張 波，翟長遠，蔡吉晨，楊 碩，王 秀

(1.西北農(nóng)林科技大學(xué) 機械與電子工程學(xué)院，陜西 楊凌 712100；2.北京農(nóng)業(yè)智能裝備技術(shù)研究中心，北京 100097；3.國家農(nóng)業(yè)智能裝備工程技術(shù)研究中心，北京 100097；4.農(nóng)業(yè)部農(nóng)業(yè)信息技術(shù)重點實驗室，北京 100097；5.農(nóng)業(yè)智能裝備技術(shù)北京市重點實驗室，北京 100097)

噴桿式施藥機對行噴霧控制系統(tǒng)設(shè)計與試驗

張 波1,2，翟長遠1,2，蔡吉晨2,5，楊 碩1,2，王 秀2,3,4

(1.西北農(nóng)林科技大學(xué) 機械與電子工程學(xué)院，陜西 楊凌 712100；2.北京農(nóng)業(yè)智能裝備技術(shù)研究中心，北京 100097；3.國家農(nóng)業(yè)智能裝備工程技術(shù)研究中心，北京 100097；4.農(nóng)業(yè)部農(nóng)業(yè)信息技術(shù)重點實驗室，北京 100097；5.農(nóng)業(yè)智能裝備技術(shù)北京市重點實驗室，北京 100097)

針對現(xiàn)有大田噴桿式施藥機噴霧過程中噴頭無法精準對行噴施造成農(nóng)藥浪費的問題，基于機器視覺技術(shù)設(shè)計了噴桿式施藥機對行噴霧控制系統(tǒng)。該系統(tǒng)包括作物行中心線位置提取上位機軟件和電動噴桿控制系統(tǒng)，利用工業(yè)相機獲取作物行RGB圖像，采用G-R>T&G-B>T算法及形態(tài)學(xué)處理實現(xiàn)作物行分割，基于改進的垂直投影法獲取作物行中心線，利用坐標系轉(zhuǎn)換實現(xiàn)將作物行中心線位置信息轉(zhuǎn)化為噴桿橫向偏移量，并經(jīng)RS232串口傳輸至ATMega16控制器，控制推桿電機帶動噴桿在滑軌上左右移動，借助位移傳感器實時監(jiān)測噴桿移動距離，以實現(xiàn)作物行追蹤和對行噴霧控制。實驗室和田間試驗表明:改進的作物行中心線提取算法平均耗時12.51ms，噴桿橫向偏移量計算誤差小于0.44cm；電動噴桿右移最大誤差0.3cm，左移最大誤差0.5cm；小車速度為0.26m/s時，對傾角為5°、10°、15°模擬作物行的最大對行誤差分別為3.22、2.86、2.51cm；小車速度為0.24m/s，最大偏移14.02cm時，對田間玉米幼苗的對行噴霧最大誤差為4.86cm，為實現(xiàn)作物行追蹤和對行噴霧控制提供了一種有效的解決方案。

噴桿式噴霧機；對行噴霧；機器視覺；中心線提取；相機標定

0 引言

農(nóng)藥的使用是防治病蟲草害、提高糧食產(chǎn)量的重要手段，而噴桿式噴霧已成為大田施藥作業(yè)的主要方式[1-3]。作物封田后普遍采用寬角度噴頭對大田進行全覆蓋噴霧，針對厚冠層作物增加風(fēng)幕系統(tǒng)輔助以穿透作物冠層[4-6]，降低了藥液飄移，提高了農(nóng)藥利用率。但幼苗期寬行距作物，采用全覆蓋式噴霧大量藥液會噴施到行間土壤中，造成巨大農(nóng)藥浪費和環(huán)境污染，如果根據(jù)行距手動安裝低流量噴頭則無法保證作物位于噴霧范圍之內(nèi)。

針對目前噴霧機靶標外噴施問題，學(xué)者通過增加對靶控制系統(tǒng)實現(xiàn)精準噴霧以降低田間靶標外藥液沉積。劉雪美等設(shè)計了噴桿噴霧精確對靶施藥系統(tǒng)，通過沿噴桿方向安裝超聲波測距傳感器探測有效靶標，控制電磁閥開關(guān)進行精確對靶施藥，有效節(jié)省藥液30%左右[7]；宋淑然等將類似的控制系統(tǒng)應(yīng)用于果園對靶噴霧中以提高靶標上霧滴沉積率[8]。但這些控制系統(tǒng)只通過電磁閥開閉控制噴霧時間，沒有追蹤噴霧對象。大田寬行距作物實施精準對靶噴霧還需要實時調(diào)控噴桿的位置以追蹤作物行對象，實現(xiàn)對行噴霧作業(yè)。

