煙草打頂抑芽機(jī)無(wú)線控制系統(tǒng)設(shè)計(jì)與試驗(yàn)

劉雙喜 戚武振 王金星 張曉輝 王 震 李 偉

(1.山東農(nóng)業(yè)大學(xué)山東省園藝機(jī)械與裝備重點(diǎn)實(shí)驗(yàn)室， 泰安 271018; 2.山東農(nóng)業(yè)大學(xué)機(jī)械與電子工程學(xué)院， 泰安 271018)

煙草打頂抑芽機(jī)無(wú)線控制系統(tǒng)設(shè)計(jì)與試驗(yàn)

劉雙喜1,2戚武振2王金星1,2張曉輝1,2王 震2李 偉2

(1.山東農(nóng)業(yè)大學(xué)山東省園藝機(jī)械與裝備重點(diǎn)實(shí)驗(yàn)室， 泰安 271018; 2.山東農(nóng)業(yè)大學(xué)機(jī)械與電子工程學(xué)院， 泰安 271018)

為改進(jìn)現(xiàn)有智能煙草打頂機(jī)數(shù)據(jù)傳輸和煙草打頂高度精準(zhǔn)識(shí)別不足等問(wèn)題，增強(qiáng)檢測(cè)算法的實(shí)用性和魯棒性，設(shè)計(jì)了煙草打頂抑芽機(jī)無(wú)線控制系統(tǒng)。首先利用無(wú)線路由系統(tǒng)進(jìn)行圖像采集；然后采用MSRCR算法對(duì)圖像進(jìn)行預(yù)處理，消除光照對(duì)煙草高度識(shí)別的影響；再通過(guò)同心圓攝像機(jī)標(biāo)定算法對(duì)煙花進(jìn)行定位，確定打頂高度；最后通過(guò)單片機(jī)控制步進(jìn)電動(dòng)機(jī)和電磁閥分別進(jìn)行打頂作業(yè)和抑芽劑的噴施。試驗(yàn)結(jié)果表明：該高度檢測(cè)算法在靜態(tài)試驗(yàn)下煙花識(shí)別率達(dá)到98.5%，攝像機(jī)標(biāo)定精確度達(dá)96%，打頂準(zhǔn)確率達(dá)95%。打頂準(zhǔn)確率高，抑芽劑噴施精準(zhǔn)，系統(tǒng)運(yùn)行穩(wěn)定可靠，滿(mǎn)足煙草打頂?shù)霓r(nóng)藝要求。

煙草； 打頂機(jī)； 無(wú)線控制系統(tǒng)； 檢測(cè)算法； 相機(jī)標(biāo)定

引言

煙草打頂是煙草種植過(guò)程中的一個(gè)重要環(huán)節(jié)。煙草打頂后能夠改善煙草中的營(yíng)養(yǎng)分配，增加煙葉中的營(yíng)養(yǎng)積累，提高煙葉質(zhì)量[1]。但是，煙草打頂后腋芽的生長(zhǎng)會(huì)影響煙葉的產(chǎn)量和質(zhì)量，因此打頂后應(yīng)在傷口處施用生長(zhǎng)素類(lèi)物質(zhì)(抑芽劑)來(lái)抑制腋芽生長(zhǎng)[2]。目前我國(guó)煙草打頂抑芽主要由人工完成，勞動(dòng)強(qiáng)度大，生產(chǎn)效率低，因此，機(jī)械化打頂抑芽作業(yè)對(duì)于降低勞動(dòng)強(qiáng)度，降低種植成本，提高生產(chǎn)效率有著極其重要的意義[3]。

歐美發(fā)達(dá)國(guó)家已經(jīng)實(shí)現(xiàn)煙草打頂、抑芽和煙芽收集聯(lián)合化作業(yè)，已有成熟的機(jī)械化裝備[3]。我國(guó)煙草打頂抑芽機(jī)的研發(fā)還處于起步階段，中國(guó)煙草總公司聯(lián)合山東農(nóng)業(yè)大學(xué)研制的煙草打頂抑芽機(jī)已經(jīng)取得一定成果，但是還存在以下一些問(wèn)題：檢測(cè)算法不準(zhǔn)確，易受環(huán)境光照影響；圖像傳輸和控制部分布線復(fù)雜，系統(tǒng)不穩(wěn)定；抑芽劑噴施模塊不完善[4]。為此本文設(shè)計(jì)煙草打頂抑芽機(jī)無(wú)線控制系統(tǒng)，針對(duì)提出的問(wèn)題進(jìn)行改進(jìn)：提出一種基于MSRCR算法的煙花識(shí)別算法；數(shù)據(jù)傳輸由有線改為無(wú)線；完善抑芽劑噴施模塊，提高施藥準(zhǔn)確率。

