劉一航，鐘繼康，李瀚

基于四旋翼無(wú)人機(jī)的機(jī)耕農(nóng)場(chǎng)監(jiān)察裝置

劉一航，鐘繼康，李瀚

（武漢理工大學(xué) 機(jī)電學(xué)院，湖北 武漢 430070）

農(nóng)作物在每一個(gè)生長(zhǎng)周期內(nèi)的外部形狀相對(duì)不同，并且大多數(shù)具有明顯的外部特征，因此可以較好區(qū)分農(nóng)作物的生長(zhǎng)周期。在現(xiàn)有較為先進(jìn)的無(wú)人機(jī)航拍技術(shù)基礎(chǔ)上，完全可以依靠無(wú)人機(jī)對(duì)大型農(nóng)場(chǎng)進(jìn)行普查并結(jié)合圖像處理技術(shù)判斷生長(zhǎng)階段對(duì)應(yīng)性進(jìn)行耕作?；诖吮尘?，擬研究一套基于四旋翼無(wú)人機(jī)的機(jī)耕農(nóng)場(chǎng)管理系統(tǒng)，依靠四旋翼無(wú)人機(jī)對(duì)農(nóng)場(chǎng)進(jìn)行航拍，對(duì)航拍獲得的圖像進(jìn)行處理，從而判斷生長(zhǎng)周期，并且判斷具體屬于哪一塊土地，有針對(duì)性地進(jìn)行耕作。

無(wú)人機(jī)；機(jī)耕農(nóng)場(chǎng)；監(jiān)察；視覺(jué)識(shí)別

1 硬件部分

擬采用大疆無(wú)人機(jī)的大疆御Air無(wú)人機(jī)，該款無(wú)人機(jī)航程30 min，運(yùn)行速度約為30 km/h（最高運(yùn)行速度可達(dá)60 km/h）。航拍穩(wěn)定極高，像素可達(dá)3 200萬(wàn)，并且拍照廣角為180°，方便采集信息。

無(wú)人機(jī)最大作用距離為4 km（即最大巡航路徑為25 km），并且擁有在4 km內(nèi)傳輸720 p的實(shí)時(shí)圖傳能力，理論上在不對(duì)農(nóng)場(chǎng)環(huán)境做大幅度改造的情況下僅依靠2.4/5.8 GHz信號(hào)傳輸?shù)淖畲蟀霃娇蛇_(dá)4 km，面積可達(dá)50 km2的區(qū)域的圖像拍攝。并且大疆御Air可以依靠Wi-Fi信號(hào)傳輸進(jìn)行控制，因此在中間增加中繼增強(qiáng)信號(hào)增大其工作范圍。

2 軟件部分

軟件部分采用大疆公司的外部開(kāi)發(fā)SDK為基礎(chǔ)進(jìn)行開(kāi)發(fā)，將原有的RGB數(shù)學(xué)模型轉(zhuǎn)化為較為方便處理的HSV數(shù)學(xué)模型，最終采用HSV數(shù)學(xué)模型得到的數(shù)值對(duì)所得到的圖片進(jìn)行比對(duì)分析。

直接拍照得到的照片是基于RGB模型的像素點(diǎn)的圖形，每一點(diǎn)都由RGB三個(gè)數(shù)值存儲(chǔ)，信息存儲(chǔ)量大，處理三維數(shù)組運(yùn)算相對(duì)較慢。并且RGB顏色空間是不均勻的顏色空間，兩個(gè)顏色之間的知覺(jué)差異與空間中兩點(diǎn)間的歐氏距離不成線性比例，而且RGB值之間的相關(guān)性很高。同一顏色屬性在不同條件下RGB值很分散，識(shí)別某種特別顏色時(shí)，很難確定其閾值和其在顏色傳統(tǒng)的顏色相似度計(jì)算方法空間中的分布范圍，不利于目標(biāo)物體的識(shí)別，因此將其轉(zhuǎn)化為較為簡(jiǎn)單的HSV模型。程序運(yùn)行過(guò)程如圖1所示。

后期對(duì)農(nóng)場(chǎng)圖像進(jìn)行識(shí)別時(shí)，選擇最為明顯的小麥成熟為例子講述其識(shí)別過(guò)程。小麥成熟前為青色，其RGB值為0，255，255，轉(zhuǎn)化為HSV數(shù)學(xué)模型后為180，1，255。小麥成熟后為黃色，其RGB值為255，255，0，轉(zhuǎn)化為HSV數(shù)學(xué)模型后為60，1，255。其識(shí)別僅計(jì)算灰度即可，黃色與青色在HSV模型下為互補(bǔ)色，識(shí)別起來(lái)相對(duì)快。

