計算機數(shù)據(jù)融合算法下植保機精準(zhǔn)化作業(yè)研究

韓志強

(九州職業(yè)技術(shù)學(xué)院,江蘇 徐州 221116)

0 引言

我國是農(nóng)業(yè)大國,農(nóng)作物種植面積廣大,而加強農(nóng)田內(nèi)部的雜草管理對于農(nóng)作物的增產(chǎn)增收均起到?jīng)Q定性作用。我國傳統(tǒng)的病蟲草害的防治都是采用人工噴灑農(nóng)藥的方式,生產(chǎn)效率低且人工需求量大。隨著勞動力成本的增加,植保無人機開始受到關(guān)注[1]。與傳統(tǒng)人工噴灑農(nóng)藥的方式相比,植保無人機因作業(yè)效率高、人工成本低,被廣泛應(yīng)用;然而,其在精準(zhǔn)作業(yè)和自動化、信息化方面仍需要改善。

目前,我國植保無人機的農(nóng)藥噴灑方式為大面積粗放噴灑,沒有進(jìn)行作物空缺識別,也沒有根據(jù)作物的密度、位置自動調(diào)控農(nóng)藥的噴灑劑量,容易造成農(nóng)藥的浪費及環(huán)境的污染[2]。精準(zhǔn)農(nóng)業(yè)是近年來發(fā)展起來的,可根據(jù)位置、按時按需進(jìn)行農(nóng)業(yè)控制操作的智能化技術(shù)[3]。該技術(shù)結(jié)合了計算機和傳感器技術(shù),可根據(jù)農(nóng)作物的生長狀態(tài)進(jìn)行變量精準(zhǔn)耕種和噴藥等。與大面積的粗放噴灑方式相比,精準(zhǔn)農(nóng)業(yè)可有效節(jié)約農(nóng)藥用量,減少環(huán)境污染,提高作物產(chǎn)量。但是,在進(jìn)行精準(zhǔn)化農(nóng)藥噴灑作業(yè)時,信息數(shù)據(jù)的處理是至關(guān)重要的一個環(huán)節(jié),決定了精準(zhǔn)化作業(yè)的效果,還需要對其數(shù)據(jù)處理進(jìn)行重點設(shè)計。

計算機數(shù)據(jù)融合算法是一種對獲取的數(shù)據(jù)進(jìn)行處理和判斷,并最終確定測量數(shù)據(jù)融合結(jié)果的一種算法。優(yōu)質(zhì)的算法可以有效提高被控系統(tǒng)的穩(wěn)定性和有效性,可以將其應(yīng)用于植保機的精準(zhǔn)噴藥作業(yè)。為此,筆者將基于計算機數(shù)據(jù)融合算法對植保機的精準(zhǔn)化作業(yè)進(jìn)行設(shè)計和試驗。

1 精準(zhǔn)化作業(yè)植保機硬件結(jié)構(gòu)設(shè)計

精準(zhǔn)化噴藥作業(yè)植保機的主要組成包括控制單元模塊、信息采集模塊、傳感器模塊、數(shù)據(jù)傳輸模塊及變量執(zhí)行器模塊等組成,如圖1所示。

圖1 精準(zhǔn)化噴藥植保機結(jié)構(gòu)簡圖Fig.1 The structure diagram of precise spraying plant protection machine

1.1 控制單元模塊

控制單元模塊主要用于對獲取的數(shù)據(jù)進(jìn)行處理,在邏輯運算法后向相關(guān)執(zhí)行器發(fā)出指令,其主要組成包括硬件部分和軟件部分。其中,硬件部分為ARM處理器,包含UART1接口、USB接口、LCD擴展槽和相關(guān)控制電路,以實現(xiàn)數(shù)據(jù)的接收和控制命令的輸出;軟件部分則通過對控制芯片設(shè)計控制算法,實現(xiàn)對植保機精準(zhǔn)作業(yè)的控制,同時還可以對植保機進(jìn)行仿真試驗?？刂茊卧K的結(jié)構(gòu)如圖2所示。

