溫室番茄收獲機(jī)器人選擇性收獲作業(yè)信息獲取與路徑規(guī)劃研究.pdf

1、果蔬收獲機(jī)器人關(guān)鍵技術(shù)的研發(fā)，是我國設(shè)施農(nóng)業(yè)規(guī)?；?、工業(yè)化進(jìn)程中的必要環(huán)節(jié)。本研究針對番茄收獲機(jī)器人作業(yè)信息獲取技術(shù)開展研究，對于提高我國智能化設(shè)施農(nóng)業(yè)裝備的研發(fā)水平具有重要的理論意義和實際價值。
　　 本研究以溫室典型瓜果作物——番茄為研究對象，對番茄收獲機(jī)器人選擇性采收中作業(yè)信息快速獲取問題進(jìn)行了研究，為了獲取各種成熟果實的等級信息，以便對果實實時分類采摘和存放，將計算機(jī)視覺圖像、近紅外反射光譜等信息通過多傳感信息融合進(jìn)行檢

2、測，并對多目標(biāo)采摘的機(jī)械手路徑規(guī)劃開展研究。本研究主要完成了以下工作:
　　 (1)研究果實圖像、光譜和內(nèi)在品質(zhì)常規(guī)檢測等試驗信息采集。在對番茄試驗樣本的成熟期篩選的基礎(chǔ)上，討論了番茄可見光圖像、多光譜圖像、溫室壟間道路圖像的信息獲取，介紹了利用光譜儀采集番茄近紅外光譜信息的試驗方案。研究了番茄內(nèi)部理化成分的常規(guī)檢測方法，并獲取了番茄樣本常規(guī)理化成分檢測的數(shù)據(jù)。
　　 (2)利用機(jī)器視覺技術(shù)對田間生長狀態(tài)的番茄成熟度進(jìn)行

3、識別判定研究。選取綠熟期、催熟期、半熟期、成熟期和完熟期等五種程度的番茄果實為研究對象，在生長狀態(tài)下采集可見光圖像和近紅外圖像，提取了12個圖像顏色特征變量進(jìn)行分析，利用神經(jīng)網(wǎng)絡(luò)、判定分析等模式識別方法進(jìn)行了果實識別分類。試驗表明，①隨著成熟度的變化，番茄果實圖像色調(diào)H、G分量均值有遞減趨勢，半熟期果實圖像H和G分量色差的均值標(biāo)準(zhǔn)差均為最大。②在所有成熟度番茄樣本中，半熟期番茄近紅外圖像強(qiáng)度均值最小。③色調(diào)H分量均值可作為番茄成熟度判定

4、指標(biāo)，當(dāng)H分量均值取43時，可以將綠熟期和催熟期以上成熟度番茄劃分開。④基于H分量統(tǒng)計模型的番茄成熟度模型總體判定正確率為93％，判定誤差主要由半熟期番茄識別造成。
　　 (3)開展基于近紅外光譜技術(shù)的果實內(nèi)在品質(zhì)快速檢測研究。針對番茄收獲機(jī)器人選擇性收獲時對番茄內(nèi)部品質(zhì)等級信息實時檢測問題，利用可見-近紅外光譜技術(shù)對番茄的胡蘿卜素、固形物、總糖和總酸含量進(jìn)行了非破壞性快速檢測研究。①以鎮(zhèn)江地產(chǎn)番茄品種共70個樣品為研究對象，比

5、較了3中不同的光譜預(yù)處理方法對回歸模型精度的影響，采用樣本數(shù)據(jù)集歸一化處理，在全波段范圍內(nèi)建立了4個理化成分的支持向量機(jī)回歸模型，模型的交互驗證的相關(guān)系數(shù)均在0.94以上。②選取糖分作為番茄內(nèi)在品質(zhì)評價依據(jù)，利用iPLS法從全波段中提取出216個波長點，再利用遺傳算法結(jié)合偏最小二乘法(GA-PLS)篩選出6個特征波長，分別為552nm、557nm、1215nm、1251nm、1279nm、1284nm。利用提取的6個特征波長，建立了糖分

