农机快速导航系统设计—基于图像边缘检测和3D深度视频帧内编码

在农机多行作业时,其作业效率主要受到导航精度和系统响应速度的制约。为了解决农机多行作业导航精度和时效性的问题,基于边缘检测方法和3D视频编码技术,引入了一种深度帧内编码方法,用于实时导航视频的获取,有效提高了导航的时效性和导航精度。在实时图像的垄位置标定和导航线提取时,基于特征点匹配计算量大、误匹配概率高及实时性不强的确定,提出了导航线检测的Sobel算子,有效提高了导航线获取的精度。最后,利用样机对快速导航系统进行了测试。测试结果表明:基于图像边缘检测和3D深度视频帧内编码的农机导航方法,可以实时准确地标定作物垄的导航线,满足了农机快速导航系统的设计要求。     

基于激光导航的果园移动机器人自动控制系统

以实现果园作业自动化为目的,开发了一种履带式移动机器人作为作业移动平台。机器人采用激光测距仪实现对果树位置信息实现实时的采集,采用霍夫变换规划机器人导航路径,实现了树行直线方程的提取。机器人的航向偏差和横向偏差作为比例控制器的输入量,以机器人实际偏转的角度为输出量,实现机器人沿导航路径自动直线行走。机器人以0.14m/s速度直线行驶25m,最大横向偏差0.26m。试验结果表明,该系统导航控制算法性能良好。     

基于改进遗传算法的农机具视觉导航线检测

针对机器视觉导航系统现有导航线提取算法检测速度慢、抗干扰性差等不足,提出一种基于改进遗传算法(IGA)的导航线检测方法。图像中作物行走向近似为一条直线,从图像顶边和底边分别随机选一个点进行染色体编码,通过遗传进化选择适应度最高的个体作为作物行直线编码,进而得到导航线。改进遗传算法采用概率保留法和最优保存策略相结合的方法作为选择算子,提高了算法的搜索效率和精度;通过自适应调整交叉概率和变异概率,提高了算法的收敛速度和全局搜索能力。动态导航跟踪试验表明,改进的遗传算法与标准霍夫变换、标准遗传算法(GA)在导航线提取性能上相比,具有抗干扰性强、检测速度快等优点。当导航速度为0.6m/s时,横向偏差最大值不超过76 mm,平均值小于33.1 mm,较好地满足了导航作业要求。     

基于视觉识别的小麦收获作业线快速获取方法

针对小麦生长分布不均等情况下激光作业线检测系统精度偏低的问题,提出了基于视觉的小麦收获作业线快速获取的方法。通过对成熟期麦田的彩色图像进行对比度增强和降低亮度的处理,将其转换为灰度图像,利用阈值分割方法分离已收获与待收获区域,对二值图像采用互相关函数法检测已收获与待收获区域的分界点,利用Hough变换法拟合目标直线。所提方法在激光作业线识别系统的基础上扩大了视野范围,并限制了图像处理的范围,试验结果表明该方法对小麦收获作业线的检测结果平均偏差为2.35 cm,标准差为3.26,能够满足小麦收获导航线识别的要求,是一种有效的检测算法。     

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。     

免耕覆盖地秸秆行茬导航路径的图像检

提出了秸秆行茬视觉导航方法,引导农机具在根茬行间作业以防止堵塞,并对玉米直立根茬导航路径的检测方法进行了研究。选取了图像的彩度信息作为研究对象,通过多种自动阈值选取方法的对比试验和分析,采用迭代法对根茬图像与土壤背景进行了有效分割,并采用2次腐蚀处理去除噪声,通过膨胀处理填充目标区域孔洞;使用了过已知点的Hough变换检测出玉米直立根茬行间及行茬直线。田间试验表明,该方法能够有效地提取出秸秆行茬导航路径,计算时间不超过     

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。     

免耕覆盖地秸秆行茬导航路径的图像检测

提出了秸秆行茬视觉导航方法,引导农机具在根茬行间作业以防止堵塞,并对玉米直立根茬导航路径的检测方法进行了研究.选取了图像的彩度信息作为研究对象,通过多种自动阈值选取方法的对比试验和分析,采用迭代法对根茬图像与土壤背景进行了有效分割,并采用2次腐蚀处理去除噪声,通过膨胀处理填充目标区域孔洞;使用了过已知点的Hough变换检测出玉米直立根茬行间及行茬直线.田间试验表明,该方法能够有效地提取出秸秆行茬导航路径,计算时间不超过0.1 s.     