1 控制系統(tǒng)整體設(shè)計(jì)與工作原理

煙草打頂抑芽機(jī)無(wú)線控制系統(tǒng)主要包括煙花高度檢測(cè)算法和控制執(zhí)行系統(tǒng)兩部分。控制執(zhí)行系統(tǒng)包括相同的兩部分，可同時(shí)進(jìn)行2行煙草打頂作業(yè)。控制系統(tǒng)原理圖如圖1所示。

圖1 控制系統(tǒng)原理圖Fig.1 Working principle diagram of control system

工作時(shí)首先由無(wú)線攝像頭采集圖像，由無(wú)線路由系統(tǒng)將圖像傳輸給上位機(jī)，上位機(jī)通過(guò)煙花高度檢測(cè)算法對(duì)圖像進(jìn)行處理，得到打頂高度H。然后nRF905無(wú)線通信模塊將打頂高度H傳輸給下位機(jī)。最后下位機(jī)驅(qū)動(dòng)步進(jìn)電動(dòng)機(jī)，調(diào)整割刀高度完成打頂作業(yè)。同時(shí)抑芽劑噴施模塊通過(guò)對(duì)射式光電傳感器采集煙株位置信息，將信息傳輸給下位機(jī)，由下位機(jī)控制電磁閥完成噴施作業(yè)。

2 檢測(cè)算法設(shè)計(jì)

2.1 平臺(tái)搭建與圖像采集

圖像采集系統(tǒng)所用攝像機(jī)為中國(guó)?？低暪旧a(chǎn)的DS-2CD3410FD型無(wú)線網(wǎng)絡(luò)攝像機(jī)，攝像機(jī)抓拍速率為30 f/s，無(wú)線攝像機(jī)與工控機(jī)之間用WiFi傳遞數(shù)據(jù)，數(shù)據(jù)傳輸速率可達(dá)450 M/s，滿(mǎn)足打頂作業(yè)速度要求。上位計(jì)算機(jī)為索奇T1510型工業(yè)控制機(jī)。

圖像采集過(guò)程中，采集圖像中通常包含多株煙草，背景復(fù)雜，造成煙花識(shí)別困難，故在2行煙株之間加裝一塊綠色背景板[4-5]。如圖2所示，通過(guò)加裝背景板，將目標(biāo)煙株與其他煙株分開(kāi)，對(duì)提高煙花識(shí)別速度、降低圖像處理難度具有重要意義[4]。

圖2 背景板影響對(duì)比Fig.2 Comparison of influence of background plate

2.2 圖像分割

打頂作業(yè)是在露天環(huán)境下進(jìn)行的，攝像機(jī)采集圖像時(shí)會(huì)受太陽(yáng)光照影響。圖3所示2幅圖像分別為晴天(室外照度10 000～100 000 lx)和陰天(室外照度3 000～10 000 lx)環(huán)境下采集的，可看出不同光照環(huán)境下煙花RGB色彩值不同，因此光照是影響煙花識(shí)別精度的重要因素[6-8]。

圖3 不同光照環(huán)境下煙草圖像Fig.3 Tobacco images under different illumination conditions

本文從圖像形成機(jī)理出發(fā)，采用MSRCR算法對(duì)圖像進(jìn)行預(yù)處理。該理論認(rèn)為一幅圖像是由入射分量和反射分量構(gòu)成的，分離入射分量可以剔除光照的影響，從而獲得能反映煙花本來(lái)面貌的高頻增強(qiáng)圖像[9-14]。

針對(duì)煙花圖像增強(qiáng)，MSRCR算法步驟為：

(1)讀取煙花圖像并轉(zhuǎn)化為單通道double類(lèi)型圖像IR、IG、IB，分別對(duì)3幅圖像進(jìn)行處理，下面以IR為例。

(2)選取3個(gè)不同尺度，利用高斯函數(shù)計(jì)算出相應(yīng)高斯模板。

(3)將IR先轉(zhuǎn)換到對(duì)數(shù)域然后再轉(zhuǎn)換到頻域，分別用3個(gè)高斯模板對(duì)IR進(jìn)行卷積，得到低頻圖像IRL1、IRL2、IRL3即煙花圖像中的光照部分。

(4)用IR分別減去IRL1、IRL2、IRL3得到3個(gè)尺度下的高頻增強(qiáng)圖像IRH1、IRH2、IRH3，此時(shí)便消除了圖像中大部分光照影響。

(5)取權(quán)重系數(shù)分別為(0.34,0.33,0.33)對(duì)IRH1、IRH2、IRH3進(jìn)行加權(quán)平均，得到多尺度增強(qiáng)后的圖像IRMSR。

