呂怡秋

（寧夏工商職業(yè)技術(shù)學(xué)院，寧夏 銀川 750000）

遠(yuǎn)程操控機(jī)械臂代替人工在極限環(huán)境下作業(yè)，對(duì)保障人員安全與提升作業(yè)效率具有重要意義。在智能傳感技術(shù)不斷發(fā)展的背景下，采摘機(jī)器在農(nóng)業(yè)領(lǐng)域擁有了更多的應(yīng)用機(jī)會(huì)。采摘器是以待采摘作物為對(duì)象，融入人類(lèi)肢體動(dòng)作與感知功能的機(jī)器，能夠降低作業(yè)強(qiáng)度，提升作業(yè)效率[1]。傳統(tǒng)的遠(yuǎn)程采摘機(jī)器多應(yīng)用遺傳算法或A*算法對(duì)農(nóng)作物成熟情況進(jìn)行判斷，識(shí)別精度較低且需利用布線方式，在采摘環(huán)境的影響下有時(shí)無(wú)法大規(guī)模布線，從而導(dǎo)致采摘機(jī)器受到限制[2]。手勢(shì)是較為直觀的交互手段，可通過(guò)手勢(shì)識(shí)別動(dòng)作信息，體現(xiàn)操作意圖?；谑謩?shì)識(shí)別的采摘機(jī)器，利用計(jì)算機(jī)、攝像與通信設(shè)備便可完成手勢(shì)信號(hào)的收集、識(shí)別與跟蹤，成本低廉、操作穩(wěn)定[3]。鑒于此，本文設(shè)計(jì)了一種依托手勢(shì)識(shí)別的智能農(nóng)業(yè)采摘控制系統(tǒng)，可以由操作者遠(yuǎn)程判斷待采作物，通過(guò)手勢(shì)指令操控機(jī)器進(jìn)行采摘。

1 整體設(shè)計(jì)

如圖1 所示，智能農(nóng)業(yè)采摘控制系統(tǒng)包括控制層與被控層兩部分?？刂茖佑芍鳈C(jī)、無(wú)線傳輸模塊以及EMGPro 肌肉電手勢(shì)識(shí)別手環(huán)組成；被控層由采摘機(jī)械臂、電機(jī)驅(qū)動(dòng)器、無(wú)線傳輸模塊以及AT89C2051-24PU 微控制器組成。智能農(nóng)業(yè)采摘控制系統(tǒng)的工作流程為：

圖1 系統(tǒng)整體框架

1）控制層與被控層完成初始化，被控層開(kāi)啟攝像機(jī)后由圖像收集設(shè)備對(duì)待采作物進(jìn)行信息收集，并由AT89C2051-24PU 通過(guò)無(wú)線傳輸模塊將信息發(fā)送到控制層。

2）控制層通過(guò)無(wú)線傳輸模塊將收集到的信息顯示在主機(jī)屏幕上[4]。

3）操作者通過(guò)手勢(shì)決定是否采摘作物，握拳代表采摘作物，張開(kāi)代表不采摘作物。

4）提取手勢(shì)特征，通過(guò)濾波算法分析手勢(shì)后，判斷是否采摘目標(biāo)作物[5]。

5）主機(jī)將采摘指令通過(guò)無(wú)線傳輸模塊發(fā)送到被控層，待其接收到信息后根據(jù)指令操作，若未采摘?jiǎng)t發(fā)送信號(hào)，由電機(jī)驅(qū)動(dòng)器控制機(jī)械臂進(jìn)行采摘；如果判定為不采摘，則移動(dòng)高分辨雙目攝像機(jī)聚焦下一個(gè)目標(biāo)農(nóng)作物。

2 手勢(shì)信號(hào)收集與處理

2.1 信號(hào)收集

手勢(shì)信號(hào)屬于微弱的生物信號(hào)，是手勢(shì)動(dòng)作在時(shí)空上的累積。根據(jù)檢測(cè)電極與位置的不同，手勢(shì)信號(hào)可分為針電極與表電極[6]。收集時(shí)僅需將電極貼在手臂上便可收集到手勢(shì)信號(hào)，信號(hào)質(zhì)量強(qiáng)弱能夠判定是否準(zhǔn)確，所以需要在能夠產(chǎn)生較多手勢(shì)信號(hào)的手部肌肉群附近收集信號(hào)。為使信號(hào)更為準(zhǔn)確，可使用EMGPro 手環(huán)獲取手勢(shì)信號(hào)，該手環(huán)與皮膚直接接觸，傳感器能夠?qū)⑹占降男盘?hào)降噪處理后轉(zhuǎn)化為數(shù)字信號(hào)，并將其傳輸至控制層；控制層收到信息后，通過(guò)特征提取與分段檢測(cè)對(duì)其進(jìn)行進(jìn)一步分析，在確定手勢(shì)后由采摘機(jī)器完成其余工作。傳感器信號(hào)收集流程如圖2 所示，EMGPro 具有較小的極化電壓，所獲信號(hào)相對(duì)穩(wěn)定。本設(shè)計(jì)的通道由平行的兩片電極構(gòu)成，在噪聲影響下輸出信號(hào)易飽和，故可將放大信號(hào)經(jīng)低通轉(zhuǎn)換后接入高通濾波[7]。