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。     

基于特征工程的大田作物行中心线识别方法

针对大田作物行特征复杂多样,传统作物行识别方法鲁棒性不足、参数调节困难等问题,该研究提出一种基于特征工程的大田作物行识别方法。以苗期棉花作物行冠层为识别对象,分析作物行冠层特点,以RGB图像和深度图像为数据来源,建立作物行冠层特征表达模型。运用特征降维方法提取作物行冠层的关键特征参数,降低运算量。基于支持向量机技术建立作物行冠层特征分割模型,提取作物行特征点。结合随机抽样一致算法和主成分分析技术建立作物行中心线检测方法。以包含不同光照、杂草、相机位姿的棉花作物行图像为测试数据,运用线性核、径向基核和多项式核的支持向量机分类器开展作物行冠层分割试验;对比分析典型Hough变换、最小二乘法和所建作物行中心线检测方法的性能。结果表明,径向基核分类器的分割精度和鲁棒性最优;所建作物行中心线检测方法的精度和速度最优,航向角偏差平均值为0.80°、标准差为0.73°;横向位置偏差平均值为0.90像素,标准差为0.76像素;中心线拟合时间平均值为55.74ms/f,标准差为4.31ms/f。研究成果可提高作物行识别模型的适应性,减少参数调节工作量,为导航系统提供准确的导航参数。     

起垄覆膜沟播对冬小麦土壤水分利用效率及土壤温度的影响

2009～2010年在陕西杨凌进行了冬小麦覆膜沟播和传统平作播种方式的对比试验,结果表明,沟播较平播极显著增产,其成穗率较平播高3.8%,水分利用效率高5.06%。在拔节期前沟播的小麦群体分蘖数较平播少．在挑旗期至成熟期沟播群体高于平播,干物质积累量返青期较平播低,返青拔节后干物质积累量迅速上升,且较平播高。用曲管地温表观测了地膜覆盖和传统平作不同深度(0、5、l0、15、20和25cm)的土壤温度,分析了不同处理条件对地温影响的差异。试验结果表明,传统平作的地温变化比较快,地温的日振幅比较大,昼夜温差大。而地膜覆盖增温快,保温效果好,并且温度变化趋向平缓。     

基于分区域特征点聚类的秧苗行中心线提取

为了准确检测水稻秧苗行中心线,提出了基于分区域特征点聚类的秧苗行中心线提取方法。采用2G-R-B特征因子和Otsu法分割秧苗和背景;通过分区域统计秧苗像素点分布提取秧苗行的候选特征点,利用特征点间近邻关系对特征点进行聚类,确定秧苗行数和各秧苗行的起始点;基于秧苗成行栽植特点引入“趋势线”,利用点到该直线的距离与距离阈值作比较,筛选出远离各行趋势线的点,并将其去除;对筛选后的每一行特征点用最小二乘法进行直线拟合,获取秧苗行中心线。实验结果表明,该算法具有较强的抗噪性能,提取秧苗行中心线的准确率达95.6%,与标准Hough变换和随机Hough变换算法相比,处理一幅分辨率为320像素×237像素的彩色图像平均耗时短,能够实现水田秧苗行中心线的准确提取,可为插秧机自主行走提供可靠的导航信息。     

推迟灌拔节水对宽幅麦田光合有效辐射的影响

为研究华北平原冬小麦节水高产种植模式,以“济麦22”为研究材料,于2015-2016年和2016-2017年冬小麦生育期间在山东农业大学农学试验站进行试验.该试验设置常规种植和宽幅精播2种种植模式,2种种植模式的冬小麦均进行拔节期灌溉60 mm和拔节后10 d灌溉60 mm²2种灌溉处理,共4种处理.在生育期内对冬小麦的叶面积、光合有效辐射(PAR)截获量、干物质积累量和产量进行观测,分析不同处理对冬小麦生理指标和产量的影响.结果显示,宽幅精播种植模式显著增加了冬小麦的叶面积指数和PAR截获率.推迟灌拔节水显著优化了宽幅精播麦田对PAR的有效利用,进而促进了干物质积累.同时,推迟灌拔节水显著增加了宽幅精播麦田的穗粒数,从而显著提高小麦产量.     

