施药机器人对行施药系统的设计与试验.pdf

白如月, 汪小旵, 鲁伟, 等. 施药机器人对行施药系统的设计与试验[J]. 华南农业大学学报, 2018, 395 101-109.施药机器人对行施药系统的设计与试验白如月1，汪小旵1,2，鲁 伟1，李成光1，Morice O. ODHIAMBO11 南京农业大学 工学院，江苏 南京 210031； 2 江苏省智能化农业装备重点实验室，江苏 南京 210031摘要 【目的】设计一种能在作物行间自主导航的施药机器人，实现移动机器人在温室中自动行走并均匀施药。【方法】针对导航路径识别受光线变化影响较大的问题，在Kinect摄像机获取的彩色图像中选取了HIS空间，并对K-means算法的聚类中心和聚类数目的选取进行了优化，随后采用改进的K-means算法对与光照信息无关的H、S分量联合分割，获得完整道路信息，并采用Candy算子检测边缘及改进的Hough变化方法拟合导航路径。采用模糊控制方法通过实时调整转角和转向，对车体行走偏移进行矫正。同时，为满足不同农作物的施药需求，在喷药系统上选用了自整定模糊PID控制算法。【结果】该系统可有效适应不同光照条件，提取作物行中心线平均耗时12.36 ms，导航偏差不超过5 cm，植株叶片正面的上、中、下层覆盖率分别为63.26、50.89和75.82，单位面积1 cm2雾滴数平均为55、42和78个。【结论】本系统可以满足温室移动机器人自主施药防治病虫害的需求。关键词 农业机器人；温室；精准施药；自主导航；K-means算法；颜色空间；沉积分布中图分类号 S229 文献标志码 A 文章编号 1001-411X201805-0101-09Design and experiment of row-following pesticide sprayingsystem by robotBAI Ruyue1, WANG Xiaochan1,2, LU Wei1, LI Chengguang1, Morice O. ODHIAMBO11 College of Engineering, Nanjing Agricultural University, Nanjing 210031, China; 2 Jiangsu Province EngineeringLaboratory for Modern Facilities Agricultural Technology and Equipment, Nanjing 210031, ChinaAbstract 【Objective】To realize the automatic walk and uni application of mobile robot in thegreenhouse, a kind of spraying robot capable of navigating autonomously between crop lines was designed.【】Aiming at the problem that the recognition of navigation path was greatly affected by light changes,HIS space was selected from the color images acquired by Kinect camera. The clustering center and numberwere optimized for K-means algorithm. Using the improved K-means algorithm，the components of H and Swere segmented and the complete road ination was obtained. The of Candy operator was used todetect the edge，and the of improved Hough change was used to fit the navigation path. The offuzzy control was used to correct robot walking offset by adjusting the rotating angle and turn in real time. Aself-tuning fuzzy PID control algorithm was selected for this spraying system to meet application requirementsof different crops.