農(nóng)業(yè)除草智能車的設(shè)計(jì)與實(shí)現(xiàn)

柏元利，董文嫘，侯益明，趙家寶，許雷鋒，秦 瑞

（山西農(nóng)業(yè)大學(xué) 信息科學(xué)與工程學(xué)院，山西 晉中 030801）

0 引 言

水稻是我國主要的農(nóng)作物，我國水稻種植方式多以傳統(tǒng)人工作業(yè)為主，并結(jié)合有半機(jī)械化生產(chǎn)勞作[1-2]。由于水稻田地情況復(fù)雜，除蟲除草所消耗的人力物力資源成為水稻種植成本的主要部分[3-4]。農(nóng)業(yè)機(jī)器人的應(yīng)用可降低生產(chǎn)成本，減少水田除蟲除草對人力物力資源的消耗。人工智能快速發(fā)展和廣泛應(yīng)用為農(nóng)業(yè)機(jī)器人的大面積應(yīng)用提供了良好的解決方案[5-6]。早在2012年徐美清等人提出了路徑規(guī)劃[7]這一概念，而在農(nóng)業(yè)機(jī)器人中研究的重要領(lǐng)域便是路徑規(guī)劃和自動化行駛。

我國現(xiàn)階段農(nóng)作物作業(yè)路徑規(guī)劃上使用的主要技術(shù)有：無線網(wǎng)絡(luò)技術(shù)設(shè)計(jì)自動避障系統(tǒng)[8]，其優(yōu)點(diǎn)在于可實(shí)時監(jiān)控，其缺點(diǎn)是需要對數(shù)據(jù)進(jìn)行實(shí)時加密，以防止黑客攻擊；大數(shù)據(jù)進(jìn)行分析和規(guī)劃的路徑尋優(yōu)系統(tǒng)[9]，其優(yōu)點(diǎn)是設(shè)計(jì)了用大數(shù)據(jù)進(jìn)行最優(yōu)尋位的最優(yōu)路徑誘導(dǎo)系統(tǒng)，其缺點(diǎn)在于成本太高；采用遺傳等算法進(jìn)行路徑規(guī)劃的方案[10]，其優(yōu)點(diǎn)是能在復(fù)雜路障情況下尋找到路徑最短，耗時最少，其缺點(diǎn)在于算法過于復(fù)雜，并未依據(jù)農(nóng)作物的種植規(guī)律進(jìn)行算法的設(shè)計(jì)，不易改進(jìn)與實(shí)際的實(shí)時調(diào)試。針對以上算法的不足，本文提出了一種尋徑算法，為農(nóng)業(yè)智能車的自動循跡提供了安全、低成本、更易于改進(jìn)的方案。

本文設(shè)計(jì)的智能車與傳統(tǒng)的GPS定位規(guī)劃路徑和遙控控制智能車進(jìn)行農(nóng)業(yè)耕作不同[11]：本設(shè)計(jì)在智能車的攝像模塊中采用一種便捷有效的分割圖像的方法，算法部分由攝像模塊中嵌入的代碼實(shí)現(xiàn)，微控制器通過反饋信息對智能車進(jìn)行控制，算法的反饋信息使智能車自動行駛，完成除草除蟲任務(wù)。

1 系統(tǒng)的總體設(shè)計(jì)方案

系統(tǒng)總體設(shè)計(jì)包括系統(tǒng)硬件與軟件兩部分：系統(tǒng)硬件部分主要完成系統(tǒng)主要硬件相關(guān)模塊的連接、組合；系統(tǒng)軟件部分主要完成系統(tǒng)智能尋徑等算法的實(shí)現(xiàn)。

1.1 系統(tǒng)硬件整體結(jié)構(gòu)