近年來，國外內(nèi)研究學(xué)者發(fā)現(xiàn)利用機器視覺技術(shù)對早期幼苗作物實施對行噴霧作業(yè)可有效提高農(nóng)藥使用率，減少環(huán)境污染。中國農(nóng)業(yè)大學(xué)張漫等研究了GPS與視覺導(dǎo)航相結(jié)合的多傳感器組合導(dǎo)航定位系統(tǒng)，并將粒子群、遺傳等算法用于導(dǎo)航基準線提取，取得了良好的效果[9-13]；Hossein Behfar等利用灰度直方圖和Hough直線檢測實現(xiàn)對作物行中心線的提取[14]；N.D.Tillett等與農(nóng)機公司Ganford合作設(shè)計了基于機器視覺的對行控制系統(tǒng)，通過提取作物行中心線控制液壓回路移動作業(yè)機具實現(xiàn)除草、噴霧作業(yè)等，具有較高的準確性[15]；Bjorn Astrand等為農(nóng)田作業(yè)機械設(shè)計了對行控制系統(tǒng)，利用Hough變換識別作物行，并將該系統(tǒng)應(yīng)用于除草機械與作業(yè)機器人上，證明該系統(tǒng)能適用于不同寬度作物[16]。目前，國內(nèi)農(nóng)場采用精量播種機進行大田播種，苗期作物行平且行距相等，使對行窄角度精準噴霧成為可能。

本文基于機器視覺技術(shù)設(shè)計一種噴桿式噴霧機對行噴霧控制系統(tǒng)，為實現(xiàn)作物行實時追蹤和對行噴霧控制提供一種解決方案。

1 對行噴霧控制系統(tǒng)設(shè)計

1.1 電動噴桿機械結(jié)構(gòu)設(shè)計

電動噴桿機械結(jié)構(gòu)如圖1所示。噴桿總長度為140cm，下方可安裝噴頭，它的伸展和收攏可以通過伸縮推桿電機進行控制；滑塊與噴桿連接，使其可以在對行推桿電機帶動下在滑軌上左右移動；位移傳感器可以實時采集對行推桿電機的伸縮長度。

1.噴桿 2.滑軌 3.對行推桿電機 4.滑塊 5.位移傳感器 6.伸縮推桿電機

1.2 控制系統(tǒng)設(shè)計

基于機器視覺的噴桿式施藥機對行噴霧控制系統(tǒng)整體結(jié)構(gòu)如圖2所示。

圖2 控制系統(tǒng)整體結(jié)構(gòu)圖

工作時，由MV-VD030SC工業(yè)相機(維視圖像公司)采集的作物行RGB圖像經(jīng)USB傳輸至筆記本電腦，上位機軟件實時計算噴桿橫向偏移量并經(jīng)RS232串口傳輸至下位機控制器(ATMega16控制板)；下位機控制器通過AQMH2403ND電機驅(qū)動模塊(成都愛控電子科技有限公司)控制推桿電機左右移動，WXY15M-400-R1N位移傳感器(臺州市椒江西域電子廠)實時地將推桿電機伸縮長度反饋給下位機控制器，從而精確控制噴桿移動位置；速度傳感器(E6B2-CWZ6C1000P相對式編碼器，歐姆龍公司)實時采集作業(yè)行駛速度，從而計算噴桿橫向偏移延時時間。工業(yè)相機采集圖像尺寸為640×480；推桿電機最大行程為30cm，最大伸縮速度為9cm/s。

系統(tǒng)程序流程圖如圖3所示。

圖3 系統(tǒng)程序流程圖

系統(tǒng)開啟后，首先由相機檢測是否存在作物行，如果存在則對作物行進行中心線提取及噴桿橫向偏移量計算，為避免頻繁啟停損壞直流推桿電機，對計算得出的噴桿橫移量進行一次條件判斷，如果滿足當前計算偏移量大于之前傳輸偏移量+0.5cm或小于之前傳輸偏移量-0.5cm則滿足傳輸條件；偏移量經(jīng)RS232串口傳輸至下位機，進入偏移延時控制算法，當延時到達時取出偏移量，將偏移量接收標志位Flag置1；在Flag置1的情況下判斷對行推桿電機當前位置，如果當前位置小于目標位置，則將右移標志位rFlag置1，偏移量接收標志位Flag=0，噴桿開始右移；如果當前位置大于目標位置，則將左移標志位lFlag置1，偏移量接收標志位Flag=0，噴桿開始左移。這樣既不會進行重復(fù)判斷，也可以在有新的偏移量傳輸時立即開始新的橫移判斷。位移傳感器對推桿電機的位置進行實時檢測，當推桿電機實際位置與目標位置相等時，控制電機驅(qū)動板使推桿電機剎車。

