基于觸感引導的小型水田行進底盤自動對行方法

陳學深，熊悅淞，齊 龍，王宣霖，程 楠，梁 俊，劉善健

基于觸感引導的小型水田行進底盤自動對行方法

陳學深，熊悅淞，齊 龍※，王宣霖，程 楠，梁 俊，劉善健

（華南農業大學工程學院，廣州 510642）

為了解決小型水田底盤因路徑偏差導致的稻苗碾壓損傷問題，該研究提出一種基于觸感引導的自動對行方法。采用自制的感測器獲取稻株定位歷程觸感數據，通過數據的分割閾值設定、區域谷值提取、橫向距離標定獲得感測器與稻株的橫向距離。根據水稻機械化移栽行距規整性，利用行距與定位數據幾何關系校驗稻株定位數據，解算獲得稻列方向相鄰稻株中點位置，實現對行目標點坐標提取?；跁r變坐標系跟蹤方法，控制轉向電機實時校正路徑偏差，實現小型水田底盤自動對行。田間性能試驗表明：當行進速度為0.5 m/s時，自動對行絕對誤差平均值為3.11 cm、絕對誤差標準差為1.10 cm、絕對誤差最大值為4.75 cm，研究成果為水田環境作業底盤自動導航提供了新思路和借鑒。

水稻；感測器；自動化；觸覺；定位；對行

0 引 言

中國水稻種植區域地塊分散，有相當一部分稻區處在山區、丘陵地帶[1-3]，大中型植保水田底盤作業、轉移和運輸受到限制[4-6]，研究與推廣小型水田底盤對植保作業十分必要。然而，實際中機插秧稻田苗帶并非理想的筆直[7-8]，小型水田底盤依靠衛星導航[9-10]、視覺引導[11-12]、人工遙控[13-14]的對行感知方法存在導航精度差、背景干擾大、視線障礙等問題[15]。因此，面向稻田特殊環境，研究適宜小型水田底盤自動對行的引導方法具有重要意義。

精準、實時的識別定位稻株是引導水田底盤校正路徑偏差，實現自動對行的關鍵。國內外學者主要采用機器視覺和機器觸覺2種感知方式。其中，視覺感知又可分為稻株個體和群體兩種定位方法。關于稻株個體定位，Choi等[16]基于形態學特征提取水稻冠層植株及葉片骨架的收斂性與延伸性，獲取稻株個體中心區域位置。蔣郁等[17]采用側位俯拍方式獲取了稻株莖基部圖像，基于莖基部分區邊緣擬合方法實現了稻株定位。上述稻株個體定位準確性高度依賴特征選擇的有效性，當草、藻、萍等稻位俯拍方式獲取了稻株莖基部圖像，基于莖基部分區田干擾背景特征發生變化時，稻株識別定位精度可靠性較差。為提高抗干擾能力，有學者基于深度學習方法自動提取稻株特征。Liu等[18]采用VGG16-SSD模型，Lin等[19]基于FasterR-CNN模型實現了稻株個體的識別定位，但由于訓練樣本是以稻株個體為標注對象，當稻株相互接連時，樣本特征畸變識別性能顯著下降，導致稻株定位存在不確定性。

關于苗帶群體定位，王姍姍等[20]為了有效解決雜草密度分布、光照強度和秧苗行曲率變化等因素對秧苗行檢測的影響，提出一種基于特征點鄰域的Hough變換算法識別秧苗行中心線，具有較好的魯棒性和識別精度。王愛臣等[21]提出一種基于區域生長和均值漂移聚類的苗期作物行提取方法，通過最小二乘法擬合聚類中心點得到水稻行直線。張勤等[22]基于窗口掃描法提取了HSI彩色空間中的S分量，在雜草、藍藻等水田背景下獲取了水稻群體苗帶位置信息。然而，在實際生產中，稻株群體定位方法易受倒伏、漏插、偏植等實際情況影響，定位精度較差，且作物行群體特征信息處理量較大，加之復雜的擬合算法定位實時性較低，基于苗帶引導的對行性能難以滿足要求。

