胡　鵬，劉志剛

(1.南昌工學(xué)院，南昌　330108；2.南昌大學(xué)，南昌　330031)

?

在線自動(dòng)對(duì)靶噴霧控制系統(tǒng)研究

胡鵬1，劉志剛2

(1.南昌工學(xué)院，南昌330108；2.南昌大學(xué)，南昌330031)

摘要：為了提高噴霧裝置的自動(dòng)對(duì)靶精度，實(shí)現(xiàn)流量控制的實(shí)時(shí)自動(dòng)化調(diào)節(jié)過程，提出了一種基于二值化圖像分割和微波測(cè)距的自動(dòng)對(duì)靶噴霧控制系統(tǒng)。該系統(tǒng)利用植物葉間灰度的動(dòng)態(tài)閾值來調(diào)控電磁閥，實(shí)現(xiàn)了實(shí)時(shí)變流量噴霧過程。為了提高微波測(cè)距的精度和圖像二值化過程的效率及魯棒性，使用了神經(jīng)網(wǎng)絡(luò)算法對(duì)測(cè)距誤差進(jìn)行修正，采用了動(dòng)態(tài)閾值方法對(duì)圖像的二值化進(jìn)行迭代計(jì)算。最后，對(duì)實(shí)時(shí)自動(dòng)對(duì)靶噴霧控制系統(tǒng)進(jìn)行了測(cè)試，由測(cè)試結(jié)果可以看出：采用神經(jīng)網(wǎng)絡(luò)和動(dòng)態(tài)閾值二值化方法可以大大提升控制系統(tǒng)的精度，提高了噴霧的效率和準(zhǔn)確性，為現(xiàn)代化農(nóng)藥噴霧技術(shù)的研究提供了理論參考。

關(guān)鍵詞：自動(dòng)對(duì)靶噴霧；微波測(cè)距；神經(jīng)網(wǎng)絡(luò)；動(dòng)態(tài)閾值；二值化

0引言

實(shí)施變量施藥可以提升單位面積施藥量，提高農(nóng)藥利用率，降低環(huán)境污染；然而目前，落后的施藥機(jī)械與農(nóng)藥使用觀念導(dǎo)致農(nóng)藥不合理利用現(xiàn)象極為嚴(yán)重，造成在農(nóng)藥使用過程中經(jīng)常發(fā)生“跑冒滴漏”現(xiàn)象，致使農(nóng)藥利用率僅為20%～30%，且農(nóng)藥分布不均勻高達(dá)46.6%以上。絕大部分農(nóng)藥漂移、蒸發(fā)至空氣中和流失至土壤、水域中，造成農(nóng)產(chǎn)品污染嚴(yán)重、農(nóng)作物農(nóng)藥殘留超標(biāo)、衛(wèi)生質(zhì)量下降、農(nóng)藥嚴(yán)重浪費(fèi)和污染環(huán)境，同時(shí)，農(nóng)產(chǎn)品的農(nóng)藥殘留還導(dǎo)致人畜中毒事件時(shí)有發(fā)生。

為了提高農(nóng)業(yè)的噴施質(zhì)量，世界各國都在努力研制各種變量施藥裝置。其中，具有代表性的是美國Spraying Systems公司生產(chǎn)的TeeJet854 Sprayer Control植物專用噴霧控制器。該裝置將噴霧接口和設(shè)備相連，可以根據(jù)樹木高度和距離來控制噴藥。北京豐茂植保機(jī)械有限公司與中國農(nóng)業(yè)大學(xué)共同研制了3WG-350型果園自動(dòng)對(duì)靶噴霧機(jī)，該裝置通過紅外線探測(cè)感應(yīng)辨別施藥物體是否存在，對(duì)施藥目標(biāo)進(jìn)行自動(dòng)對(duì)靶施藥；但是這些噴霧裝置的自動(dòng)對(duì)靶精度較低，流量控制的自動(dòng)化程度也不高，系統(tǒng)的實(shí)時(shí)性和穩(wěn)定性不好。為此，本文在系統(tǒng)設(shè)計(jì)過程中使用了微波測(cè)距原理，并根據(jù)葉間密度的二值化灰度值，采用電磁閥來控制噴霧流量變化，實(shí)現(xiàn)了農(nóng)藥噴霧過程的實(shí)時(shí)自動(dòng)化調(diào)節(jié)，提高了農(nóng)藥噴施精度和作業(yè)現(xiàn)代化水平。