【Result】The system could effectively adapt to different light conditions. On average, it took12.36 ms to extract the center line of crop. The navigation deviation does not exceed 5 cm. The coverage rate ofplant leaves on upper, middle and lower layers was 63.26, 50.89 and 75.82 respectively, and the droplet收稿日期2018–03–10 网络首发时间2018–07–09 174958网络首发地址http// E-mail ； 通信作者 汪小旵1968，男，教授，博士，E-mail 基金项目江苏省农业科技自主创新资金项目CX151033华南农业大学学报 2018, 395 101-109 http//Journal of South China Agricultural University doi 10.7671/j.issn.1001-411X.2018.05.015http//number per square centimeter was 55, 42 and 78 respectively.【Conclusion】This system can meet the need ofpesticide application of mobile robot to prevent pests and diseases in greenhouse.Key words agricultural robot; greenhouse; precise pesticide application; autonomous navigation; K-meansalgorithm; color space; sedimentary distribution在温室大棚中，由于空间密闭，极易形成高温高湿环境，从而诱发作物病虫害。在此环境中采用传统的人工施药方式，不仅农药利用率低，而且农药挥发雾化会对人体健康造成一定危害。采用施药机器人进行作业，可以减少操作人员在密闭棚内的工作时间，且对行喷雾可以提高农药的施用效果。目前，施药机器人对行施药控制方式主要有药液调节控制式、流量控制式、压力控制式等方式[1-3]。其导航系统主要采用超声定位确定喷雾作业区域，或者采用GPS和机器视觉的方式确定行走路径[4-5]。目前，国内外对施药机器人的研究尚处于探索试验阶段。Jasinski等[6]提出了一种施药智能决策机器人系统，通过传感技术与图像处理等技术实现了精确施药的功能。Sharma等[7]提出了一种惯性导航系统，提高了施药机器人导航的准确性。刁智华等[8]提出了一种适用于施药机器人系统的施药算法，提高了农药利用率。张铁民等[9]提出了一种多源传感器信息融合的导航系统，为农用机器人导航方法的研究提供了新依据。温室内部结构复杂、光照变化快，导航受干扰因素多，施药系统难以建立统一模型等因素都给机器人系统导航与施药决策带来了很大的困难。不同光照条件下的自主导航作业和不同作物参数下的施药控制将直接影响作业性能和效果，所以，一种可以适应不同光照条件及外界因素干扰的导航施药系统将会有效提高药液利用率，减小农药对人体的伤害。本文设计了一套基于机器视觉的自主导航的对行施药系统，经过图像处理提取出导航路径后进行了车体行走偏移矫正控制；对喷雾系统采取恒压控制以保证作物受药均匀，同时针对温室内光照变化大的问题，提出了一种在合适的颜色空间采用改进的K-means算法来进行路径分割的方法，并进行了行走与喷雾沉积性能试验。1 总体方案该系统主要由喷杆、水箱、微型水泵、车载计算机、Kinect摄像机、蓄电池组、直流无刷电动机、步进电动机及控制器和传感模块等组成图1，分为图像采集部分、驱动和转向部分以及喷雾部分。图像采集装置为Kinect的彩色摄像头，图片分辨率为640像素480像素，图像格式为JPG，摄像头高度设置为60 cm，安装在车体正前方，转角可调节的范围是与水平面夹角045。后轮驱动部分直流电机功率为500 W，前轮步进电机用于控制车体转向，额定扭矩为29 Nm–1，最大瞬间负载为44 Nm–1；前轮导向轴上安装有“U”型槽光电传感器和绝对式旋转编码器，用于测量前轮转角以便及时修正车体前进方向。施药部分水箱为50 L的加厚塑料水桶，选用的微型水泵型号为回流型3210HD，工作电压为12 V，最大流量是8 Lmin–1，可以通过调节转速从而改变喷药压力。该喷雾车整体长1.00 m、宽0.35 m，符合我国小型设施农业进行喷雾作业所需的客观条件。系统的整体工作原理如图2所示。摄像头实时拍摄温室环境道路图像，通过USB接口与车载计算机相连接，车载计算机对获取到的图像进行实时图像处理，得到导航路径信号，串口将行走指令发送给STM32控制器，控制器驱动小车直行或转向；图像处理系统实时监测小车航向偏移，光电开关及编码器实时检测前轮转角，并由控制器进行航向调节。