(6)計(jì)算彩色恢復(fù)因子，計(jì)算出色彩恢復(fù)后的圖像IRMSRCR，并對(duì)圖像做進(jìn)一步的修正得到I′R。

(7)最后將I′R、I′G、I′B合并獲得完整的煙花增強(qiáng)圖像I，具體算法流程圖如圖4所示。

圖5 圖像處理效果Fig.5 Effect of image processing

圖4 MSRCR算法流程圖Fig.4 Flow chart of MSRCR algorithm

經(jīng)過(guò)MSRCR算法處理后的圖像如圖5所示。

煙花圖像經(jīng)MSRCR算法預(yù)處理后，提取各圖像的灰度曲線，以圖5中的5幅圖像為例，得到圖6所示的灰度曲線。

從灰度曲線可以看出，經(jīng)過(guò)MSRCR算法處理后的圖像，雖然出現(xiàn)失真明顯、對(duì)比度降低等情況，但是像素的灰度絕大多數(shù)集中在80左右，減小了光源對(duì)圖像的影響，增強(qiáng)了算法通用性，便于進(jìn)行圖像分割。根據(jù)灰度不同，像素點(diǎn)大致分為3部分，灰度在0～55范圍內(nèi)的少部分點(diǎn)主要是煙草莖稈和煙葉；灰度在55～105范圍內(nèi)的占絕大多數(shù)像素點(diǎn)，是圖像中的背景部分和少部分煙葉；灰度大于105的是煙花和部分煙葉上的高亮點(diǎn)。對(duì)灰度曲線圖局部放大，如圖7所示，圖中A區(qū)域中各圖像的灰度曲線都出現(xiàn)了明顯的跳變，說(shuō)明這個(gè)區(qū)域就是背景和煙花區(qū)分的灰度值，為了過(guò)濾噪點(diǎn)，閾值取為偏大的115，就可以把煙花從圖像中分割出來(lái)[15-16]，算法分割效果如圖8所示。

2.3 煙花定位

通過(guò)對(duì)煙花二值圖像進(jìn)行逐行遍歷，以單行白點(diǎn)數(shù)目大于15個(gè)點(diǎn)作為煙花信息部分，將存在煙花信息的第一行到最后一行之間的高度區(qū)域確定為煙花區(qū)域。

由于光學(xué)成像系統(tǒng)存在畸變現(xiàn)象，導(dǎo)致圖像中每個(gè)像素點(diǎn)所代表的實(shí)際距離不一致，需要對(duì)攝像機(jī)進(jìn)行標(biāo)定[17-19]。本文采用同心圓攝像機(jī)標(biāo)定方法對(duì)攝像機(jī)進(jìn)行標(biāo)定，攝像機(jī)標(biāo)定模板如圖9所示。

圖6 灰度曲線Fig.6 Grayscale curves

如圖10所示，本文所拍圖像大小為640像素×480像素，第j1行到第j2行之間為煙花區(qū)域。將圖像劃分為3個(gè)同心圓，同心圓半徑分別為實(shí)際長(zhǎng)度100、200、400 mm。測(cè)得圓Ⅰ的半徑所占像素?cái)?shù)為N1=90，則C1區(qū)域內(nèi)的圖像標(biāo)定常系數(shù)為

圖7 灰度曲線局部放大Fig.7 Local enlargement of grayscale curves

圖8 圖像分割效果Fig.8 Effect of image segmentation

圖9 攝像機(jī)標(biāo)定模板Fig.9 Camera calibration template

圖10 攝像機(jī)標(biāo)定示意圖Fig.10 Schematic diagram of camera calibration

(1)

式中R1——圓1半徑實(shí)際物理長(zhǎng)度N1——圓1半徑所占像素?cái)?shù)

同理測(cè)得另外2個(gè)區(qū)域內(nèi)的圖像標(biāo)定常系數(shù)分別為K2=1.25，K3=1.33。

根據(jù)機(jī)械結(jié)構(gòu)設(shè)計(jì)，割刀的初始位置是攝像機(jī)視場(chǎng)最頂端位置，即正對(duì)著圖像的上側(cè)邊緣，因此割刀到達(dá)切割位置需要下降的高度H為

H=150K3+K2(j2-150)+60

(2)

為驗(yàn)證這種同心圓攝像機(jī)標(biāo)定方法的可行性和精確度，取10株煙草進(jìn)行驗(yàn)證。試驗(yàn)結(jié)果如表1所示，本算法的有效檢測(cè)范圍為1 600～2 000 mm。從表中可以看出試驗(yàn)中出現(xiàn)的最大誤差為16 mm，精確度達(dá)到96%，符合設(shè)計(jì)要求。

表1 攝像機(jī)標(biāo)定精度測(cè)試Tab.1 Camera calibration accuracy test

3 控制系統(tǒng)