1系統(tǒng)設(shè)計(jì)原理

1.1系統(tǒng)工作原理

數(shù)據(jù)采集模塊負(fù)責(zé)獲取植物間距信息和葉間的圖像信息。其中，植物葉間圖像通過雙目CCD作為信息采集端，植物間距信息采用微波測(cè)距來實(shí)現(xiàn)，車速風(fēng)速信息的采集采用傳感器系統(tǒng)來實(shí)現(xiàn)。其基本原理框架如圖1所示。

圖1　數(shù)據(jù)采集構(gòu)件設(shè)計(jì)

數(shù)據(jù)采集構(gòu)件主要對(duì)植物間距和圖像數(shù)據(jù)進(jìn)行采集，采集得到的數(shù)據(jù)傳輸?shù)綌?shù)據(jù)處理構(gòu)件進(jìn)行加工處理。在數(shù)據(jù)處理過程中，首先要將圖像以256色圖像進(jìn)行保存分析，并對(duì)圖像的噪聲和干擾信號(hào)進(jìn)行濾除，通過動(dòng)態(tài)閾值算法提取最佳分割閾值，將圖像按灰度分割。其主要流程如圖2所示。

圖像的二值化過程主要采用動(dòng)態(tài)閾值的迭代方法，將圖像按閾值分割，提取灰度值，按照灰度值的大小形成流量控制決策，對(duì)樹木形狀、噴霧目標(biāo)及其與噴頭的距離等做出判斷，進(jìn)行智能變量噴霧。

圖2　數(shù)據(jù)處理構(gòu)件設(shè)計(jì)

1.2微波測(cè)距神經(jīng)網(wǎng)絡(luò)算法

微波測(cè)距時(shí)反射信號(hào)和發(fā)射信號(hào)是相同的，只是在時(shí)間上有一個(gè)延遲，這個(gè)延遲可以記作t。時(shí)間和所測(cè)距離的關(guān)系可以表示為

(1)

其中,c表示光速，反射信號(hào)和發(fā)射信號(hào)的差值可以記作f。根據(jù)三角關(guān)系，可以寫為

(2)

其中,T表示三角波的周期；ΔD表示調(diào)制帶寬。那么，可得到所測(cè)目標(biāo)的距離為

(3)

因此,所測(cè)目標(biāo)距離主要和信號(hào)的頻率有關(guān)。微波探測(cè)過程中，頻率信號(hào)的誤差是影響探測(cè)精度的主要因素，因此可以采用BP神經(jīng)網(wǎng)絡(luò)算法對(duì)信號(hào)的誤差進(jìn)行訓(xùn)練，最終提高微波距離探測(cè)。BP神經(jīng)網(wǎng)絡(luò)算法的基本原理是利用信號(hào)的正向傳播和誤差的反向傳遞來降低誤差對(duì)信號(hào)的影響。

圖3表示微波雷達(dá)測(cè)距誤差的神經(jīng)網(wǎng)絡(luò)示意圖。其中，f1i表示頻率信號(hào)輸入值；f2i表示頻率信號(hào)輸出值。為了得到植物體葉間的疏密程度，采用二值化方法對(duì)機(jī)器視覺掃描得到的圖像進(jìn)行處理，得到圖像的灰度值。wij、wkl分別表示從輸入層到隱含層和隱含層到輸出層的網(wǎng)絡(luò)連接權(quán)值，則微波測(cè)距信號(hào)向前傳播的輸入層的輸入和輸出可以表示成

(4)

其中,Yr(1)表示神經(jīng)元的輸入；Yc(1)表示神經(jīng)元的輸出；M表示輸入變量的個(gè)數(shù)。隱含層的輸入和輸出可以表示為

(5)

其中，f表示隱含層的激發(fā)函數(shù)；N表示隱含層的神經(jīng)元個(gè)數(shù)。

輸出層的輸入和輸出可以表示為

(6)

則測(cè)距誤差性能指標(biāo)可以寫為

(7)

其中，Yk(3)*和Yk(3)分別表示輸出層的期望值和實(shí)際值。如果輸出實(shí)際值和期望值不同，可以通過誤差反向傳播來調(diào)整權(quán)值。

