谷利芬，謝 芳

(焦作師范高等專科學(xué)校 計算機與信息工程學(xué)院，河南 焦作 454000)

0 引言

隨著農(nóng)業(yè)采摘需求日益增長，國內(nèi)外的專家和學(xué)者早在20世紀80年代就開始投入到采摘機器人的研究熱潮中，到目前為止，多款機器人已經(jīng)研發(fā)出來，如西紅柿、黃瓜、獼猴桃等對采摘要求較高的機器人；但是，這些機器人尚未實現(xiàn)商品化生產(chǎn)[1-2]。我國是農(nóng)業(yè)大國，對采摘機器人的需求量較大，在采摘機器人沒有實現(xiàn)商品化前，對其研究具有重要的意義[3-5]。目前，影響采摘機器人自主作業(yè)的關(guān)鍵問題是機器人的通信和定位識別技術(shù)，因為在實際作業(yè)環(huán)境下會受到各種因素的干擾，機器人的定位和果實識別的準確度受到限制；而將多跳網(wǎng)絡(luò)和機器視覺技術(shù)相結(jié)合，可以有效地提高采摘機器人的通行能力和定位識別精度，對于新式采摘機器人的研究具有重要的指導(dǎo)意義。

1 基于多跳網(wǎng)絡(luò)節(jié)點定位的采摘機器人

在采摘機器人果實識別時，常用的方法是對果實的特征進行識別，在獲取果實圖像后需要對果實圖像進行處理，得到完整的邊界，這便需要采用機器視覺技術(shù)[6-7]。在機器視覺方面，國內(nèi)的很多專家和學(xué)者對其進行了大量的研究，也取得了一定的成果，如中國農(nóng)業(yè)大學(xué)的黃瓜采摘機器人(見圖1)，可以利用光源補光的方法提高機器視覺的定位識別精度，但該款機器人在補光時消耗的能源較多，削弱了其性能[8-11]。

圖1 黃瓜采摘機器人Fig.1 Cucumber harvesting robot

在大面積作業(yè)時，為了降低采摘機器人能源消耗，提高其整體性能，可以在識別果實前首先對待采摘果實進行定位，將傳感器定位節(jié)點分布在待采摘區(qū)域可以實現(xiàn)待采摘區(qū)域的定位識別。在有局域網(wǎng)和基站分布的農(nóng)作物場地，可以采用單跳網(wǎng)絡(luò)，如圖2所示。

無線單跳網(wǎng)絡(luò)將源節(jié)點的數(shù)據(jù)集中發(fā)布到一個基站，然后通過轉(zhuǎn)發(fā)的方式發(fā)布給轉(zhuǎn)接點；但一般農(nóng)田作業(yè)環(huán)境下，傳感器節(jié)點的數(shù)量較多，覆蓋范圍廣，而農(nóng)作物作業(yè)場地很多都沒有局域網(wǎng)覆蓋，而節(jié)點又需要長時間的供電和長時間監(jiān)測，這就需要引入多跳網(wǎng)絡(luò)[12]。多跳網(wǎng)絡(luò)模型如圖3所示。

圖2 無線單跳網(wǎng)絡(luò)Fig.2 Wireless single hop network

圖3 無線多跳網(wǎng)絡(luò)Fig.3 Wireless multi hop network

無線多跳網(wǎng)絡(luò)可以通過多個無線路由對接受數(shù)據(jù)進行轉(zhuǎn)發(fā)，其部署簡單，節(jié)省能量，采用無線多跳傳輸、節(jié)點，可以使定位節(jié)點周期性睡眠，從而保證了能源的供應(yīng)；將其使用在采摘機器人定位系統(tǒng)中，有效地提高了系統(tǒng)的整體性能[6]。

2 采摘機器人定位算法

采摘機器人進行定位時，為使機器人能夠快速做出響應(yīng)，可以在使用機器視覺的同時，采用多跳自組織無線網(wǎng)節(jié)點定位模型算法，并可預(yù)先得到采摘目標或待采摘果實的信息，這些位置信息可以預(yù)先使用傳感器節(jié)點標記[13]。假設(shè)采摘作業(yè)區(qū)域是一個二維空間區(qū)域平面，該區(qū)域平面存在著傳感網(wǎng)絡(luò)，該網(wǎng)絡(luò)可以表示為S={S1,S2,…,Sm+n}。其中，m表示已標記的位置節(jié)點；n表示未標記的位置節(jié)點。定位坐標可以用公式表示為

pos(Sa)=(xa,ya)Tp=1,…,m+n

(1)