上位機軟件界面如圖4所示。利用MFC與Opencv相結(jié)合進行界面設(shè)計和算法實現(xiàn)，開發(fā)環(huán)境為Visual Studio 2012，操作系統(tǒng)為Windows7。上位機軟件使用過程如下：首先設(shè)置相機內(nèi)外參數(shù)，然后點擊“打開”相機，左側(cè)顯示RGB圖像，根據(jù)作物行位置設(shè)置ROI左邊界和右邊界值；右側(cè)顯示二值化的分割圖像，根據(jù)實際作業(yè)時的光照條件，修改分割閾值達到最佳分割效果。以上設(shè)置完成后選擇并打開下位機串口，點擊“處理”，左側(cè)顯示原RGB圖像，右側(cè)顯示作物行中心線提取結(jié)果，同時計算噴桿橫向偏移量，并通過RS232串口進行發(fā)送。

圖4 上位機軟件界面

2 作物行中心線提取

用于進行作物行中心線提取算法試驗的圖像取自國家農(nóng)業(yè)智能裝備工程技術(shù)研究中心試驗田，如圖5所示。

2.1 圖像預(yù)處理方法

由相機直接獲取的作物圖像背景較復(fù)雜，主要包括土壤、雜草和枯枝等，圖像預(yù)處理的目的是將作物行和背景進行分割。針對綠色作物，常用的圖像預(yù)處理方法有以下兩種[25-30]：

1)基于超綠特征法(2G-R-B)的圖像預(yù)處理方法。首先采用超綠特征法對獲取的作物圖像進行灰度化，其算法為

(1)

其中，GRAY為圖像某點灰度值；r、g、b分別為該點紅色、綠色和藍色分量。然后，利用最大類間方差法自動獲取最佳分割閾值實現(xiàn)圖像二值化處理，最后利用形態(tài)學(xué)處理方法去除細小對象物以及孔洞填充，分割效果如圖6(a)、(b)所示。

2)基于G-R>T&G-B>T算法的圖像預(yù)處理方法。首先采用如下方法對圖像直接進行二值化處理，有

(2)

其中，T為分割閾值，然后利用形態(tài)學(xué)處理對二值圖像進行進一步優(yōu)化，分割效果如圖6(c)、(d)所示。

(a) 小麥田 (b) 玉米田

(a) 小麥行預(yù)處理(方法1) (b) 玉米行預(yù)處理(方法1)

(c) 小麥行預(yù)處理(方法2) (d) 玉米行預(yù)處理(方法2)

由圖6可以看出：兩種圖像預(yù)處理方法均達到很好的分割效果，但在CPU主頻2.4 GHz，內(nèi)存4 G電腦上運行結(jié)果顯示，方法1平均耗時31.96ms，方法2平均耗時12.06ms，同時方法2中分割閾值T可根據(jù)不同光照條件進行調(diào)節(jié)，方法2具有更好的實時性以及對復(fù)雜作業(yè)環(huán)境的適應(yīng)性。因此，本文中圖像預(yù)處理方法選擇方法2，分割閾值T選擇范圍-10～10，默認值為0。

2.2 中心線提取算法

以上圖像預(yù)處理對作物行和背景進行了很好的分割，但噴桿橫向偏移量提取還需要在其基礎(chǔ)上實現(xiàn)對作物中心線的提取。許多學(xué)者針對作物行中心線提取進行了研究，其過程可大致概括為首先對作物行進行特征點提取，然后利用Hough直線檢測或最小二乘法擬合作物行中心線[25-33]。

對作物行特征點提取方法有：垂直投影法、邊緣檢測法和骨架提取法等，如刁智華等采用骨架提取算法對作物行進行細化處理，然后采用Hough變換進行直線檢測，實現(xiàn)多行作物的中心線提取[19]，但該算法對一副圖像的處理時間較長，使系統(tǒng)出現(xiàn)較大滯后性。另外，該方法在對類似如圖5(b)葉子散開，單株間隙較大的作物細化之后直線檢測效果不理想。曹倩等通過逐行掃描判斷作物行邊界并求取中心點的方法提取作物行若干特征點，利用Hough變換進行直線檢測，同樣實現(xiàn)對多行作物中心線提取[32]，并且具有較快的處理速度；但該方法同樣在針對單株間隙較大的作物時利用邊界點求取的中心線準確性不高，進而使中心線提取效果較差，也容易受細小對象物的干擾。相比以上方法，垂直投影法在擁有較快處理速度的基礎(chǔ)上對作物行特征點提取具有較高的準確性[30-31]，本文采用垂直投影法進行作物行中心線檢測，并對傳統(tǒng)方法做出如下改進：

