CN103348964B - 一种智能除草设备及其使用方法 - Google Patents

Abstract

一种智能除草设备，由行走装置、除草装置、图像采集装置、射频收发装置、控制装置、主体构成，其特征在于：所述射频收发装置包括射频发射装置和射频接收装置，所述射频发射装置包括发射天线、射频产生模块、微处理器、存储器、电池；所述射频接收装置包括接收天线、射频信号处理装置；所述行走装置包括履带、履带轮、换行移动结构；所述控制装置接收来自所述射频接收装置提供的身份数据和信号幅值，根据所述身份数据和信号幅值使用三点辅助定位法计算出所述智能除草设备的位置，从而控制所述行走装置进行行进、停止或者换行操作，根据来自所述图像采集装置摄取的图像，使用杂草辨识法辨别出杂草目标，进而控制所述除草装置进行除草动作。

Description

一种智能除草设备及其使用方法

技术领域

本发明涉及除草设备，具体为一种智能除草设备以及使用方法。

背景技术

杂草同作物竞争水分和养分，侵占农田空间，影响作物光合作用，干扰作物生长，降低农作物的产量和质量还间接助长了病虫害的滋生和蔓延。

作为一种自动化除草装置，农业智能除草设备越来越受到重视，从20世纪80年代至今，基于自动定位技术、智能控制行走技术、机器视觉的杂草检测技术研究经历了从室内到田间；从非实时到实时的发展过程。定位技术主要采用的机器视觉定位和GPS定位，但是机器视觉定位的运算量很大，很难做到实时处理，而GPS定位的误差较大，不适合田间的精确除草；在行走技术上目前的农业智能设备还没行解决当单行除草结束后如何换行的问题；而且没行对杂草目标的定位运算。

发明内容

本发明的目的在于解决现有技术中的上述不足，提供了一种智能除草设备以及使用方法。

为了实现上述目的，本发明的技术方案为：一种智能除草设备，由行走装置、除草装置、图像采集装置、射频收发装置、控制装置、主体构成，其特征在于：

所述射频收发装置包括射频发射装置和射频接收装置，所述射频发射装置包括发射天线、射频产生模块、微处理器、存储器、电池，3个以上的所述射频发射装置散布在所述智能除草设备的主体周围的工作环境，构成网络，所述存储器存储所述射频发射装置的身份识别数据，所述微处理器将该身份识别数据调制到由所述射频产生模块产生的频率为正弦波的载波信号中，产生的调制信号的频率为300Mhz-3Ghz，并通过所述发射天线发射出去；

所述射频接收装置包括接收天线、射频信号处理装置，安装在所述智能除草设备的主体上，通过所述接收天线接收来自所述射频发射装置发射的调制信号，所述射频信号处理装置解调调制信号获取所述射频发射装置的身份数据，并获取信号幅值；

所述行走装置包括履带、履带轮、换行移动结构，其中所述履带轮共有2组，构成所述能除草设备行进机构，每组履带轮包括1个主动轮和2个从动轮，每组履带轮与所述履带构成三角形，所述主动轮位于三角形的顶端，所述2个从动轮位于三角形的两侧底端；所述换行移动结构包括主框架、支撑杆、丝杠滑块结构，所述主框架为长方形框架，长边为2条平行的导杆，短边为2条平行的连接杆，所述支撑杆共有4个，分别垂直于所述主框架并固定在其4个角上，所述支撑杆在液压驱动电机的作用下能够同步伸缩，所述丝杠滑块结构的丝杠平行于所述导杆并且两端固定在所述主框架，所述丝杠滑块结构的滑块与智能除草设备的主体固定连接，并且具有与所述导杆配合的通孔，在驱动电机的作用下所述滑块沿着所述导杆移动；

所述控制装置接收来自所述射频接收装置提供的身份数据和信号幅值，根据所述身份数据和信号幅值使用三点辅助定位法计算出所述智能除草设备的位置，从而控制所述行走装置进行行进、停止或者换行操作，根据来自所述图像采集装置摄取的图像，使用杂草辨识法辨别出杂草目标，进而控制所述除草装置进行除草动作。

使用上述智能除草设备的方法，其特征在于包括如下步骤：

步骤(1)启动3个以上的射频发射装置，并散布在智能除草设备的工作环境中，构成网络；

步骤(2)放置智能除草设备，启动电源，初始化智能除草设备，射频接收装置接收信号开始定位，实时监控智能除草设备的行进路径；

步骤(3)判断智能除草设备是否处于田地的一端，如果是则执行步骤(4)，如果不是则执行步骤(5)