6、等級的支持向量機(jī)分類模型，分類準(zhǔn)確率為82.35％，可以用于番茄品質(zhì)指標(biāo)的快速檢測。
　　 (4)針對溫室環(huán)境下嚴(yán)重遮擋果實的快速識別和形狀特征提取開展研究。①提出利用H分量顏色特征分割果實敏感區(qū)域，通過形態(tài)學(xué)開運(yùn)算方法去除葉、莖稈和溫室附屬物等背景噪音，采用區(qū)域空洞填充算法消除陽光直射形成的亮斑空洞，應(yīng)用順序法對區(qū)域標(biāo)記處理并實現(xiàn)多果實區(qū)域邊界跟蹤，識別出果實區(qū)域。②針對多種生長狀態(tài)下尤其是嚴(yán)重重疊的多果實番茄圖像的形狀特征提

7、取，提出基于邊界弦平分線結(jié)合聚類算法，確定出每個果實的中心點和外接圓半徑等形狀特征參數(shù)。結(jié)果表明，針對分辨率640×480圖像的處理時間為0.45s，對自然狀態(tài)下的200幅番茄圖像的正確識別率為95.5％。
　　 (5)開展結(jié)果期溫室內(nèi)吊蔓繩障礙物識別研究。首先基于區(qū)域特征采用Otsu法對吊蔓繩圖像進(jìn)行閾值分割，并通過試驗分析確定了適用于多種天氣條件下的閾值修正量。針對溫室內(nèi)多種復(fù)雜背景噪聲干擾，提出基于面積閾值法去除小面積噪聲

8、區(qū)域，采用區(qū)域外接矩長寬比閾值法去除大面積背景噪聲區(qū)域，從而獲得吊蔓繩區(qū)域。最后利用最小二乘擬合得到吊蔓繩障礙物位置信息。通過試驗確定了外接矩長寬比閾值為6.0952，該識別方法對溫室光照不均、背景噪聲復(fù)雜等干擾因素有良好的適應(yīng)性，對100幅植株障礙物樣本圖像的正確識別率達(dá)93％，平均耗時為0.8s。
　　 (6)開展番茄收獲機(jī)器人多源作業(yè)信息獲取系統(tǒng)集成研究。探討了番茄機(jī)器人實時分類采收過程中多傳感器融合層次的選擇和信息融合組

9、合結(jié)構(gòu)，研究了基于多傳感器信息的番茄選擇性采收決策和等級判定的實現(xiàn)。進(jìn)行了溫室番茄采收機(jī)器人多源信息獲取系統(tǒng)硬件集成設(shè)計，構(gòu)建了雙目視覺識別系統(tǒng)，選用FieldSpecPro光譜儀采集果實內(nèi)部糖分信息，利用MOTOMAN機(jī)械手結(jié)合自制的末端執(zhí)行器組成番茄選擇性采摘機(jī)械手，并和移動平臺構(gòu)成一個8自由度的番茄機(jī)器人。通過標(biāo)定試驗，分析確定雙目攝像機(jī)的合理安裝間距為250mm，定位誤差可控制在5mm以內(nèi)。采用基于VisualC++和MATLA

10、B混合編程的方式，設(shè)計開發(fā)了番茄收獲機(jī)器人采收決策和目標(biāo)信息檢測軟件，并對選定樣本進(jìn)行了試驗檢測。
　　 (7)研究了實時分類收獲過程中機(jī)械手多果實位置點到多個果箱的復(fù)雜路徑規(guī)劃。提出構(gòu)建機(jī)械手全局最優(yōu)路徑規(guī)劃決策樹，按照全局路徑最短距離的優(yōu)化原則遍歷搜索決策樹，建立路徑優(yōu)化模型，求解全局最優(yōu)路徑。結(jié)合番茄果實空間位置和吊蔓繩障礙物位置信息，構(gòu)建MOTOMANSV3X機(jī)械手運(yùn)動學(xué)模型，開展局部避障運(yùn)動軌跡規(guī)劃研究。
　　

11、 (8)研究了溫室非結(jié)構(gòu)作業(yè)環(huán)境和復(fù)雜背景下壟間道路識別方法。提出了依據(jù)(Ⅰ)分量直方圖采用最大類間方差法進(jìn)行圖像閾值分割，利用間隔掃描區(qū)域邊緣提取算法獲取加熱管邊緣離散點簇，經(jīng)最小二乘法擬合后得到兩條加熱管邊緣線，進(jìn)而推算出道路中心基準(zhǔn)線。在光照不均和作物遮擋等多種情況下的道路檢測試驗表明，該方法提取的道路中心基準(zhǔn)線與人工擬合道路基準(zhǔn)線平均相對偏差為0.77％，當(dāng)加熱管被遮蓋率在[10％90％]區(qū)間時，道路基準(zhǔn)線提取算法準(zhǔn)確率達(dá)91.