基于圖像識別的自動移栽設備控制系統設計

王建龍 賈思思 王紅 楊曉東

關鍵詞 移栽 攝像頭 圖像識別 自動化

1引言

蔬菜是人們生活中必不可少的食物，隨著國民經濟不斷發展，人們對蔬菜的種類、質量要求越來越高，加上各項農業政策的引導，蔬菜種植呈現出快速發展的趨勢。通常而言，在種植蔬菜的過程中，首先要進行育苗，幼苗達到一定要求后再移栽到種植環境中。目前，我國蔬菜的移栽環節多由人工完成，這勢必消耗大量人力成本，并降低移栽效率[1] 。諸多企業在自動化生產上進行了相關開發，國外企業的研究值得我們學習和借鑒，特別荷蘭和美國等農業發達國家的經驗值得我們學習[2] 。其先進的設備除了機械化設計合理、電動系統性能好之外，還搭載了大量的傳感器，以保證設備正常工作。

傳統農業機械設備傳感器包括超聲波傳感器、紅外線傳感器、霍爾傳感器、渦流傳感器等，這些傳感器的功能相對簡單，方便使用，但其應對復雜環境的能力不足，只適用于某些固定場合。隨著基礎科學不斷發展，越來越多的新型數據采集傳感器被農業機械設備所應用，攝像頭便是其中一員。

攝像頭是一種圖像采集設備，其采集圖像后，需通過相關程序和算法對圖像進行處理，據此提取圖像中的有效信息，為系統提供數據支撐。

2硬件系統設計

由于需要實現對路徑的識別和栽種效果的檢測，從而給主控制器提供決策依據，因此該系統應具備數據采集模塊和執行模塊，以達到對模擬設備的控制的目的和預期效果，使設備穩定運行。數據采集模塊分為攝像頭視頻圖像采集部分和各類傳感器部分;執行模塊主要為機械設備提供動力。硬件模塊組成框圖如圖1 所示。

基于硬件系統，該系統軟件的主要工作是執行圖像采集、處理，從而提取有效信息，并控制機械部分進行聯動。軟件處理流程如圖2 所示。

3硬件模塊選擇

本文主要闡述該系統的硬件電路部分，即圖像采集、核心處理器、顯示器和驅動電路。因系統需處理較多的圖像數據， 故選擇擁有Cortex?M4 內核的STM32F407VET6 型處理器，其數據處理速度快，IO 端口充足，可以連接多種接口攝像頭。圖像采集選用OV7725 攝像頭，其分辨率為30W 像素，并配有FIFO，能夠與處理器高效配合，快速完成多幀圖像的采集。顯示器采用SDWb070T84T 型彩色液晶顯示屏，其顯示數據類型豐富，接口簡單，可靈活應用于系統調試和工作狀態顯示。驅動電路采用MOS 管搭建互補輸出驅動，以增大輸出電流，改變輸出電壓，從而適應動力部分的控制需求。

攝像頭模塊需要3.3V 供電。除電源外，還有16根數據線，其中包括D0 ～ D9 共10 根數據線以及VSYNC、HREF、PCLK、XCLK、SCL 和SDA。我們根據系統使用情況，采用串行通信傳輸，即使用SCL 和SDA 的IIC 接口形式（見圖3）。

4圖像數據采集處理

移栽是否成功、幼苗是否完整、苗情如何等信息需通過該系統對圖像數據進行分析。圖像數據由攝像頭進行采集，如何將一幀圖片轉換成有效信息，則需分為如下幾步。

4.1彩色圖像灰度轉換

由于幼苗顏色和土地顏色相差較大，可以利用兩者顏色的色差對圖像信息進行掃描標定。然而由于彩色圖像信息量較大，相較于灰色圖像而言，其處理速度較慢，且由于幼苗顏色和土地顏色相差較大，灰度值相差也較為明顯，所以處理成灰度圖像會讓數據量成倍減少。圖4 為采集的幼苗初始圖像，圖5 為轉換后的幼苗灰度圖像。

