基于機器視覺傳感器技術的玉米深松機械控制系統研究

陳洪莉

(蒙城縣農機化技術推廣服務站,安徽 蒙城 233500)

0 引言

玉米是全球重要的糧食作物之一,是食品、飼料和工業加工的主要原材料,同時也是許多國家的主要農作物之一。然而,土壤疏松度和營養供應是影響玉米質量和產量的關鍵因素之一。玉米深松技術能夠有效改善土壤結構、增加土壤肥力,提高土壤通氣性和保水能力,進而實現玉米的提質增產[1-2]。

傳統的玉米深松方法多為人工操作,效率低下且存在一定的安全隱患,限制了在實際生產中的應用。因此,開發一種能夠實現自動化深松操作的機械控制系統,已成為當前玉米生產領域亟待解決的問題之一[3]。

為了提高玉米生產效率和玉米質量,本研究采用先進傳感器技術,結合視覺識別技術與先進的算法,開發了一種玉米深松機械控制系統,系統通過對這些數據的實時處理,能夠自動調節玉米深松機械的運動和深度,實現對玉米深松的自動化控制。研究成果能夠為玉米生產提供一種高效、安全的深松方法與技術支撐。

1 視覺系統的圖像處理技術

將連續圖像轉換為數字圖像是計算機視覺領域的一個重要技術[4],圖像被轉換為數字形式,就可以對其進行預處理和分析,實現機器視覺方式對深松機的位置估計,可實時對深松機在圖像中的位置進行估計和跟蹤。

1.1 圖像預處理

農田環境的復雜性可能會導致圖像受到光照變化、設備抖動和噪聲等因素的干擾,從而影響目標檢測的精度[5-6]。本文使用高清攝像機采集的彩色圖像,圖像后期處理數據工作量大。為了提高圖像處理效率,本文使用圖像灰度化和降噪濾波進行圖像處理。

1.1.1 圖像灰度化

通過將原始彩色圖像轉換為灰度圖像,可以減少存儲空間和處理復雜度。灰度圖像僅包含一個灰度值矩陣,其取值范圍在0～255之間,代表了圖像中像素的亮度。該轉換是通過對原始RGB三個數據矩陣進行處理,將它們加權平均為一個灰度值來實現。

視覺呈現從黑過渡到灰再到白,類似于黑白照片,轉換公式式(1)所示

Gray=0.299×R+0.587×G+0.114×B

(1)

1.1.2 降噪濾波處理

在灰度圖像中進行降噪濾波可以消除由光照變化、抖動和設備噪聲引起的圖像中的干擾點,用于灰度圖像的每個像素,以平滑圖像并去除不需要的噪聲。本文使用中值濾波進行圖像降噪濾波處理。

中值濾波是一種常用的圖像降噪濾波方法,中值濾波的基本原理是用像素點周圍鄰域內像素的中值來替代當前像素的值,可以有效去除圖像中的噪聲點,并在保持圖像邊緣信息的同時進行平滑處理。在中值濾波中,選擇一個奇數長度的模板(也稱為窗口、鄰域)來處理圖像。常見的選擇是3×3和5×5的方形或者圓形模板,對于3×3的模板,將9個像素的值按升序或降序排列后,選擇中間的第5個值作為中值(圖1),然后將這個中值替換當前像素的值,將模板移動到下一個像素點,重復上述過程,直到對整個圖像的每個像素點都進行處理為止。其數學表達式如式(2)所示

圖1 中值濾波法處理示意圖

g(i,j)=med{f(i-k,j-l),(k,l)∈O}

(2)

其中,g(i,j)、f(i,j)指濾波前后窗口中心像素點的灰度值;med指取中值函數;O是指窗口。

1.2 SIFT特征提取算法

SIFT(Scale-Invariant Feature Transform)是一種用于圖像特征提取和匹配的經典算法,由David Lowe在1999年提出,能夠提取具有尺度不變性和旋轉不變性的特征點,適用于目標檢測、圖像拼接、三維重建等任務,因此,必須構建對應的尺度空間L(x,y,σ),從下部向上,尺度縮小,建立高斯金字塔。

2 機器視覺/GPS組合導航定位算法的研究

2.1 組合導航定位工作原理

本研究構建了基于機器視覺傳感器和GPS的組合導航定位系統,主要工作流程圖如圖2所示。

圖2 組合導航定位工作流程示意圖

1)圖像采集。使用攝像機收集農田環境的圖像。

2)數字圖像處理。通過圖像采集卡將圖像轉換為計算機可處理的數字圖像格式,以便進行后續的圖像處理和分析。

3)圖像預處理。對數字圖像進行預處理操作,灰度化將彩色圖像轉化為灰度圖像,簡化圖像的處理和分析,同時,使用圖像濾波去噪消除圖像中的噪聲點,提高后續特征提取的準確性。

4)特征點提取。使用SIFT算法對圖像進行特征點提取。SIFT算法能夠提取圖像中具有尺度不變性和旋轉不變性的穩定特征點,這些特征點可以用于后續的定位和匹配。

5)使用GPS定位系統中獲取深松機的絕對位置坐標、航向角度和行駛速度。將獲得的機器視覺和GPS定位信息轉換到相同的坐標系中,并使用信息融合技術對兩個數據進行融合,生成全新的定位信息。

+bk-cδtj(j≥4)