1)感興趣區(qū)域ROI提取。在作業(yè)過程中利用相機拍攝的圖像往往是多行作物，而用于對行控制的基準線僅需要一行，一般處理方法是以距圖像中心最近的中心線為基準，這樣的處理方法容易在作物行距較小和相機擺動過程中判斷出錯。為了進一步提高導(dǎo)航線提取處理速度和準確性，本文采用首先根據(jù)行距對拍攝圖像進行感興趣區(qū)域提取的方法，如圖7(a)、(b)所示。

2)作物行特征點提取。為減小運算量，首先將圖像感興趣區(qū)域劃分為N個圖像條，N可根據(jù)作物形態(tài)進行選擇，文本N默認值取10。從左往右掃描，對圖像條每一列有效像素點數(shù)進行統(tǒng)計，即

(3)

其中，I(j)為第h個圖像條中第j列有效像素點數(shù)；H為每個圖像條行數(shù)；s(i,j)為圖像第i行第j列像素點灰度值。為避免細小對象物干擾，規(guī)定當I(j)>M或j等于ROI左邊界時，為作物行左邊界，本文M取15，此時得到該圖像條內(nèi)作物行左邊界點P1；在獲得左邊界的基礎(chǔ)上，當I(j)=0或j等于ROI右邊界時，得到該圖像條內(nèi)作物行右邊界點P2，該圖像條內(nèi)作物行中心點P3坐標為

(4)

3)特征點直線擬合。利用Hough變換進行作物行直線檢測時，容易出現(xiàn)一行作物多條檢測直線的情況[33]，本文利用最小二乘法進行特征點直線擬合，并得出作物行中心線在圖像中的直線方程，如圖7(c)、(d)所示。

(a) 小麥行感興趣區(qū)域提取 (b) 玉米行感興趣區(qū)域提取

(c) 小麥行中心線提取 (d) 玉米行中心線提取

將改進的垂直投影法與其他幾種常用的作物行中心線提取算法處理效果進行比較，比較結(jié)果如表1所示。運行計算機配置為：CPU主頻2.4 GHz，內(nèi)存4G；平均處理時間為10次處理耗時平均值，識別效果評價標準為提取中心線與實際作物行中心線的偏離程度，規(guī)定：好、較好、較差、差4個標準分別表示提取中心線與實際中心線所成角度為0°～5°、5°～10°、10°～15°，以及大于15°。

由表1可以看出：改進的垂直投影法較其他幾種算法提高了圖像處理時間，并在針對如圖5(b)這種單株間隙較大的作物也具有好的提取效果。

表1 不同算法處理效果對比

3 電動噴桿橫移控制算法

3.1 坐標系轉(zhuǎn)換

機器視覺應(yīng)用中包括4種坐標系：圖像坐標系UO0V、圖像物理坐標系XOY、相機坐標系XcOcYc和世界坐標系XwOwYw，如圖8所示。圖像坐標系下任意一點坐標與其在世界坐標系下對應(yīng)的坐標轉(zhuǎn)換關(guān)系為

(5)

其中，(u,v)為圖像坐標系下一點的坐標；(Xw,Yw,Zw)為該點在世界坐標系下對應(yīng)坐標；M1為內(nèi)參數(shù)矩陣；fx和fy分別表示以X軸與Y軸方向上的像素為單位表示的等效焦距；(u0,v0)為圖像物理坐標系原點坐標；M2為外參數(shù)矩陣包括旋轉(zhuǎn)矩陣R和平移矩陣T。

圖8 4種坐標系相對位置關(guān)系

相機標定的目的是確定內(nèi)參數(shù)矩陣和外參數(shù)矩陣，本文采用張正友標定法，利用MatLab下的Calibration工具箱實現(xiàn)對相機的標定。通過calib_gui命令調(diào)用標定工具箱，首先導(dǎo)入3張以上(本文采用9張)在不同角度下拍攝的棋盤標定板照片，要包括至少一張攝像頭在實際工作位置拍攝的標定照片，如圖9所示。通過該工具箱下的標定函數(shù)可自動獲取相機內(nèi)參數(shù)矩陣及實際工作時的外參數(shù)矩陣。

圖9 標定圖片

實際作業(yè)過程中相機坐標系與世界坐標系選取如圖10所示[29-30]。以相機光心在地面投影為世界坐標系的原點，世界坐標系Zw軸與運動方向相反，Xw軸垂直于運動方向向里，相機坐標系繞Xw軸逆時針旋轉(zhuǎn)α角，再沿Yw軸負方向平移h得到世界坐標系，由式(5)得

(6)

