基于機械視覺和一字激光器識別農田地壟截面特征的研究

耿欣 李君興 董云哲 于海濤 孫玲 徐慧磊 譚杰

(吉林省農業機械研究院，吉林 長春 130011)

引言

作為人口大國，人口的數量不斷增長，各種糧食蔬菜等農副產品的消耗也隨之增長，這就需要在有限的土地資源上，不斷提高農作物產量、優化土壤環境，促使我國必須走精準農業的道路。精準農業，就是通過對農業生產環節中各項因素的調節，以推動高效農業的發展，在減少投入、降低成本、減輕環境污染的同時，不僅能提高農產品的產量、質量，還能使農產品可控化、標準化和批量化，對于農產品的加工、出口等方面均有重要的作用和意義。如，精準施肥可以減少肥料的使用[1]，以達到保護土壤的目的，精準施藥可以減少農藥的使用，以達到保護環境的目的等。

隨著計算機科學與圖像處理技術的快速發展，為精準農業的發展提供了必要條件，機器視覺技術的研究與應用已在農業工程領域，監測農作物長勢、病蟲害防治、農作物的識別與檢測、農作物自動收貨、農產品品質分類、運輸分揀加工存儲[2]等，在減少人工成本的同時，提高了勞動質量和效率。

本文基于圖像處理技術，采用一種自動化的識別方式，識別地壟橫截面的主要特征，比傳統的格尺測量效率更高，該方法得到的數據可以方便傳給計算機做后處理。識別地壟特征主要意義是用于自動化智能農機設備，如東北很多農村的農田大小不一、形狀各異，不同歸屬的農田交織相錯，不適合大型農機的作業，只能用小型犁地機手動進行起壟操作，地壟的間距不一、高矮不同，并非像大型農機那樣起壟非常標準，后續小功率智能農機進場，就需要對地壟基本形態做一個識別，如判斷壟頂的位置，方便播種機或是施肥施藥機進行精準作業；判斷壟溝的位置，方便農機車輪實時調整間隙及方向，防止破壞地壟或是壓苗。所以地壟截面特征自動化識別，對農機的智能化具有積極的意義。

1 實驗設備總體結構及其所需的軟硬件

1.1 總體結構

本實驗采用型號為1515的鋁合金型材搭建輔助測量機構框架，方便調節；激光器垂直照射地壟，一字光線垂直于地壟延伸方向；激光器發射端面距框架底面距離700mm，激光器中心距工業相機安裝孔距離500mm；工業相機安裝孔距底面距離700mm，相機的拍攝方向為水平向下45°角。

圖1 測量機構結構示意圖

1.2 硬件簡介

工業相機及鏡頭,接口USB 3.0，免驅動，200萬像素(1920×1080)，30幀·s-1；

一字激光器，3.3V供電，功率5mw，波長650nm，可以發射一字形狀的激光；

筆記本電腦Win7 i5，帶USB 3.0接口。

圖2 輔助測量機構實物 圖3 農田測量原始圖像數據

1.3 軟件簡介

QT5.9.1,QT是跨平臺C++圖形用戶界面應用程序開發框架，可以制作漂亮的軟件界面，各種2D/3D圖表，也可調用OpenCV里的函數進行圖像處理、數據分析。

OpenCV3.4.10，OpenCV是一個基于BSD許可(開源)發行的跨平臺計算機視覺和機器學習軟件庫，可以運行在Linux、Windows等操作系統上，其輕量級而且高效，實現了圖像處理和計算機視覺方面的很多通用算法。

2 數據處理過程

2.1 前期工作需要做2個標定

實驗所用相機存在圖像畸變，用標準棋盤格進行校正標定，標定結果如下。

相機內參數矩陣：

畸變系數：

[-0.5640860668260472,1.334478592907218,-0.001954098647446536,

0.003381037536167425,-3.584386632028848]

2個矩陣參數作為常量保存在程序里，用作圖像校正，以減少圖像的畸變。

計算相機像素尺寸與標準尺寸的平均比值，具體如表1所示。

表1 像素尺寸與實際尺寸的比值ηi

平均系數計算公式：

(1)

式中，ηa為平均系數；ηi為每次測量得到的系數；n為測量的組數。

通過公式(1)計算，得相機像素尺寸與標準尺寸的平均比值ηa=2.75，即1mm≈2.75像素。

2.2 圖像處理過程

研究以圖3原始圖像數據為例，進行圖像處理分析。

實驗中的激光照射到土地上后偏紅色，把原始圖像數據轉換成HSV顏色空間的圖像，從而分離出紅色元素，對HSV圖像進行紅色范圍的二值化[3]，得到了圖4。圖4是由不連續的點組成的圖像，需要擬合處理生成一條連續的折線，從圖片的左邊起，每30個相機像素采集一個白點，首尾相連，擬合后的折線圖像如圖5所示。

圖4 經過HSV處理的二值圖 圖5 生成連續折線

圖6 特征檢測與測量 圖7 結果顯示在原始圖上

圖6是通過對每段折線斜率的比較，得到連續折線的波峰和波谷，波峰即壟頂，用藍色圓圈標注，波谷即壟溝，用綠色圓圈標注。地壟寬度為2個波谷的距離，像素尺寸為960，根據公式(2)得到相鄰壟溝之間的距離為349mm，即地壟寬度尺寸。

地壟寬度計算公式：

(2)

式中，Lh為軟件換算后得到的地壟寬度，mm；Lx為圖像中壟溝的像素尺寸。

圖7為識別后的結果映射到原始圖數據上，方便直觀觀察。

3 測試結果及分析

表2 地壟寬度測量結果表

因為該實驗每30個相機像素采集一個白點，30個相機像素對應標準尺寸為11mm，所以每個白點的位置誤差為±11mm，由于地壟寬度是由2個白點的寬度計算得到的，所以該算法得出的地壟寬度誤差為±22mm，因為算法也屬于系統的一部分，所以也可看做系統誤差為±22mm。通過對幾組不同長度地壟寬度的測量，誤差均在系統誤差范圍內，符合實驗要求。

4 結束語

通過實驗結果的比較與分析得出，該方法可以較為準確地識別出地壟的壟頂、兩側的壟底，以及計算出地壟寬度，對農機的自動化、智能化具有積極的作用。本實驗由于采用識別激光線的方法測量，對光照要求較為嚴格，需要在灰暗的條件下進行。本實驗算法，只對截面類似于三角形的地壟有效，截面是梯形及復雜形狀的地壟該算法無法測量。