论文部分内容阅读
基于机器视觉的喷药机器人杂草识别与导航参数获取方法研究,对定点变量投放化学药剂以降低对生态环境的污染,对农业机械自主或辅助定位导航以实现精确农田作业,均具有重要的现实意义。广泛应用智能农业机械,以技术代替资源,实施精准农业,是本世纪农业发展的必然趋势。本文在充分总结国内外先进研究成果的基础上,对喷药机器人杂草识别与定位导航视觉系统的研发进行了基础研究。针对喷药机器人沿导航路径定点变量喷洒的应用目的,以图像处理技术为基础,建立喷药机器人杂草识别与定位导航视觉系统,以快速准确的识别杂草和获取精确的导航参数。本文的主要研究内容及结论如下:(1)以福田欧豹4040四轮拖拉机为平台,搭建了喷药机器人杂草识别与定位导航视觉系统。利用C#面向对象语言为开发工具,在Windows xp环境下开发系统软件,以此为基础,实现了杂草识别图像的采集和定位导航图像的采集。(2)针对杂草识别和定位导航的应用目的,结合实时性要求,在图像基本处理方法上进行研究,探索研究植物和土壤背景的分割方法,为形成针对杂草识别与定位导航视觉系统的专用图像处理方法打下基础。(3)将杂草冠层的形态学特征应用于杂草识别,结合杂草叶片的形状特征,基于4-10-4的BP神经网络实现了麦田伴生杂草的识别,平均正确识别率为88.7%,最高正确识别率可达93.1%。采用最大投票机制构造决策二叉树,提取并筛选玉米幼苗及其伴生杂草的形状和纹理特征,基于SVM的决策二叉树实现了单子叶和双子叶植物的类间分类和类内分类,平均正确识别率为91.4%,最高正确识别率为95.5%。实验结果表明,在识别率和识别精度上,SVM分类器都要优于BP网络分类器。(4)避开计算量巨大、实时性差的双目视觉立体匹配问题,以左摄像机为基准,提出了一种根据左、右图像对中的导航路径信息,获取实际导航路径数据的方法。将实测数据投影到左图像上,依据左图像上的路径信息进行导航。(5)形态学处理点播作物区域后,结合作物区域的形心点,用改进的Hough变换法实现了点播作物导航路径的识别。针对传统Hough变换不能检测条播作物行宽质心的问题,提出了兼顾虚点检测和透视原理的双Hough变换算法(DHT),实现了条播作物导航路径的识别。(6)针对作物行特征不明显的情况,将原图按行间距划分为3个子图像并进行合并,然后在具有明显行特征信息的合并图像上识别导航路径。该方法在作物行特征不明显的情况下,依然能够精确识别导航路径。提出获取精确导航路径的水平扫描法,通过选取合适的d值和Bezier拟合曲线实现对水平扫描法的改进,既平滑了导航路径,又提高了算法的实时性。(7)设置ROI窗口递归跟踪导航路径并提出状态曲率的概念,将反馈和预视原理引入喷药机器人杂草识别与定位导航视觉系统。将反馈导航信息、当前导航信息与预视导航信息相结合,设计了串行的导航路径状态BP网络和导航参数BP网络,基于闭环控制策略实现了导航参数的获取。实验结果表明,横向偏差的输出值与实测值的最大偏差为-7cm,均值为-0.6cm,均方差值为3.2cm。偏转角的输出值与实测值的最大偏差为-3°,均值为-0.45°,均方差值为1.2°,横向偏差和偏转角偏差较小,获取的导航参数具有较高的精度。