步骤(4)由于到了田地的一端，因此需要换行，支撑杆伸出，支撑在地面上，将智能除草设备抬起，在丝杠滑块结构的作用下实现智能除草设备的主体平移，到达要换行的位置时，支撑杆收缩，将所述智能除草设备的主体放置在地面上；

步骤(5)支撑杆收缩，在电机的驱动下，履带和履带轮配合继续行走；

步骤(6)在行走的过程中，控制装置根据来自图像采集装置摄取的图像辨别出杂草目标，进而控制除草装置进行除草动作；

步骤(7)除草工作结束。

本发明与现有技术相比，有益效果如下：

(1)使用三点辅助定位法，有效的减少了环境对定位精度的影响，并且运算量很少，非常适合实时监控定位；

(2)使用带有换行移动结构和履带结构的行走装置，保证了智能除草设备在农田中的正常行走，并实现了跨越式自动换行，免除了需要从农田中驶出换行或者人工转向的麻烦；

(3)对获取的图像的RGB值分别进行滤波，在抑制无用信息的同时，很好的保留了原始图片的色彩的信息，构建新的颜色空间U₁U₂U₃，并充分利用各个系数进行图像的处理工作，使用开闭运算的方式有效的去除了斑点噪声，使用高斯滤波器获取了杂草的中心位置，从而为后面的精确除草提供了有效信息依据。

附图说明

图1为本发明的设备组成示意图；

图2为本发明的三点辅助定位法的原理示意图；

图3为本发明的智能除草设备的使用方法流程图；

具体实施方式

下面结合附图与实施例对本发明作进一步的说明。

本发明的实施例参考图1-3所示。

如图1所示，一种智能除草设备，其由行走装置、除草装置、图像采集装置、射频收发装置、控制装置、主体构成，

所述除草装置包括刀盘、前臂、上臂、基座，所述基座活动连接在主体上，所述基座可围绕垂直于水平表面的垂直旋转轴做0-360度范围的旋转，所述上臂与所述基座枢接，所述上臂可围绕平行于水平表面的水平枢接轴做0-90度范围内的转动，所述前臂与所述上臂枢接，所述前臂可围绕平行于水平表面的水平枢接轴做0-60度范围内的转动，所述刀盘与所述前臂固定连接，所述刀盘具有多个齿刃，旋转切除杂草。

所述行走装置包括履带、履带轮、换行移动结构。其中所述履带轮共有2组，构成所述能除草设备行进机构，每组履带轮包括1个主动轮和2个从动轮，每组履带轮与所述履带构成三角形，所述主动轮位于三角形的顶端并与所述主体上的驱动电机固定连接，所述2个从动轮位于三角形的两侧底端；

所述换行移动结构包括主框架、支撑杆、丝杠滑块结构，所述主框架为长方形框架，长边为2条平行的导杆，短边为2条平行的连接杆，所述支撑杆共有4个，分别垂直于所述主框架并固定在其4个角上，所述支撑杆在液压驱动电机的作用下能够同步伸缩，所述丝杠滑块结构的丝杠平行于所述导杆并且两端固定在所述主框架，所述丝杠滑块结构的滑块与所述主体固定连接，并且具有与所述导杆配合的通孔，在驱动电机的作用下所述滑块沿着所述导杆移动；

所述滑块内部具有相互啮合的驱动齿轮和从动齿轮，所述驱动齿轮与驱动电机的驱动轴固定，所述从动齿轮中心具有与所述丝杠螺纹配合的螺纹通孔，通过驱动齿轮和从动齿轮的配合实现了旋转运动到直线运动的转换。

当所述智能除草设备正常行走时，所述支撑杆收缩，在电机的驱动下，所述履带和履带轮配合前进，当所述智能除草设备的主体到达田地的一端需要换行时，所述支撑杆伸出，支撑在地面上，将所述智能除草设备抬起，在所述丝杠滑块结构的作用下实现主体的平移，到达要换行的位置时，所述支撑杆收缩，将所述智能除草设备的主体放置在地面上，继续行走；

所述图像采集装置包括云台和CCD摄像头，所述云台固定在所述智能除草设备的主体上，所述CCD摄像头固定在云台上，所述云台能够调节所述CCD摄像头的高度；

所述射频收发装置包括射频发射装置和射频接收装置，所述射频发射装置包括发射天线、射频产生模块、微处理器、存储器、电池，3个以上的所述射频发射装置散布在所述智能除草设备的主体周围的工作环境，构成网络，所述存储器存储所述射频发射装置的身份识别数据，所述微处理器将该身份识别数据调制到由所述射频产生模块产生的频率为正弦波的载波信号中，产生的调制信号的频率为300Mhz-3Ghz，并通过所述发射天线发射出去；

