一种智能化除草机的设计与实现--中国期刊网

字体：大中小

首页> 原创作品> 正文

一种智能化除草机的设计与实现

发表时间：2020/10/20 来源：《基层建设》2020年第19期作者：汪涵常郝史如菊朱换新杨明郡

[导读] 摘要：智能化除草机能够节约大量的时间、人力成本。

        安徽财经大学计算机科学与技术系蚌埠安徽 233030
        摘要：智能化除草机能够节约大量的时间、人力成本。本文基于MK60核心板和openmv摄像头，利用PID算法和路径识别算法，结合基础控制模块，如稳压模块、串口通信模块、红外识别模块等，设计了一种具有自动控速、智能避障、准确收割功能的智能除草机。
        关键词：单片机；路径识别；PID算法；智能除草机
        0 引言
        社会对保护生态环境，建设生态文明越来越重视，越来越多的地方铺起了草坪，而随着草坪的面积增大，人工修理草坪的工作量也不断增大。随着智能化浪潮的兴起和智能科技的广泛应用，人工修理草坪也可以利用智能化机器替代，故我们团队打算针对此方面开发一款智能化除草机，既能节省除草工人的工作时间，又减少了使用在除草上的人力资源，极大方便了人们的生活。
        1 智能化除草机的设想
        1.1 智能化除草机的整体设计
        智能化除草机模型主要由MK60核心板和openmv摄像头，稳压模块、串口通信模块、红外识别模块等组建而成。openmv摄像头主要采集草坪的图像数据，经过相关算法提取出草坪高度，宽度以及密度等信息，从而为智能化除草机的收割速度和收割路径提供依据。红外识别模块主要进行智能避障以及确定草坪的保留长度，并进行二次判断，确保准确收割。
        1.2 智能化除草功能
        智能化除草机模型通过摄像头采集的图像数据传输给单片机作为控制依据，在经过相关算法进行路径识别以及方向判断，采用PID（Proportion Integral Differential）控制算法实现自动调节运行速度，并通过改变PWM（Pulse Width Modulation）信号的占空比调节舵机方向。利用红外传感器来确定草坪的保留长度，同时利用红外传感器进行二次判断，排除第一次未除尽的草，做到准确收割。并且利用红外传感器和摄像头检测障碍物的存在，进行智能避障。
        2 路径识别
        2.1 数据处理
        图像采集中，由于除草机运行的环境，不可避免的会引入环境变化（光照强度、风速、湿度等的改变）和点噪声所造成的失真，可能会对模型的传感器采集的数据造成巨大的干扰，影响核心板对数据的处理。为了避免这类现象的发生，我们对一些重要数据进行了去噪处理。常用的去噪方法有标量领域平均滤波[1]、矢量中值滤波、小波滤波[2]以及Gabor滤波[3]等。中国农业大学的毛文华等[3]在研究中发现，就滤波效果而言，标量领域平均滤波和矢量中值滤波两种方法不相伯仲，但是从后续图像分割结果以及处理时间看，矢量中值滤波要优于标量领域平均滤波法。Bossu等[2]运用小波滤波和Gabor滤波对棉花田间杂草进行了研究，结果在处理时间和处理效果上来看，小波滤波都能很好地实现去噪处理[4]。
        对于图像数据，在除草机图像采集过程中因曝光不足或成像系统对图像造成的非线性，可以通过图像增强的方式改善图像质量[4]。由于采集得到的图像是真彩图像，其色彩比较丰富、信息量较大，处理耗时和难度都较高。为了提高图像分割的效率，实现除草机的自主导航，本文需要对图像进行灰度处理[5]。
        类似于编码器信号等，我们使用的是平均值滤波。每4ms采集一次数据，然后求出近20次数据的平均值，用平均值来替代此次采集的实际数值。
        2.2 路径识别
        利用openmv采集的图像，沿着收割线运行。当判断前方为边界时则进行180度转向并向右移模型的宽度（若除草机模型为40cm，则向右移40cm，如图1所示），当判断前方为障碍物时，则利用红外传感器确认并测距，然后进入避障程序。当判断前方收割完成，则利用摄像头和红外传感器确认是否收割完全，若不完全，则进入准确收割，若收割完全，则工作结束。

        图1.路径识别示意图
        3 自动控速
        我们主要采用PID控制算法对除草机的运行速度和收割速度进行调节，主要为了保证除草机模型能够匀速运行。PID算法是利用误差信号控制被控量，P为比例参数，I为积分参数，D为微分参数。如下图2所示
        本文使用的PID算法可以简化成如下式：