智能車系統(tǒng)硬件架構(gòu)如圖1所示。

圖1 硬件整體架構(gòu)圖

系統(tǒng)整體主要包含電源裝置、攝像模塊、承載車架模塊、核心模塊、驅(qū)動模塊、噴灑裝置、傳感器輔助模塊。電源裝置為智能農(nóng)業(yè)車各個模塊提供能量。電源直接連接系統(tǒng)的主要模塊，如電源與核心模塊、攝像模塊等的連接。攝像模塊通過抓拍水稻幼苗圖片，轉(zhuǎn)化并處理后將相關(guān)的數(shù)據(jù)輸入至核心模塊完成系統(tǒng)路徑的分析與識別，該模塊可通過USB連線與計(jì)算機(jī)通信，實(shí)現(xiàn)實(shí)時調(diào)試與控制。承載車架為各個模塊分配位置，車架可承載一定重量的除蟲除草農(nóng)藥。核心控制模塊由高性能單片機(jī)為系統(tǒng)提供控制功能，圖1中核心控制模塊接受傳感器輔助模塊與攝像模塊信號，弱電壓輸出控制驅(qū)動模塊和噴灑裝置的控制信號。驅(qū)動模塊與核心控制模塊直接連接，接受核心控制模塊的控制信號并負(fù)責(zé)智能車的行駛。噴灑裝置接受核心控制模塊的控制信息，負(fù)責(zé)噴灑農(nóng)藥功能的實(shí)現(xiàn)。傳感器輔助模塊接受物理信息，與核心控制模塊直接連接，反饋弱電壓信息給核心模塊。

1.2 系統(tǒng)芯片及開發(fā)環(huán)境

系統(tǒng)為保證數(shù)據(jù)實(shí)時處理多個模塊協(xié)同工作，需要運(yùn)算速度高、可完成多任務(wù)操作的高性能處理器，因此，系統(tǒng)的核心控制模塊采用ARM系列的STM32F103ZET6。STM32F103ZET6的最高工作頻率為72 MHz，有11個定時器和13個通信接口，結(jié)合外圍電路，該芯片可提供112個快速I/O端口。該芯片的開發(fā)環(huán)境為Keil 5軟件，支持C語言編譯燒錄代碼。

系統(tǒng)為了完成自動尋徑，需要利用機(jī)器視覺對環(huán)境信息進(jìn)行采集并分析提取路徑相關(guān)的數(shù)據(jù)信息，故系統(tǒng)攝像頭選擇OpenMV3，這是一款小巧、低功耗、低成本的嵌入式的高集成光學(xué)傳感器模塊，內(nèi)部集成了處理相關(guān)圖像信息的芯片，如主要采用STM32F765VI ARM Cortex系列處理器處理圖像數(shù)據(jù)，其擁有豐富擴(kuò)展板塊，以及GPIO等，該攝像頭模塊可以通過USB接口連接電腦上的集成開發(fā)環(huán)境OpenMV IDE進(jìn)行編程開發(fā)，并提供Python語言接口，協(xié)助完成編程、調(diào)試。本系統(tǒng)通過該集成開發(fā)環(huán)境設(shè)計(jì)算法，并通過USB接口燒錄代碼。

1.3 系統(tǒng)的運(yùn)行流程

系統(tǒng)運(yùn)行過程如圖2所示。

圖2 系統(tǒng)功能示意

圖2提供了各個模塊的功能說明，供電系統(tǒng)的硬件由電源裝置組成，為整個系統(tǒng)提供電壓，如圖2中由電源裝置引出的實(shí)線部分，供電系統(tǒng)給雙橋驅(qū)動模塊和噴灑裝置直接提供12.0 V驅(qū)動電壓，并可以利用穩(wěn)壓模塊降壓并提供給核心模塊、傳感器模塊，攝像模塊等；攝像模塊采集圖像并分析圖像，圖像分析算法由Python開發(fā)實(shí)現(xiàn)，分析產(chǎn)生的路徑信息發(fā)送給核心控制模塊；核心控制模塊在接收到路徑等信息后，處理后對系統(tǒng)中的驅(qū)動模塊發(fā)出控制行駛命令，控制模塊和驅(qū)動模塊驅(qū)動電機(jī)，實(shí)現(xiàn)電機(jī)差速，可以實(shí)現(xiàn)了路徑行駛調(diào)整，完成自動行駛功能；傳感器輔助模塊用以檢測障礙，遇到障礙時向核心控制模塊發(fā)出中斷信息，核心控制模塊執(zhí)行中斷行駛命令，完成控制驅(qū)動模塊電路做出轉(zhuǎn)彎、停車等行駛動作；噴灑裝置在車的行駛過程中保持執(zhí)行噴灑操作，噴灑藥物指令來自核心控制模塊，核心控制模塊依據(jù)上述行駛相關(guān)信息提供噴灑方案。

