据处理得到点状图,生成了目标模拟器的电子地图。试验证明:播种机的DSP实时编码效率、重播率及路径规划准确率等各项指标都符合自动化播种机的设计要求,为现代化播种机的设计提供了较有价值的参考。     

基于DSP和图像处理的农业机器人视觉导航研究

确定了间歇式行走的农业机器人视觉导航方案,设计了计算机图像采集单元、计算机图像处理模块和视觉导航参数提取算法,实现了一套基于DSP和图像处理的农业机器人视觉导航系统.试验结果表明:农业机器人移动速度增加时,导航误差会增大,且机器人的平均横向偏移在10 cm之内,能够满足农业机器人的导航需求.     

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。     

基于光学和超声联合定位的精密播种机导航技术研究

为了提高播种机的自主化作业水平,将光学和超声联合定位方法引入到了播种机导航系统的设计上,通过超声波测距和激光扫描的方法,实现了作业区域的定位和播种机行走路径的规划,从而提高了播种机作业的适应能力,提升了自主作业水平.为了验证方案的可行性,对基于光学和超声联合定位的导航系统进行了实验,并建立了一个有田垄的农田作业环境,展...     

基于FPGA的播种机自主导航控制系统设计

为了提高播种机自主导航控制系统的精度和导航机器视觉系统图像的处理速度,实现实时导航功能,降低数据接收和参数解算的时间延迟,将FPGA引入到了导航系统的设计上,有效提高了播种机的导航精度和效率。以播种机导航中心线的追踪为例,通过追踪误差的仿真模拟,验证了FPGA在导航系统中使用的可行性。模拟仿真结果表明:采用FPGA反馈系统可以明显提高导航系统导航中心线追踪的准确性,从而提高导航系统的精度。     

基于DSP和机器视觉的精准施药平台研究

介绍了机器视觉的工作原理,从总体方案、DSP选型、视频采集和图像处理等3部分对精准施药平台进行了设计。平台通过图像处理算法提取农作物行间轮廓位置,驱动精准施药控制器,实现对喷头的调整,达到精准施药目的。试验表明:平台误差在可控范围内,能够满足农业喷雾的要求。     

除草机器人视觉导航中路面检测方法研究 —基于DSP图像深度处理

除草机器人是自主作业水平较高的一种新型农机设备,由于作业环境复杂,其作业质量和效率受视觉导航系统的影响较大。为了提高除草机器人视觉导航系统的精度及实时处理图像的效率,将DSP图像处理技术引入到了视觉导航系统的设计上。为了验证方案的可行性,结合MatLa软件对系统的图像处理能力进行了仿真实验,首先将采集图像利用MatLab处理为CCS的数据文件,然后传送给DSP处理器进行处理,最后将处理数据利用CSS传给MatLab软件进行图像显示,验证其是否能够成功的提取导航线位置。     

基于计算机视觉的棉花生长监测自主导航车辆研究

为了克服农作物生长大面积遥感监测精度较低的缺陷,实现作物生长态势的自动化监测,提出了一种基于计算机视觉的自主导航作物生长监测车辆,从而有效地提高了作物生长监测的精度和自动化程度。该型自动化车辆通过导航标定线在田间对作物的生长状况进行实时跟踪监测,采用CCD数字摄像头对作物的生长状况进行图像采集,使用PC机对图像进行处理,并将图像利用通信技术传输到远程监控端,并根据图像特征数据建立了作物长势的监测和预测模型。为了验证其可行性,对作物的长势进行了实地测试,通过对叶面指数和作物生物量预测模型的测试表明:数据模型的实测值和理论值基本吻合,利用该方法可以建立多种作物的长势监测和预测模型,具有推广价值。     