圖10 坐標系轉(zhuǎn)換

由Yw=0，可以計算圖像上任意一點坐標(u,v)對應(yīng)的世界坐標Xw和Zw

(7)

(8)

3.2 噴桿橫移延時控制算法

噴桿與作物行中心線位置關(guān)系如圖11所示。其中，lw為作物行中心線在世界坐標系下所在的直線，已知作物行中心線在圖像坐標系下的方程可由該直線上的任意兩點求出其在世界坐標系下對應(yīng)的直線方程，直線lw與Xw軸截距λw即噴桿橫向偏移量，當λw>0時噴桿左移，λw<0時噴桿右移。噴桿安裝在作業(yè)車輛的后面，與相機存在一定距離D，由上位機計算的橫移量需要一定延時才能控制噴桿開始移動。設(shè)計延時控制策略如下：利用下位機控制器ATMega16產(chǎn)生定時中斷，定時時間為10ms，則延時需要的定時器中斷數(shù)計算式為

Delay_Count=(D/v)×100

(9)

其中，v為作業(yè)行駛速度。定義兩個數(shù)組Delay_Time[i]和Shift_Buffer[i]分別暫存第i個偏移量需要的延時定時器中斷數(shù)和偏移值。上位機計算的橫移量經(jīng)RS232串口傳輸至下位機ATMega16控制器，每300ms傳輸一次，下位機接收橫移量后，暫存到橫移數(shù)組Shift_Buffer[i]中，同時讓延時數(shù)組Delay_Time[i]等于需要的定時器中斷數(shù)Delay_Count，Delay_Time[i]初始值為-1。在定時中斷函數(shù)中，對數(shù)組Delay_Time[i]進行循環(huán)減1操作，當Delay_Time[i]<0時，使Delay_Time[i]初始化為-1，不做任何操作；當Delay_Time [i]=0時，取出橫移數(shù)組Shift_Buffer[i]中相應(yīng)的橫移值，控制直流推桿電機開始橫移。

圖11 噴桿與作物行中心線位置關(guān)系

4 試驗及結(jié)果分析

4.1 噴桿橫向偏移量計算試驗

為驗證噴桿橫向偏移量計算準確性，設(shè)計噴桿橫向偏移量計算試驗如圖12所示。

1.棋盤標定板 2.筆記本電腦 3.綠色膠帶 4.固定支架 5.工業(yè)相機

將工業(yè)相機安裝在支架上，固定于某一高度并調(diào)整好俯仰角；利用鉛錘確定相機光心在地面上的投影得到(見圖11)Ow；將棋盤標定板平放在相機視野內(nèi)，得到一張標定照片，利用Matlab工具箱及先前得到的8張不同角度的標定照片得出相機內(nèi)參數(shù)：fx=1 426.24、fy=1 424.43、u0=368.44、v0=266.95以及外參數(shù)：安裝高度h=59.39cm、俯仰角α=39.65°。將一截綠色膠帶貼在相機視野中模擬綠色作物行，打開上位機軟件提取模擬作物行中心線同時得到噴桿橫向偏移量；用直尺測量綠色膠帶中心線所在直線與Xw軸的交點M到相機光心投影Ow的實際距離λw，改變綠色膠帶與相機的相對位置，重復(fù)試驗，試驗結(jié)果如表2所示，由試驗結(jié)果可以看出，用該方法得出的噴桿橫向偏移量最大誤差為0.44cm。

表2 噴桿橫向偏移量計算試驗結(jié)果

Table 1 Results of movement spray boom parameter calculation

cm

續(xù)表2 cm

4.2 電動噴桿移動位置測試試驗

為驗證電動噴桿位移距離準確性，設(shè)計了電動噴桿移動位置測試試驗，首先將電動噴桿平放在地面上，下位機串口與筆記本電腦相連，打開串口調(diào)試助手，手動輸入位移字符串使推桿電機移動到相應(yīng)位置，用直尺測量噴桿移動距離。輸入不同橫移距離進行重復(fù)試驗，試驗結(jié)果如表3所示。從結(jié)果可以看出：右移時電動噴桿移動距離最大誤差0.3cm，左移時電動噴桿移動距離最大誤差0.5cm，電動噴桿控制系統(tǒng)符合試驗要求。