圖1 程序運(yùn)行過(guò)程

在確認(rèn)了黃色色塊后，軟件將進(jìn)行形狀識(shí)別。圖片所拍攝的畫(huà)面承載的土地大小一定，在得到灰度圖后灰度接近60的部分采用畫(huà)圓的方法簡(jiǎn)單畫(huà)出成熟小麥的外框區(qū)域。得到其大致成熟區(qū)域的外形后，根據(jù)圖片比例與圖形比例計(jì)算出成熟區(qū)域占據(jù)整體區(qū)域的比例，計(jì)算出比例后將會(huì)將數(shù)據(jù)上傳給上位機(jī)。使用者根據(jù)上位機(jī)所顯示的數(shù)據(jù)判斷是否應(yīng)該采摘。

在實(shí)際使用中可能由于光線原因?qū)е碌孛娴淖厣恋卣宫F(xiàn)出與金黃色類似的顏色狀態(tài)，因此為了操作者在上位機(jī)可以根據(jù)該片區(qū)土地的實(shí)際情況（是否存在大面積撂荒）選擇是否對(duì)該塊土地進(jìn)行反復(fù)調(diào)查。選擇無(wú)人機(jī)的自我路徑規(guī)劃可以在一個(gè)正方形的四個(gè)角對(duì)一塊土地進(jìn)行反復(fù)校準(zhǔn)，對(duì)該塊土地的識(shí)別采用相對(duì)較為簡(jiǎn)單的識(shí)別方式，減少識(shí)別工作量提升辨別速度。

3 工作方式

以一個(gè)300 hm2（3 km2）的農(nóng)場(chǎng)為基礎(chǔ)進(jìn)行計(jì)算，無(wú)人機(jī)每架次巡航15 km，巡航半徑4 km。大型農(nóng)場(chǎng)土地相對(duì)較為平整，土地相對(duì)較為完整。假設(shè)其為一個(gè)長(zhǎng)2 km、寬1.5 km的土地，操作者可以在任意一點(diǎn)釋放無(wú)人機(jī)，無(wú)人機(jī)的定位系統(tǒng)將會(huì)在該點(diǎn)建立起坐標(biāo)系，并且無(wú)人機(jī)接入網(wǎng)絡(luò)依靠地圖導(dǎo)航確定無(wú)人機(jī)位置，并在坐標(biāo)系上建立一個(gè)動(dòng)態(tài)的運(yùn)動(dòng)模型。

在人工確認(rèn)作業(yè)區(qū)域全部在信號(hào)作用范圍內(nèi)與航程路線規(guī)劃內(nèi)情況下，無(wú)人機(jī)會(huì)隨之建立起一個(gè)動(dòng)態(tài)的運(yùn)動(dòng)模型確定其所處的位置，對(duì)應(yīng)性地根據(jù)需要選擇需要探測(cè)的土地（不同種類作物成熟期不相同）。

工人在上位機(jī)規(guī)劃好對(duì)應(yīng)的行程，上位機(jī)把對(duì)應(yīng)的探測(cè)區(qū)域展示給使用者，并且使用者需要確認(rèn)行程上無(wú)大塊土地撂荒。如果存在土地撂荒，使用者將需要在規(guī)劃行程時(shí)將撂荒區(qū)域標(biāo)明。工作流程如圖2所示。

圖2 工作流程

無(wú)人機(jī)飛行過(guò)程中不斷進(jìn)行圖像獲取，圖像處理軟件根據(jù)對(duì)應(yīng)的RGB轉(zhuǎn)HSV算法確定黃色色塊比例以及是否撂荒。無(wú)人機(jī)將自身的位置信息與圖片黃色色塊比例上傳給上位機(jī)，工人根據(jù)實(shí)際情況判斷是否采摘。

4 項(xiàng)目的創(chuàng)新之處

項(xiàng)目的創(chuàng)新之處有以下幾方面：①采用無(wú)人機(jī)高速對(duì)農(nóng)場(chǎng)進(jìn)行巡回監(jiān)察并且適應(yīng)性強(qiáng)；②采用圖像處理技術(shù)根據(jù)航拍結(jié)果判斷生長(zhǎng)周期并且確定自身位置；③多點(diǎn)位多照片提升其圖像識(shí)別精確度。