压力传感器实时监测水压信息，与系统预设值比较形成闭环反馈，从而实现喷雾压力准确调控。132 13 121110987654 1触摸屏显示器；2控制器；3摄像头；4光电传感器；5直流电机；6绝对式旋转编码器；7车载计算机；8蓄电池组；9步进电机；10微型水泵；11水流量和压力传感器；12喷头；13水箱图 1 温室喷雾导航系统结构简图Fig. 1 The structure diagram of navigation system forgreenhouse spraying102 华 南 农 业 大 学 学 报 第 39 卷 http//2 系统设计2.1 目标识别系统设计本文研究对象为番茄温室，采集到的图片如图3a。由于温室环境中光照变化大，目前常用的颜色空间RGB、CMY等难以适应，而HSI空间由H色调、S饱和度和I亮度3个分量构成，光照变化只对I分量有影响，且3个分量之间可以单独处理，互不相关[10-12]，因此本研究选用HSI空间，且只对H和S分量进行后续的图像处理，得到分量效果图图3b和3c，可以看到分量存在较多噪声。为了有效去除噪声，同时克服线性滤波带来的图像细节模糊问题，本文选择算子大小为77的中值滤波算法，处理结果见图3d和3e，可以发现噪声基本被消除。温室道路区域和植被区域的边界是获取导航路径的关键。由于图像中存在落叶、杂草以及地膜、土壤边界不清等问题，对边界提取产生了巨大的干扰[13-15]。本文在边缘检测之前先进行图像分割，提取出道路区域。常见的分割方法有基于阈值的分割，其对噪声十分敏感；基于区域的分割，忽略了空间信息等。在聚类分割算法中，基于K-means聚类算法是目前应用最为广泛的算法之一，它具有直观、快速、易于实现等特点，但聚类数目与聚类中心的初始选择对分割结果影响很大[16-17]。本文提出了一种改进的K-means聚类算法，基于直方图寻找初始聚类中心及数目。首先，分别作出滤波后图像H、S分量像素分布的直方图图4a和4b，可以直观的看到各区域的像素分布情况。利用高斯滤波器对原始分量直方图进行平滑处理，滤波器窗口大小选择15，通过调节高斯标准协方差σ可以改善平滑效果，得到平滑后的效果图图4c和4d，第i级灰度值对应的像素车载计算机驱动电路直流无刷电机驱动电路步进电机车体行走驱动电路水泵电磁阀喷头STM32微控制器Kinect摄像头压力传感器转角反馈图 2 温室施药导航系统工作原理图Fig. 2 The working schematic diagram of navigation system for greenhouse pesticide sprayinga 原始图片b H分量图c S分量图d H分量滤波后效果图e S分量滤波后效果图 图 3 番茄温室图片及H和S分量滤波前后效果图Fig. 3 The tomato greenhouse picture and renderings of H and S components before and after filtering第 5 期 白如月，等施药机器人对行施药系统的设计与试验 103 http//点数目为ni，设μii，ni。具体做法如下1寻找峰值点集合N1N1f ijnini 1\nini1;1≤i≤254g。12设定阈值T1，排除掉像素点数目过少的峰值点，得到新的峰值点μ′i的集合N2，其包含的峰值点数目为mN2 f ′ijni≥T1; i 2 N1g。23距离过近的峰值点所在灰度级相近，即区域颜色相似，设置距离阈值T2，从相近的峰值点中选取包含像素点较多的峰值点作为新的峰值点。xk与xk1表示相邻的2个峰值点的位置，令1≤k≤m–1，当║xk－xk1║≥T2时，同时选取这2个点作为新的峰值点，当║xk－xk1║Kp Kp′ 10∆Kp;Ki Ki′ 0002∆Ki;Kd Kd′ 0417∆Kd;3式中，Kp′，Ki′和Kd′分别是PID参数基值。进而可以对水泵转速进行调节，使喷雾系统压力保持恒定。图 6 拟合的导航路径Fig. 6 The fitted navigation path模糊控制器车体移动参考输入输出δ校正ed0,eθ0 ed0,eθ0 图 7 行走控制框图Fig. 7 The block diagram for walking controlde/dte模糊控制器Kp Ki KdPID控制器r−压力传感器水泵电磁阀喷头图 8 喷雾系统原理图Fig. 8 The schematic diagram of spray system第 5 期 白如月，等施药机器人对行施药系统的设计与试验 105 http//3 温室大棚试验与结果试验在江苏省农业科学院番茄温室大棚中进行，垄长10 m、垄宽0.6 m，番茄株高约1.8 m，试验条件为无自然风，温度为17 ℃，湿度为21，试验现场如图9。3.1 目标识别算法在同一温室环境条件下，分别设13、2040和80100 klx的3种光照度范围，各获取10幅图片。