(3)

將式(3)j個方程組成一個方程組,最終可以得到4個未知數Xk,Yk,Zk,bk。

2.2 基于無跡卡爾曼濾波(UKF)的多傳感器信息融合模型

在組合導航定位系統中,融合不同傳感器的信息需要將其轉換為相同的數據格式和坐標系,通過將各個傳感器的數據轉換為相同的數據格式,并使用適當的融合算法進行數據融合,可以最大程度地利用不同傳感器的優勢,提高導航定位系統的性能和精度[7-8]。本研究使用無跡卡爾曼濾波(UKF)的多傳感器信息融合模型實現多傳感器信息融合與轉換(圖3)。

圖3 多傳感器信息融合流程示意圖

3 機器視覺/GPS 導航定位系統的設計

3.1 硬件系統

3.1.1 CCD相機

在視覺定位系統中,攝像機是一種用于采集圖像的設備,通常安裝在農機后端。攝像機的核心是圖像傳感器,它是一種感光器件,用于將光信號轉換為電信號。在視覺定位系統中,常用的圖像傳感器主要分為兩種類型:CCD和CMOS。在農田環境中,由于需要對復雜場景進行圖像采集和處理,常常選擇具有較高靈敏度和動態范圍的傳感器,以獲取清晰、準確的圖像信息,用于后續的視覺定位和導航應用。本文要求視覺導航系統采集高質量的圖像,因此,圖像采集完成的部分可選取 CCD 圖像傳感器的攝像機。

3.1.2 圖像采集卡

圖像采集卡是一種硬件設備,用于將模擬信號(如攝像機輸出的模擬圖像信號)轉換為數字信號,以便計算機能夠處理和存儲圖像數據。本研究選擇Radient eV-CL作為本文圖像采集卡,Radient eV-CL內置了硬件加速功能,可以在圖像采集卡上進行實時的圖像處理和算法運算,減輕了計算機的負擔,可以方便地進行圖像采集和圖像處理應用的開發和集成。

3.2 數據采集類型

在深松機械中各種傳感器和執行器被連接到Modbus總線上,通過Modbus協議實現與控制器之間的通信和數據交換(圖4)。控制器通過發送不同功能碼讀取或寫入對應的寄存器來獲取所需的數據,從而實現對深松機械各個部件的實時數據采集和控制。通過Modbus協議,這些數據被實時傳輸到控制器中進行處理和分析,從而實現對深松機械作業過程的實時監測和控制。同時,控制器也可以向執行器發送相應的指令,控制深松機械的運動和工作狀態,實現對深松作業的智能控制[9]。

圖4 Modbus 協議通信過程

Modbus 數據類型如表1所示,其中位(Coils)類型是指只有兩種狀態(0或1)的數據類型,不同類型的Modbus數據類型和寄存器地址對應不同的數據位數和數據類型,應根據實際需求選擇合適的數據類型進行數據采集和控制[10]。

表1 Modbus 數據類型

4 系統性能測試和分析

4.1 試驗設計

為了實現對玉米深松機械控制系統的性能測試,本文選擇了一臺玉米深松機械作為測試對象,在深松機械上搭載了數據采集單元和控制器,實現對深松機械的實時數據采集和控制。

4.2 測定指標與方法

1)響應時間。響應時間是指控制系統對深松機械控制指令的響應時間。測試方法為在控制器發送控制指令后,記錄深松機械實際執行時間,計算出響應時間。

2)數據采集精度。數據采集精度是指數據采集單元采集到的數據與實際數據之間的誤差,在深松機械運行時,使用測量工具對深松深度等指標進行實時測量,并與數據采集單元采集到的數據進行比較,得出數據采集精度。

4.3 結果與分析

響應時間試驗結果如表2所示,研究結果表明深松機械控制系統的響應時間在0.5～0.7 s之間,響應速度較快,能夠滿足實際使用需求,但是田間試驗過程中,實際執行時間存在一定的波動,主要是由于深松機械的負載和環境因素等原因造成的。因此,在實際使用中,需要根據具體情況對響應時間進行適當的調整和優化。

表2 響應時間試驗結果 單位:cm

數據采集精度試驗結果如表3所示,從表格中可以看出,數據采集精度誤差在0.05%～0.33%之間,精度較高,說明系統采集的數據具有較高的準確性和可靠性,可以滿足深松機械控制的要求。同時,實際數值也存在一定的誤差,可能是由于傳感器精度和環境條件等因素影響。在實際使用中,需要對采集的數據進行適當的校準和調整,以提高數據的準確性和可靠性。

表3 數據采集精度試驗結果

5 結論

在本研究中,采用了基于機器視覺和GPS的組合導航定位系統,并通過數據融合算法整合多傳感器的測量信息,通過將視覺定位和GPS定位的數據進行單位換算和坐標調整,采用無跡卡爾曼濾波(UKF)的多傳感器信息融合模型,實現了對兩種數據的融合和目標狀態的預估。試驗結果表明,系統的響應時間較短,深度控制誤差較小,數據采集精度較高。這說明系統在實現對深松機械的控制和數據采集方面具有很高的效率和準確性,能夠滿足實際生產和應用的需求。研究成果可以為農業生產提供一種先進的深松機械控制系統,同時,本研究也為其他類似控制系統的研究提供了一定的借鑒和參考。