所述射频接收装置包括接收天线、射频信号处理装置，安装在所述主体上，通过所述接收天线接收来自所述射频发射装置发射的调制信号，所述射频信号处理装置解调调制信号获取所述射频发射装置的身份数据，并获取信号幅值；

所述控制装置接收来自所述射频接收装置提供的身份数据和信号幅值，根据所述身份数据和信号幅值使用三点辅助定位法计算出所述智能除草设备的位置，从而控制所述行走装置进行行进、停止或者换行操作，根据来自所述图像采集装置摄取的图像，使用杂草辨识法辨别出杂草目标，进而控制所述除草装置进行除草动作。

所述三点辅助定位法包括如下步骤：

如图2所示，步骤(1)对接收的信号幅值进行排序，获取幅值强度前四的信号对应的射频发射装置身份，各个射频发射装置的位置按照由强到弱的顺序依次为O₁(x₁，y₁)、O₂(x₂，y₂)、O₃(x₃，y₃)；

步骤(2)则各个射频发射装置距离智能除草设备T(x_T，y_T)的距离r₁、r₂、r₃可以根据以下关系式计算得出，

其中，S(r)表示射频发射装置和射频接收装置之间的距离，r₀表示相对接近距离，通常取1m，n表示路径损耗系数；

步骤(3)建立方程组，

$\left\{\begin{array}{c}{r_1}^2={(x_T-x_1)}^2+{(y_T-y_1)}^2\\ {r_2}^2={(x_T-x_2)}^2+{(y_T-y_2)}^2\end{array},\begin{array}{cc}& \end{array}\right.$

解出上述方程组，得到两组解T₁(x_T，y_T)和T₂(x_T，y_T)；

步骤(4)确定最小线段的坐标点，建立方程组，

$\left\{\begin{array}{c}{r_1}^2={(x_T-x_1)}^2+{(y_T-y_1)}^2\\ {r_3}^2={(x_T-x_3)}^2+{(y_T-y_3)}^2\end{array}\begin{array}{cc}& \end{array}\right.$

解出上述方程组，得到两组解T₃(x_T，y_T)和T₄(x_T，y_T)；

$\left\{\begin{array}{c}{r_2}^2={(x_T-x_2)}^2+{(y_T-y_2)}^2\\ {r_3}^2={(x_T-x_3)}^2+{(y_T-y_3)}^2\end{array}\begin{array}{cc}& \end{array}\right.$

解出上述方程组，得到两组解T₅(x_T，y_T)和T₆(x_T，y_T)；

分别计算线段T₃T₃、T₃T₆、T₄T₅、T₄T₆的长度，取其中的最小值线段所对应的两个点T_3、4min(x_T，y_T)和T_5、6min(x_T，y_T)；

步骤(5)将步骤(2.3.4)得到的两个点T_3、4min(x_T，y_T)和T_5、6min(x_T，y_T)分别与T₁(x_T，y_T)和T₂(x_T，y_T)进行长度计算，得到T₁T_3、4min，T₂T_3、4min，T₁T_5、6min，T₂T_5、6min，比较T₁T_3、4min+T₁T_5、6min与T₂T_3、4min+T₂T_5、6min之间的大小，取最小值对应的到解T₁(x_T，y_T)或T₂(x_T，y_T)，为智能除草设备的真正位置；

在使用射频定位中，环境的变化是难以预知，很难准确设定损耗系数，而损耗系数与路径成指数影响，在距离越大，损耗系数的影响越大，因此尽可能使用少量的距离目标设备近的射频发射器能够减少损耗系数的影响，提高定位精度，本发明使用的三点辅助定位法是使用信号强度最高的两点定位确定两个解，在加入信号强度第三的第三个点确定那个解为真正的解，进而获取智能除草设备的真正位置。

如图3所示，上述智能除草设备的使用方法，其特征在于包括如下步骤：

步骤(1)启动3个以上的射频发射装置，并散布在智能除草设备的工作环境中，构成网络；

步骤(2)放置智能除草设备，启动电源，初始化智能除草设备，射频接收装置接收信号开始定位，实时监控智能除草设备的行进路径；

步骤(3)判断智能除草设备是否处于田地的一端，如果是则执行步骤(4)，如果不是则执行步骤(5)