機器觸覺是另一種感知方式，在手機屏幕、機器人感知手、人造感知皮膚等領域有廣泛應用，具有精度高、實時性好的特點[23-25]。在農業領域賈洪雷等[26]根據玉米莖稈力學閾值，設計了一種軟軸式觸覺傳感器用于識別定位玉米。徐麗明等[27]根據葡萄藤力學參數，設計了一種基于臨界壓力值的觸覺傳感器，獲取了葡萄植株位置。然而，水稻移栽取秧量、生長分蘗數不同，難以準確提取稻株力學閾值，導致稻株識別定位可靠性較差。針對上述問題，Chen等[28]提出了一種觸感方法，通過融合多種稻株觸感特征，在實驗室環境下實現了稻株的準確識別。Chen等[29]提出了一種用于田間的觸覺傳感器，基于觸感數據特征實現了稻田雜草密度等級分類，但上述觸覺傳感器僅限于分類識別，不具有稻株定位功能。

面向稻田復雜環境，本文提出一種觸感引導的自動對行方法，通過自制觸覺感測器獲取對行目標點坐標，實時校正路徑偏差，擬實現小型水田底盤自動對行。

1 總體結構及工作原理

觸感引導系統主要由感測裝置、轉向系統、水田底盤等組成，總體結構如圖1所示。其中，感測裝置由左右兩側具有稻株獨立定位功能的感測器，以及單片機、數據傳輸模塊等附屬電子器件組成，為觸感引導提供決策。轉向系統采用梯形轉向機構，由伺服電機、編碼器、控制器等組成。

1.驅動電池箱 2.電控單元 3.轉向電池箱 4.轉向伺服電機 5.右側感測器 6.左側感測器

工作時，2套感測器分別位于轉向系統前方，隨水田底盤在水稻行間行進，通過接觸實時獲取苗帶區域的稻株觸感數據，通過串口傳輸經單片機數據處理提取稻株位置信息，并解算稻列方向相鄰稻株中點位置（稻行中心點），實現對行目標點坐標獲取。在此基礎上，控制轉向伺服電機跟蹤目標點修正路徑偏差，實現小型水田底盤的自動對行。

2 觸感定位方法

稻列方向獲取感測器與稻株的橫向距離，是提取稻株位置，解算對行目標點坐標的關鍵。稻株定位包括觸感數據獲取、稻株定位點提取、稻株定位點校驗。

2.1 觸感數據獲取

采用柔性彎曲傳感器作為觸感數據獲取核心元件，利用自身彎曲程度與輸出電壓的對應關系，獲取接觸、脫離稻株時段的電壓數值作為稻株觸感定位的分析數據。由于彎曲傳感器自身為薄板懸臂梁結構，抗彎剛度小，觸覺感測歷程易受稻葉干擾和自身擺振影響。本文對彎曲傳感器進行改制處理，將其疊夾在多片碳纖維薄板之間，在提高自身抗彎剛度的同時，也有利于通過碳纖維薄板間的相互摩擦抑制自身擺振。另外，考慮水田環境電子器件的防水保護，彎曲傳感器采用方形鋁管連接固定，并在接線端口處進行硅膠密封處理，彎曲傳感器實物及改制后的稻株觸覺感測器實物如圖2所示。

圖2 彎曲傳感器及觸覺感測器實物圖

水田底盤行進工作時，感測器水平橫向與稻株莖基部接觸，將感測器從接觸到脫離稻株歷程作為定位感測單元，獲取單元內感測器的電壓數值，為稻株定位提供數據基礎。其中，本文設定的感測器采樣頻率為1 700 Hz。觸感數據獲取實況如圖3所示，結構參數如表1所示。

圖3 稻株觸感數據獲取實況

表1 感測器結構參數

2.2 稻株定位點提取

感測器與稻株從接觸到脫離歷程，電壓數值逐漸減小，當降低到谷值（最小電壓值）時恰為感測器最大彎曲時刻，而后感測器回正電壓升高。當感測器根部與稻株接觸時，脫離時刻彎曲程度最大，中部接觸次之，端部接觸最小。因此，準確提取感測器脫離稻株時刻的電壓值，即觸感歷程電壓數據波形的谷值可映射感測器與稻株的橫向距離，實現稻株位置獲取。