分别采用目标识别算法方法1、基于H和S联合分割的常规的K-means聚类算法方法2以及基于RGB空间的常规的K-means聚类算法方法3处理。运行计算机的配置CPU主频为2.66GHz、内存为3 G。 jXa Xbj640 为了准确评价算法的路径识别效果，统计了每类图片处理耗时T、平均处理时间Ts、算法拟合中心线位置Xa、实际中心线位置Xb、误差率α和误差平均值 等5个指标。T各类方法处理特定光照下获取的图片消耗的总时长与相应图片数量的比值；Ts每种方法处理在3种光照度下获取的所有图片消耗总时长与图片总张数的比值；Xa通过图像处理算法自动计算出的图像道路的中心位置，Xb通过人为计算的图像道路中心位置；α算法拟合的中心位置与实际中心位置像素差值的绝对值与图像横轴总像素值的比值，即 ； 各类方法处理特定光照下的各张图片的误差率α之和与图片张数的比值。试验结果见表1和表2。由表1可知，3种算法处理在不同光照度下获取的各张图片得出的道路中心线位置，及其与实际中心线位置对比得出的误差率。由表2可以看出，本文所提出的算法与普通的聚类算法相比较，平均处理速度显著提高，提取中心线耗时12.36 ms，可有效降低光照影响，路径识别的平均误差率在各种光照度下均不超过4，明显优于其他处理方式，道路识别效果良好，因此本文提出的道路识别算法可以有效地应用于温室移动机器人，提高了导航的准确性和速度。表 1 不同算法误差率比较1Table 1 Comparisons of the error rates of differentalgorithms光照度/klxXa/像素Xb/像素α/方法1方法2方法3方法1方法2方法313 330 342 361 358 1.88 4.84 4.44342 361 321 361 2.97 3.28 2.97337 321 295 320 2.50 6.56 2.66358 376 407 373 2.81 7.66 2.34326 330 338 285 0.63 1.88 9.22328 314 342 378 2.19 2.19 7.81306 296 258 294 1.56 7.50 1.88341 329 310 353 1.88 4.84 1.88299 308 279 345 1.41 3.13 7.19286 299 330 314 2.03 6.88 4.342040 311 324 324 361 2.03 2.03 7.81327 334 365 276 1.09 5.93 7.97345 340 355 375 0.78 1.56 4.69320 310 360 385 1.56 6.25 10.16311 315 318 366 0.63 1.09 8.59378 366 335 328 1.72 6.72 7.81298 304 323 258 0.93 3.91 6.25305 302 333 367 0.47 4.38 9.69300 299 319 334 0.16 2.97 5.31282 284 251 235 0.31 4.84 7.3480100 317 339 349 351 3.43 5.00 5.31325 335 345 387 2.03 3.13 9.69336 304 292 386 5.00 6.88 7.81332 372 342 281 6.25 1.56 7.97318 348 372 351 4.69 8.44 5.16309 325 322 376 2.50 2.03 10.47297 283 348 326 1.56 7.97 5.16354 371 324 425 2.19 4.69 11.09322 301 356 368 3.28 5.31 7.19310 283 276 256 4.22 5.31 8.441方法 1目标识别算法；方法 2基于 H和 S联合分割的常规K-means聚类算法；方法 3基于 RGB空间的常规 K-means聚类算法图 9 番茄温室大棚中的试验平台Fig. 9 The test plat in tomato greenhouse106 华 南 农 业 大 学 学 报 第 39 卷 http//3.2 行走试验为了验证系统自主导航性能，先对行进路线进行标记，行进参考路线是初始位置中心点与终点位置中线点的连接直线。在车头正下方的底盘正中间处悬挂可滴漏液体的瓶子，根据液体的轨迹判断小车的行走轨迹。将小车的起点定在偏差为10 cm的位置上，并将初始速度分别设为0.5、1.0和1.5 ms–1，不同光照度下让小车在垄间自由行走，以5 cm的间隔分别测量并记录各速度下不同行进距离的横向偏差，得到的系统路径跟随性能图10。试验结果图10表明，在不同初始速度、不同光照条件下，该系统能够准确地跟踪路径，在初始位置存在较大偏差的情况下，系统可自主调节到标准位置附近，到达标准位置后，在正常的进行过程中，导航最大偏差不超过5 cm。