3.1 控制系統(tǒng)程序流程

控制系統(tǒng)程序流程如圖11所示，軟件運(yùn)行界面如圖12所示。首先加載對(duì)應(yīng)的無(wú)線攝像機(jī)，攝像機(jī)抓拍的每一張圖片都會(huì)輸送至程序處理，直到程序檢測(cè)到存在煙花的圖像，攝像機(jī)停止抓拍。然后程序?qū)熁▓D像進(jìn)行處理，通過(guò)識(shí)別算法找到煙花在圖像中的位置，并且結(jié)合攝像機(jī)標(biāo)定技術(shù)計(jì)算出割臺(tái)要移動(dòng)的實(shí)際距離H。由nRF905無(wú)線數(shù)據(jù)傳輸模塊將距離信息傳輸至下位機(jī)[20]，通過(guò)下位機(jī)執(zhí)行打頂動(dòng)作和抑芽劑噴施。最后返回圖像采集環(huán)節(jié)進(jìn)行下一次打頂作業(yè)。

圖11 控制系統(tǒng)程序流程圖Fig.11 Flow chart of program of control system

圖12 軟件運(yùn)行界面Fig.12 Software running interface

3.2 執(zhí)行系統(tǒng)設(shè)計(jì)

執(zhí)行系統(tǒng)由STC89C52RC單片機(jī)作為核心控制單元，主要由控制器電路、nRF905無(wú)線通信模塊、對(duì)射式光電傳感器、電動(dòng)機(jī)和電磁閥等模塊組成，核心功能是通過(guò)單片機(jī)控制電動(dòng)機(jī)和電磁閥，完成打頂切割以及抑芽劑噴施等動(dòng)作。

3.3 步進(jìn)電動(dòng)機(jī)選型

(1)步進(jìn)電動(dòng)機(jī)啟動(dòng)頻率與工作頻率計(jì)算

規(guī)范化種植的煙田煙草株距是0.5 m,進(jìn)行打頂作業(yè)的機(jī)車(chē)車(chē)速為1.1 km/h，則完成一次打頂作業(yè)所用時(shí)間為

(3)

割臺(tái)運(yùn)動(dòng)最大行程為400 mm,所用鏈輪為17齒，分度圓直徑為71 mm，則割臺(tái)運(yùn)行完最大行程需要的轉(zhuǎn)數(shù)為

(4)

選取的步進(jìn)電動(dòng)機(jī)的步距角θ為1.8°，由于轉(zhuǎn)速較低，為保證電動(dòng)機(jī)運(yùn)行穩(wěn)定，設(shè)定細(xì)分?jǐn)?shù)為20。則最大行程所需的脈沖數(shù)為

(5)

考慮到極端情況是在1.6 s內(nèi)割臺(tái)要完成整個(gè)行程。則電動(dòng)機(jī)的平均驅(qū)動(dòng)速度為

(6)

由于是大慣量負(fù)載下的高速運(yùn)動(dòng)(割臺(tái)總質(zhì)量為40 kg)，必須采用升頻提速的方式來(lái)啟動(dòng)步進(jìn)電動(dòng)機(jī)[21-22]。設(shè)置步進(jìn)電動(dòng)機(jī)的啟動(dòng)頻率為平均驅(qū)動(dòng)速度的20%，即895 Hz，設(shè)置加速/減速時(shí)間為總時(shí)間的10%，則滿(mǎn)足

m=(f0+f1)×1.6×0.1+1.6×0.8f1

(7)

式中f0——步進(jìn)電動(dòng)機(jī)啟動(dòng)頻率f1——步進(jìn)電動(dòng)機(jī)工作頻率

解得步進(jìn)電動(dòng)機(jī)工作頻率為

(8)

綜上可知,1.6 s內(nèi)完成一個(gè)行程時(shí)，步進(jìn)電動(dòng)機(jī)的啟動(dòng)頻率、運(yùn)行頻率和停止頻率分布如圖13所示。

圖13 電動(dòng)機(jī)脈沖頻率折線圖Fig.13 Curve of starting speed of motor

(2)步進(jìn)電動(dòng)機(jī)的啟動(dòng)力矩計(jì)算

步進(jìn)電動(dòng)機(jī)不同于一般電動(dòng)機(jī)，步進(jìn)電動(dòng)機(jī)啟動(dòng)時(shí)的啟動(dòng)力矩等于負(fù)載力矩和負(fù)載慣性力矩之和。負(fù)載力矩即電動(dòng)機(jī)提升重物所用力矩；負(fù)載慣性力矩包括輸出軸上的鏈輪和提升的重物兩部分產(chǎn)生的慣性力矩。因割臺(tái)升降機(jī)構(gòu)中設(shè)計(jì)有配重系統(tǒng)，因此負(fù)載力矩為零，只需計(jì)算負(fù)載慣性力矩[23]。

由力學(xué)知識(shí)可知，負(fù)載慣性力矩方程式為

M=Jα

(9)

其中

J=JL+JZ

(10)

(11)

