基于PLC控制的采摘裝置自適應調控研究

李素靜,苑 葵

(唐山科技職業技術學院,河北 唐山 063001)

0 引言

我國是一個農業大國,人口眾多,果蔬需求量和產量均很大。隨著工業化程度的提高,也為了降低果蔬采摘作業的強度、提高采摘效率,采摘機器人的研究得到了農業人員的廣泛關注[1]。目前,日本、美國等發達國家的采摘機器人技術發展迅速,可以根據不同果蔬的形態研制針對性的采摘裝置,且采摘裝置可以根據果蔬的大小、距離和成熟度進行選擇性的采摘,工作效率高,采摘成功率達到了75%～85%[2-3]。我國的采摘機器人研究起步較晚,采摘效率和成功率均較低,因此將針對采摘裝置相關系統進行了改進型研究。

番茄、蘋果等外皮較薄或者較脆的果蔬對于采摘機器裝置的機械手控制要求較高,要求其夾持系統柔韌性良好,既要保證能夠抓住果蔬不掉落,又要保證水果的表皮不被抓破。我國傳統的采摘機器人機械手為全驅動方式,驅動器較多,結構復雜,抓取過程不易控制,容易破壞果蔬表皮。機械自適應調控可以使機械手根據果蔬形狀進行自適應調節,保證水果的抓取。果蔬通過視覺系統識別并灰度處理后,通過機械手抓取,若圖像的灰度識別不明顯則會使機械手抓取不精確,降低采摘效率和準確率,因此對圖像進行自適應分析,正確識別果蔬,保證采摘準確率和效率。

PLC是可編程控制器,具有控制簡單、結構簡易、擴展性好的優點,若將PLC控制器應用于采摘裝置的控制,可滿足采摘裝置定位精度高的要求[4]。因此,本文結合自適應調控自主調節的優點和PLC精度高,對采摘裝置進行了設計。

1 硬件設計

1.1 總體結構

采摘裝置的總體設計方案如下：①系統的主要組成為信息采集模塊、圖像處理模塊、運動控制模塊、運動執行模塊和PLC控制器;②系統采用PLC控制器作為采摘裝置的核心控制器,用于控制采摘過程。采摘裝置總體流程圖如圖1所示。

圖1 采摘裝置總體流程圖

1.2 信息采集模塊和圖像處理模塊

信息采集模塊和圖像處理模塊主要用于對圖像進行采集和處理,主要由攝像機、圖像采集卡和圖像控制程序構成。采摘裝置利用攝像機采集待采摘果蔬的圖像,完成采摘的路徑規劃和圖像處理工作,包括：①通過內部坐標系,確定果實坐標,規劃最佳采摘路徑;②對采集到的圖像進行灰度化、分割處理,獲得完整的果蔬輪廓,便于后續機械手抓取果蔬時的精確性。在自然光條件下,攝像機采集到的果蔬圖像顏色不均勻,存在正常區域和高光區域,若對圖像采用同一種方式進行分割,容易造成圖像邊界模糊。為獲得能夠準確識別輪廓的圖像信息,采用分別對圖像的正常區域和高光區域進行提取、分割再合并的方式進行分割,圖像分割流程如圖2所示。

圖2 圖像分割流程圖

1.3 運動控制模塊和運動執行模塊

運動控制模塊通過控制運動執行模塊的相關驅動器和裝置,使采摘裝置運動至目標果蔬點,執行切割并采摘的動作。

1)行走控制：采摘裝置采用模擬坦克的履帶式行走控制機構,由直流電機驅動器作為驅動源,電機與驅動輪連接,驅動輪與皮帶互相吻合,使采摘裝置實現前進、后退等運動,可按照規劃的采摘路徑運動至目標果蔬位置。采摘裝置的行駛速度可以由電機自動調節。該行走控制機構具有良好的穩定性及較強的環境適應能力[5]。

2)移動控制：移動控制裝置的作用是在采摘裝置到達目標區域后,將機械臂移動至目標果蔬位置。機械臂由步進電機運動控制程序進行控制,采用步進電機作為驅動源。對機械臂的控制主要是X、Y、Z這3個方向自由度的移動。機械臂關節3個方向的直線移動通過滾珠絲杠螺母副進行傳動,以保證機械臂運動的高精度和高效率[6]。

3)采摘控制：采摘裝置主要完成果梗的切割和果蔬的采摘。在信息采集模塊確定果蔬的精確位置后,在電磁閥控制程序的作用下,機械手準確切斷果梗,抓取果實。為保證果蔬被抓取時表皮不被破壞,且果蔬不掉落,機械手采用氣泵帶動氣缸進行控制。

2 采摘裝置的自適應調控

2.1 機械手自適應調控設計

采摘裝置的動作以拿、捏和握為主,三指機械手即可滿足動作要求。在動作執行過程中,每個手指均有兩個轉動的關節,因此設計了四構件變胞機構機械手。在機械手抓取位置設置硅膠,表面貼以傳感器,通過控制氣缸壓力控制拿捏力,使機械手作用的位置、運動的位移和作業力具有一定的自適應性,保證采摘過程的精度和果蔬質量。

