廖啟明

(鄭州澍青醫(yī)學高等?？茖W校，鄭州 450064)

0 引言

果園管理的首要任務是消除病蟲害，果樹在一年的生長周期內(nèi)要噴藥8～15次，傳統(tǒng)的噴藥方式是大面積的噴藥，不僅造成了農(nóng)藥的浪費，提高了農(nóng)藥成本，對環(huán)境造成了負擔，噴藥效果也不理想，大大降低了噴藥作業(yè)的效率和實際的著藥量。精確對靶施藥平臺可以根據(jù)施藥目標的具體方位和設定施藥量的閾值，進行準確與精量的施藥作業(yè)，其技術難點在于施藥目標具體位置信息的檢測和識別。隨著計算機技術的飛速發(fā)展，機器視覺被應用到各個領域，在農(nóng)業(yè)方面，通過計算機圖像處理已經(jīng)可以識別到作物的特征信息，將其使用在自動對靶施藥平臺中，可以為自動對靶控制系統(tǒng)提供重要的作物位置信息，為準確和精量施藥提供重要的信息數(shù)據(jù)。

1 自動對靶精準施藥平臺作業(yè)原理和系統(tǒng)構(gòu)成

自動精準對靶施藥平臺和傳統(tǒng)的施藥機械類似，被安裝在農(nóng)用拖拉機車載平臺上，并通過拖拉機的牽引動力在農(nóng)作物的兩側(cè)自動行進；在行進的過程中，通過搭載在平臺上的PC處理器獲取環(huán)境和施藥目標的圖像信息，圖像通過傳感器進行采集；當傳感器采集到果樹的全局范圍信息時，通過激光測距來判斷距離農(nóng)作物的長度。其過程如圖1所示。

圖1 施藥平臺作業(yè)過程示意圖

在施藥平臺通過PC圖像處理器獲得樹木大體方位信息后，利用激光測距方法測試其距離果樹的距離；當距離較近時，信息反饋到主控單元，發(fā)出停車信號，然后利用計算機圖像處理計算識別具體的果樹果實和枝葉的目標信息，其原理和系統(tǒng)構(gòu)成如圖2所示。自動對靶施藥平臺主要由3部分構(gòu)成，包括對靶圖像檢測與識別處理器、自動對靶控制系統(tǒng)和施藥執(zhí)行末端。當距離施藥目標較近停車后，對靶圖像處理系統(tǒng)可以采集到施藥目標的圖像，并通過坐標轉(zhuǎn)換與圖像處理計算得到施藥目標的具體方位；將信息傳遞給自動對靶控制系統(tǒng)后，施藥執(zhí)行末端開始施藥；當施藥量達到限定值后，停止施藥，移動到下一目標。

圖2 自動對靶施藥平臺原理和系統(tǒng)構(gòu)成

2 基于圖像邊緣檢測和識別的自動對靶系統(tǒng)

隨著計算機應用的普及，數(shù)字圖像被廣泛的應用于各個領域。數(shù)字圖像最核心的技術之一便是圖像邊緣檢測和識別算法，邊緣是數(shù)字圖像的基本特征，包含了圖像的重要信息，因此對邊緣的檢測和識別非常重要。本次采用該技術擬對果園果樹的果實和枝葉等信息進行準確的識別，以達到精確對靶的目的。圖像的邊緣在數(shù)字灰度圖像中是兩個灰度明顯不同的交界線，利用圖像邊緣可以對圖像進行分割，進而識別圖像的有效信息，圖像的邊緣模型如圖3所示。

(a) 理想邊緣模型 (b) 斜坡邊緣

圖3(a)表示理想的圖像邊緣，每個像素都處在灰度級躍變的一個垂直的臺階上，但在實際進行圖像采集時，受到采集條件的限制無法得到理想的圖像，圖像邊緣往往是模糊的，因此圖像邊緣被描述為圖3(b)所示的斜坡邊緣剖面。圖像的局部邊緣是灰度級明顯不同的兩個區(qū)域的過渡，在過渡邊界上，灰度變化速率存在最大值，目前邊緣檢測算法常用的方法是微分方法，圖像函數(shù)f(x,y)在點(x,y)的梯度是一個矢量，即

(1)

mag(f)

(2)

方向角為

(3)

根據(jù)這種原理，人們提出了很多邊緣檢測的算法，包括Roberts算子、Sobel算子和Log算子等。其中，Log 算法是基于二階導數(shù)的邊緣檢測算法，準確程度和精度較高，因此選用Log 算法。在進行邊緣檢測時，首先需要對圖像進行濾波，Log算法采用高斯函數(shù)進行濾波，濾波完成后對圖像進行二階求導，然后利用旋轉(zhuǎn)對稱的Log模板與圖像做卷積，確定濾波器輸出的零交叉位置。其中，高斯型函數(shù)形式為

h(r)=-e-(r2/2σ2),r2=x2+y2

(4)

其中，σ表示標準差。h的拉普拉斯算子為

(5)

