摘要：快速精準的檢測出導(dǎo)航路線并對田端做出準確判斷是收割機視覺導(dǎo)航的前提。為解決玉米收割機導(dǎo)航作業(yè)過程中因玉米列陰影、玉米田端的雜草等因素對檢測精度干擾的問題，該文通過分析視覺導(dǎo)航圖像的顏色特征去除陰影干擾，對玉米收割機提取導(dǎo)航作業(yè)路徑和判斷田端提出了檢測算法。為減少計算量，設(shè)定關(guān)注區(qū)域作為非第一幀圖像的處理范圍；為去除玉米列陰影對檢測結(jié)果造成的干擾，強調(diào)關(guān)注區(qū)域內(nèi)G（綠色）分量并減弱R（紅色）或B（藍色）分量；為加快處理速度，采用跳行累計G分量的方式確定候補點。在關(guān)注區(qū)域內(nèi)對圖像中去除陰影干擾后的G分量垂直累計值查找候補點，對圖像上半部分收斂性好的候補點通過方差計算確定出已知點，再利用過已知點Hough變換擬合出玉米列邊界所在的導(dǎo)航線。最后采用R分量的連續(xù)突變判斷收割機是否到達田端。田間試驗表明：目標(biāo)直線的平均檢測時間為50.13ms/幀，對田端的檢測準確可靠，滿足玉米收割的作業(yè)要求。該研究成果也適用于高粱等其它高桿作物的機械化收獲應(yīng)用。

　　關(guān)鍵詞：農(nóng)業(yè)機械；作物；圖像處理；導(dǎo)航線檢測；過已知點Hough變換

　　0引言

　　自動導(dǎo)航技術(shù)融合了計算機技術(shù)、電子通信、控制技術(shù)等多種學(xué)科。農(nóng)業(yè)機械的自動導(dǎo)航作為現(xiàn)代智能農(nóng)業(yè)機械的一個重要組成部分，有著廣闊的發(fā)展前景[1-3]。

　　農(nóng)用車輛導(dǎo)航的研究開始于美國20世紀80年代中期，發(fā)展于90年代，從90年代初期開始了農(nóng)業(yè)車輛的導(dǎo)航研究[4]，目前主要聚焦在機器視覺和GPS導(dǎo)航這2種最具有發(fā)展前景的方式上[5]。其中，機器視覺的導(dǎo)航方式不受地形限制，并且具有成本低廉、作業(yè)靈活、信息豐富等優(yōu)勢，近幾年來受到科研人員的廣泛關(guān)注。

　　1.1硬件及圖像采集

　　試驗視頻在天津武清區(qū)的玉米收獲現(xiàn)場采集，圖像采集相關(guān)設(shè)備為奧尼Q718型USB數(shù)碼攝像機。攝像機安裝在玉米收割機駕駛員一側(cè)的后視鏡上正對收割邊界線，安裝高度約2m，俯視角約30°（如圖1），收割機的行駛速度平均10km/h。收割過程中拍攝得到現(xiàn)場彩色視頻圖像，視頻采集幀率為25幀/s，每幀圖像大小為640×480像素。

　　1.2玉米列邊界線圖像檢測

　　Hough變換是一種有效的直線檢測方法，由于對隨機噪聲和部分遮蓋不敏感，因此被廣泛地應(yīng)用于機器視覺和模式識別等領(lǐng)域[20-25]。導(dǎo)航過程中農(nóng)田中的作物、雜草、土壤等一系列自然因素交織在一起形成了復(fù)雜的檢測環(huán)境，同時攝像機分辨率、色差及在拍攝過程中攝像機的震動也會對檢測結(jié)果帶來影響。為了提高檢測的準確性以滿足室外光源下的農(nóng)田作業(yè)要求，本文將玉米列邊界線先假設(shè)為直線，然后對彩色圖像的紅（R）、綠（G）、藍（B）3原色進行顏色特征分析得到候補點群，再通過特定區(qū)域內(nèi)候補點的方差得到一個特定點作為已知點，最后用過已知點Hough變換檢測獲得導(dǎo)航直線。

　　2試驗結(jié)果與分析

　　2.1玉米列邊界線圖像檢測

　　判斷整個地段的顏色特征，找到除G分量以外的最大顏色分量與G分量進行對比，增強這部分區(qū)域的G分量以消除陰影的干擾。在已知點的確定、處理區(qū)域的確定方面采用了對G分量跳行累計的方法，使得檢測更加合理、準確。

　　2.2田端圖像檢測

　　圖6中橫向的粗實線顯示了田端圖像原圖及導(dǎo)航終止線的測結(jié)果。田端的環(huán)境比較復(fù)雜，未收獲區(qū)的田端有缺苗現(xiàn)象且雜草干擾多，采用顏色分量的多次突變判斷田端的方式，可以有效避免誤判。

　　3結(jié)論

　　本文針對玉米收割機在自動導(dǎo)航過程中的視覺導(dǎo)航路線、田端判斷及提高導(dǎo)航效果方面提出了的圖像檢測算法。

　　1）針對導(dǎo)航線的檢測，將第一幀與非第一幀圖像采用不同方法設(shè)定動態(tài)關(guān)注區(qū)域，在適應(yīng)目標(biāo)線的傾斜以及壟線彎曲的同時減少了數(shù)據(jù)處理量。第一幀圖像的關(guān)注區(qū)域為以候補點為中心的3個動態(tài)部分，而非第一幀圖像處理區(qū)域大小與目標(biāo)線的傾斜度與壟行的彎曲度正相關(guān)。

　　2）針對田端導(dǎo)航終止線的檢測，提出了在田端圖像復(fù)雜的情況下用顏色分量R的多次突變判斷田端的方式，避免了由于未收獲區(qū)的田端缺少玉米植株或有雜草干擾而造成的誤判。

　　3）在提高導(dǎo)航準確性和速度方面，實時導(dǎo)航的過程中在圖像上半部分尋找已知點，由于圖像收斂，已知點確定的更加準確；采用跳行累計非一幀圖像的G分量值，加快了導(dǎo)航線檢測的處理速度，使目標(biāo)直線的平均檢測時間為每幀50.13ms。通過試驗證明，本文提出的算法可以快速有效檢測玉米收獲的導(dǎo)航直線以及對田端進行準確判斷。導(dǎo)航線的判斷準確無誤，田端的判斷與實際吻合。本研究成果也可以為高粱等其他高桿作物機械化收獲視覺導(dǎo)航路線的檢測提供參考。

　　[參考文獻]

　　[1]王豐元，周一鳴，孫壯志.車輛引導(dǎo)路線檢測的計算機視覺技術(shù)初探[J].農(nóng)業(yè)機械學(xué)報，1998，29(1)：1－5.

　　[2]胡靜濤，高雷，白曉平，等.農(nóng)業(yè)機械自動導(dǎo)航技術(shù)研究進展[J].農(nóng)業(yè)工程學(xué)報，2015，31(10)：1－10.

　　[3]李軍，馬蓉.基于多傳感器融合的拖拉機自動導(dǎo)航技術(shù)[J].農(nóng)機化研究，2011，33(12)：237－240.

　　[4]邵剛，毛罕平.農(nóng)業(yè)機械機器視覺導(dǎo)航研究進展[J].安徽農(nóng)業(yè)科學(xué)，2007，35(14)：4394－4396.

　　梁習(xí)卉子1,2，陳兵旗1※，姜秋慧1，朱德利1，楊明1，喬妍1