葉鳳華

(廣東工業(yè)大學(xué)，廣州 510090)

0 引言

情感計算最早于20世紀(jì)80年代末就開始產(chǎn)生了，并且由Yale大學(xué)的老教授在分析了相關(guān)參數(shù)后，開辟性地將情感計算這一全新的領(lǐng)域展現(xiàn)在了人們面前。隨著對情感計算的不斷深入和延伸，該概念隨后被戈爾曼演化成為新一層次的概念，其研究成果公布于世后在全球范圍內(nèi)刮起一股情感計算風(fēng)，計算機(jī)智能方向掀起了學(xué)術(shù)研究的熱潮。采摘機(jī)器人是近年來在農(nóng)業(yè)作業(yè)過程中開始使用的一種先進(jìn)的智能化農(nóng)機(jī)設(shè)備，由于我國采摘作業(yè)設(shè)備起步較晚，其智能化功能并不完善，并且使用的數(shù)量也較少。為了使機(jī)器人具有更加智能的自動化作業(yè)能力，且在農(nóng)業(yè)作業(yè)中進(jìn)行推廣，可以結(jié)合當(dāng)前先進(jìn)的情感計算技術(shù)，使機(jī)器人具有類人的作業(yè)能力，從而提高采摘作業(yè)的準(zhǔn)確率和效率，對于提升農(nóng)業(yè)的作業(yè)水平，降低人工作業(yè)的強(qiáng)度具有重要的現(xiàn)實意義。

1 情感計算人機(jī)交互模型及其在采摘機(jī)器人控制系統(tǒng)中的應(yīng)用

情感計算從某種角度來說，是一類經(jīng)典的最科學(xué)模式進(jìn)行分析整合識別的過程，采用情感計算推理模式在理論上可以使農(nóng)機(jī)智能作業(yè)設(shè)備對環(huán)境做出反應(yīng)，使其自主地完成導(dǎo)航行走和作業(yè)。但在實際作業(yè)過程中，智能設(shè)備要想完成自主作業(yè)并不簡單，其難度在于需要對變化的進(jìn)行實時的分析，像人類情感一樣對信息做出及時和恰如其分的反應(yīng)，從而實現(xiàn)自主化作業(yè)過程。隨著計算機(jī)和信息技術(shù)的不斷進(jìn)步，更加智能化的采摘機(jī)器人被應(yīng)用到了農(nóng)業(yè)作業(yè)過程中，如采摘機(jī)器人，如圖1所示。

圖1 智能自主作業(yè)采摘機(jī)器人Fig.1 Intelligent autonomous operation picking robot

圖1所示是美國加州蔬果研究委員會和華盛頓蘋果委員會共同研發(fā)的一款自主作業(yè)的機(jī)器人，在采摘過程中，機(jī)器人首先通過視覺系統(tǒng)對環(huán)境進(jìn)行掃描，得到一幅關(guān)于采摘作業(yè)環(huán)境的數(shù)字化地圖；然后利用圖像分析系統(tǒng)準(zhǔn)確地定位蘋果的具體位置，并智能化地判斷蘋果的成熟程度。該型采摘機(jī)器人的研發(fā)大大提高了采摘的成功率，提高了采摘的作業(yè)效率。

采摘機(jī)器人的智能化程度主要依賴于其像人類一樣的情感計算能力，在面對實際的采摘作業(yè)環(huán)境時，可以對環(huán)境做出反應(yīng)，自主判斷需要作業(yè)的方位，并判斷哪些作物需要采摘，哪些作物不需要采摘。

2 采摘機(jī)器人智能識別模式模糊聚類算法

采摘機(jī)器人在對環(huán)境進(jìn)行智能判斷和響應(yīng)時，可以采用基于情感計算的圖像聚類和模糊算法，以提高其對復(fù)雜環(huán)境數(shù)據(jù)的處理效率。當(dāng)前，智能化計算模型大部分采用分布式的計算方法，分布式計算的數(shù)據(jù)來源并不統(tǒng)一，利用計算機(jī)系統(tǒng)得到的情感模塊需要借助于機(jī)器語言進(jìn)行表達(dá)，并采用編程技術(shù)高效的執(zhí)行機(jī)器語言，這是情感計算智能識別模式設(shè)計的重點。

AML(Avatar Markup Language)是一種基于XML的多形式腳本語言，該語言的結(jié)構(gòu)簡單，易于理解，并且各種軟件對該語言的兼容性較好，利用該語言可以成功地實現(xiàn)采摘作業(yè)環(huán)境因素的情感的表達(dá)。