步骤(4)由于到了田地的一端，因此需要换行，支撑杆伸出，支撑在地面上，将智能除草设备抬起，在丝杠滑块结构的作用下实现智能除草设备的主体平移，到达要换行的位置时，支撑杆收缩，将所述智能除草设备的主体放置在地面上；

步骤(5)支撑杆收缩，在电机的驱动下，履带和履带轮配合继续行走；

步骤(6)在行走的过程中，控制装置根据来自图像采集装置摄取的图像辨别出杂草目标，进而控制除草装置进行除草动作；

步骤(7)除草工作结束；

进一步的说，步骤(2)具体包括如下步骤：

步骤(2.1)射频发射装置的微处理器将存储器存储的身份识别数据调制到由射频产生模块产生的频率为正弦波的载波信号中，产生的调制信号的频率为300Mhz-3Ghz，并通过所述发射天线发射出；

步骤(2.2)射频接收装置通过接收天线接收来自射频发射装置发射的调制信号，射频信号处理装置解调调制信号获取所述射频发射装置的身份数据，并获取信号幅值；

步骤(2.3)控制装置接收来自射频接收装置提供的身份数据和信号幅值，根据所述身份数据和信号幅值使用三点辅助定位法计算出智能除草设备的位置；

所述三点辅助定位法包括如下步骤：

步骤(2.3.1)对接收的信号幅值进行排序，获取幅值强度前四的信号对应的射频发射装置身份，各个射频发射装置的位置按照由强到弱的顺序依次为O₁(x₁，y₁)、O₂(x₂，y₂)、O₃(x₃，y₃)；

步骤(2.3.2)则各个射频发射装置距离智能除草设备T(x_T，y_T)的距离r₁、r₂、r₃可以根据以下关系式计算得出，

其中，S(r)表示射频发射装置和射频接收装置之间的距离，r₀表示相对接近距离，通常取1m，n表示路径损耗系数；

步骤(2.3.3)建立方程组，

$\left\{\begin{array}{c}{r_1}^2={(x_T-x_1)}^2+{(y_T-y_1)}^2\\ {r_2}^2={(x_T-x_2)}^2+{(y_T-y_2)}^2\end{array},\begin{array}{cc}& \end{array}\right.$

解出上述方程组，得到两组解T₁(x_T，y_T)和T₂(x_T，y_T)；

步骤(2.3.4)确定最小线段的坐标点，建立方程组，

$\left\{\begin{array}{c}{r_1}^2={(x_T-x_1)}^2+{(y_T-y_1)}^2\\ {r_3}^2={(x_T-x_3)}^2+{(y_T-y_3)}^2\end{array}\begin{array}{cc}& \end{array}\right.$

解出上述方程组，得到两组解T₃(x_T，y_T)和T₄(x_T，y_T)；

$\left\{\begin{array}{c}{r_2}^2={(x_T-x_2)}^2+{(y_T-y_2)}^2\\ {r_3}^2={(x_T-x_3)}^2+{(y_T-y_3)}^2\end{array}\begin{array}{cc}& \end{array}\right.$

解出上述方程组，得到两组解T₅(x_T，y_T)和T₆(x_T，y_T)；

分别计算线段T₃T₅、T₃T₆、T₄T₅、T₄T₆的长度，取其中的最小值线段所对应的两个点T_3、4min(x_T，y_T)和T_5、6min(x_T，y_T)；

步骤(2.3.5)将步骤(2.3.4)得到的两个点T_3、4min(x_T，y_T)和T_5、6min(x_T，y_T)分别与T₁(x_T，y_T)和T₂(x_T，y_T)进行长度计算，得到T₁T_3、４min，T₂T_3、4min，T₁T_5、6min，T₂T_5、6min，比较T₁T_3、4min+T₁T_5、6min与T₂T_3、4min+T₂T_5、6min之间的大小，取最小值对应的到解T₁(x_T，y_T)或T₂(x_T，y_T)，为智能除草设备的真正位置；