2 系統(tǒng)硬件設(shè)計(jì)

2.1 電源模塊設(shè)計(jì)

系統(tǒng)的電源除了要確保系統(tǒng)電壓穩(wěn)定，并且需要持久的續(xù)航能力，因此本系統(tǒng)采用AGM強(qiáng)效電池，電池連接上降壓穩(wěn)壓電路，可以為核心控制模塊相關(guān)的芯片提供3.3 V電壓，同時為雙橋驅(qū)動模塊和噴灑裝置提供12.0 V驅(qū)動電壓。

2.2 攝像模塊設(shè)計(jì)

智能車在路徑行駛中，需要分析周圍環(huán)境，實(shí)時計(jì)算分析圖像，形成路徑相關(guān)的信息反饋信息給核心控制器，所以系統(tǒng)選用OpenMV3攝像頭作為系統(tǒng)的攝像模塊。該攝像頭屬于嵌入式模塊，可完成機(jī)器視覺的應(yīng)用，除了具有高速的圖像處理芯片的支持外還自帶ESP8266WIFI模塊，使其可通過局域網(wǎng)實(shí)現(xiàn)圖片傳輸。該攝像頭模塊還具有可編程功能，可運(yùn)行自主設(shè)計(jì)的算法，在算法下載到攝像頭模塊內(nèi)部后，可避免了傳統(tǒng)GPS定位產(chǎn)生的數(shù)據(jù)泄露。攝像頭自帶內(nèi)存卡槽，可用于存放采集到的相關(guān)圖片，便于后期分析、調(diào)試。

2.3 承載車架設(shè)計(jì)

除草車為了提供除草功能，所以車架應(yīng)該具有一定的承載能力，并要合理組織布局，完成其他功能模塊的定位，故車架的設(shè)計(jì)如圖3所示。承載車架采用3D打印成型，承載所有硬件模塊采用插槽式設(shè)計(jì)，可以保證車在行駛中硬件模塊的穩(wěn)定。車架有4個支撐軸用以固定電機(jī)與輪胎，中間預(yù)留位置存放藥箱，預(yù)留的位置還可以分別固其他配置裝置。該車架，堅(jiān)固輕巧，足夠承受一定的重量。

圖3 承載車架模塊圖

2.4 核心控制模塊設(shè)計(jì)

核心控制模塊主要完成系統(tǒng)的總體控制功能，本系統(tǒng)選擇STM32F103ZET6微控制器。STM32F103ZET6的優(yōu)點(diǎn)是耗能低，外設(shè)引腳多，供電方式多樣，如3.3 V和5.0 V均可給其供電，易于實(shí)現(xiàn)上位機(jī)通信。本系統(tǒng)應(yīng)用的核心控制模塊可直接連接攝像頭，能對攝像頭反饋的信息加以分析，并發(fā)出命令控制驅(qū)動模塊和噴灑模塊的功能。該模塊支持多種代碼燒錄模式，易于編程調(diào)試。

2.5 驅(qū)動模塊設(shè)計(jì)

智能車通過搭建的雙橋式電路共同控制驅(qū)動。電機(jī)驅(qū)動模塊選用兩個L298，其中XD-WS37GB3650電機(jī)有外圍保護(hù)電路，可防止電流過大燒壞電機(jī)。系統(tǒng)運(yùn)行過程中，通過單片機(jī)控制L298N調(diào)速。智能車設(shè)計(jì)有四輪驅(qū)動模塊，除草除蟲時采用四驅(qū)方式，通過中大功率的直流無衰減速電機(jī)驅(qū)動；兩個L298N驅(qū)動模塊驅(qū)動電機(jī)，實(shí)現(xiàn)差速轉(zhuǎn)彎，直走等各種動作。

2.6 噴灑裝置模塊設(shè)計(jì)

噴灑裝置模塊用于噴灑霧化農(nóng)藥，其核心部件為電動水泵，由電源模塊獨(dú)立供電。電動水泵提供的壓力為6.8 bar，出水量為4 L/min，通過大功率的雙橋電路對其進(jìn)行控制，兩個電動水泵，分別通過導(dǎo)水管與藥箱封閉連接。

3 系統(tǒng)軟件設(shè)計(jì)