表3 電動噴桿移動位置測試試驗結(jié)果

4.3 對行控制實驗室試驗

為驗證系統(tǒng)對作物行的追蹤控制精度，設(shè)計了對行控制實驗室試驗，將電動噴桿和相機安裝在四輪驅(qū)動農(nóng)用試驗小車上，噴桿中間噴頭位置和相機光心在同一直線上，如圖13所示。利用綠色膠帶模擬作物行，將一端固定有粉筆的直桿垂直固定于中間噴頭位置，直桿隨著電動噴桿左右移動，粉筆會在地面上畫出中心噴頭移動軌跡即噴桿移動軌跡。對行噴霧控制實驗室試驗方法如圖14所示。其中，Ds為噴桿最大移動距離30cm；De為視場寬度80cm；L1、L2、L3為綠色膠帶模擬作物行，與豎直方向分別呈5°、10°、15°夾角。為了保證噴桿橫向偏移量小于噴桿移動最大行程30cm，將模擬作物行L1、L2、L3長度分別設(shè)置為170、90、60cm。遙控小車沿直線lv行駛，電動噴桿控制電路通過相對式編碼器采集小車速度，每隔5cm測量粉筆繪制軌跡與綠色膠帶實際中心線偏差，試驗結(jié)果如圖15所示。小車平均速度為0.26m/s，對L1、L2、L3的最大橫移誤差分別為3.22、2.86、2.51cm。

1.農(nóng)用試驗小車 2.工業(yè)相機 3.綠色膠帶 4.相對式編碼器 5.粉筆固定桿 6.電動噴桿 7.電動噴桿控制電路 8.筆記本電腦

圖14 對行控制實驗室試驗方法

圖15 對行控制實驗室試驗結(jié)果

4.4 對行噴霧控制田間試驗

為驗證系統(tǒng)在田間作業(yè)時的對行噴霧控制精度，設(shè)計了對行噴霧控制田間試驗，試驗地點為北京市小湯山國家精準農(nóng)業(yè)研究示范基地玉米地，追蹤對象為玉米幼苗行，單株高度約10cm，如圖16所示。選用12V直流泵搭建噴霧系統(tǒng)，調(diào)節(jié)回流量和噴頭壓力使中間噴頭形成垂直細水柱，噴桿左右移動在泥土上會形成水跡，從而記錄噴桿移動軌跡。遙控小車跨行呈“S”形行駛，由兩邊輪子在泥土上壓出的軌跡取中點求出小車中心行進軌跡，每隔20cm分別記錄小車軌跡和水跡與作物行實際中心線的橫向偏差。試驗結(jié)果如圖17所示。試驗結(jié)果顯示：小車平均速度0.24m/s，最大偏移14.05cm，最大對田間玉米幼苗的最大對行誤差為4.86cm。

1.12V直流電機泵 2.相機固定桿 3.回流調(diào)節(jié)閥 4.藥箱 5.玉米幼苗 6.噴頭

從試驗結(jié)果圖15和圖17可以看出：噴桿對作物行進行了良好的追蹤，但由于直流推桿電機運動速度有限，同時上位機為避免頻繁啟停推桿電機存在對計算橫移是否滿足小于之前發(fā)送偏移量-0.5cm或大于之前發(fā)送偏移量+0.5cm的條件判斷，使噴桿追蹤存在一定滯后。

5 結(jié)論

1)基于機器視覺技術(shù)設(shè)計了噴桿式施藥機對行噴霧控制系統(tǒng)，通過相機獲取作物行RGB圖像，提取作物行中心線并轉(zhuǎn)換為噴桿橫向偏移量，使噴頭始終處于作物行正上方，實現(xiàn)了作物行實時追蹤。

2)優(yōu)化了以垂直投影法為基礎(chǔ)的作物行中心線提取算法，提高了處理時間和識別準確性。試驗表明：改進的垂直投影法平均耗時12.51ms，噴桿橫向偏移量計算誤差小于0.44cm。

3)基于AVR系列單片機ATMega16設(shè)計了電動噴桿控制系統(tǒng)，通過RS232串行接收上位機發(fā)送的噴桿橫向偏移量，設(shè)計了延時策略和基于位移傳感器的直流推桿電機位置控制方法，實現(xiàn)了對電動噴桿位置的精確控制。試驗表明：電動噴桿右移最大誤差0.3cm，左移最大誤差0.5cm。

4)以四輪驅(qū)動農(nóng)用小車為平臺開展了對行噴霧控制實驗室和田間試驗，試驗表明：小車平均速度為0.26m/s時，對傾角為5°、10°、15°的模擬作物行最大對行誤差分別為3.22、2.86、2.51cm；小車平均速度為0.24m/s、最大偏移14.05cm時，對田間玉米幼苗的對行最大誤差為4.86cm。

[1] 張鐵，楊學(xué)軍，嚴荷榮，等.超高地隙噴桿噴霧機風(fēng)幕式防飄移技術(shù)研究[J].農(nóng)業(yè)機械學(xué)報，2012(12)：77-86.

[2] 劉慧，夏偉，沈躍，等.基于實時傳感器的精密變量噴霧發(fā)展概況[J].中國農(nóng)機化學(xué)報，2016，37(3)：238-244，260.