稻株定位點提取的數據處理過程主要包括分割閾值設定、區域谷值提取、橫向距離標定。分割閾值設定是為了提取感測單元內有效的觸感數據，過濾掉水稻株間非接觸區域和感測器自身擺振形成的冗余數據。根據感測器擺振數據波動隨行進速度增加而增大特性，本文選擇水田底盤最高行進速度1.5 m/s進行數據波形分析，如圖4所示。其中，包括株間非接觸的擺振區和稻株接觸歷程的感測區。擺振區感測器電壓在4.10 V上下波動，感測區內感測器電壓先經歷顯著下降階段，在脫離稻株時刻達到谷值，而后感測器回正電壓經歷上升階段，最后再次進入擺振區。由圖4可知，擺振區電壓數值較高，且較為穩定，定位點與擺振區的電壓數值落差十分顯著。為此，本文稻株定位波形分割閾值設定為4.08 V，可過濾掉行進速度不超過1.5 m/s的擺振冗余數據。然而，稻田地況及環境復雜，當水田底盤姿態變化加劇，可能導致分割閾值不準確。因此，稻株定位點獲取還需要進一步校驗。

圖4 稻株定位數據波形

區域谷值提取是為獲取感測區的電壓谷值，實現稻株定位點初步提取。根據稻株觸感定位歷程的數據變化規律，以小于定位波形分割閾值時刻為始點，大于閾值時刻為終點，提取感測單元內最小電壓值，提取方法的效果如圖5所示，交替水平線填充區域為擺振形成的電壓數據分布范圍，屬于數據剔除區域；點線填充區域為感測單元的電壓數據分布范圍，屬于數據分割區域，每個分割區內波形數據的谷值為稻株定位點，即感測器脫離稻株時刻對應的電壓數值。

注：為谷值（定位點）；為數據剔除區域；為數據分割區域。

感測區谷值為電壓數據，需經過感測器標定轉換為稻株與感測器的橫向距離。根據感測器彎度程度與輸出電壓呈線性反比關系[30]。標定時，感測器直線行進接觸稻株，輸出電壓隨感測器彎度增大而逐漸減小，當脫離稻株時刻，感測器回正使輸出電壓驟然增大，記錄此歷程感測器的電壓谷值，并同時記錄脫離稻株時刻感測器與稻株的橫向距離，將電壓與橫向距離進行數值關聯，經過多組記錄、測量、關聯和數據擬合處理，建立的電壓與橫向距離映射關系如圖6所示。

通過感測器與稻株莖基部邊緣的橫向距離人工測量值和感測器測定值比較，獲得左右兩側感測器最大測量絕對誤差分別為0.54、0.60 cm，平均測量絕對誤差分別為0.28、0.27 cm。在稻株與感測器相對位置確定基礎上，結合感測器相對于水田底盤車身中心線的相對位置，可獲得感測器測定的橫向距離，即稻株與車身中心線的橫向距離。

注：L1、L2分別為左、右側感測器與稻株的橫向距離，cm；V1、V2分別為左、右側感測器的輸出電壓，V。

2.3 稻株定位點校驗

定位歷程的分割閾值設定、區域谷值提取可能因漏插、偏植，以及感測器自身擺振等情況存在不確定性，形成稻株的偽定位點，影響稻株定位的可靠性。因此，在左右兩側感測器雙定位基礎上，根據農藝特點，充分利用水稻機械化種植行距規整性校驗稻株定位點。

稻株定位點校驗原理如圖7所示，理論上左側感測器測定的橫向距離與右側感測器測定的橫向距離之和等于水稻行距（約為30 cm）。然而，稻株移栽取秧量、生長分蘗數不同導致水稻株穴直徑存在差異，加之感測器自身測量誤差，實際作業中，左右兩側感測器測定的橫向距離之和只能接近水稻行距?？紤]水稻株穴半徑差異約為2 cm，水稻行距范圍應為26～34 cm。根據2.2節所述的左右兩側感測器平均測量絕對誤差約為0.3 cm，本文基于水稻行距校驗閾值設定為0.6 cm（左右兩側感測器平均測量絕對誤差之和），即左右兩側感測器測定的橫向距離之和應在25.4～34.6 cm（行距±校驗閾值）之間。否則，校驗判定為稻株偽定位點。經過定位數據校驗，提高了稻株定位的可靠性，為對行目標點的準確提取提供了基礎。

注：d1、d2分別為左、右側稻株與車身中心線的橫向距離，cm；d為水稻行距，cm。

3 觸感引導方法

3.1 自動對行模型建立

應用簡化二輪車數學模型[31]，提出一種基于時變坐標系的跟蹤方法。對行目標點跟蹤原理如圖8所示，以水田底盤后輪軸中心作為參考原點，底盤行進方向為軸，垂直行進方向為軸，建立動態坐標系。