圖3　BP 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

1.3圖像二值化過程

圖像的二值化處理就是將圖像上的點(diǎn)的灰度置為0或255，也就是將整個(gè)圖像呈現(xiàn)出明顯的黑白效果。其基本過程如圖4所示。

圖4　圖像二值化過程

為了實(shí)現(xiàn)農(nóng)藥噴霧過程的自動(dòng)對(duì)靶和流量控制，利用灰度值將圖像分割，在不同的灰度值情況下采用不同的電磁控制方式，實(shí)現(xiàn)噴霧的變流量調(diào)節(jié)過程。為了提高圖像二值化過程的魯棒性，采用動(dòng)態(tài)閾值迭代計(jì)算的方式求解閾值，首先求解圖像的最大灰度值Hmax和最小灰度值Hmin。取閾值的初始值為H0=(Hmax+Hmin)/2，假設(shè)一幅圖像的灰度值為i∈[0,255]，閾值為Ti，根據(jù)初始值T0將圖像分割成兩部分，并求出灰度值H0和Hx。求解公式為

(8)

其中，Si表示灰度值為i的像素點(diǎn)數(shù)。那么，閾值初始取值可以表示為

(9)

分割最佳閾值的迭代計(jì)算公式為

Ti=(H0+Hx)/2

(10)

通過迭代計(jì)算得到最佳分割閾值，將圖像進(jìn)行分割處理，在不同的灰度值位置采用不同的噴霧流量，便可以實(shí)現(xiàn)噴霧的自動(dòng)對(duì)靶和變流量噴霧控制。

2系統(tǒng)硬件和軟件設(shè)計(jì)

2.1系統(tǒng)硬件設(shè)計(jì)

在線自動(dòng)對(duì)靶噴霧施藥控制系統(tǒng)硬件電路主要由4部分組成，包括電源模塊、信號(hào)采集模塊、電磁閥模塊、電動(dòng)球閥等4個(gè)子模塊。系統(tǒng)硬件電路總體框架如圖5所示。

圖5　硬件系統(tǒng)總體框架

系統(tǒng)工作時(shí)，電磁閥采用獨(dú)立開關(guān)控制，電磁閥工作狀態(tài)信號(hào)經(jīng)采集后，通過GPIO接口傳輸至處理單元且在系統(tǒng)界面顯示。其控制和動(dòng)作決策過程如表1所示。

系統(tǒng)工作時(shí)，需要根據(jù)微波探測(cè)得到的植物間距對(duì)電動(dòng)球閥的開關(guān)進(jìn)行控制。當(dāng)裝置運(yùn)行到植物體時(shí)，為了實(shí)現(xiàn)變量控制噴霧和對(duì)靶，使用電磁閥的開啟狀態(tài)來控制流量大大?。簩?duì)灰度值較高、葉間密度較大的部分采用全開的方式；對(duì)灰度值較小、葉間密度較小的地方采用半開的方式，以降低農(nóng)業(yè)的噴灑量，實(shí)現(xiàn)流量的智能控制。

表1　控制規(guī)則表

2.2系統(tǒng)軟件設(shè)計(jì)

系統(tǒng)軟件部分的設(shè)計(jì)主要是對(duì)驅(qū)動(dòng)程序的設(shè)計(jì)。本研究采用C語言程序?qū)ο挛粰C(jī)進(jìn)行控制，其原理主要是對(duì)灰度閾值進(jìn)行響應(yīng)。主要流程如圖6所示。

圖6　變量噴霧對(duì)靶過程示意圖

為了實(shí)現(xiàn)農(nóng)藥噴施的變流量控制，通過二值化灰度閾值對(duì)噴頭的電磁閥進(jìn)行控制。其中，主要設(shè)備的驅(qū)動(dòng)程序如下：

1)設(shè)備驅(qū)動(dòng)接口。

Struct file_operation IOdriver_fops=

{ read：1Odriver_read，

write：IOdriver_write，

}；

2)設(shè)備讀取模塊。

static ssize_t IOdriver_read(struct file*file，char*buf，size_t len，

loft_t*off)

{ if(_ _copy_to_user(bur，&IOdriver_var，sizeof(int)))

{ retum _EFAULT；}

retum sizeof(int)；

}

3)設(shè)備寫入模塊。

static ssize_t IOdriver_write (struct file*file，const char*buf，size_t

len，loff_t*off)

{ if(_ _copy_from_user(&IOdriver_var，buf，sizeof(int)))

{ retum __EFAULT；}

retum sizeof(int)

}

......

