采棉機刀具磨損監測系統設計——基于嵌入式圖像處理系統

倪江楠，張 麗

(河南工業職業技術學院，河南 南陽 473000)

0 引言

近年來，隨著智能監控技術的不斷發展，在線監控和圖像實時處理技術被應用到了農機裝備的開發設計過程中，使得大型智能農業機械裝備不僅可以實現自動監控，完成工程參數的采集和狀態報警，而且可以實現系統的閉環控制和智能維護，實現了農機的多信息融合和故障診斷。為了準確對采棉刀具作業狀態進行實時監測，需要在監測系統中引入一套可以通過圖像處理計算出磨損面積的計算系統。筆者擬將嵌入式圖像處理系統引入到采棉機工作狀態監測系統中，以期對采棉機的磨損量進行實時監測，對于采棉機智能監控的在線監控研究具有重要的參考價值。

1 采棉機刀具磨損監測方法和系統框架

目前，刀具磨損的監測方法有很多種，主要包括噪聲監測方法、功率監測方法、作業聲發射監測方法和傳感器監測方法。

1)切削噪聲監測方法。采棉機作業過程中，刀具會發出聲音信號，聲音信號中包含了較多的切削狀態信息。當切削刀具磨損較大時，會發出不同聲級的噪聲，可以根據噪聲的大小來判斷刀具是否在正常工作。

2)切削功率監測法。切削功率監測方法是一種有效的刀具磨損監測方法。刀具正常工作時，切削功率一般是增大或者減小或者區域平穩的，不會發生較大的突變，只有刀具破損時功率的變化率會與正常工作時候不同，因此可以根據功率的變化來判斷刀具的磨損程度。

3)刀具狀態發聲射監測。聲發射刀具監測技術是近幾年剛興起的一種技術，此方法非常具有潛力。該方法利用材料受力斷裂后以彈性波的形式釋放出能量，然后利用專門的監測工具進行監測。

4)傳感器采集方法。傳感器采集方法是利用視覺傳感器對刀具圖像進行實時采集的方法，通過對刀具圖像的不斷分析，判斷刀具的磨損程度。該方法實現起來較為簡單，并且對各種復雜環境的適應性比較好。

根據對以上4種方法的分析，結合采棉機的具體作業環境，本次選用傳感器采集方法對采棉機刀具的磨損進行監測，其總體監測流程如圖1所示。

采棉機刀具的監測過程主要由3部分組成，包括傳感器信號采集、信號特征提取和狀態識別等。通過對磨損刀具圖像的分析識別，實現最終的磨損程度判別。

2 刀具磨損量嵌入式圖像處理系統設計

基于嵌入式單片機的采棉刀具監測系統可以通過傳感器進行刀具圖像采集，然后利用串口通信和單片機建立通信連接；PC機驅動圖像采集裝置獲取刀具磨損的圖像，然后對圖像進行處理，獲得刀具磨損量，并與之前設定的磨損閾值進行對比；最后，發出指令，控制報警發出相關信號，單片機獲取指令后做出相應的動作。其總體結構如圖2所示。

圖1 采棉機刀具磨損監測流程

圖2 嵌入式圖像處理系統整體結構

采用嵌入式系統可以充分發揮PC機強大的運算功能，也可充分利用單片機的體積小和質量輕等特點，利用PC機可以實現圖像的實時處理，而利用單片機可以實現報警裝置的控制和車載裝置的移動。

為了準確地獲取刀具的磨損量，圖像的增強處理非常關鍵。圖像增強處理的方法有很多，包括灰度變換、線性和非線性變換以及分段變換。其中，灰度變換主要是對采集的圖像進行對比度的動態變換，將原始采集得到的圖像灰度值函數f(x,y)利用一個變換函數g=T[f]轉換為新的灰度函數g(x,y)，其表達式為

g(x,y)=T[f(x,y)]

(1)

根據灰度變換函數的具體形式，灰度變換可以分為非線性變換和線性變換。如果對圖像的某一部分感興趣，還可以進行分段變換。其中，采用線性變換可以改善圖像模糊的效果，對圖象的灰度進行線性拉伸。假設圖像f(i,j)灰度范圍是[a,b]，通過線性變換后可以得到圖像g(i,j)的范圍為[a1,b1]，如圖3所示。