进一步的说，所述步骤(6)中的图像辨别出杂草目标，包括如下步骤：

步骤(6.1)图像增强，对原始图像中的RGB值分别进行滤波去噪。噪声的滤波过程如下式所示：

$F_R(x,y)=\frac{1}{N\×N}\underset{(x,y)\∈A}{\mathrm{\Σ}}{f}_R(x,y),$

$F_G(x,y)=\frac{1}{N\×N}\underset{(x,y)\∈A}{\mathrm{\Σ}}{f}_G(x,y),$

$F_B(x,y)=\frac{1}{N\×N}\underset{(x,y)\∈A}{\mathrm{\Σ}}{f}_B(x,y),$

其中，以原始图像的中心为原点建立直角坐标系x-0-y，f_R(x，y)、f_G(x，y)、f_B(x，y)分别为原始图像中位于坐标(x，y)的像素的R、G、B值函数，其中x＝(0，1，……255)，y∈(0，1，……255)，而F_R(x，y)、F_G(x，y)、F_B(x，y)为滤波后的R、G、B值函数，N×N为表示截取的窗口的尺寸，N＝(3，5，7......)，优选为N＝3，A表示窗口内的像素组成的点集；

该滤波方式对像素的RGB值分别进行滤波，在抑制无用信息，以实现图像的使用价值的同时，很好的保留了原始图片的色彩的信息；

步骤(6.2)对RGB颜色空间进行转换，生成新的颜色空间U₁U₂U₃，

经过滤波后的F_R(x，y)、F_G(x，y)、F_B(x，y)经过下述转换变为相应的系数函数：

$\left[\begin{array}{c}{U}_1(x,y)\\ U_2(x,y)\\ U_3(x,y)\end{array}\right]=\left[\begin{array}{ccc}-1& 0& 1\\ -1& -1& 2\\ 1& 1& 1\end{array}\right]\left[\begin{array}{c}{F}_R(x,y)\\ F_B(x,y)\\ F_G(x,y)\end{array}\right]$

其中，U₁(x，y)为红绿相关系数函数，U₂(x，y)为红绿蓝相关系数函数，U₃(x，y)为强度系数函数；

步骤(6.3)杂草、作物构成的植被与土壤的区分，使用U₃(x，y)构建植被与土壤的分割函数G_S(x，y)，使用U₁(x，y)、U₂(x，y)作为判断条件：

其中，T_S为植被与土壤的分割阈值，取T_S＝4。

步骤(6.4)使用数学形态学的开运算和闭运算进行图像去噪。

经过运算得到目标杂草的图像，但是不可避免的存在一些小面积的噪声，即图像上的斑点噪声，这些斑点噪声显然不是杂草的图像，需要滤除。

构建值分割函数G′_A(x，y)：

$G_A^{\′}(x,y)=\left\{\begin{array}{cc}0,& U_3(x,y)\≤T_A\\ 1,& U_3(x,y)>T_A\end{array}\right.;$

使用开运算：其中，○为开运算，为腐蚀运算，为膨胀运算；

使用闭运算：其中，·为闭运算；

步骤(6.5)生成最终的杂草目标函数G_F(x，y)。经过开合运算后的二值图像与分割函数G′_A(x，y)构成的二值图像进行与运算，在1值的区域将G_A(x，y)的值按照坐标逐一赋值，构成最终的杂草目标函数G_F(x，y)；

步骤(6.6)获取杂草目标的中心位置(x_cen，y_cen)。其目的在于让智能机械能够定位杂草的位置，进而采取相应的措施，例如锄草、施药。

运用高斯滤波器获取图像中的最大响应值，进而确定图像中目标的中心位置，构建高斯响应值函数为：其中，δ为尺度因子，可根据实际情况设定；

对G_F(x，y)进行卷积计算，得到高斯卷积响应函数：

h(x，y)＝G_F(x，y)*g(x，y)，计算当h(x，y)的最大值时的坐标，即目标的中心位置(x_cen，y_cen)。

以上所述实施方式仅表达了本发明的一种实施方式，但并不能因此而理解为对本发明范围的限制。应当指出，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。

Claims (9)

1.一种智能除草设备，其由行走装置、除草装置、图像采集装置、射频收发装置、控制装置构成，其特征在于：

所述行走装置包括履带、履带轮、换行移动结构，其中所述履带轮共有2组，构成所述智能除草设备行进机构，每组履带轮包括1个主动轮和2个从动轮，每组履带轮与所述履带构成三角形，所述主动轮位于三角形的顶端，所述2个从动轮位于三角形的两侧底端；所述换行移动结构包括主框架、支撑杆、丝杠滑块结构，所述主框架为长方形框架，长边为2条平行的导杆，短边为2条平行的连接杆，所述支撑杆共有4个，分别垂直于所述主框架并固定在其4个角上，所述支撑杆在液压驱动电机的作用下能够同步伸缩，所述丝杠滑块结构的丝杠平行于所述导杆并且两端固定在所述主框架，所述丝杠滑块结构的滑块与智能除草设备的主体固定连接，并且具有与所述导杆配合的通孔，在驱动电机的作用下所述滑块沿着所述导杆移动；