圖2 控制單元模塊結(jié)構(gòu)簡圖Fig.2 The structure diagram of control unit module

1.2 信息采集模塊

信息采集模塊主要用于采集農(nóng)田中的圖像信息,通過計算機視覺技術(shù)識別作物區(qū)域和空缺區(qū)域,以實現(xiàn)精準(zhǔn)噴藥,包括數(shù)碼相機、A/D轉(zhuǎn)換器和圖像處理設(shè)備。其中,數(shù)碼相機采用尼康COOLPIX型號相機,安裝位置為植保機前段的下部位置,角度與水平方向呈60°。為了使相機格式轉(zhuǎn)變?yōu)榭刂葡到y(tǒng)可識別格式,在內(nèi)部裝有圖像采集卡。由于圖像清晰度較高,內(nèi)存較大,在相機內(nèi)部還加裝大容量存儲卡。其后,采集到的圖像通過數(shù)據(jù)傳輸模塊傳輸至圖像處理設(shè)備,對圖像進(jìn)行處理。

圖像處理過程如下:①進(jìn)行圖像預(yù)處理;②利用農(nóng)作物與周圍環(huán)境的顏色差異進(jìn)行圖形灰度化處理[4],得到灰度圖像后,采用OSTU閾值分割算法進(jìn)行圖像的分割;③利用位置直方圖快速準(zhǔn)確地確定雜草的分布位置、比例和面積,并最終計算得到噴藥量。其中,OSTU閾值分割是圖像處理的關(guān)鍵步驟,計算方法為

其中,Xs為分割閾值,也是圖像的灰度平均值,灰度范圍為[0,s],圖像尺寸為P×Q;ni為圖像灰度為i時的像素。圖像由Xs分割為XM、XN區(qū)域,兩個區(qū)域的平均灰度值為

其中,Imax、Imin分別為圖像中的灰度最大和最小值。圖像灰度方差為

當(dāng)該值取最大值時,即可確定最佳分割閾值。

1.3 傳感器模塊

傳感器模塊主要用于對噴藥過程的各參數(shù)進(jìn)行監(jiān)控,包括流量傳感器、壓力傳感器及液位傳感器等。其中,流量傳感器采用霍爾流量傳感器,用于實時監(jiān)測噴藥量,根據(jù)控制單元模塊測得的雜草量確定噴藥量,再利用變量執(zhí)行器模塊進(jìn)行噴藥;壓力傳感器用于對系統(tǒng)的壓力進(jìn)行監(jiān)測,主要影響變量執(zhí)行器模塊中噴頭的霧化效果;液位傳感器位于藥箱內(nèi),用于實時監(jiān)測農(nóng)藥剩余量,一旦不足則及時報警,由工作人員進(jìn)行農(nóng)藥的添加。

1.4 數(shù)據(jù)傳輸模塊

數(shù)據(jù)傳輸模塊主要包括互聯(lián)網(wǎng)、服務(wù)器、無線傳感網(wǎng)和CAN總線,作用是一方面接收傳感器各節(jié)點發(fā)送的信息,通過中轉(zhuǎn)站和服務(wù)器將信息傳輸至控制單元模塊進(jìn)行數(shù)據(jù)的分析處理;另一方面進(jìn)行分析指令的傳輸。模塊數(shù)據(jù)傳輸框圖如圖3所示。

圖3 數(shù)據(jù)傳輸模塊框圖Fig.3 The block diagram of data transmission module

在數(shù)據(jù)傳輸過程中,關(guān)鍵的一步是經(jīng)過處理的傳感器數(shù)據(jù)按照數(shù)據(jù)協(xié)議發(fā)送至CAN總線,其接口驅(qū)動電路如圖4所示。