系統(tǒng)的控制流程如下：

（1）攝像模塊采集水稻莖稈信息；

（2）處理攝像模塊采集的信息，在此基礎(chǔ)上根據(jù)攝像頭芯片中的尋徑算法辨析兩株水稻在同一個攝像頭的分布距離，得出路徑信息；

（3）將路徑信息反饋給控制模塊，由核心控制模塊控制電機(jī)和直流驅(qū)動，從而控制每個時間段小車的運(yùn)行狀況，使智能車按照一行或一列依次前進(jìn)；

（4）當(dāng)智能車沿著一列水稻行駛到盡頭，通過攝像頭再輔助以傳感器判斷，首尾倒置，轉(zhuǎn)彎換行繼續(xù)循跡下一列水稻，轉(zhuǎn)步驟（1）。

系統(tǒng)攝像模塊中的尋徑算法是智能車設(shè)計(jì)中的關(guān)鍵部分。攝像模塊采用OpenMV3攝像頭，其函數(shù)庫底層設(shè)計(jì)由C語言編寫，能夠滿足計(jì)算效率要求，上層算法接口采用Python語言實(shí)現(xiàn)，易于編程。系統(tǒng)實(shí)現(xiàn)時可直接通過官方庫提供的庫函數(shù)讀取所有的像素值，截取的圖片能夠進(jìn)行處理后進(jìn)行壓縮傳輸，利用以上處理結(jié)果，采用Python編寫的尋徑算法分析每幀圖片信息，做出運(yùn)算，完成自動尋徑，最后將計(jì)算結(jié)果轉(zhuǎn)換成控制信號，發(fā)送電壓信息給核心控制中的單片機(jī)，實(shí)現(xiàn)系統(tǒng)控制。

3.1 算法原理宏觀描述

算法的運(yùn)行步驟如下。

（1）攝像頭采集圖片。采集方式為依據(jù)系統(tǒng)設(shè)計(jì)的時間間隔，等時間間隔對圖像進(jìn)行采集。

（2）圖像進(jìn)行區(qū)域劃分。對采集的每一幀圖像進(jìn)行處理，在圖像上形成分區(qū)，并將區(qū)域細(xì)化為子區(qū)域。

（3）以像素為單位進(jìn)行統(tǒng)計(jì)計(jì)算。由子區(qū)域計(jì)算均值、標(biāo)準(zhǔn)差，計(jì)算結(jié)果的標(biāo)準(zhǔn)差越小，表明子區(qū)域像素值越接近。

（4）水稻莖稈的判別。提前實(shí)際測定并找到均值和標(biāo)準(zhǔn)差的比較值，該比較值作為閾值標(biāo)準(zhǔn)，以此統(tǒng)計(jì)和篩選出符合閾值的子區(qū)域，即可判斷子區(qū)域是否為水稻莖稈細(xì)節(jié)部分。

（5）代表點(diǎn)坐標(biāo)的確定。在子區(qū)域中確定本區(qū)域的代表點(diǎn)坐標(biāo)。

（6）形成控制信息。根據(jù)兩個坐標(biāo)點(diǎn)求出直線，將兩組直線的中點(diǎn)到圖像左邊界的距離進(jìn)行比較分析，得到第一株水稻莖稈豎直部分投影在攝像頭距離左邊界的平均值，根據(jù)分析結(jié)果，賦予變量二進(jìn)制數(shù)值。

算法執(zhí)行完成后代碼依據(jù)數(shù)值使攝像模塊發(fā)出電壓信息，信息反饋給核心控制模塊。為了獲得水稻的圖像信息，攝像模塊通過A/D轉(zhuǎn)換器將光電信號轉(zhuǎn)換成數(shù)字信號傳入到STM32F765VI ARM Cortex芯片中，攝像頭OpenMV3具有圖像傳感器，其上的彩色濾光片可區(qū)分色彩，采集到的一張圖片的分辨率最終為320×240 PPI。