自主导航农业机器人全方位视觉目标识别与跟踪研究

随着我国信息化技术的逐渐提高,机械自动化、集成电路、智能控制系统和测试计量等行业得到了快速发展,使得移动机器人达到了一个全新的高度,农业机器人也因此被广泛应用。在机器人众多研究问题中,全方位视觉的目标识别与跟踪一直是比较复杂并较难解决的问题。为此,基于全方位的自主导航技术,根据农业机器人工作特点和运动特性,建立了机器人工作空间的环境模型,提出了一种陆标导航和运动目标跟踪系统的视觉伺服方案,开发了以DSP控制器为核心的全方位视觉图像处理系统。试验结果表明:所设计的农业机器人全方位视觉目标识别与跟踪系统精准度高,可靠性和实时性强,各项性能指标优。     

基于机器视觉的导航定位技术

对导航定位中的曲线导航问题进行研究,采用单目视觉导航定位的方法采集多幅导航线图像,首先进行了远距离标定,建立实际行走的距离与偏航角度以及目标物偏离中心位置的距离与像素大小的数据库,再用得到的数据库,根据几何的方法计算出导航精度,在本实验中,基本依靠单目视觉技术完成了曲线导航的任务。     

基于机器视觉的花生品种识别系统研究

为了实现花生品种自动识别,收集了12个花生品种的600粒籽仁作为实验样本,利用计算机视觉和图像处理技术对图像进行处理;然后,对每幅样本图像提取形态、颜色和纹理等3大类共48个特征,建立人工神经网络（ ANN ）和支持向量机（ SVM ）识别模型对这些特征进行分析识别,并基于 Visual C＋＋6．0环境构建识别系统。运行结果表明,SVM 方法识别效果比较稳定,对12个花生品种自我识别率达到100％,测试识别率达到83％;另外,基于Visual C＋＋的识别系统在识别效果与效率方面比Matlab 都有了较大的提高。该花生品种识别系统对于花生品种识别具有积极意义。     

基于机器视觉的穴盘精密播种性能检测系统

针对穴盘精密播种存在重播、漏播以及播种性能不稳定问题,运用机器视觉技术对穴盘精密播种机进行播种性能检测。在穴盘精密播种机上配置性能检测系统,光电传感器根据穴盘位置触发相机,双相机逐行扫描拍摄穴盘图像,图像数据实时传输到计算机,通过视觉算法软件进行图像分析与处理,识别穴盘的播种状况,检测图像与结果同步显示。播种检测试验表明,系统的重播率检测精度为98.94%,漏播率检测精度为99.33%。     

基于IoT技术的智能播种机控制功能设计

随着精细农业的发展,精密播种对农作物生产质量和产量的影响也越来越大。传统机械式播种机在播种过程中存在漏播、播种株距不均匀及作业工况不可视等诸多问题,严重影响了播种作业的质量和农作物产量。为解决这一难题,引入IoT物联网技术,通过智能传感、无线通信和自动控制等先进技术,对智能播种机的控制功能进行优化设计。在深入研究分析IoT物联网体系结构的基础上,完成了智能播种机控制功能需求分析,对智能播种机控制系统的总体方案进行研究,完成了播种机控制系统的硬件及软件运行流程优化设计。最后,对智能播种机的控制功能进行试验,结果表明:基于IoT技术的智能播种机具有稳定全面的自动控制功能,能够对播种机的运行参数进行精确控制,且可对播种机的运行工况进行远程监控,具有较大的推广价值。     

基于DSP图像处理和HPI通信接口的采摘机器人设计

为了提高采摘机器人的智能化程度,降低设计和制造成本,提高机器人的通信能力,提出了一种基于HPI接口和DSP系统的新型采摘机器人。该机器人将嵌入式DSP系统和ARM控制器利用HPI接口有效地结合起来,利用图像DSP系统对采集图像进行处理,实现目标的定位,从而提高了嵌入式系统的运算能力;利用ARM控制器对执行末端进行控制,实现了机械臂的准确定位和控制;使用滤波器对通信过程的干扰信号进行降噪处理,从而提高了整个系统的稳定性和可靠性。最后,对采摘机器人的通信能力进行了测试,结果表明:IIR滤波器可以有效的滤除干扰信号,通信较为稳定,从而验证了嵌入式DSP系统和HPI通信接口在采摘机器人设计上使用的可行性。     