式中J——負(fù)載的轉(zhuǎn)動(dòng)慣量JL——鏈輪轉(zhuǎn)動(dòng)慣量JZ——重物折算至電動(dòng)機(jī)的轉(zhuǎn)動(dòng)慣量α——負(fù)載繞電動(dòng)機(jī)主軸轉(zhuǎn)動(dòng)的角加速度r——鏈輪半徑m0——鏈輪質(zhì)量，為0.44 kg

重物折算至電動(dòng)機(jī)的轉(zhuǎn)動(dòng)慣量JZ可根據(jù)能量轉(zhuǎn)換原理求得

(12)

式中ω——轉(zhuǎn)動(dòng)角速度m1——提升的重物質(zhì)量m2——平衡配重質(zhì)量v——重物運(yùn)動(dòng)速度g——重力加速度，取9.8 m/s2h——重物上升高度

又因?yàn)閙1=m2，解得JZ為

JZ=2m1r2

(13)

角加速度α為

(14)

式中T——步進(jìn)電動(dòng)機(jī)加速過(guò)程所用時(shí)間ω0——啟動(dòng)角速度ω1——工作時(shí)角速度

綜上可求得

(15)

根據(jù)以上頻率和力矩的計(jì)算，結(jié)合圖14的步進(jìn)電動(dòng)機(jī)矩頻特性曲線，選取型號(hào)為86BYG250B的步進(jìn)電動(dòng)機(jī)即可滿(mǎn)足要求。

圖14 步進(jìn)電動(dòng)機(jī)矩頻特性曲線Fig.14 Torque frequency characteristic curves of stepping motor

3.4 抑芽劑噴施模塊

抑芽劑噴施模塊采用對(duì)射式光電傳感器作為觸發(fā)開(kāi)關(guān)進(jìn)行控制。將對(duì)射式光電傳感器的收、發(fā)器兩部分分別設(shè)置在割臺(tái)的煙株喂入口兩側(cè)，電磁閥設(shè)置在喂入口后方500 mm位置。當(dāng)有煙株喂入時(shí)，收發(fā)器之間被遮擋獲得信號(hào)。單片機(jī)接收到傳感器信號(hào)后，根據(jù)電磁閥和喂入口相對(duì)位置以及當(dāng)前機(jī)車(chē)行進(jìn)速度，計(jì)算延時(shí)T，經(jīng)過(guò)T時(shí)間延時(shí)，打頂完成的煙株移動(dòng)到電磁閥噴口，單片機(jī)控制電磁閥打開(kāi)，完成抑芽劑噴施作業(yè)。

4 試驗(yàn)與結(jié)果分析

試驗(yàn)包括2部分：靜態(tài)試驗(yàn)，機(jī)車(chē)不動(dòng)，人工向煙花檢測(cè)裝置喂入帶有煙花的植株，主要是檢驗(yàn)識(shí)別算法的準(zhǔn)確性、電動(dòng)機(jī)機(jī)動(dòng)性和定位的精確度；田間動(dòng)態(tài)試驗(yàn)，對(duì)整機(jī)的綜合性能進(jìn)行測(cè)定。

4.1 靜態(tài)試驗(yàn)

本試驗(yàn)在山東農(nóng)業(yè)大學(xué)農(nóng)機(jī)實(shí)驗(yàn)站進(jìn)行，試驗(yàn)時(shí)開(kāi)啟無(wú)線攝像頭、上位機(jī)和割臺(tái)升降系統(tǒng)。由人工喂入煙花，試驗(yàn)分為晴天和陰天兩組。試驗(yàn)時(shí)記錄下算法計(jì)算出的割臺(tái)移動(dòng)位移，然后用高精度紅外測(cè)距儀測(cè)量出割臺(tái)實(shí)際的運(yùn)動(dòng)距離，并計(jì)算出定位誤差。同時(shí)用秒表測(cè)量每一次試驗(yàn)用時(shí)，計(jì)算出平均耗時(shí)。

在晴天和陰天兩種不同自然環(huán)境下試驗(yàn)結(jié)果如表2所示，可看出煙花識(shí)別率分別達(dá)到99%和98%，天氣對(duì)識(shí)別算法的影響較小。煙花定位系統(tǒng)平均定位誤差為5.35%，一次打頂作業(yè)平均耗時(shí)為1.60 s/株，整體滿(mǎn)足煙草打頂農(nóng)藝要求。

表2 靜態(tài)試驗(yàn)結(jié)果Tab.2 Static test results

圖15 田間動(dòng)態(tài)試驗(yàn)Fig.15 Photo of field experiment

4.2 動(dòng)態(tài)試驗(yàn)

