基于機(jī)器視覺的農(nóng)業(yè)導(dǎo)航系統(tǒng).pdf

1、隨著機(jī)器視覺技術(shù)的不斷發(fā)展，農(nóng)業(yè)機(jī)器人使用視覺導(dǎo)航技術(shù)進(jìn)行作業(yè)已經(jīng)成為現(xiàn)代智能農(nóng)業(yè)機(jī)械一個(gè)重要研究方向，在自動(dòng)噴藥施肥、收割作業(yè)、耕種除草、病蟲害檢測(cè)等方面有著廣泛的應(yīng)用。
　　本文根據(jù)目前農(nóng)業(yè)領(lǐng)域機(jī)器視覺技術(shù)發(fā)展現(xiàn)狀，在總結(jié)國(guó)內(nèi)外相關(guān)研究成果的基礎(chǔ)上，設(shè)計(jì)并開發(fā)了一套基于機(jī)器視覺的農(nóng)業(yè)導(dǎo)航系統(tǒng)，本文的主要研究工作和成果如下：
　　(1)針對(duì)農(nóng)業(yè)環(huán)境的多變性和復(fù)雜性，為了保證在各種環(huán)境中分割的成功率，采用了基于局部特征的層級(jí)

2、分割結(jié)構(gòu)進(jìn)行圖像分割，由于層級(jí)分割結(jié)構(gòu)計(jì)算過程復(fù)雜，往往需要耗費(fèi)大量的時(shí)間和內(nèi)存，因此采用了基于離散-連續(xù)的最優(yōu)梯度方向信號(hào)預(yù)測(cè)算法，相較于不使用預(yù)測(cè)算法，可以保證在成功分割的前提下減少40％的計(jì)算時(shí)間和10%的內(nèi)存使用。
　　(2)由于目前農(nóng)作物種植大多為條播法，但在導(dǎo)航線提取時(shí)往往只用到兩條作物行，因此許多研究中在圖像處理過程中創(chuàng)建感興趣區(qū)域(ROI)用于簡(jiǎn)化計(jì)算。針對(duì)目前研究中ROI多為人工創(chuàng)建的現(xiàn)狀，提出自動(dòng)ROI的思想。

3、跟人工創(chuàng)建ROI相比，自動(dòng)ROI可以根據(jù)條件和參數(shù)變化進(jìn)行自我調(diào)整，如作物種類、拍攝角度等，不再只局限于某一特定作物或場(chǎng)景，增強(qiáng)了系統(tǒng)的魯棒性。
　　(3)針對(duì)雜草存在對(duì)導(dǎo)航線提取精度的影響問題，使用了機(jī)器學(xué)習(xí)進(jìn)行雜草識(shí)別，一共使用了三種分類器進(jìn)行實(shí)驗(yàn)，分別是人工神經(jīng)網(wǎng)絡(luò)，支持向量機(jī)和隨機(jī)森林。實(shí)驗(yàn)結(jié)果表明，三種分類器都可以識(shí)別出雜草，其中隨機(jī)森林的效果最佳，對(duì)作物的識(shí)別率為93.8%，雜草的識(shí)別率為91.1%，所以選擇隨機(jī)森林作

4、為雜草識(shí)別的分類器。
　　(4)對(duì)于雜草識(shí)別后的作物行識(shí)別問題，由于已經(jīng)創(chuàng)建了合適的ROI，并且排除了雜草的影響，此時(shí)使用橫條法加線性回歸的組合算法更加簡(jiǎn)單有效。通過對(duì)比實(shí)驗(yàn)證明，無論是在精度還是耗時(shí)組合算法均優(yōu)于隨機(jī)Hough變換，所以最終選擇了橫條法加線性回歸的組合算法進(jìn)行作物行檢測(cè)。
　　(5)針對(duì)農(nóng)田地形環(huán)境和實(shí)際需求，以韓伯電子技術(shù)研究所HBE-ROBOCAR型號(hào)機(jī)器人為移動(dòng)平臺(tái)，設(shè)計(jì)并開發(fā)了機(jī)器人控制系統(tǒng)。為了克