稻列方向相鄰稻株的中點作為對行目標點，根據感測器安裝位置及水田底盤車身結構尺寸，本文目標點縱坐標為定值105 cm。

注：A為對行目標點；x為目標點與水田底盤后輪軸中心的橫向距離，cm；y為感測器與水田底盤后輪軸中心O的縱向距離，cm；O1為水田底盤轉向的瞬時圓心；R為底盤給定轉向角情況下所遵循的圓軌跡半徑，cm；L為底盤前后軸之間的距離，cm；Ld為目標點到后輪軸中心的距離，cm；δ為轉向角，(°)；θ為目標點與后輪軸中心的夾角，(°)。

由圖8幾何關系可獲得式（1）、（2）。

在△l中，由正弦定理可得：

將式（4）代入式（1）中可得：

將式（2）代入式（5）中可得：

由式（6）可知，水田底盤前后軸之間的距離，以及感測器與水田底盤后輪軸中心的縱向距離為定值，轉向角由目標點橫坐標唯一確定，通過左右兩側感測器實時獲取稻株位置，并解算對行目標點橫坐標，實現水田底盤路徑偏差校正。

3.2 目標點橫坐標獲取

目標點橫坐標等于左右兩側感測器測定橫向距離之差。因左右兩側感測器脫離稻株時刻存在差異，使定位時刻不同，但定位差異時間較短，期間水田底盤航向變化不大，本文目標點橫坐標獲取忽略稻株定位時差內航向變化的影響。

目標點橫坐標獲取包括左右兩側感測器全部接觸、部分脫離、全部脫離3個過程，如圖9所示。全部接觸過程感測器獲取稻株定位觸感數據，當一側感測器脫離稻株時刻，通過數據處理提取并記錄感測器與稻株的橫向距離，待全部脫離時，將左右兩側感測器測定的橫向距離之差作為對行目標點的橫向坐標，解算方法如式（7）所示。

圖9 目標點提取示意圖

=2?1（7）

隨感測器行進，對行目標點坐標實時傳送到電控單元，根據轉向機構與水田底盤轉向角對應關系，控制轉向伺服電機實時校正路徑偏差，實現小型水田底盤自動對行。

4 試驗與結果分析

4.1 試驗條件

為驗證觸覺引導的水田底盤自動對行性能，2022年4月21日，在華南農業大學水稻試驗田進行了不同行進速度下人工對行與自動對行的性能比較試驗。試驗現場如圖10所示。

圖10 試驗現場

試驗水稻為移栽20 d的雜交稻五優1179，水稻行距為30 cm，株距為15 cm，株高為20～35 cm，稻穴株數為4～12株，稻穴直徑為2～4 cm。田間雜草主要為華南稻區稗草、千金子等禾本科雜草，株高為3～9 cm。田間積水層厚度為4～8 cm。

4.2 試驗方法

不同行進速度水田底盤航向偏差變化、機身搖擺程度不同，對行性能存在差異。考慮水田底盤常規作業速度，選擇0.5、1.0、1.5 m/s進行人工對行與自動對行性能對比試驗。

試驗前，隨機選擇3組測試區，為保證試驗條件相同，人工遙控對行和自動對行的性能試驗在苗帶彎度相同區域進行（插秧機同步作業區）。調整水田底盤位置，使車輪位于稻行中央，調節左右兩側感知器高度，接觸位置位于稻株莖基部，距積水層8 cm。

試驗時，在進入測試區前保留10 m起步區，人工遙控方式控制水田底盤的行進速度和方向，以保持水田底盤在測試區內行進速度穩定。進入測試區后，選擇人工對行和自動對行2種方式分別進行性能試驗。

試驗后，排盡稻田積水，以測試區內起始稻行中心點為起始零點，每隔4個株距設定1個檢測點，共設定100個檢測點，由3人分別統計左右兩側輪轍印跡中心點與稻行中心點的水平橫向距離，取平均值作為對行絕對誤差，若檢測點有漏插情況，則以上1個稻株作為檢測點。同時，選擇絕對誤差平均值、絕對誤差標準差、絕對誤差最大值作為水田底盤自動對行的性能評價指標。其中，絕對誤差平均值和標準差計算式分別為