田間動(dòng)態(tài)試驗(yàn)在山東省諸城市舜旺煙農(nóng)專(zhuān)業(yè)合作社煙田進(jìn)行(圖15)。該合作社具有大規(guī)模標(biāo)準(zhǔn)化種植的煙田(株距500 mm，行距1 200 mm)，為機(jī)械試驗(yàn)的順利進(jìn)行提供有利條件。試驗(yàn)時(shí)間為7月中旬。機(jī)器動(dòng)力為66 kW高地隙拖拉機(jī)，行車(chē)速度為1.1 km/h。試驗(yàn)樣本為兩行共1 000株煙草，試驗(yàn)結(jié)果如表3所示，打頂效果圖如圖16所示。

表3 田間動(dòng)態(tài)試驗(yàn)結(jié)果Tab.3 Field experiment results

圖16 打頂效果圖Fig.16 Sketch of topping

從表3可以看出，機(jī)器的打頂準(zhǔn)確率高，抑芽劑噴施精準(zhǔn)。機(jī)器能夠在煙草打頂過(guò)程中根據(jù)煙草植株的實(shí)際高度，實(shí)時(shí)調(diào)節(jié)打頂高度，實(shí)現(xiàn)煙草打頂和抑芽劑噴施一體化作業(yè)，滿(mǎn)足設(shè)計(jì)要求。

機(jī)器在試驗(yàn)過(guò)程中也出現(xiàn)一些問(wèn)題：有些煙花被識(shí)別到卻沒(méi)有打頂或沒(méi)有在準(zhǔn)確的位置打頂；煙葉損傷率較高。針對(duì)這些問(wèn)題，分析其原因主要有：有的煙株花期較晚，花蕾還沒(méi)有開(kāi)放，呈黃綠色，引起算法誤判；機(jī)器行進(jìn)時(shí)相機(jī)偶爾發(fā)生抖動(dòng)，使拍攝的圖像模糊失真；個(gè)別煙株過(guò)高或過(guò)矮超出割臺(tái)的行程，造成煙葉誤傷或漏打。

5 結(jié)論

(1)設(shè)計(jì)了一種煙草打頂抑芽機(jī)無(wú)線控制系統(tǒng)。該系統(tǒng)采用無(wú)線攝像頭采集圖像，用基于nRF905的無(wú)線數(shù)據(jù)通信系統(tǒng)進(jìn)行上位機(jī)與下位機(jī)之間的數(shù)據(jù)傳輸。

(2)提出了一種基于同心圓相機(jī)標(biāo)定法的煙花定位算法，試驗(yàn)證明，用該算法進(jìn)行煙花定位精確度達(dá)96%。

(3)提出一種基于MSRCR圖像增強(qiáng)算法的煙花識(shí)別算法，該算法可克服環(huán)境光線對(duì)煙花識(shí)別的影響，靜態(tài)試驗(yàn)中識(shí)別率達(dá)98.5%，田間動(dòng)態(tài)試驗(yàn)識(shí)別率達(dá)97%。

1 林桂華, 周冀衡, 范啟福,等. 打頂技術(shù)對(duì)烤煙產(chǎn)質(zhì)量和生物堿組成的影響[J]. 中國(guó)煙草科學(xué), 2002, 23(4):8-12. LIN Guihua, ZHOU Yiheng, FAN Qifu, et al．Effects of topping technology on leaf yield, quality and alkaloid content of flue-cured tobacco[J]. Chinese Tobacco Science, 2002, 23(4): 8-12.(in Chinese)

2 楊潔, 胡日生, 童建華,等. 打頂對(duì)煙草腋芽生長(zhǎng)及植物激素含量的影響[J]. 煙草科技, 2013(10):72-75. YANG Jie, HU Risheng, TONG Jianhua, et al．Effects of topping on axillary bud growth of and plant hormone contents in tobacco[J]. Tobacco Science and Technology, 2013(10):72-75.(in Chinese)

3 WORSHAM A D, BURCH T B. Method and apparatus for simultaneously topping tobacco and controlling suckers with chemicals applied to cut stems by mechanical means: US, 6446420[P]. 2002-09-10.

4 劉雙喜,李偉,王金星,等. 雙行智能煙草打頂抑芽機(jī)檢測(cè)控制系統(tǒng)設(shè)計(jì)與試驗(yàn)[J/OL]. 農(nóng)業(yè)機(jī)械學(xué)報(bào),2016,47(6):47-52.http:∥www.j-csam.org/jcsam/ch/reader/view_abstract.aspx?flag=1&file_no=20160607&journal_id=jcsam. DOI：10.6041/j.issn.1000-1298.2016.06.007. LIU Shuangxi, LI Wei, WANG Jinxing, et al. Design and test of testing control system for double rows intelligent tobacco topping machine[J/OL]. Transactions of the Chinese Society for Agricultural Machinery, 2016,47(6):47-52.(in Chinese)