所述射频收发装置包括射频发射装置和射频接收装置，所述射频发射装置包括发射天线、射频产生模块、微处理器、存储器、电池，3个以上的所述射频发射装置散布在所述智能除草设备的主体周围的工作环境，构成网络，所述存储器存储所述射频发射装置的身份识别数据，所述微处理器将该身份识别数据调制到由所述射频产生模块产生的频率为正弦波的载波信号中，产生的调制信号的频率为300Mhz-3Ghz，并通过所述发射天线发射出去；

所述射频接收装置包括接收天线、射频信号处理装置，安装在所述智能除草设备的主体上，通过所述接收天线接收来自所述射频发射装置发射的调制信号，所述射频信号处理装置解调调制信号获取所述射频发射装置的身份数据，并获取信号幅值；

所述控制装置接收来自所述射频接收装置提供的身份数据和信号幅值，根据所述身份数据和信号幅值使用三点辅助定位法计算出所述智能除草设备的位置，从而控制所述行走装置进行行进、停止或者换行操作，根据来自所述图像采集装置摄取的图像，使用杂草辨识法辨别出杂草目标，进而控制所述除草装置进行除草动作。

2.根据权利要求1所述的一种智能除草设备，其特征在于：所述滑块内部具有相互啮合的驱动齿轮和从动齿轮，所述驱动齿轮与驱动电机的驱动轴固定，所述从动齿轮中心具有与所述丝杠螺纹配合的螺纹通孔，通过驱动齿轮和从动齿轮的配合实现了旋转运动到直线运动的转换。

3.根据权利要求1所述的一种智能除草设备，其特征在于：所述除草装置包括刀盘、前臂、上臂、基座，所述基座活动连接在智能除草设备的主体上，所述基座可围绕垂直于水平表面的垂直旋转轴做0-360度范围的旋转，所述上臂与所述基座枢接，所述上臂可围绕平行于水平表面的水平枢接轴做0-90度范围内的转动，所述前臂与所述上臂枢接，所述前臂可围绕平行于水平表面的水平枢接轴做0-60度范围内的转动，所述刀盘与所述前臂固定连接，所述刀盘具有多个齿刃，旋转切除杂草。

4.根据权利要求1所述的一种智能除草设备，其特征在于：所述图像采集装置包括云台和CCD摄像头，所述云台固定在所述智能除草设备的主体上，所述CCD摄像头固定在云台上，所述云台能够调节所述CCD摄像头的高度。

5.根据权利要求1所述的一种智能除草设备，其特征在于所述三点辅助定位法包括如下步骤：

步骤(1)对接收的信号幅值进行排序，获取幅值强度前四的信号对应的射频发射装置身份，各个射频发射装置的位置按照由强到弱的顺序依次为O₁(x₁，y₁)、O₂(x₂，y₂)、O₃(x₃，y₃)；

步骤(2)则各个射频发射装置距离智能除草设备T(x_T，y_T)的距离分别为r₁、r₂、r₃，并根据以下关系式计算得出，

其中，S(r)表示射频发射装置和射频接收装置之间的距离，r₀表示相对接近距离，取1m，n表示路径损耗系数；

步骤(3)建立方程组，

$\left\{\begin{array}{c}{r}_1^2={(x_T-x_1)}^2+{(y_T-y_1)}^2\\ r_2^2={(x_T-x_2)}^2+{(y_T-y_2)}^2\end{array}\right.,$

解出上述方程组，得到两组解T₁(x_T，y_T)和T₂(x_T，y_T)；

步骤(4)确定最小线段的坐标点，建立方程组，

$\left\{\begin{array}{c}{r}_1^2={(x_T-x_1)}^2+{(y_T-y_1)}^2\\ r_3^2={(x_T-x_3)}^2+{(y_T-y_3)}^2\end{array}\right.$

解出上述方程组，得到两组解T₃(x_T，y_T)和T₄(x_T，y_T)；

$\left\{\begin{array}{c}{r}_2^2={(x_T-x_2)}^2+{(y_T-y_2)}^2\\ r_3^2={(x_T-x_3)}^2+{(y_T-y_3)}^2\end{array}\right.$

解出上述方程组，得到两组解T₅(x_T，y_T)和T₆(x_T，y_T)；

分别计算线段T₃T₅、T₃T₆、T₄T₅、T₄T₆的长度，取其中的最小值线段所对应的两个点T_3、4min(x_T，y_T)和T_5、6min(x_T，y_T)；