實現(xiàn)采摘機(jī)器人的智能化僅僅采用簡單的機(jī)器語言是遠(yuǎn)遠(yuǎn)不夠的，還需要借助于智能算法。其中，模糊c均值聚類算法(FCM)便是一種很好的智能算法模型，其步驟也較為簡單。該算法可以對數(shù)據(jù)進(jìn)行智能化分類，其依據(jù)主要是采集數(shù)據(jù)的隸屬度，是對硬c均值聚類(HCM)方法的一種改進(jìn)，最早由Bezdek提出的。

FCM算法采用模糊分組的方法，將n個向量Xi(i=1,2,…,n)分為c組，并求每組的聚類中心，隸屬矩陣u允許有取值在0,1間的元素，通過歸一化規(guī)定，一個數(shù)據(jù)集的隸屬度的和總等于1，其表達(dá)式為

(1)

則可以得到FCM的目標(biāo)函數(shù)為

(2)

其中，ci表示模糊組I的聚類中心；dij=‖ci-xj‖為第I個聚類中心與第J個數(shù)據(jù)點間的歐幾里德距離，且m∈[1,∞)是一個加權(quán)指數(shù)。通過構(gòu)造如下新的目標(biāo)函數(shù)，可求得使式(2)達(dá)到最小值的必要條件，則

(3)

其中，λj,j=1到n，是式(1)的n個約束式的拉格朗日乘子。對所有輸入?yún)⒘壳髮?dǎo)，使式(2)達(dá)到最小的必要條件為

(4)

(5)

假設(shè)采集到的農(nóng)作物環(huán)境分類數(shù)據(jù)集合為X={x1,x2,…,xN}，其中每一個數(shù)據(jù)集合xk有n個特性指標(biāo)，設(shè)為Xk={x1k,x2k,…,xNk}T，從而把X分成c類進(jìn)行模式識別。

3 基于聚類和模糊控制的采摘機(jī)器人智能模式識別測試

為了驗證聚類和模糊控制算法在采摘機(jī)器人智能模式識別中的作用，以溫室機(jī)器人為例，對算法進(jìn)行了驗證，并通過編程的方式將算法嵌入到了機(jī)器人控制系統(tǒng)中，如圖2所示。

圖2 采摘機(jī)器人實驗過程Fig.3 The experimental process of picking robot

在溫室光線較差的環(huán)境，利用采摘機(jī)器人的智能模式識別方法進(jìn)行采摘作業(yè)試驗，在模式識別時，采用了智能聚類算法對果實顏色進(jìn)行分類，如圖3所示。

圖3 果實聚類圖像模式識別Fig.3 The fruit clustering image pattern recognition

試驗中，可以采用聚類算法對農(nóng)作物的果實進(jìn)行識別，識別的方式主要可以通過顏色來區(qū)別，將綠色枝葉和紅色的果實區(qū)分開，為采摘機(jī)器人目標(biāo)追蹤提供技術(shù)支持。

如表1所示，采用智能模式識別算法后，在不同的測試過程中都得到了較高的模式識別準(zhǔn)確率，從而驗證了算法的可行性，將其使用在農(nóng)作物顏色識別系統(tǒng)中，會產(chǎn)生非常好的效果。

表1 模式識別準(zhǔn)確率測試Table 1 The accuracy test of patterm recognition %

如表2所示，為了驗證模糊聚類算法在采摘機(jī)器人控制系統(tǒng)中使用的優(yōu)越性，將其和不同算法表現(xiàn)出來的性能進(jìn)行對比，由表2對比結(jié)果可知：本次選用的聚類模糊算法在算法準(zhǔn)確率和計算效率上都具有突出的優(yōu)勢。

表2 不同智能算法對比Table 2 The comparison of different intelligent algorithms

4 結(jié)論

為了提高采摘機(jī)器人的智能化程度，結(jié)合情感計算原理和方法，將模糊聚類算法嵌入到了機(jī)器人智能識別模式中，得到了一種采摘機(jī)器人自適應(yīng)類人作業(yè)設(shè)計的新方法。利用該方法，采摘機(jī)器人的視覺系統(tǒng)和數(shù)據(jù)處理系統(tǒng)實現(xiàn)了環(huán)境信息的采集和模糊聚類，通過聚類可以有效地判斷果實的方位和成熟程度，最后決定是否采摘，整個過程實現(xiàn)了無人化操作。最后，對該方法進(jìn)行了驗證，由采摘機(jī)器人作物顏色的判斷和算法的效率與準(zhǔn)確率試驗結(jié)果表明：該方法可以有效的提高采摘機(jī)器人采摘的準(zhǔn)確率和效率，對于提高采摘機(jī)器人自適應(yīng)能力和自動化作業(yè)水平具有重要的意義。