式中P為測試區內水田底盤對行絕對誤差平均值，cm；P為測試區內對行絕對誤差，cm；為測試區檢測點序號；為測試區檢測點總數；SD為水田底盤對行絕對誤差標準差，cm。

4.3 試驗結果

不同行進速度下，人工對行與自動對行2種方式的試驗性能評價指標結果如表2所示。

表2 自動對行與人工對行試驗對比結果

由表2可知，水田底盤行進速度在0.5 m/s時，自動對行絕對誤差平均值、絕對誤差標準差、絕對誤差最大值均優于人工對行方式，而隨水田底盤行進速度增加，自動對行性能有所下降，在1.0和1.5 m/s時，人工對行效果優于自動對行方式，但自動對行絕對誤差最大值為7.97 cm，從水稻行距30 cm，水田底盤車輪寬度10 cm的實際作業情況看，當對行誤差小于10 cm時不會壓傷稻苗。

5 結 論

1）提出了一種觸感引導的自動對行方法，采用觸覺感知方式獲取對行目標點坐標，基于時變坐標系跟蹤方法實時校正路徑偏差，為稻田環境下小型水田底盤自動對行進提供了新思路和借鑒。

2）設計了一種稻株定位觸覺感測器，通過觸感數據獲取、稻株定位點提取、稻株定位點校驗，實現了稻株位置的準確獲取。

3）田間性能比較試驗結果表明：行進速度為0.5、1.0、1.5 m/s時，自動對行絕對誤差最大值分別為4.75、6.81、7.97 cm，均滿足小型水田自走底盤對行要求。

[1] 徐春春，孫麗娟，周錫躍，等. 我國南方水稻生產變化和特點及穩定發展的政策建議[J]. 農業現代化研究，2013，34(2)：129-132.

Xu Chunchun, Sun Lijuan, Zhou Xiyue, et al. Characteristics of rice production in south china and policy proposals for its steady development[J]. Research of Agricultural Modernization, 2013, 34(2): 129-132. (in Chinese with English abstract)

[2] 王忠群，梁建，曹光喬，等. 科學適度發展南方丘陵山地農機化[J]. 中國農機化，2011(2)：3-8.

Wang Zhongqun, Liang Jian, Cao Guangqiao, et al. Developing agricultural mechanization scientifically and moderately on the hilly lands in the south of China[J]. Chinese Agricultural Mechanization, 2011(2): 3-8. (in Chinese with English abstract)

[3] 劉珍環，李正國，唐鵬欽，等. 近30年中國水稻種植區域與產量時空變化分析[J]. 地理學報，2013，68(5)：680-693.

Liu Zhenhuan, Li Zhengguo, Tang Pengqin, et al. Spatial-temporal changes of rice area and production in China during 1980-2010[J]. Acta Geographica Sinica, 2013, 68(5): 680-693. (in Chinese with English abstract)

[4] 王圖展. 丘陵山區農業機械化發展的制約因素及對策：以重慶為例[J]. 農機化研究，2013，35(3)：24-28.

Wang Tuzhan. The restriction factor and countermeasure of agricultural mechanization in mountain and hill areas: A case study of Chongqing[J]. Journal of Agricultural Mechanization Research, 2013, 35(3): 24-28. (in Chinese with English abstract)

[5] 邵明璽，辛喆，江秋博. 拖拉機后懸掛橫向位姿調整的模糊 PID 控制[J]. 農業工程學報，2019，35(21)：34-42.

Shao Mingxi, Xin Zhe, Jiang Qiubo. Fuzzy PID control for lateral pose adjustment of tractor rear suspension[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2019, 35(21): 34-42. (in Chinese with English abstract)

[6] 李云伍，徐俊杰，王銘楓，等. 丘陵山區田間道路自主行駛轉運車及其視覺導航系統研制[J]. 農業工程學報，2019，35(1)：52-61.

Li Yunwu, Xu Junjie, Wang Mingfeng, et al. Development of autonomous driving transfer trolley on field roads and its visual navigation system for hilly areas[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2019, 35(1): 52-61. (in Chinese with English abstract)

[7] 何杰，朱金光，羅錫文，等. 電動方向盤插秧機轉向控制系統設計[J]. 農業工程學報，2019，35(6)：10-17.