5 范國(guó)強(qiáng),楊慶路, 張曉輝, 等. 煙草夾持式智能打頂機(jī)的設(shè)計(jì)與試驗(yàn)[J/OL]. 農(nóng)業(yè)機(jī)械學(xué)報(bào),2017,48(7):121-126. http:∥www.j-csam.org/jcsam/ch/reader/view_abstract.aspx?file_no=20170715&flag=1.DOI：10.6041/j.issn.1000-1298.2017.07.015. FAN Guoqiang, YANG Qinglu, ZHANG Xiaohui,et al.Design and experiment of clamping type intelligent tobacco topping machine[J/OL].Transactions of the Chinese Society for Agricultural Machinery,2017,48(7):121-126. (in Chinese)

6 屠珺，劉成良，李彥明，等. 基于光照無(wú)關(guān)圖的蘋(píng)果圖像識(shí)別方法[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2010，26(增刊2)：26-31. TU Jun, LIU Chengliang, LI Yanming, et al. Apple recognition method based on illumination invariant graph [J]. Transactions of the CSAE, 2010, 26(Supp.2): 26-31. (in Chinese)

7 熊俊濤, 鄒湘軍, 陳麗娟,等. 基于機(jī)器視覺(jué)的自然環(huán)境中成熟荔枝識(shí)別[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào), 2011, 42(9):162-166. XIONG Juntao, ZOU Xiangjun, Chen Lijuan, et al. Recognition of mature litchi in natural environment based on machine vision[J].Transactions of the Chinese Society for Agricultural Machinery,2011,42(9):162-166.(in Chinese)

8 龔愛(ài)平. 基于嵌入式機(jī)器視覺(jué)的信息采集與處理技術(shù)研究[D].杭州：浙江大學(xué),2013. GONG Aiping.Study of the information acquisition and processing technology based on embedded computer vision [D].Hangzhou:Zhejiang University,2013. (in Chinese)

9 安秋，李志臣，姬長(zhǎng)英，等.基于光照無(wú)關(guān)圖的農(nóng)業(yè)機(jī)器人視覺(jué)導(dǎo)航算法[J].農(nóng)業(yè)工程學(xué)報(bào)，2009，25(11)：208-212. AN Qiu, LI Zhichen, JI Changying, et al. Agricultural robot vision navigation algorithm based on illumination invariant image[J].Transactions of the CSAE, 2009, 25(11): 208-212. (in Chinese)

10 馮亞麗, 黃靜. 一種新的基于MSRCR光照補(bǔ)償算法[J]. 計(jì)算機(jī)系統(tǒng)應(yīng)用, 2012, 21(9):187-191. FENG Yali, HUANG Jing. Light compensation algorithm based on MSRCR [J].Computer Systems & Applications, 2012, 21(9):187-191. (in Chinese)

11 熊俊濤，鄒湘軍，王紅軍，等.基于Retinex圖像增強(qiáng)的不同光照條件下的成熟荔枝識(shí)別[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2013，29(12)：170-178. XIONG Juntao, ZOU Xiangjun, WANG Hongjun, et al. Recognition of ripe litchi in different illumination conditions based on Retinex image enhancement[J].Transactions of the CSAE, 2013, 29(12): 170-178. (in Chinese)

12 鄒濱, 劉翱. 輪廓波變換與改進(jìn)MSRCR的圖像增強(qiáng)[J]. 計(jì)算機(jī)工程與設(shè)計(jì), 2016, 37(6):1560-1566. ZOU Bin, LIU Ao. Image enhancement based on contourlet transform and improved MSRCR [J]. Computer Engineering and Design, 2016, 37(6):1560-1566.(in Chinese)

13 徐一初. 基于顏色恒常性的彩色目標(biāo)檢測(cè)[D].南京：南京理工大學(xué),2013.

14 李錦, 王俊平, 萬(wàn)國(guó)挺,等. 一種結(jié)合直方圖均衡化和MSRCR的圖像增強(qiáng)新算法[J]. 西安電子科技大學(xué)學(xué)報(bào)：自然科學(xué)版, 2014, 41(3):103-109. LI Jin, WANG Junping, WAN Guoting, et al. Novel algorithm for image equalization enhancement with histogram and MSRCR[J]. Journal of Xidian University, 2014,41(3):103-109.(in Chinese)

15 周竹，黃懿，李小昱，等. 基于機(jī)器視覺(jué)的馬鈴薯自動(dòng)分級(jí)方法[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2012，28(7)：178-183. ZHOU Zhu, HUANG Yi, LI Xiaoyu, et al. Automatic detecting and grading method of potatoes based on machine vision[J].Transactions of the CSAE, 2012, 28(7): 178-183. (in Chinese)

16 李?lèi)?，楊艷麗，劉凱，等. 基于機(jī)器視覺(jué)的紅掌檢測(cè)分級(jí)方法[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2013，29(24)：196-203. LI Kai, YANG Yanli, LIU Kai, et al. Determination and grading of Anthurium based on machine vision[J]. Transactions of the CSAE, 2013, 29(24): 196-203. (in Chinese)