宽幅精播和灌溉对冬小麦干物质积累及产量的影响

采用了宽幅精播和常规种植2种种植模式,每种种植模式设3种灌溉处理,研究了宽幅精播和灌溉对冬小麦群体动态变化、干物质积累量和产量等的影响。结果显示,灌拔节水和抽穗水后,宽幅精播的分蘖消亡速率低于常规种植。在冬小麦生育后期,宽幅精播显著提高了干物质积累量。宽幅精播的产量显著高于常规种植,增产的原因在于穗数的显著增加。研究表明,宽幅精播结合灌拔节水和抽穗水为一种值得推广的节水种植模式。     

基于机器视觉的果园导航中线提取算法研究

为实现果园作业自动化,对基于机器视觉的果园自然情况下的导航路径拟合方法进行了研究。针对果园环境特点,基于HSV色彩模型和最大类间方差法对果园果树树行特征进行了增强。同时,使用Hough变换对果树树行线进行了拟合,并最终获得了相邻两树行的中线作为导航路径。最终试验结果表明:该方法能有效克服行间生草、光照阴影和修剪枯枝的干扰,可提取果园果树树行线并拟合出果园导航中线。     

窄行密植品字形播种技术装备研究进展

窄行密植模式是目前增加农作物种植密度和提升作物产量的先进种植技术,品字形种植模式是实现窄行密植模式的一种种植方法。目前主流的农业机械一般配套单宽行垄作或者平作的常规种植模式,针对窄行密植下交错排列品字形种植模式配套播种机具较少,尤其是适用于高速作业（10km/h以上）的播种机具,在一定程度上阻碍了窄行密植品字形种植模式的种植效率与推广应用。阐述了宽窄行品字形种植模式的基本内容,探讨分析了国内用于品字形的播种装备、高校院所的研究进展以及用于品字形种植模式的评价指标,并对品字形种植模式的技术应用与推广提出了建议。     

两熟区小麦玉米种植模式对机械化作业的影响

在生产过程中,小麦、玉米接茬轮作的种植模式对机械化作业生产具有较大的影响。为此,针对国内现有冬小麦和夏玉米的种植模式、冬小麦-夏玉米接茬轮作的种植模式进行分析总结,分析现有种植模式对小麦、玉米机械化作业的影响,指出现有种植模式与机械作业不配套的问题所在,对推进各地两熟区种植机械化栽培模式的规范化、加快全程机械化发展具有重要意义。最终,形成了以作物种植和机械作业配套为基础的农机农艺相融合的全程机械化生产模式。     

复杂背景下果园视觉导航路径提取算法

为解决果园视觉导航机器人行间自主行进和调头问题,提出了基于Mask R-CNN的导航线提取方法和基于随机采样一致性(Random sample consensus, RANSAC)算法的树行线提取方法。首先,基于Mask R-CNN模型对道路与树干进行识别,提取道路分割掩码和树干边界框坐标;其次,在生成行间导航线的基础上,采用改进RANSAC算法提取前排树行线;然后,计算树干边界框坐标点到前排行线的距离,筛选后排树干坐标点,采用最小二乘法拟合生成后排树行线;最后,通过分析前后排树行信息判断调头方向,结合本文提出的行末端距离计算与调头路径规划方法,规划车辆的调头路线。实验结果表明：在不同光照、杂草、天气环境下的6种果园场景中,模型的平均分割精度和边界框检测精度都为97.0%,导航目标点提取的平均偏差不超过5.3%,树行线检测准确率不低于87%,调头后车辆距道路中心的平均偏差为7.8 cm,可为果园环境下的视觉自主导航提供有效参考。