3.2 尋徑算法

尋徑算法的主要任務(wù)有：圖像區(qū)域劃分、算法尋徑分析、路徑判斷并生成控制信息。

（1）圖像區(qū)域劃分

系統(tǒng)的一幀圖片的分辨率320×240 PPI，這幀圖像以像素點(diǎn)左上角第一個為坐標(biāo)原點(diǎn)進(jìn)行劃分，以一幀圖像的左邊界和上邊界建立坐標(biāo)軸，縱軸為x，橫軸為y。在此坐標(biāo)圖中劃分平面區(qū)域，所劃區(qū)域如圖4所示。再將每個區(qū)域劃分成多個8×8的子區(qū)域，每個子區(qū)域總計(jì)64個像素值，從圖中可見區(qū)域①與區(qū)域②，區(qū)域⑦與區(qū)域⑧關(guān)于x=120對稱。

圖4 圖片區(qū)域劃分圖

（2）算法尋徑過程

按照圖像區(qū)域劃分步驟，劃分完畢，即可進(jìn)行運(yùn)算。首先計(jì)算一個區(qū)域中的所有8×8的子區(qū)域，然后進(jìn)行閾值篩選。閾值范圍為：

若滿足閾值范圍，則標(biāo)記子區(qū)域中心坐標(biāo)。需要注意的是：其中m1，m2表示提前測試得到的標(biāo)準(zhǔn)差的上下限，z表示子區(qū)域的標(biāo)準(zhǔn)差；一幀圖像由RGB三原色構(gòu)成，每個像素點(diǎn)均有R，G，B的三種數(shù)值。計(jì)算標(biāo)準(zhǔn)差是處理一幀圖像的G值。此外還需要通過R和B值篩選圖像，以此保證計(jì)算G值的標(biāo)準(zhǔn)差z屬于綠色植被的值，篩選方式如下：

式中：m3，m4表示R的子區(qū)域的均值z2的上下限閾值；m5，m6表示B的子區(qū)域的均值z3的上下限閾值。

經(jīng)過以上篩選，求出一個區(qū)域中標(biāo)記的所有子區(qū)域中心坐標(biāo)的平均坐標(biāo)，得出的結(jié)果構(gòu)成代表點(diǎn)坐標(biāo)（x'，y'），如下：

式中：s表示符合以上閾值判定的字區(qū)域總數(shù)目；x表示子區(qū)域中心縱坐標(biāo)；y表示子區(qū)域中心橫坐標(biāo)。

一幀圖像中，區(qū)域①和區(qū)域②對稱。按照上述步驟分別計(jì)算區(qū)域①和區(qū)域②，得到兩個代表點(diǎn)，然后計(jì)算出由對稱區(qū)域的代表點(diǎn)坐標(biāo)所構(gòu)成的直線，直線方程為：

式中，y的取值范圍是（80，160）。

接著便可求出每組直線中點(diǎn)到左邊界距離：

同上述方式，計(jì)算配對區(qū)域⑦與區(qū)域⑧得到x2"，需要注意的是區(qū)域④～區(qū)域⑥一直作為參考區(qū)域使用，便于實(shí)際測試觀察。

（3）生成控制信息

分析算法尋徑過程時所得出的兩個值，當(dāng)x"，x2"中一個為零時，算法控制攝像頭發(fā)出兩個高低電平信息給單片機(jī)，讓智能車保持直線行駛。由x2"在矩形區(qū)域③～區(qū)域⑥的值判斷循跡車行駛的狀態(tài)；當(dāng)x"，x2"都為零時，循跡車保持直線行駛或者首位掉頭，換行行駛，直到出現(xiàn)其它情況；當(dāng)x"，x2"都不為零時，根據(jù)x'''=x2''?x''值進(jìn)行判斷，做出左、右微調(diào)，并保持直線行駛。

4 實(shí)驗(yàn)分析及結(jié)果

實(shí)驗(yàn)場景為水稻生長初期的水稻田，水稻分布趨于點(diǎn)陣排列，行列排列，水稻列間距為40 cm，車寬為25 cm，農(nóng)業(yè)智能車模擬農(nóng)耕作業(yè)的俯視圖如圖5所示。確保一列水稻始終處于智能車的正下方，攝像頭離車頂10 cm，離水稻排列中線10 cm并斜向放置。

本系統(tǒng)算法運(yùn)行時，需在算法尋徑過程中找到閾值的具體數(shù)值，因此本系統(tǒng)通過OpenMV3攝像頭實(shí)際測試，采集到如圖6所示的原始數(shù)據(jù)，計(jì)算得出綠色植被圖像的R，B均值的閾值范圍和G的標(biāo)準(zhǔn)差閾值范圍。