可见，本文所提出的导航方法可以满足温室导航系统的精度需求，同时能有效地克服光照的影响，提高了温室移动机器人视觉导航路径识别的鲁棒性。3.3 对行施药系统性能测试为了测试小车自主导航时的施药性能，将小车按表3参数设置，探究小车不同行走速度及喷雾工作压力下对雾滴沉积覆盖率的影响。在同一作物行任选15株番茄植株，在植株的中垂线上距地面分别为1.5、1.0和0.5 m处，即植株上、中、下层，每层各选择3片叶片作为采样点，用曲别针在叶片正反面各夹住1片38 mm26 mm的水敏试纸，用于测量正反面雾滴沉积覆盖率，并将同一植株行同一水平面上的水敏试纸视为重复试验，取平均值。试纸布置完毕后，让小车匀速驶过行间，待雾滴干燥后收集试纸，用扫描仪及雾滴图像处理软件测定每张试纸的雾滴覆盖率，结果见图11。通过数据分析，本系统在喷雾压力为0.6 MPa、行驶速度为1.0 ms–1条件下，喷雾效果最佳，植株上层叶片正面平均药液覆盖率为63.26，单位面表 2 不同算法效果比较Table 2 Comparisons of the results of different algorithms算法1光照度/klx处理时间/ms 误差平均值 /方法1 13 11.87 1.982040 12.64 0.9780100 12.58 3.52平均值12.36 2.16方法2 13 80.74 4.872040 90.88 3.9680100 89.78 5.03平均值87.13 4.62方法3 13 100.61 4.472040 128.54 7.5680100 133.87 7.83平均值121.00 6.621方法 1目标识别算法；方法 2基于 H和 S联合分割的常规K-means聚类算法；方法 3基于 RGB空间的常规 K-means聚类算法表 3 因素水平表Table 3 The table of factor and level水平喷雾压力/MPa喷雾流量/mLmin–1行驶速度/ms–11 0.2 397 0.52 0.4 512 1.03 0.6 608 1.54 0.8 776 2.0131197531−1−3−5 0 0.5 1.0 1.5 2.0 2.5 3.0 3.5 4.0 4.5 5.0 5.5 6.0 6.5 7.0 7.5 8.0 8.5 9.0 9.5 10.0行进距离/m横向偏差/cm0.5 ms−1 1.0 ms−1 1.5 ms−1参考路径图 10 不同初始速度的系统路径跟随性能Fig. 10 The path following perance of the system with different initial speed第 5 期 白如月，等施药机器人对行施药系统的设计与试验 107 http//积1 cm2雾滴数平均为55个；中层叶片正面平均药液覆盖率为50.89，单位面积雾滴数为42个；下层叶片正面平均药液覆盖率为75.82，单位面积雾滴数为78个；叶片反面平均药液覆盖率为23.96，可以满足温室施药需求。4 结论1本文研制的自主导航喷雾系统机具尺寸小、结构紧凑，可同时完成行间行走、喷雾作业，可以满足我国小型温室作业所需的客观条件。2针对温室导航受光照影响较大的问题，选用了H、S通道联合处理的方式，有效排除了光照的影响，同时改进了传统的K-means聚类分割算法，提出了初始聚类中心和聚类数目选取的新方法，有效提高了导航的鲁棒性。3系统采用恒压定量喷雾方式，通过模糊PID控制，提高了喷雾控制精度。4番茄温室大棚试验证明，机具作业效果良好，导航偏差不超过5 cm，上、中、下层番茄植株叶片正面覆盖率分别为63.26、50.89和75.82。参考文献TORII T. Research in autonomous agriculture vehicles inJapan[J]. Comput Electron Agr, 2000, 251/2 133-153.[1]沈成杰. 变量喷雾系统设计及喷雾流量控制特性试验研究[D]. 镇江 江苏大学, 2009.[2]SINGH S, BURKS T F, LEE W S. Autonomous roboticvehicle development for greenhouse spraying[J]. TransASAE, 2005, 486 2355-2361.[3]李佐鹏. 喷雾机器人超声定位及变量喷雾试验研究[D].镇江 江苏大学, 2007.[4]张波. 田间自走式对行喷雾机器人控制系统设计[D].