基于计算机视觉技术育肥猪体重分析研究

为了更好地解决育肥猪的体重预估问题,本研究通过获取育肥猪在不同生长阶段的图像和质量数据,利用计算机视觉技术将猪的侧视图像进行预处理、颜色特征处理、阈值分割及图像形态学处理,经过推导计算求出猪体的侧视面积,对一维体尺参数、侧视面积与体重进行数据拟合并建立数学模型。研究结果表明:在只考虑体尺单因素的影响时,拟合出的体重与体尺的相关性较小,其平均误差也较大。通过比较逐步回归法与MLP神经网络模型发现:MLP神经网络拟合模型相关性最好,相关性R2可达到0.993,平均相对误差为1.38%,可以很好地保证估测精度,为测量猪的体重提供新的方法。     

基于计算机视觉技术的玉米叶绿素含量检测研究

植株叶片中叶绿素浓度的高低与植株进行的光合作用效率、植株的整体生长状况息息相关,在农业生产过程中,常常根据叶片中叶绿素含量(SPAD)的多少来精确的判断植物的生长状态,也是控制植株长势的依据。传统的叶绿素含量检测方式分光光度法,存在耗时长、步骤多、操作要求高等问题,而采用计算机视觉技术处理图像的过程更加准确、高效,不会像人眼分析时受到主观因素的影响导致偏差。为此,基于计算机视觉技术来检测玉米叶片中叶绿素含量,利用扫描仪采集玉米叶片的图像,将图像输送至计算机,然后通过软件处理图像,分割出图像中有效像素的颜色特征值,将特征值转换就可以得到玉米叶片中叶绿素。试验结果显示:利用计算机视觉技术可以准确地测定玉米叶片中叶绿素含量,进而进行合理施肥,避免浪费,对增加玉米的产量具有极大的价值。     

基于PLC的苔麸播种机设计与试验

设计了一种基于PLC的苔麸施肥播种机。该播种机主要由排种器、开沟器和PLC控制器等关键部件组成,通过转速传感器测量播种速度,建立播种速度和伺服电动机转速之间的对应关系,通过控制伺服电动机转速实现不同播种速度下单位面积播种量一致。在播种量4、5、6kg/hm2,播种速度3、4、5km/h条件下,进行了排种器性能测试,播种量5kg/hm2条件下,得到各行排种量一致性变异系数5.02%,总排种量稳定性变系数0.89%,种子破损率0.1%,试验零水平时排种均匀性变异系数18.9%,满足标准要求;田间试验结果表明播种均匀性变异系数20.4%,满足苔麸农艺要求。     

基于计算机视觉技术的玉米植株高度检测的研究

玉米植株高度的检测对于玉米生长期间的营养调控有着非常重要的意义,玉米植株高度也是玉米种植密度的重要参数,更是玉米产量的影响因素之一。大范围地种植玉米,在玉米植株长势的整体控制上就会存在空白区,而引用计算机视觉技术可以全面、快速地检测玉米植株高度,提高检测数据的正确率,减轻测量工作需要的劳动强度和缩短测量时间。为此,基于计算机视觉技术来检测玉米植株高度,利用事先安装在田间的带有红外照明的摄像头采集白天和夜晚的玉米植株图像,通过图像分割、边缘轮廓计算、图像增强等方法处理图像后,测得玉米植株白天和夜晚两个时间段的高度,分析出植株的生长情况,控制其长势。研究结果表明:相较于人眼粗略的判断或是人工采用直尺测量,利用计算机视觉技术来测量玉米植株高度,可以大范围测量,且测量的速度快、测量结果误差小,最大程度地降低了人工的投入。