浅析农业机械机器的视觉导航技术

王立新 朱宁欣 初小兵 江浩 张玉良

摘 要：本文分析了农业机械机器视觉导航的结构特点，结合农业机械机器视觉导航的关键技术，如导航规划技术、视觉信息处理技术、转向控制技术等，提出了农业机械机器视觉研究中需要解决的问题，包括图像处理、控制算法和控制计算速度等多传感器的信息融合等问题。

关键词：农业机械机器；视觉导航技术

中图分类号：S23 文献标识码：A DOI：10.11974/nyyjs.20180732022

前言

农机自动导航是现代智能农业机械的重要组成部分，广泛应用于农药和化肥的自动喷施、收获作业、间作除草、移栽耕作等领域，该技术经过计算机械接触杆导航、电缆导航、地磁导航、无线电或激光导航、惯性导航等方面的发展。农作物通常是直线生长，彼此平行。本文就国内外直线检测与车辆导航问题做出了系统的分析与讨论。

1 农业机械机器视觉导航的结构特点

经过实验与调查，带有视觉导航技术的农机设备具有较强的自主性，在规划了明确的路径后，能够自动地按照设定来作业，而这一作业流程大致可以分為2大阶段：农机导航的基本状态；导航参考作业。而使农业机械可以实现自动化作业的原因正是视觉导航系统这一系统由以下几个部分构成：在农业机械运动模型中，可以采集到传感器信号；导航传感器能够实时提供信息，方便人们及时了解状况；导航规划器作为整个系统的重要组成部分，对整个系统的运转格外重要；利用转向控制器来处理整个导航计划的信号等问题，方便一些农业设备按照固定的进行农业操作。

根据农业机械机器视觉导航的结构特点，人们认为机器视觉导航主要可以应用于以下场合：在农业机械中的应用。农产品分拣机是农业机械中应用最早、应用最广泛的机器视觉技术之一，大多数时候用于检测工作，即通过研究农产品表面的一些物质与其特性，根据一定的标准将其分类和处理。这一技术多用于农产品加工过程中，能够有效提高农产品检测效率和反馈准确度；机器视觉技术在农业生产活动中的使用。动植物的生长过程是细微的，所以农业生产活动需要随时准确地记录下动植物的生长情况，才能够有效把控动植物生长环境与状况，更好地适应动植物的生长需要；粮食识别与分类的应用，它利用神经网络、高速滤波等方法对水稻、小麦、玉米等谷物进行识别和分类，根据水稻、小麦、玉米等谷物的应力裂纹、形态、染色后的颜色特征，对水稻、小麦、玉米等谷类进行识别和分类。它还可以检测农副产品的质量，如包装、肉类、各种农产品、蔬菜、瓜果制品的质量等缺陷进行检测等。

2 农业机械机器视觉导航的关键技术

2.1 导航规划技术

导航技术是整个技术体系的重要组成部分，对整个体系的正常运转起着不可替代的作用，影响着农业的生产水平。所以，在设计与规划时就应该密切关注这一环节的情况，从以下几个方面来把控整体。要清楚农机设备的速度与其他的一般机械是不同的，如拖拉机等。因此，要根据不同的农机设施的情况来规划和安排才能真正保证导航信息的准确性和有效性；在具体农业生产活动中，需要考虑农业机械的导航与运转情况。不同的农业机械的导航参考状态有很大的不同；农业作业区域应考虑农机设备方向盘的角度，使设计人员能够根据实际情况制定航行规划，使导航规划适应农机的运动状态；必须准确判断农机运动过程中可能出现的误差，并提出控制措施，确保农业机械能逐步完成导航目标。然而，在导航规划过程中，技术人员不仅要确定农业机械的导航参考信息，而且要尽可能地消除位置偏差，使农业机械能够顺利运行。

2.2 视觉信息处理技术

在不同的农业机械上使用视觉导航技术，需要有所调整。根据不同的环境，及时传递信息，准确处理农业生产的具体内容，才能够保证视觉导航技术的合理发展与合理应用。而在运行过程中，最重要的是视觉信息的真实性，真实的具体效果体现了整个导航系统的好坏程度，所以在系统处理时要格外重视视觉信息处理技术。对于农业生产活动，大多是在室外自然环境中进行的，因此视觉图像处理主要针对分散而复杂的自然对象，在某一方面影响了视觉信息处理技术的处理。所以，从多种因素考虑，系统设计者需要考虑多个方面，充分利用自然环境适应技术来处理图像，增强图像分辨率，推动农业生产活动的持续化发展。

2.3 转向控制技术

转向控制技术是一项对指令速度要求很高的技术，相关工作人员必须在要求范围内控制转移速度，保证农业机械能够及时而准确地获取信息，得到指令，完成农业工作。此外，装有视觉导航技术的智能农机，其运动区域不仅限于领域，还应根据要求能够行驶。所以，技术人员必须考虑农机设备方向盘与地面的作用因素，促进农机设备适应野外、路面等多种环境。

3 农业机械机器视觉研究中还需解决的问题

3.1 控制算法

面对复杂的自然环境，车辆运动不可避免地存在随机扰动的可能性。根据数学模型，可以发现这种方法能够很好地控制整个系统。除此以外，实际汽车试验的结果也证明，在已知或可预测的环境中，有效的模糊规则可以根据实验、仿真和专家经验来制定，但由于实际环境的复杂性，无法预测所有可能的情况。所以，控制系统应具有自我学习和自我适应的能力。

3.2 图像处理的计算速度

随着人们采取图像的环境变化和复杂度提升，图像处理所需要的时间也越来越多。在不清楚未来发展情况的背景下，图像处理速度越慢，后期工作的进展受到的影响就越大。无论是感性的反应控制，还是由感知到模型到制定计划再实施的传统方法，都会因此不能及时而准确的获取信息，从而不能得到有效的控制。

3.3 多传感器的信息溶合

机器视觉导航具有灵活性和实时性的优点，但该方法依赖于导航特性，并与其他传感器获取的各种导航信息相结合。它能够增强导航的准确度和稳定性，合理处理地球转弯等一些导航困难，从而达到自主驾驶的水准。

4 结语

农业机械系统可以大致划分为4个方面。分别为：收集图像、处理图像、机器视觉配件与系统报警。其中，最为重要的便是图像的收集和处理部分。

在工作过程中，机器视觉可以通过灰度和颜色的对比得到边界点和边线，而有效的图像处理算法可以提取出课程线。对于野外环境，利用大视场获得对比度清晰的图像，设置像素数目的阈值，并根据像素调整视场；在处理过图像之后，可以凭借左右作物线来明确作业导航路线。因此，机器的辨别与处理在于获取作物线从而取得导航路线与凭据。只要优化农业机械导航系统，就能够促进农业的机械化加工。

参考文献

[1]郭志信.基于机器视觉的自走式烟叶收获机导航技术研究[D].河南农业大学，2013.

[2]曹倩，王库，杨永辉，等.基于TMS320DM642的农业机器人视觉导航路径检测[J].农业机械学报，2009，40（7）：171-175.

[3]毛可骏.基于单目视觉的自主插秧机导航信息识别技术研究[D].浙江理工大学，2009.

[4]杨庆华，吴佳艺，鲍官军，等.农林环境机器视觉导航路径生成算法及应用[J].农业机械学报，2009，40（3）：147-151.

[5]位耀光，孙明，涂序彦，等.农业机械视觉导航摄像头标定研究[C].纪念中国农业工程学会成立三十周年暨中国农业工程学会2009年学术年会（ CSAE2009）论文集.2009：1-5.