圖3 采集圖像的線性變換示意圖

這種線性變換使灰度小于a和灰度大于b的像素灰度強度強行變換成a和b，從而使采集得到的刀具磨損圖像的層次感更強。其中，g(i,j)與f(i,j)之間的關系為

(2)

在進行刀具圖像處理時，主要是對刀具磨損部分的圖像感興趣，因此可以突出該部分的灰度值；對于不感興趣的區間進行抑制，可以采用分段線性變換。假設圖像f(x,y)的灰度范圍在[0,Mf]，磨損圖像的灰度范圍為[a,b]，為了將灰度范圍拉伸到[c,d]，可以進行分段變換，其表達式為

(3)

圖像灰度分段變換的原理如圖4所示。利用分段線性變換可以將灰度范圍[a,b]分成3個部分，對每個部分分別采用灰度變換，可以有效地對感興趣的區域進行增強，對不感興趣的區域進行抑制。在實際圖像采集時，單純利用線性變換可能無法實現灰度變換，因為在一些情況下灰度范圍往往是非線性變換。這時可以引入非線性變換方法，如對數變換，其一般形式為

(4)

其中，a、b、c表示調整系數。這種變換主要是針對圖像低灰度區拉伸和圖像高灰度區的壓縮，當需要對高灰度區的地方進行較大范圍的拉伸時，可以采用指數變化的形式，即

g(i,j)=bc[f(i,j)-a]-1

(5)

灰度變換的方法還有很多，可以根據實際情況采用不同的變換方法。圖像處理完成后可以對圖像磨損部分進行分析，其流程如圖5所示。

圖4 采集圖像的分段線性變換示意圖

圖5 采棉機刀具磨損監測系統程序結構框圖

monitoring system for cotton picker

利用嵌入式系統可以控制圖像和視頻傳感器進行圖像的采集，然后將視頻進行實時輸出。在對采集到的刀具圖像進行增強處理后，對刀具磨損部分進行分析，并將磨損面積和之前設定的閾值進行對比。如果磨損量超過設定閾值，則可以發出報警提示；如果沒有超過設定閾值，則不發出警報。

3 采棉機刀具磨損監測系統測試

基于嵌入式圖像處理系統，本次對采棉機刀具磨損監測系統進行了測試，測試的機型選擇了普通的采棉機，如圖6所示。

圖6 采棉機割刀實物圖

為了保證試驗的平穩進行，選擇了較為平坦和開闊的大面積棉花收割機作業區，在傳感器采集到圖像后發送到駕駛室的嵌入式圖像處理系統對圖像進行處理，最終得到磨損結果。其流程如圖7所示。

圖7 采棉機刀具磨損圖像采集與計算流程

tool wear of cotton picker

圖像的采集主要是利用高清攝像頭對彩棉刀具進行實時拍照，然后選定磨損部分作為感興趣的區域進行增強處理；處理完成后，進行圖像閾值分割，將分割的磨損部位進行面積計算。其中，圖像處理結果如圖8所示。采集到刀具圖像后對磨損部分進行了增強處理，得到了磨損部分作為感興趣的區域，最后采用嵌入式圖像處理系統對刀具磨損面積和磨損率進行了計算，得到了如表1所示的結果。

圖8 刀具磨損圖像處理

測試編號磨損面積/cm2磨損率/%10.893.220.923.530.883.040.913.350.933.8

最后，對采棉機刀具磨損部分進行了計算，一共計算了5次。由計算結果可以看出：利用嵌入式圖像處理系統可以較為準確地計算出采棉刀具的磨損面積，為采棉機工作狀態的監測提供了重要的數據支持。

4 結論

為了提高采棉刀具磨損量的自我診斷水平，在采棉機作業狀態監測系統中使用了嵌入式圖像處理系統，并采用圖像灰度分段增強技術，可以實時地得到采棉刀具的磨損率，實現了刀具故障的自動預警。為了驗證方案的可行性，在實際平坦開闊的棉田里進行了試驗，圖像采集裝置安裝在采棉機刀具位置，嵌入式圖像處理系統安裝在駕駛室。通過采集刀具圖像和對磨損部位的增強與閾值分割，最終得到了刀具的磨損率，為采棉機作業狀態故障的預警提供了非常有效的數據參考。