這便是Log算子，一般常用的是5×5的算子模板，如圖4所示。

圖4 5×5算子模板

在使用Log算法進行圖像邊緣檢測時，圖像要與高斯濾波器進行卷積，在進行卷積時實現(xiàn)圖像的平滑作用，也降低了圖像的干擾噪聲，且較為明顯的孤立噪聲將被直接濾除掉。其特點是圖像首先與高斯濾波器進行卷積，這樣在平滑圖像的同時降低了噪聲，孤立的點噪聲和較小的結(jié)構(gòu)組織將被濾除。一般來說，邊緣檢測主要分為4個步驟，本次精準對靶施藥機在進行圖像邊緣檢測和識別時也主要是4個步驟：

1)濾波。濾波是邊緣檢測時的一個重要步驟，因為在進行邊緣檢測時要進行一階和二階求導，用以對圖像進行增強。由于導數(shù)對噪聲的敏感度比較高，所以在邊緣檢測前必須進行濾波。

2)增強。圖像增強可以使邊緣的灰度變化更加凸出，從而有助于圖像的邊緣檢測。

3)檢測。根據(jù)圖像梯度的閾值，采用相應的算法確定圖像的邊緣，如Log算法。

4)定位。邊緣檢測完成后，要得到圖像中的目標信息，還要根據(jù)邊緣位置對目標進行定位。

基于以上步驟可以實現(xiàn)精準對靶施藥平臺的噴藥目標位置的檢測和識別，具體流程如圖5所示。

圖5 施藥平臺施藥目標位置檢測和識別流程

為了提高施藥平臺的自主化作業(yè)能力，在進行施藥目標檢測前可以對全局的果樹位置進行定位，當?shù)竭_果樹位置時，再對果樹的果實和枝葉位置進行定位；然后，通過對圖像的濾波和邊緣檢測的等處理，識別果實和枝葉的位置，對準果實和枝葉進行精準的施藥動作，從而提高施藥的準確性和作業(yè)效率，進而提高著藥率。

3 自動對靶精準施藥平臺實驗研究

為了驗證基于計算圖像邊緣檢測和智能識別算法的自動對靶施藥系統(tǒng)的可行性，對平臺的靶標識別的準確性進行了實驗驗證，并對施藥的實際著藥量進行統(tǒng)計，以驗證平臺的可靠性。

圖6為本次實驗采用的精準對靶施藥平臺，該平臺通過在普通施藥機上搭載PC處理器改造而成。為保證實驗的順利進行，選擇了地勢平坦的果園作為實驗區(qū)，首先對蘋果和枝葉的圖像進行捕捉，如圖7所示。

為了驗證施藥平臺圖像處理系統(tǒng)對環(huán)境的適應能力，選擇在光線較暗的條件下采集了蘋果樹的果實和枝葉，并利用PC圖像處理系統(tǒng)對其邊緣進行了檢測，得到了如圖8所示的結(jié)果。

圖6 自動對靶施藥平臺實驗

圖7 蘋果果實和枝葉圖像捕捉

圖8 邊緣檢測初步結(jié)果

通過初步的邊緣檢測，得到了果實和枝葉的大體位置，從而驗證了圖像處理系統(tǒng)的可靠性，對圖像的果實做進一步的邊緣檢測和目標識別，其結(jié)果如圖9所示。

圖9 果實識別圖像

通過對圖像的果實進一步圖像處理后，得到了果實的明顯邊緣位置，可以利用邊緣位置的坐標和坐標系的轉(zhuǎn)換得到果實的具體位置，為施藥平臺提供準確的施藥目標方位。

如表1所示，分別對傳統(tǒng)方法的實際著藥量和成本進行了統(tǒng)計。為了使實驗數(shù)據(jù)更加可靠，采用了筆直型和彎曲型兩種類型的果樹，分別得到了實際的著藥量和所需成本。

表1 傳統(tǒng)施藥方法實際著藥量和成本測試

由自動對靶精準施藥平臺實際著藥量和成本測試結(jié)果表明(見表2)，相比傳統(tǒng)施藥方法，該施藥平臺的著藥率有了明顯的提高，降低了施藥成本，從而驗證了該方案的可行性。

表2 自動對靶精準施藥平臺實際著藥量和成本測試

4 結(jié)論

為了提高施藥的準確性和精量性，將計算機圖像處理的邊緣檢測與目標圖像識別技術引入到了施藥控制系統(tǒng)中，設計了完整的自動對靶精確施藥平臺，并以傳統(tǒng)的施藥平臺為載體，對精確對靶施藥平臺進行了實驗研究。為了降低實驗難度，選擇了地勢平坦的果園作為實驗場地，對平行的兩側(cè)果樹施藥進行了實驗研究，并對目標檢測的準確性和實際著藥量與施藥成本進行了統(tǒng)計。研究結(jié)果表明：利用施藥平臺的圖像處理系統(tǒng)可以準確地得到待施藥果實和枝葉的準確目標信息，相比傳統(tǒng)施藥方法，自動對靶施藥平臺的實際著藥量更高，成本更低，從而驗證了平臺的可行性，為精確施藥技術的研究提供了較有價值的參考。