4.2灰度變換

灰度變換是常見的圖像處理方法，其基于空間域像素進行點對點變換。利用特定的數學函數關系將圖像中每個像素點對應的灰度值轉換成新的灰度值，再通過灰度對圖像進行拉伸，可以改變圖像的對比度，使圖像變得更加清晰，目標特征也就更明顯。

指數變換、對數變換、冪次變換、灰度拉伸、灰度均衡等方法是常見的灰度變換方法。圖6 為指數變換效果，其能夠拉伸圖像中的高亮區，壓縮圖像中的低亮度區。

對數變換與指數變換相反，前者拉伸的是圖像中的低亮區，壓縮圖像中的高亮度區，效果如圖7 所示。

冪次變換可以將部分灰度區域映射到更寬的區域中。當擴展低灰度級時，需要壓縮高灰度級，使圖像變亮。當擴展高灰度級時，需要壓縮低灰度級，使圖像變暗。效果如圖8 所示。

灰度拉伸又叫對比度拉伸，其實現原理是使用了最簡單的線性函數，即提高灰度級的動態范圍，可以拉伸某段灰度區間以改善輸出圖像，使亮度高的部分更亮。效果如圖9 所示。

在灰度均衡方法中，首先統計灰度級中每個像素在整幅圖像中的個數，然后計算每個灰度級占圖像中的概率分布，并且計算累計分布概率，再計算均衡化之后的灰度值，最后映射回原來像素的坐標的像素值。效果如圖10 所示。

綜合上述處理方法的效果來看，指數變換和冪次變換的圖像增強效果比較明顯，能夠將背景部分進行壓縮，同時對幼苗進行高亮顯示，并且這兩種算法的實現過程比較簡單;灰度拉伸的背景和幼苗對比相對清晰，但并不明顯;對數變換和灰度均衡處理效果可以明顯得出不適合幼苗圖像處理。綜上所述，對幼苗圖像的對比度進行增強時，指數變換和冪次變換的處理效果較好，對比度有明顯增強，更加清晰更容易識別。結合后期處理，本系統采用指數變換進行灰度變換。

4.3圖像分割

圖像處理的關鍵在于分割，即在整圖中將有效信息或需要檢測的目標提取出來。其中，清楚有序提取信息和目標就是圖像分割技術。隨著技術和設備不斷發展，分割技術也不斷改進。常見分割技術包括基于灰度閾值的分割技術、基于預設區域的分割技術、根據對比度進行區分的分割技術。任何分割技術都有自身優勢和所適應的場景。我們需要根據場景的變化，通過不斷優化來對分割技術進行有效選取。

二值化的圖像分割是一個典型的標記過程，其原理是將圖像標記成0 或1，從而達到切塊區分的目的。圖像分割主要依靠各種邊緣算法，其中模糊聚類算法（FCM）是一種經典的圖像分割算法，它對于本系統的圖像分割有著典型的指導意義。在進行多次試驗后，針對植物幼苗的特征，我們對FCM 逐步進行了優化和改進（主要對易錯點的抗造性進行了改進），形成了新的目標函數算法：

式（5）和式（6）為新目標函數下迭代的隸屬度和聚類中心表達式，其中聚類中心與式（3）相比并無改變，但其聚類的效果在幼苗識別上有一定的優勢，即能夠較清晰地辨別苗情[3] 。

應用新的算法對圖片進行處理，可以得到清晰辨別幼苗個數的效果，如圖11 所示。如果對每一株幼苗的圖片再次進行分割，則可以定位幼苗葉片數量，分割識別如圖12 所示。

5其他電路設計

在采集圖像并對其處理后，得到的數據可以支撐系統機械正常運行，并將系統實時情況進行顯示，必要時通過LED 和蜂鳴器進行聲光報警。系統機械包括行進運動部分和移栽運動部分，其各部分有獨立的驅動模塊，需要在單片機上做隔離電壓變換，本文不再贅述。在顯示器的選用方面，前文已有說明，其電路連接簡單，系統控制程序為固定子函數模式，顯示板含有蜂鳴器，可以提供必要報警服務，本文也不再贅述。

6總結

采用育苗移栽機械化設備是提高蔬菜種植效率和產能的有效手段。隨著種植技術的全面發展，種子、設施都在不斷進步，自動化設備也在不斷發展。