He Jie, Zhu Jinguang, Luo Xiwen, et al. Design of steering control system for rice transplanter equipped with steering wheel-like motor[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2019, 35(6): 10-17. (in Chinese with English abstract)

[8] 邢赫，張國忠，韓宇航，等. 雙腔氣力式水稻精量水田直播機設計與試驗[J]. 農業工程學報，2020，36(24)：29-37.

Xing He, Zhang Guozhong, Han Yuhang, et al. Development and experiment of double cavity pneumatic rice precision direct seeder[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2020, 36(24): 29-37. (in Chinese with English abstract)

[9] 偉利國，張權，顏華，等. XDNZ630型水稻插秧機GPS自動導航系統[J]. 農業機械學報，2011，42(7)：186-190.

Wei Liguo, Zhang Quan, Yan Hua, et al. GPS automatic navigation system design for XDNZ630 rice transplanter[J]. Transactions of the Chinese Society for Agricultural Machinery, 2011, 42(7): 186-190. (in Chinese with English abstract)

[10] 張智剛，朱啟明，何杰，等. 基于RTK-GNSS和MEMS 陀螺儀的車輛航向角測量技術[J]. 華南農業大學學報，2019，40(5)：34-37.

Zhang Zhigang, Zhu Qiming, He Jie, et al. Vehicle heading angle measurement technology based on RTK-GNSS and MEMS gyroscope[J]. Journal of South China Agricultural University, 2019, 40(5): 34-37. (in Chinese with English abstract)

[11] 胡煉，羅錫文，曾山，等. 基于機器視覺的株間機械除草裝置的作物識別與定位方法[J]. 農業工程學報，2013， 29(10)：12-18.

Hu Lian, Luo Xiwen, Zeng Shan, et al. Plant recognition and localization for intra-row mechanical weeding device based on machine vision[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2013, 29(10): 12-18. (in Chinese with English abstract)

[12] 刁智華，王會丹，宋寅卯. 基于機器視覺的農田機械導航線提取算法研究[J]. 農機化研究，2015，37(2)：35-39.

Diao Zhihua, Wang Huidan, Song Yinmao. Research of farm machinery navigation algorithm based on machine vision[J]. Journal of Agricultural Mechanization Research, 2015, 37(2): 35-39. (in Chinese with English abstract)

[13] 齊龍，廖文強，馬旭，等. 水田小型除草機器人平臺控制系統設計與測試[J]. 吉林大學學報（工學版），2013，(4)：991-996.

Qi Long, Liao Wenqiang, Ma Xu, et al. Design and testing of control system of mini-weeding-robot platform in rice paddy field[J]. Journal of Jilin University (Engineering and Technology Edition), 2013, 43(4): 991-996(in Chinese with English abstract)

[14] 曹如月，李世超，魏爽，等. 基于 Web-GIS 的多機協同作業遠程監控平臺設計[J]. 農業機械學報，2017，48(S1)：52-57.

Cao Ruyue, Li Shichao, Wei Shuang, et al. Remote monitoring platform for multi-machine cooperation based on web-GIS[J]. Transactions of The Chinese Society for Agricultural Machinery, 2017, 48(S1): 52-57. (in Chinese with English abstract)

[15] 張漫，季宇寒，李世超，等. 農業機械導航技術研究進展[J]. 農業機械學報，2020，51(4)：1-18.

Zhang Man, Ji Yuhan, Li Shichao, et al. Research progress of agricultural machinery navigation technology[J]. Transactions of the Chinese Society for Agricultural Machinery, 2020, 51(4): 1-18. (in Chinese with English abstract)

[16] Choi K H, Han S K, Han S H, et al. Morphology-based guidance line extraction for an autonomous weeding robot in paddy fields[J]. Computers and Electronics in Agriculture, 2015, 113: 266-274.

[17] 蔣郁，崔宏偉，區穎剛，等. 基于莖基部分區邊緣擬合的稻株定位方法研究[J]. 農業機械學報，2017，48(6)：23-31.

Jiang Yu, Cui Hongwei, Ou Yinggang, et al. Positioning method of rice seedlings based on edge fitting in separated region of stem base[J]. Transactions of the Chinese Society for Agricultural Machinery, 2017, 48(6): 23-31. (in Chinese with English abstract)

[18] Liu F C, Yang Y, Zeng Y M, et al. Bending diagnosis of rice seedling lines and guidance line extraction of automatic weeding equipment in paddy field[J]. Mechanical Systems and Signal Processing, 2020, 142: 106791.