其中，Si∈B的位置是已經(jīng)標記的，其余的節(jié)點Sj∈U位置是未知的；B={Si|i=1,2,…,m}，U={Si|i=m+1,…,m+n}，已標記位置采集到的最小跳數(shù)和距離分別被存儲到兩組數(shù)據(jù)集合中。節(jié)點Si到Sj的跳數(shù)為

h(Si,Sj)=H={0,1,2…}

(2)

節(jié)點Si到Sj的歐式距離為

(3)

將采摘機器人的定位節(jié)點分別分布在多跳自組織網(wǎng)絡(luò)中，形成動態(tài)分布的實時定位虛擬環(huán)境，可以鎖定待采摘果實的位置。本次設(shè)計采用樹形網(wǎng)絡(luò)結(jié)構(gòu)，自組織網(wǎng)絡(luò)相當(dāng)于樹干，而定位節(jié)點相當(dāng)于樹枝。其中，多媒體信息主體部分相當(dāng)于樹葉，而數(shù)據(jù)冗余部分別動態(tài)的分配到樹葉結(jié)構(gòu)中，對于樹型結(jié)構(gòu)函數(shù)用F表示，一般采用如下的結(jié)構(gòu)樹公式為

H(e,f,K)=

(4)

其中，e、f分別表示有無干擾時的信號強度，當(dāng)e=f時，通信能力最好；當(dāng)e

(5)

采摘機器人在定位過程中多跳自組織網(wǎng)絡(luò)會消耗大量能量，其功率損耗最大允許距離為

(6)

其中，Ym表示完全損耗功率；Yn表示干擾時的接收敏感度；Yc表示無線速率；λa、λb分別表示無線耗系數(shù)；Kp表示接口處的損耗；Lp表示多跳自組織網(wǎng)最大通信率。其中，自組織網(wǎng)絡(luò)通信限制距離為

(7)

將獲取的估計項獲得預(yù)測模型，在進行定位時，除了對已知定位節(jié)點可以直接定位，還可以對未知節(jié)點進行坐標計算，其流程如圖4所示。將已知的定位節(jié)點代入到測距模型中，可以獲取相應(yīng)的距離信息，結(jié)合已知節(jié)點的位置坐標和距離信息，可以對未知節(jié)點的位置區(qū)域進行估算，最終鎖定待采摘區(qū)域。

3 多跳無線網(wǎng)絡(luò)和機器視覺定位技術(shù)測試

多跳自組織網(wǎng)絡(luò)可克服在復(fù)雜的采摘作業(yè)條件下，因為沒有網(wǎng)絡(luò)覆蓋而無法完成各種網(wǎng)絡(luò)功能的缺點，采用自組織網(wǎng)絡(luò)，有效地實現(xiàn)了局部網(wǎng)絡(luò)通信功能，且具有較好協(xié)同作業(yè)能力。下面主要對采摘機器人的多跳網(wǎng)絡(luò)和機器視覺定位技術(shù)進行實驗測試。

如圖 5所示：為了驗證多跳網(wǎng)絡(luò)定位在采摘機器人上使用的可行性，以青椒采摘的作業(yè)環(huán)境為研究對象，通過對待采摘區(qū)域布置多跳網(wǎng)絡(luò)定位節(jié)點，來驗證多跳網(wǎng)絡(luò)定位的可行性和定位通信能力。

圖4 采摘機器人定位節(jié)點確定流程Fig.4 Determining process of positioning nodes of picking robot

圖5 多跳網(wǎng)絡(luò)定位節(jié)點布置Fig.5 Multi hop network positioning node arrangement

圖6是采摘機器人高清相機實際捕捉到的待采摘青椒的果實圖像，這種圖像不能夠被機器人直接識別，需要利用機器視覺技術(shù)對圖像進行處理來鎖定實際目標，處理后的結(jié)果如圖7所示。由圖7可以看出：采用視覺處理技術(shù)可以較為明顯地提取果實的具體輪廓，為采摘機器人的精確定位提供可靠的定位數(shù)據(jù)。

為了驗證其通信能力，分別對不同的定位方法引入了噪聲源，通過測試降噪后的各項參數(shù)指標，評估其通信能力，如圖8所示。其中，測試的項目主要包括誤差、信噪比及互相關(guān)系數(shù)。均方差表示降噪前后的方差的平均值，該數(shù)值越小，則降噪和通信能力越好；信噪比表示噪聲殘留的程度，其值越高，表示信號殘留的噪聲越小，其通信效果越好；相關(guān)系數(shù)表示原始信號和降噪信號的相似程度，其值越大，通信效果越好。

圖6 實際果實圖像采集Fig.6 Real fruit image acquisition

圖7 機器視覺圖像處理Fig.7 Machine vision image processing

圖8 采摘機器人實際采摘實驗Fig.8 The actual picking experiment of picking robot

圖9為噪聲源信號的波形。為了驗證采摘機器人多跳自組網(wǎng)的通信和抗干擾能力，在局部自組織網(wǎng)絡(luò)中使用了干擾信號，通過測試不同定位方法的信號波形，得到了如圖10所示的測試圖。