3系統(tǒng)測(cè)試結(jié)果

在實(shí)際的噴霧試驗(yàn)中，將噴霧車模型的速度進(jìn)行調(diào)節(jié)，讓其在1～10km/h 的速度區(qū)間內(nèi)進(jìn)行行駛操作，采用不同的噴霧控制方法對(duì)噴霧效率進(jìn)行對(duì)比，如表2所示。

表2　噴霧效率對(duì)比

由表2可以看出：利用微波測(cè)距和二值化方法可以大大提高噴霧的效率，其效率在不同速度下都要比單純使用CCD相機(jī)和微波測(cè)距的效率高，并且可以根據(jù)葉間疏密進(jìn)行噴霧操作，節(jié)省了農(nóng)藥。為了驗(yàn)證本文設(shè)計(jì)的算法的可靠性，從中取出1組車速工況下噴霧效率比較高的作為研究對(duì)象，對(duì)不同控制方法的噴霧準(zhǔn)確率進(jìn)行測(cè)試，得到了如圖7所示的結(jié)果曲線。

由圖7可以看出：隨著車速的升高，3種方法噴霧的準(zhǔn)確率都有所降低；但是利用神經(jīng)網(wǎng)絡(luò)調(diào)節(jié)的微波測(cè)距控制方法的噴霧準(zhǔn)確率最高，并且隨著速度的增加，其準(zhǔn)確率最穩(wěn)定。測(cè)試結(jié)果表明：神經(jīng)網(wǎng)絡(luò)信號(hào)誤差訓(xùn)練算法的有效性和可靠性較高，在高精度的對(duì)靶噴霧要求下可以使用該控制方法。

圖7　不同控制方法下的噴霧準(zhǔn)確率

4結(jié)論

1)設(shè)計(jì)了一種新的噴霧自動(dòng)對(duì)靶系統(tǒng)。該系統(tǒng)采用微波測(cè)距原理探測(cè)植物間距，利用二值化分割閾值的方法對(duì)葉間密度進(jìn)行灰度提取，通過距離和灰度值來調(diào)控電磁閥的閉合狀態(tài)，從而實(shí)現(xiàn)了噴霧的變流量控制。

2)采用神經(jīng)網(wǎng)絡(luò)算法對(duì)微波測(cè)距進(jìn)行優(yōu)化，使用動(dòng)態(tài)閾值方法提高了圖像二值化過程的效率和魯棒性。對(duì)噴霧自動(dòng)對(duì)靶系統(tǒng)進(jìn)行了測(cè)試，通過測(cè)試發(fā)現(xiàn)：利用本文設(shè)計(jì)的算法不僅可以大大提高噴霧的效率，而且可以大幅度提升噴霧的準(zhǔn)確性。

3)該系統(tǒng)在農(nóng)作物噴藥變量控制方面發(fā)揮了重要作用，但系統(tǒng)的穩(wěn)定性還有待于進(jìn)一步研究，通過系統(tǒng)的升級(jí)優(yōu)化，可以將其應(yīng)用到更多的領(lǐng)域。

參考文獻(xiàn)：

[1]胡玉玲,曹建國.變風(fēng)量空調(diào)系統(tǒng)末端的變論域模糊 PID 控制[J].控制工程,2008,15(5):564-567.

[2]趙瑞國,李界家,馬斌.中央空調(diào)溫度控制系統(tǒng)的控制策略研究[J].低壓電器, 2008(8):11-14.

[3]Servet Soyguder , Hasan Alli. Fuzzy Adaptive Control for the Actuators Position Control and Modeling of an Expert System[J]. Expert Systems with Applications,2010,37(3):2072-2080.

[4]S.L.Wong,Kevin K.W.Wan,Tony N.T.Lam.Artificial Neural Networks for Energy Analysis of Office Buildings with Daylighting[J]. Applied Energy, 2010, 87(3):551-557.

[5]劉靜紈,魏東,戴正偉.基于模糊 PID 控制的 VAV 控制系統(tǒng)研究與實(shí)現(xiàn)[J].北京理工大學(xué)學(xué)報(bào),2010, 30(8):20-24.

[6]王彥,劉宏立,楊珂.LMBP 神經(jīng)網(wǎng)絡(luò) PID 控制器在暖通空調(diào)系統(tǒng)中的應(yīng)用研究[J].湖南大學(xué)學(xué)報(bào), 2010,30(3):49-52.

[7]任守綱,高上上.面向農(nóng)業(yè)特定領(lǐng)域軟件體系結(jié)構(gòu)適應(yīng)性模式的研究與設(shè)計(jì)術(shù)[J].計(jì)算機(jī)應(yīng)用研究, 2008,25(5):1390-1393.

[8]彭鑫,趙文耘,劉奕明.基于特征模型賀構(gòu)件語義的概念體系結(jié)構(gòu)設(shè)計(jì)[J].軟件學(xué)報(bào),2006,17(6): 1307-1317.