[19] Lin S M, Jiang Y, Chen X S, et al. Automatic detection of plant rows for a transplanter in paddy field using faster R-CNN[J]. IEEE Access, 2020, 8: 2169-3536.

[20] 王姍姍，余山山，張文毅，等. 基于特征點鄰域Hough變換的水稻秧苗行檢測[J]. 農業機械學報，2020，51(10)：18-25.

Wang Shanshan, Yu Shanshan, Zhang Wenyi, et al. Detection of rice seedling rows based on Hough transform of feature point neighborhood[J]. Transactions of the Chinese Society for Agricultural Machinery, 2020, 51(10): 18-25. (in Chinese with English abstract)

[21] 王愛臣，張敏，劉青山，等. 基于區域生長均值漂移聚類的苗期作物行提取方法[J]. 農業工程學報，2021，37(19)：202-210.

Wang Aichen, Zhang Min, Liu Qingshan, et al. Seedling crop row extraction method based on regional growth and mean shift clustering[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2021, 37(19): 202-210. (in Chinese with English abstract)

[22] 張勤，黃小剛，李彬. 基于彩色模型和近鄰法聚類的水田秧苗列中心線檢測方法[J]. 農業工程學報，2012，28(17)：163-171，295-296.

Zhang Qin, Huang Xiaogang, Li Bin. Detection of rice seedlings rows' centerlines based on color model and nearest neighbor clustering algorithm[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2012, 28(17): 163-171, 295-296. (in Chinese with English abstract)

[23] 呂明，呂延. 觸摸屏的技術現狀、發展趨勢及市場前景[J]. 機床電器，2012，39(3)：4-7.

Lyu Ming, Lyu Yan. The technology current situation and developing tendency and market of touch-screen[J]. Machine Tool Electric Apparatus, 2012, 39(3): 4-7. (in Chinese with English abstract)

[24] 熊利榮，鄭偉，羅舒豪. 基于觸覺感知的家禽凈膛機械手及其控制系統的設計[J]. 農業工程學報，2018，34(3)：42-48.

Xiong Lirong, Zheng Wei, Luo Shuhao. Design of poultry eviscerated manipulator and its control system based on tactile perception[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2018, 34(3): 42-48. (in Chinese with English abstract)

[25] 郭小輝，黃英，毛磊東，等. 可穿戴式電子織物仿生皮膚設計與應用研究[J]. 儀器儀表學報，2016，37(4)：938-944.

Guo Xiaohui, Huang Ying, Mao Leidong, et al. Research on the design and application of wearable electronic fabric bionic skin[J]. Chinese Journal of Scientific Instrument, 2016, 37(4): 938-944. (in Chinese with English abstract)

[26] 賈洪雷，李森森，王剛，等. 中耕期玉米田間避苗除草裝置設計與試驗[J]. 農業工程學報，2018，34(7)：15-22.

Jia Honglei, Li Sensen, Wang Gang, et al. Design and experiment of seedling avoidable weeding control device for intertillage maize[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2018, 34(7): 15-22. (in Chinese with English abstract)

[27] 徐麗明，于暢暢，劉文，等. 籬架式栽培葡萄株間除草機自動避障機構優化設計[J]. 農業工程學報，2018，34(7)：23-30.

Xu Linming, Yu Changchang, Liu Wen, et al. Optimal design on auto obstacle avoidance mechanism of intra-row weeder for trellis cultivated grape[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2018, 34(7): 23-30. (in Chinese with English abstract)

[28] Chen X S, Mao Y Y, Ma X, et al. A Tactile method for rice plant recognition based on machine learning[J]. Sensors (Basel, Switzerland), 2020, 20(18): E5135

[29] Chen X S, Mao Y Y, Xiong Y S, et al. Intra-row weed density evaluation in rice field using tactile method[J]. Computers & Electronics in Agriculture, 2022, 193: 106699

[30] 任芳昉，洪成雨，張孟喜，等. 基于Flex無線傳感技術的邊坡位移監測研究[J]. 傳感技術學報，2019，32(7)：968-972.

Ren Fangfang, Hong Chengyu, Zhang Mengxi, et al. Study on slope displacement monitoring based on flex wireless sensing technology[J]. Chinese Journal of Sensors and Actuators, 2019, 32(7): 968-972. (in Chinese with English abstract)

[31] 呂安濤，宋正河，毛恩榮. 拖拉機自動轉向最優控制方法的研究[J]. 農業工程學報，2006，22(8)：116-119.

