自动收割机控制系统分析

摘要:收割是农业生产的最后一道工序，对作物最终的产量和品质有着直接的影响。我国大部分地区的稻麦都实现了机械化收割，但收割机的控制系统相比整体水平较为落后，包括对行走速度的控制。为此，设计了基于机器视觉的收割机自动控制系统，根据作物图像中的谷粒信息计算作物密度，依照设定的喂入量对收割机行走速度进行相应的调节，以保持较高的作业效率和质量。在试验中，收割机对水稻和高密度种植小麦的作业效率较高，对大麦和低密度种植小麦的作业效率较低，需要设定较大的喂入量值。结果表明:系统从拍摄作物图像到启动步进电机的整个过程耗时1s，可以实现对收割机行走速度的实时调节。

关键词:机器视觉;自动收割机;控制系统;喂入量;作物密度

我国地理环境多样，在地势平坦的地区有大面积的成片农田。近年来，伴随着农业产业经营模式的改变，更多的农田出现了向种植大户集中的趋势，单面积较大的田块数量迅速增加。在这种背景下，传统的农业生产方式效率低下和成本较高的问题日益明显，已经无法适应现代农业的发展要求。例如，作物的最佳播种时期一般较短，人工播种方式效率太低，难以按时完成播种而错过最佳时机，可能对作物的后续生长造成影响。作物的收获也面临同样问题，提前收割会损失日产量，推迟则会增加鸟鼠虫害和极端天气带来的损失。农业机械化是农业现代化的重要内容之一，农田的集中连片为大型农业机械发挥作用提供了空间。我国的农业机械化近些年来推进迅速，针对水稻、玉米和小麦这3大粮食作物都设计了种类繁多的机械，并在部分种植区实现了全程机械化。但是，部分农业机械的适应性没有得到检验，智能化水平也有待改善。我国农业机械化的整体程度仍不高，还具有进一步提升的空间和潜力。精准农业是当今世界现代农业的新方向，可以推动农业生产向规模化和专业化发展，同时也对农业机械提出了新的要求［1］。农业机械实现自动化和智能化，可以有效降低人力成本，提高土地利用率，符合精准农业的生产要求。收割是农业生产的最后一道工序，对作物最终的产量和品质有着直接的影响。目前，我国的许多作物都有相应的收割机械，许多学者对部分机械的自动控制系统进行了研究，以提高作业效率和质量。以甘蔗为例，陈远玲等基于压力反馈，设计了一种甘蔗收割机的台架升降系统，以提高甘蔗的收割质量［2］。李凯华等设计了基于PLC的甘蔗收割机切深控制系统，用于自动调节刀盘入土深度，降低宿根的破头率［3］。水稻和小麦是我国最重要的两类作物，其高产和稳产可为粮食安全提供保障。稻麦类作物的种植面积大，收割时机较短，对机械化作业有迫切需求。目前，我国大部分地区的稻麦都采用联合收割机进行收割，但收割机的自动控制系统相比整体水平较为落后，包括对行走速度和割台高度的控制。行走速度是对收割机作业质量影响最大的因素，受到多种因素的限制，包括机械的动力、拨禾轮工作速度和其它配套的部件性能等。合适的行走速度需要兼顾作业效率和质量:速度太低导致喂入量不足，作业效率也会相应地降低;速度太高会引起喂入量偏大，造成谷秆分离效果差，谷粒分离和清选的损失增加。喂入量过大时则会引起收割机零部件的变形甚至损坏，产生故障并最终导致无法正常工作［4］。现有的联合收割机行走速度大多是由人工控制的，驾驶人员根据经验判断和调节。但是，若喂入量变化频繁，便对人员的判断和操作能力提出了较高的要求，也会增加工作强度。针对这一问题，国内外都开展了相应的研究，设计了多种收割机行走速度自动控制的方法和系统。袁文胜等和庹朝永分别利用收割机输送器上的压力传感器检测喂入量，设计了收割机的行走速度自动控制系统，能够实时调节行走速度，使收割机保持稳定的运行负荷［5］。赵爽基于收割机的滚筒转速，利用模糊神经网络控制步进电机对行走速度进行调节，获得了理想的作业效率和质量［6］。另外，在割台高度的控制上也有相应的报导［7］。机器视觉技术包括图像理解和图像分析，在国民经济生产的很多领域都有广泛的应用，其在农业中的用途主要是农产品的分级、检测和收割［8－10］。20世纪80年代，机器视觉被提出用于引导机器人采摘水果，随后得以实现。在大田作物机械上，机器视觉可以用于导航，提供合适的行走路径［11－12］。本文设计了一个基于机器视觉的收割机自动控制系统，拍摄分析田间作物图像，根据谷粒信息计算作物密度，从而获得喂入量。系统根据喂入量对收割机行走速度进行相应的调节，使其保持较高的作业效率和质量。