[3] 苑進，趙新學(xué)，李明，等.高地隙噴桿式與隧道式一體噴霧機的設(shè)計與試驗[J].農(nóng)業(yè)工程學(xué)報，2015，31(S2)：60-68.

[4] 王俊，董祥，嚴荷榮，等.風(fēng)幕式噴桿噴霧機玉米田間施藥試驗[J].農(nóng)業(yè)機械學(xué)報，2015，46(7)：79-84.

[5] 燕明德，賈衛(wèi)東，毛罕平，等.風(fēng)幕式噴桿噴霧霧滴粒徑與速度分布試驗[J].農(nóng)業(yè)機械學(xué)報，2014，45(11)：104-110.

[6] 燕明德，毛罕平，賈衛(wèi)東，等.風(fēng)幕式噴桿噴霧氣液兩相流數(shù)值模擬[J].農(nóng)業(yè)機械學(xué)報，2013，44(10)：68-74.

[7] 劉雪美，李揚，李明，等.噴桿噴霧機精確對靶施藥系統(tǒng)設(shè)計與試驗[J].農(nóng)業(yè)機械學(xué)報，2016，47(3)：37-44.

[8] 宋淑然，陳建澤，洪添勝，等.果園柔性對靶噴霧裝置設(shè)計與試驗[J].農(nóng)業(yè)工程學(xué)報，2015，31(10)：57-63.

[9] 陳艷，張漫，馬文強，等.基于GPS和機器視覺的組合導(dǎo)航定位方法[J].農(nóng)業(yè)工程學(xué)報，2011，27(3)：126-130.

[10] 何潔，孟慶寬，張漫，等.基于邊緣檢測與掃描濾波的農(nóng)機導(dǎo)航基準線提取方法[J].農(nóng)業(yè)機械學(xué)報，2014(S1)：265-270.

[11] 項明，魏爽，何潔，等.基于DSP和MCU的農(nóng)機具視覺導(dǎo)航終端設(shè)計[J].農(nóng)業(yè)機械學(xué)報，2015(S1)：21-26.

[12] 孟慶寬，仇瑞承，張漫，等.基于改進粒子群優(yōu)化模糊控制的農(nóng)業(yè)車輛導(dǎo)航系統(tǒng)[J].農(nóng)業(yè)機械學(xué)報，2015(3)：29-36，58.

[13] 孟慶寬，張漫，仇瑞承，等.基于改進遺傳算法的農(nóng)機具視覺導(dǎo)航線檢測[J].農(nóng)業(yè)機械學(xué)報，2014(10)：39-46.

[14] 孟慶寬，何潔，仇瑞承，等.基于機器視覺的自然環(huán)境下作物行識別與導(dǎo)航線提取[J].光學(xué)學(xué)報，2014(7)：180～186.

[15] Hossein Behfar, HamidReza Ghasemzadeh, Ali Rostami, et al.Vision-based row detection algorithms evaluation for weeding cultivator guidance in lentil[J].Modern Applied Science, 2014, 8(5): 224-232.

[16] N D Tillett, T Hague, S J Miles, et al.Inter-row vision guidance for mechanical weed control in sugar beet[J].Computers and Electronics in Agriculture, 2002, 33(1): 163-177.

[17] Bjorn Astrand, Albert-Jan Baerveldt.A vision based row-following system for agricultural field machinery[J].Mechatronics, 2005, 15(1): 251-269.

[18] Yutaka Kaizua, Kenji Imou.A dual-spectral camera system for paddy rice seedling row detection[J].Computers and Electronics in Agriculture, 2008, 63(1): 49-56.

[19] 刁智華，吳貝貝，毋媛媛，等.基于最大正方形的玉米作物行骨架提取算法[J].農(nóng)業(yè)工程學(xué)報，2015，31(23)：168-172.

[20] 李景彬，陳兵旗，劉陽，等.采棉機視覺導(dǎo)航路線圖像檢測方法[J].農(nóng)業(yè)工程學(xué)報，2013，29(11)：11-19.

[21] 馮娟，劉剛，司永勝，等.果園視覺導(dǎo)航基準線生成算法[J].農(nóng)業(yè)機械學(xué)報，2012(7)：185-189，184.

[22] Tijmen Bakker, Hendrik Wouters, Kees van Asselt, et al.A vision based row detection system for sugar beet[J].Computers and Electronics in Agriculture, 2008, 60(1): 87-95.

[23] Thomas Bak, Hans Jakobsen. Agricultural robotic platform with four wheel steering for weed detection[J].Biosystems Engineering, 2004, 87 (2): 125-136.