步骤(5)将步骤(4)得到的两个点T_3、4min(x_T，y_T)和T_5、6min(x_T，y_T)分别与T₁(x_T，y_T)和T₂(x_T，y_T)进行长度计算，得到T₁T_3、4min，T₂T_3、4min，T₁T_5、6min，T₂T_5、6min，比较T₁T_3、4min+T₁T_5、6min与T₂T_3、4min+T₂T_5、6min之间的大小，取最小值对应的解T₁(x_T，y_T)或T₂(x_T，y_T)，为智能除草设备的真正位置。

6.根据如权利要求1-4任意一项所述的智能除草设备的使用方法，其特征在于包括如下步骤：

步骤(1)启动3个以上的射频发射装置，并散布在智能除草设备的工作环境中，构成网络；

步骤(2)放置智能除草设备，启动电源，初始化智能除草设备，射频接收装置接收信号开始定位，实时监控智能除草设备的行进路径；

步骤(3)判断智能除草设备是否处于田地的一端，如果是则执行步骤(4)，如果不是则执行步骤(5)

步骤(4)由于到了田地的一端，因此需要换行，支撑杆伸出，支撑在地面上，将智能除草设备抬起，在丝杠滑块结构的作用下实现智能除草设备的主体平移，到达要换行的位置时，支撑杆收缩，将所述智能除草设备的主体放置在地面上；

步骤(5)支撑杆收缩，在电机的驱动下，履带和履带轮配合继续行走；

步骤(6)在行走的过程中，控制装置根据来自图像采集装置摄取的图像辨别出杂草目标，进而控制除草装置进行除草动作；

步骤(7)除草工作结束。

7.根据权利要求6所述的使用方法，其特征在于所述步骤(2)具体包括如下步骤：

步骤(2.1)射频发射装置的微处理器将存储器存储的身份识别数据调制到由射频产生模块产生的频率为正弦波的载波信号中，产生的调制信号的频率为300Mhz-3Ghz，并通过所述发射天线发射出；

步骤(2.2)射频接收装置通过接收天线接收来自射频发射装置发射的调制信号，射频信号处理装置解调调制信号获取所述射频发射装置的身份数据，并获取信号幅值；

步骤(2.3)控制装置接收来自射频接收装置提供的身份数据和信号幅值，根据所述身份数据和信号幅值使用三点辅助定位法计算出智能除草设备的位置。

8.根据权利要求7所述的使用方法，其特征在于所述步骤(2.3)所述三点辅助定位法包括如下步骤：

步骤(2.3.1)对接收的信号幅值进行排序，获取幅值强度前四的信号对应的射频发射装置身份，各个射频发射装置的位置按照由强到弱的顺序依次为O₁(x₁，y₁)、O₂(x₂，y₂)、O₃(x₃，y₃)；

步骤(2.3.2)则各个射频发射装置距离智能除草设备T(x_T，y_T)的距离r₁、r₂、r₃可以根据以下关系式计算得出，

其中，S(r)表示射频发射装置和射频接收装置之间的距离，r₀表示相对接近距离，取1m，n表示路径损耗系数；

步骤(2.3.3)建立方程组，

$\left\{\begin{array}{c}{r}_1^2={(x_T-x_1)}^2+{(y_T-y_1)}^2\\ r_2^2={(x_T-x_2)}^2+{(y_T-y_2)}^2\end{array}\right.,$

解出上述方程组，得到两组解T₁(x_T，y_T)和T₂(x_T，y_T)；

步骤(2.3.4)确定最小线段的坐标点，建立方程组，

$\left\{\begin{array}{c}{r}_1^2={(x_T-x_1)}^2+{(y_T-y_1)}^2\\ r_3^2={(x_T-x_3)}^2+{(y_T-y_3)}^2\end{array}\right.,$

解出上述方程组，得到两组解T₃(x_T，y_T)和T₄(x_T，y_T)；

$\left\{\begin{array}{c}{r}_2^2={(x_T-x_2)}^2+{(y_T-y_2)}^2\\ r_3^2={(x_T-x_3)}^2+{(y_T-y_3)}^2\end{array}\right.,$

解出上述方程组，得到两组解T₅(x_T，y_T)和T₆(x_T，y_T)；

分别计算线段T₃T₅、T₃T₆、T₄T₅、T₄T₆的长度，取其中的最小值线段所对应的两个点T_3、4min(x_T，y_T)和T_5、6min(x_T，y_T)；

