自然光照下基于粒子群算法的农业机械导航路径

分类：论文范文 发表时间：2021-04-09 09:12

　　摘要:针对农业机械视觉导航线提取易受光照变化影响及常规导航线识别算法实时性低、抗干扰能力差等问题，对自然光照条件下基于机器视觉的农业机械导航路径识别技术进行了研究。首先，在YCrCb颜色模型的基础上构建与光照无关的Cg分量，选择2Cg-Cr-Cb特征因子对图像进行灰度化处理，以降低光照变化对图像分割的影响;然后，采用改进K-means聚类方法进行图像分割，将绿色作物信息从土壤背景中分离出来，并通过形态学滤波方法滤除二值图像中存在的杂草干扰信息;最后，根据图像中作物行的特点建立作物行直线方程约束模型，利用粒子群算法对作物行直线进行寻优求解，进而得到导航线。实验结果表明，不同光照条件下对2Cg-Cr-Cb灰度图像进行图像分割，可以清晰完整地将作物从土壤背景中分离出来，分割图像受光照变化影响较小并且不会引入背景噪声;基于粒子群算法的导航线检测方法可以快速准确地提取出导航路径，对于不同农田作物和作物不同生长阶段具有较高的适应性，相比于常规导航线识别算法具有实时性高、鲁棒性好等优点。

　　关键词:农业机械;机器视觉;导航路径识别;颜色模型;粒子群算法

　　引言

　　利用农业机械自动导航技术可以有效提高农田作业效率，延长工作时间，将劳动者从繁重的农业生产中解放出来［1－2］。目前，农业机械自动导航领域的研究主要集中在机器视觉技术和卫星定位(GPS)技术两种方式上［3－4］。与GPS技术相比机器视觉技术具有获取信息量丰富、非接触测量、实时性好、性价比高等优点，已经成为国内外精细农业研究领域的一个热点。

　　1图像预处理

　　图像预处理是指在特定的颜色空间(模型)下，将彩色图像转换为灰度图像的过程。其中，颜色空间的选择关系到后续图像的处理，目前常用的颜色空间主要包括ＲGB、HIS、YCrCb颜色空间。ＲGB颜色空间各基色具有很强的相关性，对亮度变化敏感，不适合处理对光照变化敏感的图像。HIS颜色空间亮度与色度信号相分离，H分量受光照变化影响很小且可以识别不同颜色的物体，但H分量与ＲGB转换关系为非线性容易造成图像失真，同时存在计算量大、耗时多等问题［18］。YCrCb(亦称YUV模型)颜色空间是用于彩色电视信号传输的一种编码方式，Y表示亮度，Cr和Cb为色度信号与光照无关，分别表示ＲGB输入信号红色分量和蓝色分量与亮度信号之差［19－20］。YCrCb颜色空间亮度信号与色度信号相分离，适合处理易受光照变化影响的图像。

　　2图像分割与噪声滤除

　　图像分割是导航路径识别的关键环节，主要作用是将作物信息从土壤背景中提取出来。K-means聚类算法是一种非监督图像分割方法，具有简单、快速、处理大数据时相对可伸缩和高效率等优点。相比于阈值分割方法，聚类分割算法对作物与背景不存在明显灰度差异或者各物体灰度范围有较大重叠的图像也具有良好的分割效果［21－22］。K-means算法将样本距离作为相似性评价指标，认为类是由距离靠近的样本组成，通过迭代使目标函数最小以获取最佳聚类。

　　3基于粒子群算法的作物行识别与导航路径检测

　　3.1粒子群优化算法原理

　　粒子群优化算法(Particleswarmoptimization，PSO)是一种基于群体的演化算法，通过个体间的协作与竞争，实现复杂空间最优解搜索，算法基本原理如下［23］:

　　3.2作物行直线检测与导航路径识别

　　文献［16－17］采用粒子群算法对车道线进行检测，由于农田作物行具有与车道线相似的线性特征，因此可以通过粒子群算法对作物行直线进行提取。为快速、准确地获取作物行直线，本文根据图像中作物行的特点建立作物行线性方程约束模型，在此基础上利用粒子群算法对直线参数进行寻优求解。

　　4实验结果与分析

　　本文设计的实验包括静态实验和动态实验。静态实验是在实验室中利用计算机进行图像处理和分析;动态实验是在农田环境下利用实验平台进行导航跟踪测试。

　　静态实验的计算机型号为联想Y460，采用IntelCore(TM)i32.4GHz处理器，2GB内存，Windows7操作系统。图像处理程序基于C/C++语言开发，运行环境为VS2010;动态实验平台如图4所示，主要由视觉传感器、工控机、PLC控制器、液压系统和除草机具组成。视觉传感器采用OKAC1310彩色相机，输出为ＲGB格式的bmp图片，图像尺寸为640像素×480像素。工控机型号为PPC-5152-D525，采用IntelAtomD5252.8GHz处理器，2GB内存，WindowsXP操作系统。导航程序基于C/C++语言开发，运行环境为VS2010。在实验平台上安装GPS系统，采集导航系统运动轨迹信息，用于导航效果评价。

　　5结论

　　(1)利用YCrCb颜色模型构建与光照无关的Cg分量，选择2Cg-Cr-Cb特征因子对图像进行预处理，提高了图像处理对光照变化的适应能力。实验结果表明，不同光照条件下基于2Cg-Cr-Cb灰度图像的图像分割，可以将作物信息清晰完整地从背景中分离出来，分割效果受光照变化影响较小。

　　(2)通过对K-means聚类分割方法进行改进，在保证图像分割质量的前提下缩短了分割时间，使图像处理算法整体实时性提高。

　　(3)首次提出了利用作物行线性模型与粒子群算法相结合进行农业机械导航线提取的方法。此方法在二值图像基础上直接进行直线提取，具有抗干扰性强、算法复杂度低等特点。实验结果表明，相比于常规方法本文算法可快速、准确地提取出作物行直线与导航路径，对不同作物具有较高的适应性，能较好地满足农业机械田间自主导航作业要求。

　　参考文献

　　1SLAUGHTEＲDC，GILESDK，DOWNEYD．Autonomousroboticweedcontrolsystems:areview［J］．ComputersandElectronicsinAgriculture，2008，61(1):63－78．

　　2姬长英，周俊．农业机械导航技术发展分析［J］．农业机械学报，2014，45(9):44－54．JIChangying，ZHOUJun．Currentsituationofnavigationtechnologiesforagriculturalmachinery［J］．TransactionsoftheChineseSocietyforAgriculturalMachinery，2014，45(9):44－54．(inChinese)

　　3杨为民，李天石，贾鸿社．农业机械机器视觉导航研究［J］．农业工程学报，2004，20(1):160－165．YANGWeimin，LITianshi，JIAHongshe．Simulationandexperimentofmachinevisionguidanceofagriculturevehicles［J］．TransactionsoftheCSAE，2004，20(1):160－165．(inChinese)

　　孟庆宽1，2张漫3杨耿煌1，2仇瑞承3项明3

上一篇：要素相对价格、土地资源条件与农户农业机械外 下一篇：农田镉砷污染防控与作物安全种植技术探讨