[24] Fernando A Auat Cheein, Gustavo Scaglia, Miguel Torres-Torriti, et al. Algebraic path tracking to aid the manual harvesting of olives using an automated service unit[J].Biosystems Engineering, 2016, 142: 117-132.

[25] Sogaard HT, Lund I. Application accuracy of a machine vision-controlled robotic micro-dosing system, Biosystems Engineering, 2007, 96(3): 315-322.

[26] M Guijarro, G Pajares, I Riomoros, et al. Automatic segmentation of relevant textures in agricultural images[J].Computers and Electronics in Agriculture, 2011, 75(1): 75-83.

[27] Sorense CG, Jorgensen RN, Maagaard J.Conceptual and user-centric design guidelines for a plant nursing robot[J].Biosystems Engineering, 2010, 105(1): 119-129.

[28] Perez-Ruiz Manuel, Slaughter David C, Fathallah Fadi A, et al.Co-robotic intra-row weed control system[J].Biosystems Engineering, 2014, 128: 45-55.

[29] 侯學(xué)貴，陳勇，郭偉斌.除草機器人田間機器視覺導(dǎo)航[J].農(nóng)業(yè)機械學(xué)報，2008(3)：106-108，112.

[30] 張春龍，黃小龍，劉衛(wèi)東，等.苗間鋤草機器人信息獲取方法的研究[J].農(nóng)業(yè)工程學(xué)報，2012，28(9)：142-146.

[31] 司永勝，姜國權(quán)，劉剛，等.基于最小二乘法的早期作物行中心線檢測方法[J].農(nóng)業(yè)機械學(xué)報，2010(7)：163-167，185.

[32] 曹倩，王庫，楊永輝，等.基于TMS320DM642的農(nóng)業(yè)機器人視覺導(dǎo)航路徑檢測[J].農(nóng)業(yè)機械學(xué)報，2009(7)：171-175.

[33] 陳嬌，姜國權(quán)，杜尚豐，等.基于壟線平行特征的視覺導(dǎo)航多壟線識別[J].農(nóng)業(yè)工程學(xué)報，2009，25(12)：107-113.

Design and Experiment of Row-follow Control System for Boom Sprayer

Zhang Bo1,2， Zhai Changyuan1,2， Cai Jichen2,5， Yang Shuo1,2， Wang Xiu2,3,4

(1.Collage of Mechanical and Electronic Engineering, Northwest A&F University, Yangling 712100, China; 2.Beijing Research Center of Intelligent Equipment for Agriculture, Beijing 100097, China; 3.National Research Center of Intelligent Equipment for Agriculture, Beijing 100097, China; 4.Key Laboratory of Agri-informatics, Ministry of Agriculture, Beijing 100097, China; 5.Beijing Key Laboratory of Intelligent Equipment Technology for Agriculture, Beijing 100097, China)

Spraying in fields using a boom sprayer whose nozzles couldn’t follow crop rows precisely always causes environmental pollution and much waste of pesticides. In order to solve that problem, a row-follow control system for boom sprayer was designed based on machine vision, which included a upper computer software for crop rows centerline position extracting and an electric boom control system. Crop rows RGB images acquired by a CCD camera were analyzed by G-R>T&G-B>T algorithm, morphology processing and centerline extracting based on a modified vertical projection method. Then the line of the crop row was obtained, and the electric boom adjustment parameters were calculated by means of axes transfer. An ATMega16 controller received the parameters through an RS232 serial port form upper computer, and adjusted the electric boom to the left or right with movement monitoring by a displacement sensor. Experiments were conducted in the lab and field. The results showed that the modified algorithm of crop row centerline extracting cost 12.51ms in average with calculation errors of 0.44 cm. The electric boom adjustment error was less than 0.3 cm when shifting right, and less than 0.5 when shifting left. The row-follow control error was less than 3.22cm, 2.86cm and 2.51cm under the speed of 0.26m/s, when following simulated crop rows with obliquity of 5°, 10° and 15°, while less than 4.86cm when following the rows of corn seedings with the speed of 0.24m/s and the shifting of 14.02cm. It provided an effective solution for crop rows tracting and row-follow spraying.

boom sprayer； row-follow spraying； machine vision； centerline extracting； camera calibration

2016-09-11

北京市農(nóng)林科學(xué)院科技創(chuàng)新能力建設(shè)專項(KJCX2015141 0)；國家自然科學(xué)基金資助項目(31201128)

張 波(1992-)，男，四川樂山人，碩士研究生，(E-mail) zhangbo_609@163.com。

翟長遠(1982-)，男，河南駐馬店人，副教授，博士，碩士生導(dǎo)師，(E-mail)zhaichangyuan@163.com。

S491；TP242.6

A

1003-188X(2017)11-0049-10