機械手坐標圖如圖3所示。圖3(a)為機械手未觸碰到果蔬的坐標圖,此時機械手為一個整體,滑塊A和滑塊C向前移動的距離相同;當機械手抓取果蔬后,機構發生變胞運動,此時機械手坐標圖如圖3(b)所示。

(a) 機械手未觸碰到果蔬坐標圖

滑塊C碰到果蔬后,當滑塊A受到的向前驅動力大于扭簧B受到的閉合力矩時,機械手形成曲柄滑塊機構。設定滑塊C移動距離AC為d,AC與曲柄BC夾角為δ,則有

sin2ω=1-cos2ω

θ=180°-δ

設定曲柄軸AB=4cm,BC=3cm,將其代入以上方程組求解可得：

該式即為氣缸1移動距離d與機械手采摘頭轉角δ的關系,其關系圖如圖4所示。

圖4 氣缸位移d和轉角δ關系

2.2 圖像自適應均勻化處理

攝像機采集到的果蔬圖像利用軟件轉換成Lab顏色模型圖像,并利用直方圖統計灰度值,再利用直方圖均衡化的方式將圖像中灰度近似均勻分布,改善圖像中過亮或者過暗的區域,使設備能夠準確識別果蔬。一般直方圖均衡化采用的方法為AHE方法,雖然通過該方法處理后的圖像平坦且具有較大的清晰度,但僅能夠對圖像的局部區域增強清晰度,且對噪聲敏感。CLAHE方法可以抑制噪聲,對圖像中的每個小區域增強[7],可以更多地分割出果蔬邊界區域。因此,本文采用CLAHE方法進行直方圖均衡化,方法如下：

1)獲取圖像分割。將待處理的果蔬圖像分割成多個不重疊的連續均勻區域,區域像素為M×N。

2)計算直方圖函數。將分割的區域進行直方圖函數Hp,q(r)的計算,規定圖像灰度級個數為K,則直方圖灰度r的范圍為[0,K-1]。

3)計算剪切限幅值。剪切限幅值γ為

其中,r為每個灰度級別所占百分比;α為截斷系數,且0﹤α≤1。當α=1時,有

此時,每個區域用γ對直方圖函數進行裁剪,超出γ幅值的函數則自動平均分配至其他各灰度值。為防止裁剪后的直方圖函數超過γ,則需要重復該步驟進行裁剪,直到超出γ部分很小,則停止裁剪。為使CLANE算法速度較快,定義M=5,N=5,α=0.4。

4)對每個區域均勻化。

5)計算各點灰度值。灰度值的計算采用雙線性插值法[8]。根據圖5所示,S位置像素值為e,該空間共分為4個區域,區域中心分別為A、B、C、D,對應變換函數為F1(e)、F2(e)、F3(e)、F4(e)。此時,S位置像素e對應輸出值,也就是空間4個區域的變換函數加權和為e′。假設AC=AB=1,S點至AC和AB的距離分別為m和n,則有

圖5 雙線性插值法示意圖

e′=(1-n)[(1-m)F1(e)+mF2(e)]+

n[(1-n)F3(e)+mF4(e)]

傳統的直方圖均衡化需要對每個像素點進行變換,計算量大、時間長,本方式大大降低了計算量,縮短了處理時間。

3 試驗結果

為驗證該采摘裝置的定位和采摘性能,將裝置在溫室內進行定位和采摘試驗。為確定測量精度的準確性,選定的果蔬應體積較小。為測試采摘裝置的自適應性,果蔬表面為易破損表面,因此確定試驗對象為草莓。

3.1 定位試驗

通過手動裝置測定選定的10個待采摘草莓的坐標,再通過采摘裝置對這些草莓進行坐標定位,結果如表1所示。

表1 草莓定位結果

由表1可知：草莓的識別率達到了100%,采摘裝置對草莓的定位誤差較小,能夠滿足草莓采摘機器人的要求。

3.2 采摘自適應測試

為保證采摘結果的準確性,進行3組采摘試驗,每組試驗采摘30個草莓,采摘結果如表2所示。

表2 草莓采摘結果

由表3可知：3組試驗的草莓采摘成功率為100%,無損采摘率達到了90%,說明該采摘裝置可以實現無損采摘。

4 結論

1)針對采摘裝置的自適應調控系統進行研究,采摘裝置的主要組成為信息采集模塊、圖像處理模塊、運動控制模塊、運動執行模塊和PLC控制器,其中PLC為核心控制器。

2)通過對采摘裝置的機械手進行設計,使機械手的作用位置、運動位移和作用力具有自適應性,保證果實的不掉落和無損采摘。同時,對拍攝圖像進行自適應均衡化處理,提高圖像的識別性。

3)通過對系統進行定位和采摘試驗,結果表明：采摘裝置可以完成對草莓的正確定位及草莓的無損采摘工作。