[9]李艷玲.人工神經(jīng)網(wǎng)絡(luò)在遙感圖像分析與處理中的應(yīng)用[J].黑龍江科技信息,2009(23): 23.

[10]向海濤,鄭加強(qiáng),周宏平.基于機(jī)器視覺的樹木圖像 實(shí)時(shí)采集與識(shí)別系統(tǒng)[J].林業(yè)科學(xué),2004,40(3): 144-148.

[11]葛玉峰,周宏平,鄭加強(qiáng),等.基于機(jī)器視覺的室內(nèi)農(nóng)藥自動(dòng)精確噴霧系統(tǒng)[J].農(nóng)業(yè)機(jī)械學(xué)報(bào), 2005,36(3):86-89.

[12]向海濤.基于機(jī)器視覺的樹木圖像實(shí)時(shí)采集與識(shí)別系統(tǒng)[D].南京：南京林業(yè)大學(xué),2002.

[13]趙茂程,鄭加強(qiáng),林小靜,等.基于分形理論的樹木圖像分割方法[J].農(nóng)業(yè)機(jī)械學(xué)報(bào),2004,35 (2):73-75.

[14]Zhao Maocheng, Zheng Jiaqiang, Ling Xiaojing. Improved Tree Crown Recognition System Based Artificial Neural Network[J]. Journal of Nanjing Forestry University,2005,29(4):11-14.

[15]葛玉峰,周宏平,鄭加強(qiáng).計(jì)算機(jī)視覺技術(shù)在林業(yè)生產(chǎn)中的應(yīng)用分析[J].林業(yè)機(jī)械與木工設(shè)備,2003, 31(1):7-10.

[16]陳勇,鄭加強(qiáng).精確施藥可變量噴霧控制系統(tǒng)的研究[J].農(nóng)業(yè)工程學(xué)報(bào),2005,21(5):69-72.

[17]ZhengJiaqiang,ZhouHongping,XuYoulin,et al.Towrard-target precision pesticide application and its system design[J]. Transactions of the CSAE,2005,21(11):67-72.

[18]趙茂程,鄭加強(qiáng),封曉強(qiáng),等.人工神經(jīng)網(wǎng)絡(luò)在林業(yè)中的應(yīng)用研究與展望[J].中國制造業(yè)信息化,2003,32(4):99-102.

[19]趙茂程,鄭加強(qiáng),凌小靜.一種基于小波變換的圖像過渡區(qū)提取及分割方法[J].農(nóng)業(yè)工程學(xué)報(bào),2005, 21(11):103-107.

[20]孫松平,鄭加強(qiáng),周宏平.農(nóng)藥精確噴霧DSS集成 推理機(jī)設(shè)計(jì)[J].中華衛(wèi)生殺蟲藥械,2006,12(4): 257-260.

Research on Automatic Target Spray Control System

Hu Peng1, Liu Zhigang2

(1.Nanchang Institute of Science & Technology, Nanchang 330108, China; 2.Nanchang University,Nanchang 330031,China)

Abstract：In order to improve the accuracy of automatic spraying device for target, realizing the real-time automatic flow control regulation process, proposed a two value automatic target sprayer control system of image segmentation and microwave based on distance measurement, the system uses dynamic threshold of plant leaf between gray to control electromagnetic valve, realizes the real-time variable flow spray process. In order to improve the microwave ranging precision and the two value image efficiency and robustness of the process, the use of neural network algorithm for correction of range error, using the image of two value iteration dynamic threshold method. Finally on the real-time automatic target sprayer control system was tested, by the test results can be seen, using neural network and dynamic threshold value of the two methods can greatly enhance the precision of the control system, improve the efficiency and accuracy of spray, and provides a theoretical reference for the study of modern pesticide spraying technology.

Key words：automatic target spray; microwave measurement; neural network; dynamic threshold; binaryzation

文章編號(hào)：1003-188X(2016)02-0067-05

中圖分類號(hào)：TP277；S49

文獻(xiàn)標(biāo)識(shí)碼：A

作者簡(jiǎn)介：胡鵬(1975-)，男，江西宜春人，副教授，碩士。通訊作者：劉志剛(1980-)，男，湖北天門人，副教授，博士，(E-mail)fiberhome@126.com。

基金項(xiàng)目：國家自然科學(xué)基金青年基金項(xiàng)目(51305152)

收稿日期：2015-01-14