基于机器视觉的油菜收获疏密度与损失检测

发布时间：2020-07-25 17:32

【摘要】：油菜联合收割机的前进速度是决定其收割效率的关键因素,收割机前进速度则主要由收割机前进方向上的油菜作物疏密度和后方收获损失率这两个参数决定。然而在实际生产中,主要由驾驶员依据自身收获经验预估以上两个参数,并控制前进速度,容易导致误判,严重时会引起传输系统阻塞,造成故障,影响收获质量和效率。为此,本文首先在分析油菜联合收割机工作流程的基础上,根据收割机工作情况以及田间作物生长特点,设计了一套油菜收获疏密度及损失实时检测系统,为油菜的智能化收获提供支撑。本文的主要研究内容包括:(1)作物疏密度检测部分:结合成熟期田间油菜生长特征,基于决策树、支持向量机以及卷积神经网络三种主流算法,经过实验验证,采取卷积神经网路作为疏密度检测主要算法,并针对该算法计算量大、实时性差的缺陷,给出改进的模型压缩算法,实现了油菜收获疏密度实时检测;(2)收获损失检测部分:基于目标检测、图像分割以及霍夫变换算法这三种解决方案,经过实验验证,按照实时性和准确性要求,改进了霍夫变换算法并应用于本课题中,较好地实现了油菜收获损失率检测;(3)最后,通过对该系统进行实验室模拟与田间实验,验证了本文所设计的疏密度与损失检测系统的有效性和科学性,控制效果明显优于驾驶员的经验操作。本文的研究内容是2016年科技部重点专项“智能化油料收获装备和技术研发”的一部分,研究成果将为其中主要装备之一“智能化油菜收获装备”的研制和应用打下扎实基础
【学位授予单位】：南京大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP391.41;S225
【图文】：

收割机,拨禾轮,割台,杂物

图２－１收割机的拨禾轮与割台逡逑上图中，机器前端（红色实线框出部分）为收割机割台与拨禾轮

收割机,油菜,喂入量,拨禾轮

油菜联合收割机实物如下图所示：逡逑４ＨＫ■邋一邋Ｉ逡逑图２－１收割机的拨禾轮与割台逡逑上图中，机器前端（红色实线框出部分）为收割机割台与拨禾轮。逡逑油菜联合收割机在进行收获作业时，通过收割机前部的拨禾轮将油菜拨入机逡逑器，然后设置在拨禾轮下方的割台将油菜割离。此后被割下的油菜作物会通过收逡逑割机内部的机械传送装置送往收割机后方的振动筛，振动筛将油菜籽与油菜叶、逡逑杆等杂物分离，实现脱粒。在整个过程中，收割机保持前进状态，从而源源不断逡逑地将油菜送入机器内部。逡逑收割机具体工作流程如图２－２所示：逡逑６逡逑

模块图,收割机,振动筛,油菜

中疏密度检测安装在驾驶室，拍摄收割机前方作物图像，并将其结果发送至计算逡逑模块进行分析，之后计算模块将计算结果发送到控制模块。损失率检测模块安装逡逑在收割机后方的振动筛外部，如图２－５所示。该模块采集振动筛输出谷物脱粒图逡逑像，并将结果发送到计算模块进行分析，之后计算模块将计算结果发送至控制模逡逑块。逡逑图２－５油菜收割机振动筛外部逡逑２．２检测模块逡逑２．２．１计算模块逡逑本系统采用机器视觉算法完成疏密度和收获损失检测，而机器视觉算法通常逡逑需分析高维图像数据，计算量较大，且考虑到系统须具有实时性，所以计算模块逡逑需采用计算能力较强的计算单元。由于控制模块芯片ＳＴＭ３２的计算能力较弱，逡逑无法实时处理图像数据，故本系统设计了独立于控制模块的计算模块。计算模块逡逑完成整个检测模块的计算工作，包括图像数据处理，结果分析等。逡逑在综合考虑了计算能力、算法实现的简便度、整体硬件的大小以及易安装程逡逑度之后，本文选择ＡＲＭ处理器作为计算单元，使用ＪＮ－ｍｉｎｉ５７２８开发板，如图逡逑９逡逑

【相似文献】