步骤(2.3.5)将步骤(2.3.4)得到的两个点T_3、4min(x_T，y_T)和T_5、6min(x_T，y_T)分别与T₁(x_T，y_T)和T₂(x_T，y_T)进行长度计算，得到T₁T_3、4min，T₂T_3、4min，T₁T_5、6min，T₂T_5、6min，比较T₁T_3、4min+T₁T_5、6min与T₂T_3、4min+T₂T_5、6min之间的大小，取最小值对应的解T₁(x_T，y_T)或T₂(x_T，y_T)，为智能除草设备的真正位置。

9.根据权利要求6所述的使用方法，其特征在于所述步骤(6)中的图像辨别出杂草目标，包括如下步骤：

步骤(6.1)图像增强，对原始图像中的RGB值分别进行滤波去噪，噪声的滤波过程如下式所示：

$F_R(x,y)=\frac{1}{N\×N}\underset{(x,y)\∈A}{\mathrm{\Σ}}{f}_R(x,y),$

$F_G(x,y)=\frac{1}{N\×N}\underset{(x,y)\∈A}{\mathrm{\Σ}}{f}_G(x,y),$

$F_B(x,y)=\frac{1}{N\×N}\underset{(x,y)\∈A}{\mathrm{\Σ}}{f}_B(x,y),$

其中，以原始图像的中心为原点建立直角坐标系x-0-y，f_R(x，y)、f_G(x，y)、f_B(x，y)分别为原始图像中位于坐标(x，y)的像素的R、G、B值函数，其中x＝(0，1，……255)，y∈(0，1，……255)，而F_R(x，y)、F_G(x，y)、F_B(x，y)为滤波后的R、G、B值函数，N×N为表示截取的窗口的尺寸，N＝(3，5，7......)，A表示窗口内的像素组成的点集；

该滤波方式对像素的RGB值分别进行滤波，在抑制无用信息，以实现图像的使用价值的同时，很好的保留了原始图片的色彩的信息；

步骤(6.2)对RGB颜色空间进行转换，生成新的颜色空间U₁U₂U₃，

经过滤波后的F_R(x，y)、F_G(x，y)、F_B(x，y)经过下述转换变为相应的系数函数：

$\left[\begin{array}{c}{U}_1(x,y)\\ U_2(x,y)\\ U_3(x,y)\end{array}\right]=\left[\begin{array}{ccc}-1& 0& 1\\ -1& -1& 2\\ 1& 1& 1\end{array}\right]\left[\begin{array}{c}{F}_R(x,y)\\ F_B(x,y)\\ F_G(x,y)\end{array}\right]$

其中，U₁(x，y)为红绿相关系数函数，U₂(x，y)为红绿蓝相关系数函数，U₃(x，y)为强度系数函数；

步骤(6.3)杂草、作物构成的植被与土壤的区分，使用U₃(x，y)构建植被与土壤的分割函数G_S(x，y)，使用U₁(x，y)、U₂(x，y)作为判断条件：

其中，T_S为植被与土壤的分割阈值，取T_S＝4，

步骤(6.4)使用数学形态学的开运算和闭运算进行图像去噪，

经过运算得到目标杂草的图像，但是不可避免的存在一些小面积的噪声，即图像上的斑点噪声，这些斑点噪声显然不是杂草的图像，需要滤除，

构建二值分割函数G′_A(x，y)：

$G_A^{\′}(x,y)=\left\{\begin{array}{cc}0,& U_3(x,y)\≤T_A\\ 1,& U_3(x,y)>T_A\end{array}\right.;$

使用开运算：其中，ο为开运算，为腐蚀运算，为膨胀运算；

使用闭运算：其中，·为闭运算；

步骤(6.5)生成最终的杂草目标函数G_F(x，y)，经过开合运算后的二值图像与分割函数G′_A(x，y)构成的二值图像进行与运算，在1值的区域将G_A(x，y)的值按照坐标逐一赋值，构成最终的杂草目标函数G_F(x，y)；

步骤(6.6)获取杂草目标的中心位置(x_cen，y_cen)，其目的在于让智能机械能够定位杂草的位置，进而采取相应的措施；

运用高斯滤波器获取图像中的最大响应值，进而确定图像中目标的中心位置，构建高斯响应值函数为：其中，δ为尺度因子，可根据实际情况设定；

对G_F(x，y)进行卷积计算，得到高斯卷积响应函数：

h(x，y)＝G_F(x，y)*g(x，y)，计算当h(x，y)的最大值时的坐标，即目标的中心位置(x_cen，y_cen)。