圖5 智能車尋徑俯視圖

圖6 像素點(diǎn)紅綠藍(lán)通道值數(shù)據(jù)圖

以上數(shù)據(jù)是測定水稻莖稈4×8個像素點(diǎn)紅色通道R值，計(jì)算得出紅色通道值的均值z2為79.468 75，由此得出紅色閾值m3，m4范圍為79.468 75～256；同理測定水稻莖稈一行相鄰4×8個像素點(diǎn)藍(lán)色通道B值，計(jì)算得出藍(lán)色通道B均值z3為205.093 7，由此得出藍(lán)色閾值m5，m6范圍為0～205.093 7。當(dāng)測得數(shù)據(jù)同時滿足以上兩種情況時，可以確定其為綠色植被，去掉更多的干擾情況，使得識別更加精準(zhǔn)。

測試像素點(diǎn)為4×8矩陣的綠色通道值G的原始數(shù)據(jù)，如圖6中的數(shù)據(jù)所示，計(jì)算得出綠色通道值G的標(biāo)準(zhǔn)差z為12.765 358，由此得出綠色標(biāo)準(zhǔn)差閾值范圍為0～12.765 358，可確定其為水稻。

利用上面所述的尋徑算法得出兩株水稻在同一個攝像頭的分布距離，通過分析距離得出智能車的軌跡。

智能車行駛時攝像頭運(yùn)行算法的樣本圖片如圖7所示。在實(shí)驗(yàn)時為了便于觀察，通過編寫代碼讓劃分的區(qū)域顯示出來，從圖中可以觀察到區(qū)域①，區(qū)域②，區(qū)域⑦，區(qū)域⑧以及兩點(diǎn)確定的直線（白色線段）。

從圖7（a）中可以發(fā)現(xiàn)區(qū)域①和區(qū)域②確定了直線x"，而區(qū)域⑦和區(qū)域⑧不能確定直線x2"，x2"=0（圖像靠近左邊界只有一根白線）；這時智能車保持著向左輕微轉(zhuǎn)向的姿態(tài)。從圖7（b）中可以發(fā)現(xiàn)區(qū)域1和區(qū)域2確定了直線x"，而區(qū)域⑦和區(qū)域⑧確定了直線x2"（圖像中有兩根白線）；這時智能車是保持直線姿態(tài)行駛的；從圖7（c）中可以發(fā)現(xiàn)區(qū)域1沒有確定直線x"，x"=0，區(qū)域⑦和區(qū)域⑧確定了直線x2"（對比圖7（b），左邊直線消失）；智能車改變原始姿態(tài)，保持向右輕微轉(zhuǎn)向的姿態(tài)。

圖7 攝像頭采集的圖片

實(shí)驗(yàn)圖像及分析結(jié)果充分證實(shí)了該除草農(nóng)業(yè)智能車設(shè)計(jì)方案具有可實(shí)現(xiàn)性，能夠?qū)崿F(xiàn)自主尋徑功能。

5 結(jié) 語

本系統(tǒng)利用OpenMV3攝像頭采集高清圖像數(shù)據(jù)傳回計(jì)算機(jī)分析，可以準(zhǔn)確識別水稻，并自動規(guī)劃路徑噴灑農(nóng)藥。采用一個攝像頭完成了自動尋徑及農(nóng)藥噴灑，具有設(shè)備成本低的優(yōu)點(diǎn)；直接在攝像頭模塊輸入算法，不用遠(yuǎn)端調(diào)控，算法非常簡單，容易改進(jìn)并實(shí)時調(diào)度；操作簡單，易于上手；相比傳統(tǒng)的GPS定位規(guī)劃路徑，需要進(jìn)行實(shí)時數(shù)據(jù)加密，本系統(tǒng)未聯(lián)網(wǎng)，不怕數(shù)據(jù)泄露。本系統(tǒng)實(shí)現(xiàn)高度智能化農(nóng)業(yè)生產(chǎn)，對水稻種植生產(chǎn)起到促進(jìn)作用，使得農(nóng)業(yè)作業(yè)更加方便快捷，具有很高的經(jīng)濟(jì)效益。