圖2 傳感器信號(hào)收集流程

2.2 算法應(yīng)用

1）提取特征。分段處理傳感器信號(hào)，為滿足機(jī)器控制，對(duì)連續(xù)重疊窗口之間進(jìn)行延遲處理，從各時(shí)間窗口提取時(shí)域特征d，可用公式表示為：

其中，t表示時(shí)間，n表示時(shí)間樣本，l表示樣本窗口長(zhǎng)度。

2）分析成分。分析成分能夠?qū)崿F(xiàn)數(shù)據(jù)正交轉(zhuǎn)換，通過(guò)使用方差矩陣的特征向量獲取全新數(shù)據(jù)集[4]。在研究過(guò)程中，通過(guò)在測(cè)試子集中劃分傳感數(shù)據(jù)進(jìn)行變量處理。將新變量應(yīng)用于手勢(shì)信號(hào)子集|x|進(jìn)行成分系數(shù)計(jì)算，可用公式表示為：

其中，c表示提取特征量，f1表示單模，f2表示2個(gè)組合。

3）動(dòng)作分類(lèi)。為提升手勢(shì)識(shí)別精確度，分別采用遺傳算法、A*算法與圖像濾波算法進(jìn)行綜合測(cè)試，通過(guò)時(shí)間窗口精度來(lái)評(píng)價(jià)系統(tǒng)性能，從而選擇更為合適的算法。在遺傳算法中，數(shù)據(jù)集中的樣本存在類(lèi)型輸出，可對(duì)不同超平問(wèn)題進(jìn)行計(jì)算，將數(shù)據(jù)線性劃分為各種“類(lèi)”，防止因矩陣問(wèn)題而出現(xiàn)誤差[8]；A*算法僅能對(duì)單一超平問(wèn)題進(jìn)行計(jì)算，但可同時(shí)進(jìn)行數(shù)據(jù)分類(lèi)，由此使分類(lèi)誤差顯著降低；而圖像濾波算法則屬于非線性分類(lèi)，由神經(jīng)元連接得到較大的算法空間。

在三類(lèi)算法中，遺傳算法、A*算法與圖像濾波算法的分類(lèi)精度分別為85.3%、87.2%、94.7%，所以，采用圖像濾波算法進(jìn)行手勢(shì)識(shí)別。

3 機(jī)械臂設(shè)計(jì)

在系統(tǒng)內(nèi)，被控層主要負(fù)責(zé)驅(qū)動(dòng)機(jī)械臂完成采摘。為精準(zhǔn)控制采摘，采用6 個(gè)電機(jī)驅(qū)動(dòng)機(jī)械臂，其中，2個(gè)電機(jī)負(fù)責(zé)實(shí)現(xiàn)旋轉(zhuǎn)功能。

3.1 夾持器

機(jī)械臂負(fù)責(zé)采摘作物，而采摘?jiǎng)幼饔蓨A持器完成[9]。夾持器由機(jī)械手、驅(qū)動(dòng)器、電機(jī)等部件組成，其中有2 個(gè)電機(jī)，一個(gè)負(fù)責(zé)夾取作物，另一個(gè)則負(fù)責(zé)連桿旋轉(zhuǎn)。電機(jī)可用于多類(lèi)型變化場(chǎng)景，內(nèi)部包括馬達(dá)、軸承以及電位器等。

夾持器電機(jī)結(jié)構(gòu)如圖3 所示，AT89C2051-24PU發(fā)送信號(hào)，抗干擾電位器控制電路將其與基準(zhǔn)信號(hào)進(jìn)行疊加，產(chǎn)生驅(qū)動(dòng)馬達(dá)的直流電壓，將直流電壓與電位器電壓比較得到電壓差，電壓差決定了電機(jī)的正反轉(zhuǎn)。當(dāng)電機(jī)轉(zhuǎn)速一定時(shí)，可以通過(guò)減速齒輪帶動(dòng)電位器旋轉(zhuǎn)，同時(shí)驅(qū)動(dòng)馬達(dá)，實(shí)現(xiàn)對(duì)機(jī)械臂的控制以及對(duì)電機(jī)正轉(zhuǎn)與反轉(zhuǎn)角度的精準(zhǔn)操控[10]。

圖3 夾持器電機(jī)結(jié)構(gòu)