圖9 噪聲源信號Fig.9 Noise source signal

圖10 不同定位方法的降噪后通信結(jié)果Fig.10 Communication results after noise reduction in different positioning methods

采用不同的節(jié)點定位方法，降噪后得到的通信波形有所不同，對各組數(shù)據(jù)進行統(tǒng)計，得到了如表1所示的通信能力測試結(jié)果。

表1 通信能力測試結(jié)果Table 1 The test results of communication capability

由測試結(jié)果可以看出：采用多跳網(wǎng)絡(luò)節(jié)點定位降噪后得到的SNR和ρ值要明顯比普通傳感器節(jié)點定位的高，而RMS值要比EDM低，從而驗證了多跳網(wǎng)絡(luò)節(jié)點定位方法的優(yōu)越性。在噪聲干擾的環(huán)境下，采摘機器人依然具有較好的通信能力，可以對待采摘區(qū)域?qū)嶋H較為精確的定位。

4 結(jié)論

在采摘機器人定位系統(tǒng)的設(shè)計中引入了多跳無線網(wǎng)絡(luò)，解決了農(nóng)田作業(yè)條件下傳感器定位節(jié)點數(shù)量多、范圍廣、能耗大、缺少局域網(wǎng)覆蓋的問題，有效地提高了采摘機器人的整體性能。設(shè)計了采摘機器人的果實目標定位機器視覺系統(tǒng)，并對其進行了測試，結(jié)果表明：采摘機器人在待采摘區(qū)域準確定位后，可以有效識別青椒的輪廓邊界，從而完成定位過程。對采摘機器人無線多跳網(wǎng)絡(luò)進行了抗干擾和通信能力測試，結(jié)果表明：在噪聲干擾條件下，采用多跳網(wǎng)絡(luò)設(shè)計的采摘機器人定位系統(tǒng)可以保持良好的通信能力，可以完成準確的定位識別功能。

[1] 魏祥麟,胡永揚,王曉波,等.基于度分布的多跳無線網(wǎng)絡(luò)干擾節(jié)點部署方法[J].南京理工大學(xué)學(xué)報, 2015,39(5):590-595.

[2] 王艷,唐秀芳.基于昆蟲協(xié)作機理的分布式無線傳感器網(wǎng)絡(luò)節(jié)能方法[J].南京理工大學(xué)學(xué)報,2013, 37(6):826-832.

[3] 張迎勝,單志龍.線性回歸在無線傳感器網(wǎng)絡(luò)定位中的應(yīng)用研究[J].小型微型計算機系統(tǒng),2014, 35(7):1500-1504.

[4] 趙景堂,杜國明,李秀海.基于總體最小二乘法的二維坐標轉(zhuǎn)換方法[J].黑龍江工程學(xué)院學(xué)報,2015, 29(1):21-22.

[5] 陳榮,管吉興,張喜明.數(shù)字Costas環(huán)的設(shè)計與實現(xiàn)[J].無線電工程,2010,40(3):24-26.

[6] 孫言強,王曉東,周興銘.無線網(wǎng)絡(luò)中的干擾攻擊[J].軟件學(xué)報,2012,23(5):1207-1221.

[7] 孫言強,王曉東,周興銘.無線傳感器網(wǎng)絡(luò)中基于幾何覆蓋的Jamming攻擊定位算法[J].通信學(xué)報,2010, 31(11):10-16.

[8] 周世兵,徐振源,唐旭清.K-means算法最佳聚類數(shù)確定方法[J].計算機應(yīng)用,2010,30(8):1995-1998.

[9] 盧軍,王賢鋒,候德家.水果采摘機器人視覺系統(tǒng)研究進展[J].湖北農(nóng)業(yè)科學(xué),2012,51(21):4705-4708.

[10] 熊俊濤,葉敏,鄒湘軍，等.多類型水果采摘機器人系統(tǒng)設(shè)計與性能分析[J].農(nóng)業(yè)機械學(xué)報,2013,44(S1): 231-235.

[11] 畢昆,趙馨,侯瑞鋒，等.機器人技術(shù)在農(nóng)業(yè)中的應(yīng)用方向和發(fā)展趨勢[J].中國農(nóng)學(xué)通報,2011,27(4):469- 473.

[12] 黃巖巖,李慶,張斌珍.魚眼鏡頭的標定和畸變校正研究[J],計算機工程與設(shè)計,2014,35(9):3132-3135.

[13] 周世兵,徐振源,唐旭清.K-means算法最佳聚類數(shù)確定方法[J].計算機應(yīng)用,2010,30(8):1995-1998.