1系统的设计及组成

1．1总体设计。自动控制系统由信号采集模块、计算机视觉模块、速度调节装置和信号输出模块4大部分组成。信号采集模块包括压力传感器和速度检测装置。其中，压力传感器安装在输送器中用于检测喂入量，速度检测装置安装在地轮上检测机械的瞬时速度，采集的信号都经过转换器发送给核心计算机。计算机视觉模块包括核心计算机和数码相机，用于拍摄图像进行分析，同时处理信号采集模块发送的数据，最终生成速度控制指令。速度调节装置包括步进电机和无级变速器，步进电机在计算机的指令下按照相应的方向转动，改变液压无级变速器的操作杆位置而实现对机械速度的调整。信号输出模块包括显示屏和报警器，分别用于显示机械运行的各项参数和在喂入量偏离设定值过大时启动报警，如图1所示。1．2组成部分。装载自动控制系统的收割机以久保田4LZ－4型履带式全喂入联合收割机为基础改装，采用无级变速，割幅2m，并为控制系统提供电源。压力传感器为TJP－1型，安装在输送器入口下部的地板处，可以将谷物通过时产生的压力转换为电信号，用于在试验中测定实际的喂入量。速度检测装置为HAL41F型霍尔元件，安装在机械的地轮上，能检测地轮的转动形成脉冲电信号，用于检测机械的行走速度。它们都是通过TLC1543CN型A/D转换器与核心计算机连接。数码相机为尼康COOLPIXP60型，800万像素，安装在收割机前方。相机光轴与竖直方向夹角60°，可以俯视拍摄割台前方5m长、3m宽范围内的田间作物，生成JPEG格式的图像。图像采集卡为天创UB570型，用于将JPEG格式图像转换为数字信号以供计算机视觉分析。核心计算机为戴尔7040MT型，带有Inteli7中央处理器，8GB的DDR4内存和1TB硬盘，运行速度可以满足图像实时处理要求。计算机安装Linux操作系统和MatLab10．0视觉软件，流程设计灵活，图像处理质量高，有便捷的接口功能。计算机分析获得喂入量后，与设定值比较，根据比较的结果发出速度调节指令。驱动电路根据指令驱动步进电机转动，通过无级变速器实现速度调节。显示屏也连接在计算机上，用于设定相关参数和显示收割机的运行状态。显示屏还整合报警器，用于在喂入量偏离设定值过大时启动声光报警。

2图像分析

以水稻图像为例，其在自然条件下拍摄，同时相机与作物之间具有一定的相对运动速度，导致图像含有不同程度的噪音。噪音会降低图像的质量，使图像模糊，影响对目标识别和检测的精确度。这里采用5×5模式的中值滤波法预处理图像，去除噪音后得到用于分析的原始图像，如图2所示。由于相机俯视拍摄，导致不同距离上相同大小的物体在图像上对应的像素点数不同，会对后续分析计算造成影响。这里参考纪寿文等的方法，矫正图像的畸变［13］。然后利用Gamma校正非线性变换法灰度化处理原始图像，以增强目标的特征，如图3所示。大田种植的稻麦类作物一般都具有较高的收获指数，即谷粒在整个作物植株质量中占据较大的比例，因此，一定范围内的谷粒数量与作物的生物量有相关性，可以用于计算作物密度。首先将收割机割幅内的作物提取出来，其图像基本由谷粒和茎叶组成，谷粒为黄色，茎叶为绿色，因此，依据颜色差异提取谷粒轮廓。文中选择RGB模式，3个分量中的R分量在黄色和绿色之间的差异最大。因此，用双峰法确定R分量在直方图中的最佳阈值，进行图像阈值分割，提取谷粒的范围，如图4所示。分析谷粒范围包含的像素点数，即可得到它们所占整个图像的比例，然后利用建模集确定这个比例与作物密度之间的回归方程。3试验结果与分析在本单位的试验农场内对当季的水稻、小麦和大麦进行收割试验，

3种作物密度计算公式分别为

Qs=3k+0．4、Qs=3k+0．3和Qs=4k－0．2。其中，Qs为作物密度(kg/m2);k为谷粒占图像的比例。设置收割机的喂入量为4．0kg/s，其与行走速度之间的关系为qs=0．01SrvmQs。其中，qs为喂入量(kg/s);Sr为割幅(m);vm为行走速度(m/s);Qs为作物密度(kg/m2)。每种作物选择4个种植密度的田块，种植密度从小到大依次标记为1、2、3、4号田块。用装载该自动控制系统的收割机收割，在作业过程中选择多个时间点读取压力传感器实测的喂入量值，比较其相对4．0kg/s设定值的偏差。试验结果如表1所示。收割机在水稻田不同种植密度下的喂入量保持在3．8～4．1kg/s，与设定值的最大相对误差仅为5%，作业效率和质量都较高。在小麦田的喂入量为3．6～4．0kg/s，与设定值的最大相对误差为10%，对低密度种植小麦的作业效率下降。在大麦田的喂入量为3．5～3．9kg/s，与设定值的最大相对误差为12．5%，作业效率普遍较低，须要设定较大的喂入量值以提高机械的行走速度和收割效率。自动控制系统从拍摄作物图像到启动步进电机的整个过程耗时1s，可以实现对机械行走速度的实时调节。

4结论

设计了一个基于机器视觉的收割机自动控制系统，根据作物图像中的谷粒信息计算作物密度，从而获得喂入量，并对收割机行走速度进行相应的调节，以保持较高的作业效率和质量。在实际的收割试验中，不同种植密度的水稻喂入量与设定值的最大相对误差仅为5%，作业效率和质量都较高。小麦的喂入量最大相对误差为10%，对低密度种植小麦的作业效率下降。大麦的喂入量最大相对误差为12．5%，作业效率普遍较低，需要设定较大的喂入量值。系统从拍摄作物图像到启动步进电机的整个过程耗时1s，可以实现对收割机行走速度的实时调节。我国的农业种植模式和作物品种复杂多样，作物密度也会存在较大的差异。因此，该系统在各个种植区域作业时都需要建立作物密度的计算方法，并设定合适的喂入量值，才能同时获得理想的收割效率和质量。

作者:蔡雯 单位:汕头技师学院