3.2 驅(qū)動(dòng)器

除底座電機(jī)之外，其他部分還有數(shù)個(gè)電機(jī)，驅(qū)動(dòng)器采用四桿型結(jié)構(gòu)，其具體運(yùn)行原理如圖4 所示?；谝簤毫Φ膫鬟f與轉(zhuǎn)換，液壓油通過(guò)電機(jī)產(chǎn)生壓力進(jìn)入第一級(jí)桿，推動(dòng)活塞運(yùn)動(dòng)。當(dāng)?shù)谝患?jí)桿的活塞到達(dá)特定位置時(shí)，液壓油會(huì)進(jìn)入第二級(jí)桿，隨后推動(dòng)第二級(jí)桿的活塞運(yùn)動(dòng)。同樣，當(dāng)?shù)诙?jí)桿的活塞到達(dá)特定位置時(shí)，液壓油會(huì)進(jìn)入第三級(jí)桿，隨后推動(dòng)第三級(jí)桿上的活塞運(yùn)動(dòng)。通過(guò)傳遞與轉(zhuǎn)換，液壓油的壓力被逐漸放大，從而實(shí)現(xiàn)了較大的推力和位移。

圖4 驅(qū)動(dòng)器運(yùn)行原理

在圖4 中，4 個(gè)不同的桿件矢量正交分解之和形成閉環(huán)，可用公式表示為：

其中，k1、k2、k3、k4表示不同的桿件矢量，a1、a2、a3表示相鄰桿件的夾角。根據(jù)圖4 所示的運(yùn)行原理與公式（3）的參數(shù)，可得出轉(zhuǎn)角與被控桿件的速度，從而使機(jī)械臂能夠平穩(wěn)運(yùn)行。

4 系統(tǒng)實(shí)驗(yàn)

為驗(yàn)證系統(tǒng)是否合理有效，在某種植園內(nèi)進(jìn)行遠(yuǎn)程采摘實(shí)驗(yàn)，全程監(jiān)控實(shí)驗(yàn)步驟。在實(shí)驗(yàn)中，采摘機(jī)器在種植園內(nèi)移動(dòng)，操作者在機(jī)房進(jìn)行遠(yuǎn)程操控，具體手勢(shì)如圖5所示。

圖5 操作者遠(yuǎn)程操作手勢(shì)

當(dāng)識(shí)別到不采摘?jiǎng)幼鲿r(shí)，機(jī)械臂會(huì)向后移動(dòng)一個(gè)單元長(zhǎng)度；當(dāng)識(shí)別到采摘?jiǎng)幼鲿r(shí)，機(jī)械臂會(huì)向前移動(dòng)一個(gè)單元長(zhǎng)度并摘下目標(biāo)作物。在實(shí)驗(yàn)過(guò)程中設(shè)置目標(biāo)值，將兩組手勢(shì)信號(hào)通過(guò)輸出過(guò)程得到實(shí)際值，隨后比較兩類(lèi)值的誤差，通過(guò)圖像濾波算法合理調(diào)整輸出權(quán)值，從而使識(shí)別準(zhǔn)確率得以提升，手勢(shì)信號(hào)的特征值如表1所示。

表1 手勢(shì)信號(hào)特征值

為驗(yàn)證算法性能，將其與遺傳算法和A*算法應(yīng)用下的農(nóng)業(yè)采摘控制系統(tǒng)進(jìn)行比較分析，驗(yàn)證結(jié)果如表2所示。

表2 不同算法下的系統(tǒng)性能比較

由表2 可知，識(shí)別準(zhǔn)確率與采摘準(zhǔn)確率之間存在正向關(guān)系，因此，手勢(shì)識(shí)別是對(duì)采摘準(zhǔn)確率產(chǎn)生影響的主要因素。在實(shí)驗(yàn)中發(fā)現(xiàn)，圖像濾波算法的識(shí)別時(shí)間僅為0.3 s，遠(yuǎn)低于其他兩種算法的4.1 s 與3.5 s；識(shí)別準(zhǔn)確率高達(dá)96%，遠(yuǎn)高于其他兩種算法的94%與92%。從總體上看，圖像濾波算法在系統(tǒng)應(yīng)用中更具有優(yōu)勢(shì)。

5 結(jié)語(yǔ)

綜上所述，采摘機(jī)器在無(wú)法實(shí)現(xiàn)人工采摘的復(fù)雜環(huán)境下需借助遠(yuǎn)程方式進(jìn)行控制，以使其有效開(kāi)展采摘工作。為優(yōu)化系統(tǒng)性能，課題組進(jìn)行了基于手勢(shì)識(shí)別的智能農(nóng)業(yè)采摘控制系統(tǒng)設(shè)計(jì)研究，在系統(tǒng)設(shè)計(jì)中，引入了圖像濾波算法，將手勢(shì)識(shí)別與遠(yuǎn)程操控機(jī)械臂結(jié)合，通過(guò)高分辨雙目攝像機(jī)收集手勢(shì)圖像信息并提取特征，將其轉(zhuǎn)化為電機(jī)控制命令后發(fā)送至控制層，實(shí)現(xiàn)了對(duì)機(jī)器的遠(yuǎn)程操控。實(shí)驗(yàn)表明，本系統(tǒng)的手勢(shì)識(shí)別準(zhǔn)確度更高，可提高作物成熟判斷準(zhǔn)確率與采摘效率，具有良好的應(yīng)用與推廣價(jià)值。