5 項(xiàng)目的研究基礎(chǔ)和可行性分析

5.1 技術(shù)分析

采用圖像處理技術(shù)判斷其生長(zhǎng)周期，現(xiàn)在較為通用的大疆無(wú)人機(jī)可運(yùn)行30 min，行程15 km，在合理規(guī)劃路徑的基礎(chǔ)上，每臺(tái)無(wú)人機(jī)可以在單個(gè)班次內(nèi)的監(jiān)察范圍為3～4 km2。在存在電池?cái)U(kuò)容的情況下，理論上可以滿足一個(gè)家庭農(nóng)場(chǎng)所需的監(jiān)察管理需求。還可利用圖像處理技術(shù)判斷農(nóng)作物相對(duì)較為明顯的生長(zhǎng)特征（例如小麥生長(zhǎng)期為綠色，成熟期為黃色），并傳輸數(shù)據(jù)給農(nóng)場(chǎng)工人。

5.2 效益分析

國(guó)家統(tǒng)計(jì)局?jǐn)?shù)據(jù)顯示，中國(guó)現(xiàn)有耕地20.24億畝（約為135萬(wàn)平方千米），加拿大的農(nóng)場(chǎng)與中國(guó)的國(guó)有農(nóng)場(chǎng)相比，中國(guó)未來(lái)約有15萬(wàn)～20萬(wàn)個(gè)家庭農(nóng)場(chǎng)。每一個(gè)家庭農(nóng)場(chǎng)使用一套這樣的系統(tǒng)就可以滿足其的使用需求。

這套系統(tǒng)搭建起來(lái)需要8 000元，可以代替人工對(duì)附近的土地進(jìn)行監(jiān)察。無(wú)人機(jī)工作時(shí)間30 min，充電需要54 min，因此每天可飛行6～8架次，合計(jì)監(jiān)控監(jiān)察面積為20 km2每架每日。

按照加拿大一個(gè)獨(dú)立農(nóng)場(chǎng)3 km2土地計(jì)算，一臺(tái)聯(lián)合收割機(jī)每日可以完成0.267～0.333 km2土地的收割，即在10～15個(gè)工作日就可以完成對(duì)農(nóng)場(chǎng)的采收（實(shí)際工作時(shí)間可能更長(zhǎng)），在這段時(shí)間內(nèi)需要人工對(duì)可以采收的區(qū)域不斷進(jìn)行確定（此工作需每日進(jìn)行一次）。每名農(nóng)業(yè)工人如果人工判斷是否可以采摘，判斷量單日約為0.667 km2土地，該系統(tǒng)相當(dāng)于4～5名人力，4～5名人力（重體力勞動(dòng)）半個(gè)月的工作時(shí)間工資約為10 000～13 000元。由此可得該系統(tǒng)在一年內(nèi)就將會(huì)收回成本，并且極大提升了農(nóng)業(yè)自動(dòng)化程度，減少對(duì)人力的需求，同時(shí)減少這項(xiàng)工作可能對(duì)人的傷害。同時(shí)該系統(tǒng)還可提高對(duì)生長(zhǎng)周期的判斷能力，節(jié)約更多的人力。

［1］程嘉暉.基于深度卷積神經(jīng)網(wǎng)絡(luò)的飛行器圖像識(shí)別算法研究［D］.杭州：浙江大學(xué)，2017.

［2］吳笛.基于圖像識(shí)別水稻蟲(chóng)害預(yù)警系統(tǒng)的研究［D］.長(zhǎng)沙：湖南農(nóng)業(yè)大學(xué)，2015.

［3］李妍.玉米大豆水稻圖像識(shí)別方法研究［D］.大慶：黑龍江八一農(nóng)墾大學(xué)，2017.

［4］胡直峰.植物圖像識(shí)別方法研究及實(shí)現(xiàn)［D］.杭州：浙江大學(xué)，2017.

［5］陳玉輝.基于圖像識(shí)別的工業(yè)機(jī)器人軌跡規(guī)劃研究與應(yīng)用［D］.杭州：浙江大學(xué)，2017.

［6］張鵬.基于圖像特征提取的算法設(shè)計(jì)與應(yīng)用［D］.成都：電子科技大學(xué)，2011.

［7］賴勇.出入口人數(shù)統(tǒng)計(jì)系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)［D］.成都：電子科技大學(xué)，2010.

TP391.41

A

10.15913/j.cnki.kjycx.2019.15.052

2095－6835（2019）15－0127－02

〔編輯：嚴(yán)麗琴〕