17 王耀南, 陳鐵健, 賀振東,等. 智能制造裝備視覺(jué)檢測(cè)控制方法綜述[J]. 控制理論與應(yīng)用, 2015, 32(3):273-286. WANG Yaonan, CHEN Tiejian, HE Zhendong, et al. Review on the machine vision measurement and control technology for intelligent manufacturing equipment [J]. Control Theory & Applications, 2015,32(3):273-286.(in Chinese)

18 蘇潔. 光照變化下的視覺(jué)跟蹤算法研究[D].哈爾濱：哈爾濱工程大學(xué),2010.

19 BAIGVAND M, BANAKAR A, MINAEI S, et al. Machine vision system for grading of dried figs[J]. Computers & Electronics in Agriculture, 2015, 119:158-165.

20 曾明如,羅浩,徐小勇,等.基于ARM和nRF905組網(wǎng)的智能家居系統(tǒng)設(shè)計(jì)[J]. 計(jì)算機(jī)測(cè)量與控制, 2015, 23(4):1418-1420. ZENG Mingru, LUO Hao, XU Xiaoyong, et al. Design of a smart home system based on ARM and Network communication by nRF905 [J].Computer Measurement & Control,2015,23(4):1418-1420.(in Chinese)

21 榮盤(pán)祥, 何志軍. 步進(jìn)電機(jī)數(shù)字控制系統(tǒng)設(shè)計(jì)[J]. 電機(jī)與控制學(xué)報(bào), 2009, 13(2):272-275.

22 馬利強(qiáng), 王金星. 煙草打頂消毒聯(lián)合作業(yè)裝置的設(shè)計(jì)[J]. 農(nóng)機(jī)化研究, 2010, 32(5):136-138. MA Liqiang, WANG Jinxing. Design of device for tobacco topping and disinfecting[J]. Journal of Agricultural Mechanization Research,2010,32(5):136-138. (in Chinese)

23 楊旭海, 張茜, 胡斌. 棉花打頂機(jī)打頂高度自動(dòng)控制系統(tǒng)的設(shè)計(jì)[J]. 農(nóng)機(jī)化研究, 2009, 31(7):129-131. YANG Xuhai, ZHANG Qian, HU Bin.Design of automatic height control system for cotton’s top cuter[J]. Journal of Agricultural Mechanization Research,2009,31(7):129-131. (in Chinese)

Design and Test of Wireless Control System for Tobacco Topping Machine

LIU Shuangxi1,2QI Wuzhen2WANG Jinxing1,2ZHANG Xiaohui1,2WANG Zhen2LI Wei2

(1.ShandongProvincialKeyLaboratoryofHorticulturalMachineriesandEquipments,ShandongAgriculturalUniversity,Taian271018,China2.CollegeofMechanicalandEngineering,ShandongAgriculturalUniversity,Taian271018,China)

Tobacco topping operation was an important link during tobacco planting process. In order to solve the existing problems such as data transmission problem and tobacco topping height recognition problem of intelligent tobacco topping machine, and enhance the practicability and robustness of detection algorithm, a wireless control system for tobacco topping machine was designed. The system could control tobacco topping operation of two rows at the same time, meanwhile complete the integrated operation of tobacco flower identification, tobacco flower location, tobacco topping and sprout inhibitor spraying. The system working principle was as follows: firstly, wireless routing system was used for image acquisition on the machine. Then MSRCR algorithm was used to preprocess the image, so as to eliminate the illumination effect on the tobacco height identification. Then locating the tobacco flower area in the image by a concentric circle camera calibration algorithm and determining the tobacco topping height. Finally, through the control of single-chip microcomputer, stepping motor and pump were used to complete the tobacco topping operation and sprout inhibitor spraying operation, respectively. The test result showed that the tobacco flower recognition rate of the height detection algorithm under the static test can reach 98.5%; camera calibration accuracy reach around 96%, topping accuracy can reach 95%. The tobacco topping machine had a high topping accuracy rate, precise sprout inhibition, and high system stability, which met the agronomic requirement of tobacco topping.

tobacco; topping machine; wireless control system; detection algorithm; camera calibration

10.6041/j.issn.1000-1298.2017.08.005

2016-11-14

2017-02-22

中國(guó)煙草總公司科技重點(diǎn)項(xiàng)目(110201302019)

劉雙喜(1978—)，男，副教授，主要從事圖像處理和模式識(shí)別研究，E-mail： shuangxiliu168@163.com

王金星(1970—)，男，教授，博士生導(dǎo)師，主要從事精密工程與科學(xué)儀器研究，E-mail： jinxingw@163.com

S224

A

1000-1298(2017)08-0053-08