[5]0.5 ms−1 1 ms −1 1.5 ms −1 2 ms−10204060800.2 0.4 0.6 0.8雾滴覆盖率/喷雾压力/MPaa 下层叶片正面雾滴覆盖率/喷雾压力/MPa0510152025300.2 0.4 0.6 0.8b 下层叶片反面雾滴覆盖率/喷雾压力/MPa02040600.2 0.4 0.6 0.8c 中层叶片正面雾滴覆盖率/喷雾压力/MPa0510152025300.2 0.4 0.6 0.8d 中层叶片反面雾滴覆盖率/喷雾压力/MPa0204060800.2 0.4 0.6 0.8e 上层叶片正面雾滴覆盖率/喷雾压力/MPa01020300.2 0.4 0.6 0.8f 上层叶片反面图 11 不同喷雾压力和行驶速度下各层番茄叶片沉积覆盖率分布Fig. 11 The coverage rates of droplet distributions of tomato leaves on different layers under different spraying pressuresand driving speeds108 华 南 农 业 大 学 学 报 第 39 卷 http//杨凌 西北农林科技大学, 2017.JASIŃSKI M, MĄCZAK J, RADKOWSKI S, et al.Autonomous agricultural robot Conception of inertialnavigation system[C]//ROMAN S, MAŁGORZATA K,CEZARY Z. Challenges in automation, robotics andmeasurement techniques. Warsaw Springer Internation-al Publishing, 2016 669-679.[6]SHARMA S, BORSE R. Automatic agriculture sprayingrobot with smart decision making[C]//CORCHADO R J.The international symposium on intelligent systems tech-nologies and applications. Jaipur Springer InternationalPublishing, 2016 743-758.[7]刁智华, 刁春迎, 魏玉泉, 等. 机器人系统中小麦病害识别与施药算法研究[J]. 江苏农业科学, 2017, 4517192-195.[8]张铁民, 李辉辉, 陈大为, 等. 多源传感器信息融合的农用小车路径跟踪导航系统[J]. 农业机械学报, 2015,463 37-42.[9]兰小艳, 陈莉, 贾建, 李熠晨, 等. 基于小波和PCA的自适应颜色空间彩色图像去噪[J]. 计算机应用研究,2018, 353 934-939.[10]虎晓红, 李炳军, 刘芳. 多颜色空间中玉米叶部病害图像图论分割方法[J]. 农业机械学报, 2013, 442 177-181.[11]庞晓敏, 闵子建, 阚江明. 基于HSI和LAB颜色空间的彩色图像分割[J]. 广西大学学报自然科学版, 2011,366 976-980.[12]高国琴, 李明. 基于K-means算法的温室移动机器人导航路径识别[J]. 农业工程学报, 2014, 307 25-33.[13]王新忠. 温室番茄收获机器人选择性收获作业信息获取与路径规划研究[D]. 镇江 江苏大学, 2012.[14]王新忠, 韩旭, 毛罕平, 等. 基于最小二乘法的温室番茄垄间视觉导航路径检测[J]. 农业机械学报, 2012, 436161-166.[15]徐黎明,吕继东. 基于同态滤波和K均值聚类算法的杨梅图像分割[J]. 农业工程学报, 2015, 3114 202-208.[16]刁智华, 王欢, 宋寅卯, 等. 复杂背景下棉花病叶害螨图像分割方法[J]. 农业工程学报, 2013, 295 147-152.[17]任永新, 谭豫之, 杨会华, 等. 基于模糊控制的黄瓜采摘机器人视觉导航[J]. 江苏大学学报自然科学版,2009, 304 343-346.[18]董志明,宋乐鹏. 基于PLC控制的模糊自整定PID变量喷雾控制系统[J]. 山东农业大学学报自然科学版,2014, 454 536-540.[19]宋淑然, 阮耀灿, 洪添胜, 等. 果园管道喷雾系统药液压力的自整定模糊PID控制[J]. 农业工程学报, 2011,276 157-161.[20]宋乐鹏, 董志明, 向李娟, 等. 变量喷雾流量阀的变论域自适应模糊PID控制[J]. 农业工程学报, 2010, 2611114-118.[21]戴俊珂, 姜海明, 钟奇润, 等. 基于自整定模糊PID算法的LD温度控制系统[J]. 红外与激光工程, 2014,4310 3287-3291.[22]尹振波. 喷雾系统的设计及喷雾机器人自主作业的研究[D].北京 北京林业大学,2012.[23]【责任编辑 周志红】第 5 期 白如月，等施药机器人对行施药系统的设计与试验 109 http//