Lyu Antao, Song Zhenghe, Mao Enrong. Optimized control method for tractor automatic steering[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2006, 22(8): 116-119. (in Chinese with English abstract)

Design and experiment of the tactile guidance system for the automatic alignment of small paddy moving chassis

Chen Xueshen, Xiong Yuesong, Qi Long※, Wang Xuanlin, Cheng Nan, Liang Jun, Liu Shanjian

(,510642,)

Chassis alignment can mainly include the satellite navigation, visual guidance, and manual remote control in the small paddy. However, some problems have led to the damage to rice seedlings in the alignment process, such as the low navigation accuracy, large background interference, and multiple line of sight obstacles. In this study, a tactile-guided system was proposed for the automatic alignment of small paddy chassis. Firstly, a self-developed tactile sensor was used to acquire the tactile data, in which a flexible bending sensor was used as the core element for the tactile data acquisition. The bending sensor was placed between several carbon fiber sheets, in order to improve the own bending stiffness and also to suppress the own oscillation. Secondly, the data was processed to obtain the localization coordinates of the rice plant. The positive relationship between the degree of bending of the sensor and the output voltage was utilized to obtain the information on the position of the rice plant. Three steps were included the data segmentation threshold setting, region valley extraction, and lateral distance calibration. The valid unit of tactile sensing was extracted to set a segmentation threshold. The useless data was filtered out in the non-contact area, and the interference data from the own slight vibration. The data in the sensing unit was further processed to extract the voltage valley value in the sensing area, in order to achieve the initial extraction of the location point of the rice plant. The localization point data was converted into the lateral distance between the rice plant and the sensor by the sensor mapping. Thirdly, the positioning points of rice plants were calibrated, according to the regularity that the sum of the lateral distance measured by the left sensor and the lateral distance measured by the right sensor was equal to the rice row distance. As such, the pseudo-localization points of rice plants were eliminated to improve the reliability of rice plant positioning. Finally, a tracking mode with time-varying coordinate system was proposed to establish the dynamic coordinate system. A calculation was realized on the lateral distance between the center point of the rice line and the center of gravity of the body (target point transverse coordinate). The vertical coordinate was the longitudinal distance between the sensor and the center of the rear wheel axle of the paddy chassis. The coordinates of the aligned target point were real-time transmitted to the electronic control unit during the whole alignment process. The steering servo motor was controlled to correct the path deviation in real time, according to the correspondence between the steering mechanism and the steering angle of the paddy field chassis, in order to realize the automatic alignment of the small paddy field chassis. The field performance test showed that the automatic alignment was better than the manual remote alignment, when the driving speed was 0.5 m/s. The average absolute error of the automatic alignment was 3.11 cm, the standard deviation of the absolute error was 1.10 cm, and the maximum absolute error was 4.75 cm, when the driving speed was 0.5 m/s. The performance of automatic alignment decreased slightly with the increase of driving speed. Anyway, the performance can fully meet the requirements of chassis alignment in paddy fields. The finding can provide a new idea and reference for the automatic chassis navigation in paddy field environment.

rice; sensor; automation; tactile; position; alignment

10.11975/j.issn.1002-6819.2022.21.002

S147.2

A

1002-6819(2022)-21-0008-08

陳學深，熊悅淞，齊龍，等. 基于觸感引導的小型水田行進底盤自動對行方法[J]. 農業工程學報，2022，38(21)：8-15.doi：10.11975/j.issn.1002-6819.2022.21.002 http://www.tcsae.org

Chen Xueshen, Xiong Yuesong, Qi Long, et al. Design and experiment of the tactile guidance system for the automatic alignment of small paddy moving chassis[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2022, 38(21): 8-15. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2022.21.002 http://www.tcsae.org

2022-09-03

2022-10-25

國家自然科學基金（51575195）；廣東省基礎與應用基礎研究基金項目（2021A1515010831）；廣州市科技計劃項目（202206010125）

陳學深，副教授，研究方向為現代農業技術與智能裝備。Email：chenxs@scau.edu.cn

齊龍，教授，博士生導師，研究方向為現代農業技術裝備。Email：qilong@scau.edu.cn