耿欣 李君興 董云哲 于海濤 孫玲 徐慧磊 譚杰

(吉林省農(nóng)業(yè)機(jī)械研究院，吉林 長春 130011)

引言

作為人口大國，人口的數(shù)量不斷增長，各種糧食蔬菜等農(nóng)副產(chǎn)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(nóng)作物產(chǎn)量、優(yōu)化土壤環(huán)境，促使我國必須走精準(zhǔn)農(nóng)業(yè)的道路。精準(zhǔn)農(nóng)業(yè)，就是通過對農(nóng)業(yè)生產(chǎn)環(huán)節(jié)中各項(xiàng)因素的調(diào)節(jié)，以推動高效農(nóng)業(yè)的發(fā)展，在減少投入、降低成本、減輕環(huán)境污染的同時(shí)，不僅能提高農(nóng)產(chǎn)品的產(chǎn)量、質(zhì)量，還能使農(nóng)產(chǎn)品可控化、標(biāo)準(zhǔn)化和批量化，對于農(nóng)產(chǎn)品的加工、出口等方面均有重要的作用和意義。如，精準(zhǔn)施肥可以減少肥料的使用[1]，以達(dá)到保護(hù)土壤的目的，精準(zhǔn)施藥可以減少農(nóng)藥的使用，以達(dá)到保護(hù)環(huán)境的目的等。

隨著計(jì)算機(jī)科學(xué)與圖像處理技術(shù)的快速發(fā)展，為精準(zhǔn)農(nóng)業(yè)的發(fā)展提供了必要條件，機(jī)器視覺技術(shù)的研究與應(yīng)用已在農(nóng)業(yè)工程領(lǐng)域，監(jiān)測農(nóng)作物長勢、病蟲害防治、農(nóng)作物的識別與檢測、農(nóng)作物自動收貨、農(nóng)產(chǎn)品品質(zhì)分類、運(yùn)輸分揀加工存儲[2]等，在減少人工成本的同時(shí)，提高了勞動質(zhì)量和效率。

本文基于圖像處理技術(shù)，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(tǒng)的格尺測量效率更高，該方法得到的數(shù)據(jù)可以方便傳給計(jì)算機(jī)做后處理。識別地壟特征主要意義是用于自動化智能農(nóng)機(jī)設(shè)備，如東北很多農(nóng)村的農(nóng)田大小不一、形狀各異，不同歸屬的農(nóng)田交織相錯(cuò)，不適合大型農(nóng)機(jī)的作業(yè)，只能用小型犁地機(jī)手動進(jìn)行起壟操作，地壟的間距不一、高矮不同，并非像大型農(nóng)機(jī)那樣起壟非常標(biāo)準(zhǔn)，后續(xù)小功率智能農(nóng)機(jī)進(jìn)場，就需要對地壟基本形態(tài)做一個(gè)識別，如判斷壟頂?shù)奈恢?，方便播種機(jī)或是施肥施藥機(jī)進(jìn)行精準(zhǔn)作業(yè)；判斷壟溝的位置，方便農(nóng)機(jī)車輪實(shí)時(shí)調(diào)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(nóng)機(jī)的智能化具有積極的意義。

1 實(shí)驗(yàn)設(shè)備總體結(jié)構(gòu)及其所需的軟硬件

1.1 總體結(jié)構(gòu)

本實(shí)驗(yàn)采用型號為1515的鋁合金型材搭建輔助測量機(jī)構(gòu)框架，方便調(diào)節(jié)；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(fā)射端面距框架底面距離700mm，激光器中心距工業(yè)相機(jī)安裝孔距離500mm；工業(yè)相機(jī)安裝孔距底面距離700mm，相機(jī)的拍攝方向?yàn)樗较蛳?5°角。

圖1 測量機(jī)構(gòu)結(jié)構(gòu)示意圖

1.2 硬件簡介

工業(yè)相機(jī)及鏡頭,接口USB 3.0，免驅(qū)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(fā)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(jī)構(gòu)實(shí)物 圖3 農(nóng)田測量原始圖像數(shù)據(jù)