圖4 接口驅(qū)動電路圖Fig.4 The interface drive circuit diagram

1.5 變量執(zhí)行器模塊

變量執(zhí)行器模塊主要用于執(zhí)行控制單元模塊發(fā)出的指令,進(jìn)行變量噴藥以達(dá)到精準(zhǔn)化作業(yè)的要求,主要包括噴頭、電磁閥及流量傳感器等裝置。

2 計算機數(shù)據(jù)融合算法設(shè)計

為了實現(xiàn)植保機的精準(zhǔn)化作業(yè),需要對其作業(yè)過程進(jìn)行精準(zhǔn)的控制,包括飛行姿態(tài)的調(diào)整和變量噴藥的控制。傳統(tǒng)的植保機控制過程采用單極PID控制算法進(jìn)行控制,而該算法無法滿足植保機姿態(tài)控制的精度及變量噴藥過程的控制要求。因此,將針對飛行姿態(tài)和變量噴藥分別進(jìn)行PID算法的改進(jìn),以實現(xiàn)精準(zhǔn)噴藥。

2.1 飛行姿態(tài)控制算法設(shè)計

植保機在作業(yè)過程中的飛行姿態(tài)控制采用雙閉環(huán)位置式PID控制算法進(jìn)行控制,即兩個單極PID控制算法聯(lián)合,以飛行角度包括航向角度、橫滾角度和俯仰角度分別作為外環(huán),相對應(yīng)的飛行角速度作為內(nèi)環(huán),形成閉環(huán)控制系統(tǒng)[5-6]。控制系統(tǒng)結(jié)構(gòu)如圖5所示。

圖5 飛行姿態(tài)控制系統(tǒng)結(jié)構(gòu)圖Fig.5 The structure diagram of flight attitude control system

該PID控制器對角度外環(huán)的控制算法為

Kd1[e(t)-e(t-1)]

其中,輸出值μ(t)作為PID控制器角速度環(huán)的輸入值;e(t)和e(t-1)分別為當(dāng)前和上一時刻角度的偏差;Kp1、Ki1和Kd1分別為角度外環(huán)控制的比例系數(shù)、積分系數(shù)和微分系數(shù)。角速度環(huán)的控制算法為

x(t)=Kp2μ(t)+Kd2[μ(t)-μ(t-1)]

角速度環(huán)不受積分比例系數(shù)的控制,因此無積分項。其中,Kp2和Kd2分別為角速度環(huán)的比例系數(shù)和微分系數(shù);x(t)為角速度輸出值,并最終轉(zhuǎn)化為電機的轉(zhuǎn)速。

2.2 噴藥過程算法設(shè)計

噴藥過程采用遺傳PID控制算法進(jìn)行控制,即采用遺傳算法搜索控制器最優(yōu)參數(shù),再采用PID控制器進(jìn)行噴藥控制。為了保證算法的精度和計算效率,對遺傳算法的尋優(yōu)過程進(jìn)行改進(jìn),包括引入改進(jìn)的選擇、交叉和變異算子。改進(jìn)的遺傳PID控制算法流程如圖6所示。

首先,對PID控制器參數(shù)進(jìn)行編碼和初始化,計算變量噴藥控制器的傳遞函數(shù),即

其中,Hd(s)為控制噴藥量的電動閥門的傳遞函數(shù);Hn(s)為變量噴藥噴頭的傳遞函數(shù);He(s)為變量噴藥PID控制器的傳遞函數(shù)。以上傳遞函數(shù)分別表示為

其中,Km、Tm、τ分別為電動閥門的增益、時間常數(shù)和噴藥延遲時間;Kv和Tv分別為噴頭的增益和延遲時間;Kp、Ki、Kd分別為噴藥PID控制器的比例系數(shù)、積分系數(shù)和微分系數(shù)。

圖6 改進(jìn)的遺傳PID控制算法流程圖Fig.6 The flowchart of improved genetic PID control algorithm

計算PID參數(shù)的個體適應(yīng)度,適應(yīng)度函數(shù)為

該函數(shù)的設(shè)置考慮了噴藥過程中的調(diào)節(jié)適應(yīng)時間、超調(diào)和誤差等指標(biāo)。其中,e(t)、μ(t)、t0分別為PID控制器的系統(tǒng)偏差,輸出值和調(diào)整時間;δ1、δ2、δ3為各參數(shù)的權(quán)值。