        3.1 运行速度
        我们给模型预设的速度为v0，但当模型开始启动，暂停以及避障都会改变运行速度，我们先建立理想化模型，设模型启动的初始速度为0，实时加速度为a，初始加速度为0，模型预设速度为v0。此时电机的信号输入量应该为正值，同时产生向前的加速度，即a>0；当达到预设速度时，此时v=v0，a=0，此时电机的输入值应当为一个定值；当遇到障碍物时，我们会使模型减速到预设速度的30%，假设为v-，此时，电机的信号输入量应该为负值。当避障结束时，除草机模型需要加速到预设速度v0，此时，电机的信号输入量应当为一个正值。当除草机工作结束时，除草机模型需要减速到0，此时，电机的信号输入量应当为一个负值。
        为实现等间隔采样，并结合核心板的运算速度，我们设置了每60ms进行一次采样和速度控制，在进行每次采样时，我们会通过编码器读取当前的速度Speed_now，之后拿预期设定速度Speed_expect减去当前速度得到速度误差Speed_err。再根据PID算法此次速度控制输出的值等于：P_speed*Speed_err+D_speed*（Speed_now-Speed_old），Speed_old为一次速度控制时读取的模型实际速度。
        3.2 收割速度
        由于各种环境因素，草坪的长势密度可能各不相同，对于不同密度的草坪，除草机模型的收割速度也会不断发生变化。我们主要利用摄像头采集的图像数据来分析草地密度，对密度大的地方，提高转速，反之亦然。收割转速同样是采用PID控制算法来确保稳定。预设最高转速为v1，最低转速为v0，假设此时摄像头采集的图像数据分析的密度为a，则收割速度为（v1-v0）*a+v0，控制收割速度的方式同运行速度。

        图2.PID算法示意图
        4 智能避障
        为了实现智能避障功能，我们采用了摄像头以及红外传感器。我们先通过摄像头判断前方是否存在障碍物，再利用红外传感器在一定距离中判断前方是否存在障碍物来确定避障的时机。因为红外线能被障碍物反射回来，而且障碍物越近反射回来的红外光就越强，障碍物越远反射回来的红外光就越弱[6]。在实验时，我们采用的范围是10cm~35cm。当检测到障碍物后，红外传感器会向核心板发回1信号，核心板接受信号后就会自动启动避障程序。
        避障过程中，我们首先利用舵机进行固定打角，让模型向左（右）转动一定的角度（我们采用的角度是30度），之后再利用摄像头来判断是否远离障碍物，当摄像头能够采集到非障碍物图像时，则再次发送打角信号，利用编码器积分确定回归轨迹，之后将避障启动信号清0，此次避障结束。避障轨迹如下图3所示：

        图3.避障示意图
        5 准确收割
        在第一次收割过程中，难免会因为各种因素导致形成遗漏的地方，为了使收割更加彻底，我们需要进行二次收割，二次收割主要是利用摄像头进行二次图像采集以及红外线测距进行精准定位，找到遗漏的地方进行准确收割。
        6 结语
        智能化除草机采取openmv摄像头进行数据采集，判断收割路径，利用红外线传感器来确定保留长度，并且通过摄像头和红外线传感器来实现智能避障和准确收割，利用PID算法实现除草机的运行速度调节以及收割速度调节。本文所设计的智能化除草机可以将智能化与绿色环保相结合，节省了大量的人力资源，具有一定的使用价值。
        参考文献：
        [1] 陈纯.计算机图像处理技术与算法.北京：清华大学出版社，2003.Chen C.Computer Image Processing Technology and Algorithm.Beijing：Tsinghua University Press，2003.（in Chinese）
        [2] Bossu J，Gee C，Jones G，Truchetet F.Wavelet transform to discriminate between crop and weed in perspective agronomic images.Computer and Electronics in Agriculture，2009，65（1）：133-143.
        [3] 毛文华，王一鸣，张小超，王月青.基于机器视觉的田间杂草识别技术研究进展[J].农业工程学报，2004（05）：43-46.
        [4] 范德耀，姚青，杨保军，周营烽，管泽鑫，唐健.田间杂草识别与除草技术智能化研究进展[J].中国农业科学，2010，43（09）：1823-1833.
        [5] 李碧青，朱强，郑仕勇，陈科尹.杂草自动识别除草机器人设计——基于嵌入式Web和ZigBee网关[J].农机化研究，2017，39（01）：217-221+226.
        [6] 张波，徐传旭，李可，杨智，王晨阳.基于单片机的智能避障小车[J].内蒙古科技与经济，2020（15）：100-101.
        作者简介：
        汪涵（1999-），女，安徽铜陵人，大学本科，现就读于安徽财经大学管理科学与工程学院计算机科学与技术系，研究方向为智能控制系统。
        常郝（1983-），男，安徽寿县人，博士，副教授，硕士生导师，主要从事计算机组成原理、大数据分析与应用教学工作，研究方向为容错计算、3D IC测试。
        基金项目：
        安徽省大学生创新创业训练计划项目（编号：S201910378376），安徽省自然科学基金青年项目（编号：1808085QF196）。