1.3 軟件簡介

QT5.9.1,QT是跨平臺C++圖形用戶界面應(yīng)用程序開發(fā)框架，可以制作漂亮的軟件界面，各種2D/3D圖表，也可調(diào)用OpenCV里的函數(shù)進(jìn)行圖像處理、數(shù)據(jù)分析。

OpenCV3.4.10，OpenCV是一個(gè)基于BSD許可(開源)發(fā)行的跨平臺計(jì)算機(jī)視覺和機(jī)器學(xué)習(xí)軟件庫，可以運(yùn)行在Linux、Windows等操作系統(tǒng)上，其輕量級而且高效，實(shí)現(xiàn)了圖像處理和計(jì)算機(jī)視覺方面的很多通用算法。

2 數(shù)據(jù)處理過程

2.1 前期工作需要做2個(gè)標(biāo)定

實(shí)驗(yàn)所用相機(jī)存在圖像畸變，用標(biāo)準(zhǔn)棋盤格進(jìn)行校正標(biāo)定，標(biāo)定結(jié)果如下。

相機(jī)內(nèi)參數(shù)矩陣：

畸變系數(shù)：

[-0.5640860668260472,1.334478592907218,-0.001954098647446536,

0.003381037536167425,-3.584386632028848]

2個(gè)矩陣參數(shù)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(jì)算相機(jī)像素尺寸與標(biāo)準(zhǔn)尺寸的平均比值，具體如表1所示。

表1 像素尺寸與實(shí)際尺寸的比值ηi

平均系數(shù)計(jì)算公式：

(1)

式中，ηa為平均系數(shù)；ηi為每次測量得到的系數(shù)；n為測量的組數(shù)。

通過公式(1)計(jì)算，得相機(jī)像素尺寸與標(biāo)準(zhǔn)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(shù)據(jù)為例，進(jìn)行圖像處理分析。

實(shí)驗(yàn)中的激光照射到土地上后偏紅色，把原始圖像數(shù)據(jù)轉(zhuǎn)換成HSV顏色空間的圖像，從而分離出紅色元素，對HSV圖像進(jìn)行紅色范圍的二值化[3]，得到了圖4。圖4是由不連續(xù)的點(diǎn)組成的圖像，需要擬合處理生成一條連續(xù)的折線，從圖片的左邊起，每30個(gè)相機(jī)像素采集一個(gè)白點(diǎn)，首尾相連，擬合后的折線圖像如圖5所示。

圖4 經(jīng)過HSV處理的二值圖 圖5 生成連續(xù)折線

圖6 特征檢測與測量 圖7 結(jié)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(xù)折線的波峰和波谷，波峰即壟頂，用藍(lán)色圓圈標(biāo)注，波谷即壟溝，用綠色圓圈標(biāo)注。地壟寬度為2個(gè)波谷的距離，像素尺寸為960，根據(jù)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(jì)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(jié)果映射到原始圖數(shù)據(jù)上，方便直觀觀察。

3 測試結(jié)果及分析

表2 地壟寬度測量結(jié)果表

因?yàn)樵搶?shí)驗(yàn)每30個(gè)相機(jī)像素采集一個(gè)白點(diǎn)，30個(gè)相機(jī)像素對應(yīng)標(biāo)準(zhǔn)尺寸為11mm，所以每個(gè)白點(diǎn)的位置誤差為±11mm，由于地壟寬度是由2個(gè)白點(diǎn)的寬度計(jì)算得到的，所以該算法得出的地壟寬度誤差為±22mm，因?yàn)樗惴ㄒ矊儆谙到y(tǒng)的一部分，所以也可看做系統(tǒng)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(tǒng)誤差范圍內(nèi)，符合實(shí)驗(yàn)要求。

4 結(jié)束語

通過實(shí)驗(yàn)結(jié)果的比較與分析得出，該方法可以較為準(zhǔn)確地識別出地壟的壟頂、兩側(cè)的壟底，以及計(jì)算出地壟寬度，對農(nóng)機(jī)的自動化、智能化具有積極的作用。本實(shí)驗(yàn)由于采用識別激光線的方法測量，對光照要求較為嚴(yán)格，需要在灰暗的條件下進(jìn)行。本實(shí)驗(yàn)算法，只對截面類似于三角形的地壟有效，截面是梯形及復(fù)雜形狀的地壟該算法無法測量。