然后,對PID各個參數(shù)進(jìn)行選擇、交叉和變異計算,并最終得出新的PID參數(shù)。其中,選擇算子為

Znew(x1,x2,…,xn)=

其中,Z為原PID參數(shù)種群集合;Z10%為原PID參數(shù)種群的適應(yīng)度在后10%的種群集合;f0和f0＇分別為原PID參數(shù)種群和剔除劣性個體后的新種群的平均適應(yīng)度;Znew為新種群。交叉算子和變異算子分別為

其中,fmax為參數(shù)中的適應(yīng)度最大值;f＇為兩個參數(shù)自適應(yīng)交叉計算時較大的適應(yīng)度值;Pm1和Pm2分別為交叉計算時的最大和最小適應(yīng)度值;f為新個體的適應(yīng)度;Pn1和Pn2分別為變異計算的適應(yīng)度最大值和最小值。通過以上過程,直到輸出最優(yōu)的PID參數(shù)停止。

3 試驗結(jié)果

為了驗證植保機精準(zhǔn)化作業(yè)的效果,需要對其進(jìn)行試驗驗證。由于該植保機主要通過姿態(tài)調(diào)整和變量噴藥達(dá)到精準(zhǔn)化作業(yè)的目的,主要對其進(jìn)行姿態(tài)控制和變量噴藥試驗。

3.1 姿態(tài)控制試驗

預(yù)設(shè)植保機的飛行路線,使其按照規(guī)定的路線飛行。在飛行過程中進(jìn)行外界干擾(大風(fēng)天氣),測定飛行過程中航向角度、橫滾角度和俯仰角度的動態(tài)響應(yīng)時間,其響應(yīng)曲線如圖7所示。

圖7 姿態(tài)控制試驗角度響應(yīng)曲線Fig.7 The angle response curve of attitude control test

由圖7可知:在外界干擾的情況下,植保機仍能夠快速調(diào)整姿態(tài),按照預(yù)設(shè)路線行駛可滿足按照預(yù)設(shè)路線行駛的要求。

3.2 變量噴藥試驗

選取一塊玉米試驗田,將其劃分成20m×20m的網(wǎng)格,人工測試試驗田內(nèi)的雜草數(shù)量,并確定各地塊的噴藥量;啟動植保機進(jìn)行自動噴藥,測試各地塊的噴藥量,結(jié)果如表1所示。

表1 變量噴藥試驗結(jié)果Table 1 The result of variable spray test

由表1可知:人工測試結(jié)果與實際噴藥量結(jié)果相近,最大誤差為3.2%,可以滿足植保機精準(zhǔn)噴藥的要求。

4 結(jié)論

1)針對我國傳統(tǒng)的植保機在精準(zhǔn)化作業(yè)和自動化噴灑方面存在的不足,基于計算機數(shù)據(jù)融合算法對植保機精準(zhǔn)化作業(yè)進(jìn)行了設(shè)計和試驗。植保機的主要組成包括控制單元模塊、信息采集模塊、傳感器模塊、數(shù)據(jù)傳輸模塊和變量執(zhí)行器模塊。

2)為了實現(xiàn)植保機的精準(zhǔn)化作業(yè),對植保機的飛行姿態(tài)調(diào)整和變量噴藥過程進(jìn)行了算法設(shè)計。其中,飛行姿態(tài)控制采用雙閉環(huán)位置式PID控制算法,噴藥過程采用改進(jìn)的遺傳PID控制算法進(jìn)行控制。

3)為了驗證植保機精準(zhǔn)化作業(yè)的效果,對其進(jìn)行姿態(tài)控制和變量噴藥試驗,結(jié)果表明:植保機姿態(tài)控制良好,能夠完成精準(zhǔn)化和噴藥。