CN113647212A - 一种基于作物茎秆定位的锄草机器人及锄草方法 - Google Patents

Abstract

本发明提供了一种基于作物茎秆定位的锄草机器人及锄草方法，涉及自动锄草的技术领域，包括：控制器、GPS定位模块、垄间视觉传感器、作物视觉传感器、电机驱动模块、履带电机、垄间锄草执行器以及株间锄草执行器；所述控制器分别与所述垄间视觉传感器以及作物视觉传感器相连；所述控制器与所述GPS定位模块相连所述控制器通过所述电机驱动模块分别与所述履带电机、垄间锄草执行器以及株间锄草执行器相连。通过本发明提供的方法可以提高现有技术中锄草机器人智能型、并提高智能机器人的锄草效率，进而代替人工作业。

Description

一种基于作物茎秆定位的锄草机器人及锄草方法

技术领域

本发明涉及智能技术领域，尤其是涉及一种基于作物茎秆定位的锄草机器人及锄草方法。

背景技术

在农作物的苗期生长过程中，株间杂草危害较大，目前最主要的株间锄草方式是化学除草或人工锄草。以化学除草为主的除草方式又给农业带来诸多新问题，如农田杂草种群演替加快、耐药性增强、滥用除草剂造成的耕地环境污染等，作物由于化学药物残留造成食品安全性问题等；而人工锄草受农村劳动力的外流和劳动力价格的逐年上升的影响，这种作业方式对于大规模种植不具有可行性。以机械方式去除田间杂草，不仅可取得较好的除草效果，特别是可以避免使用化学除草剂，消除作物的化学农药污染隐患，保证食品安全。目前普遍使用的锄草机虽然可以显著提高锄草作业效率，但锄草机只能清除行间杂草，对株间杂草却无能为力。智能锄草是一种能自主识别田间作物和杂草，并能针对性地清除作物周边杂草的高新技术。智能株间锄草机器人是能实现高效、安全、环保的锄草作业机器，可以彻底解决作物行间、株间的锄草问题，从而完全取代化学除草和人工锄草。

发明内容

有鉴于此，本发明的目的在于提供一种基于作物茎秆定位的锄草机器人及锄草方法，以提高现有技术中锄草机器人智能型、并提高智能机器人的锄草效率，进而代替人工作业。

第一方面，本发明提供了一种基于作物茎秆定位的锄草机器人，包括：

控制器、GPS定位模块、垄间视觉传感器、作物视觉传感器、电机驱动模块、履带电机、垄间锄草执行器以及株间锄草执行器；

所述控制器分别与所述垄间视觉传感器以及作物视觉传感器相连；

所述控制器与所述GPS定位模块相连；

所述控制器通过所述电机驱动模块分别与所述履带电机、垄间锄草执行器以及株间锄草执行器相连。

第二方面，本发明提供了一种利用基于作物茎秆定位的锄草机器人的锄草方法，具体包括如下步骤：

S1：利用所述垄间视觉传感器以及所述作物视觉传感器获取图像；

S2：基于所述垄间视觉传感器以及所述作物视觉传感器获取的图像进行目标识别以及根部定位；

S3：依据所述目标根部定位进行目标测距；

S4：基于目标测距结果获取目标根部与机器本体的距离。

优选的，所述基于所述垄间视觉传感器以及所述作物视觉传感器获取的图像进行目标识别以及根部定位的步骤包括：

S 21：图像空间处理：将获取的图像进行HSV锥形体颜色空间转化并设置H的阈值以对绿色部分的图像进行分割，获取第二图像；

对第二图像转换至RGB图像，并进行灰度二值化处理以获取第三图像A。

优选的，所述S 21：图像空间处理的步骤包括

S22：进行腐蚀操作：定义结构矩阵B，并使B在A上滑动；

判定结构矩阵B与A是否相同：

若相同，则删除第三图像A上结构矩阵B所对应的点直至结构矩阵B遍历第三图像A上所有的点以获取第四图像；

获取第四图像中连接区域最大的图像为第五图像。

优选的，所述S22：进行腐蚀操作的步骤之后，所述方法还包括：

S23进行骨架提取：定义白色像素取值为0，黑色像素取值为1；

1)：遍历第五图像中所有像素点并获取像素点获取所有满足如下条件的像素点并将所有满足条件的点转化为白色：

(1)所选定的像素P1为黑色，且有8个相邻像素，按照顺序排列为P2,P3,P4,P5,P6,P7,P8,P9,P2；

(2)2<＝B(P1)<＝6；

(3)A(P1)＝1；

(4)P2 P4 P6＝0；

(5)P4 P6 P8＝0；

2)：再次测试作物图像的所有像素，搜寻同时满足以下所有条件的像素并将所有满足条件的点转化为白色：

(1)像素为黑色，有8个相邻像素；

(2)2<＝B(P1)<＝6；

(3)A(P1)＝1；

(4)P2 P4 P8＝0；

(5)P2 P6 P8＝0；

重复1)以及2)直至所述第五图像的所有像素点不发生改变。

优选的，所述S23进行骨架提取的步骤之后，所述方法还包括：

S24：通过查找骨架的交点，获取根部像素坐标。

优选的，所述S4：基于目标测距结果获取目标根部与机器本体的距离的步骤包括：

基于目标像素目标，获取目标根部相对于机器本体的实际距离；

基于目标根部相对于锄草机器人的实际距离，获取锄草机器人在前后、左右、上下位置所需运动的距离。

优选的，所述S 21：图像空间处理的步骤中，具体采用如下公式：

R'＝R/255

G'＝G/255

B'＝B/255

C_max＝max(R'，G'，B')

C_min＝min(R'，G'，B')

Δ＝C_max-C_min

其中，R代表像素点的红色度值，G代表像素点的绿色度值，B代表像素点的蓝色度值，(R、G、B取值范围为(0～255的自然数)；R’、G’、B’分别是将R、G、B除以最大色度值255后得到的(0～1)之间的小数值；H代表围绕HSV空间的锥形体垂直中心轴OV从横向中心轴OS作为起始所旋转的角度，S代表沿横向中心轴OS方向到起点O的距离，V代表沿垂直中心轴OH方向到起点O的距离。

本发明实施例带来了以下有益效果：本发明提供了一种基于作物茎秆定位的锄草机器人及锄草方法，包括：控制器、GPS定位模块、垄间视觉传感器、作物视觉传感器、电机驱动模块、履带电机、垄间锄草执行器以及株间锄草执行器；所述控制器分别与所述垄间视觉传感器以及作物视觉传感器相连；所述控制器与所述GPS定位模块相连所述控制器通过所述电机驱动模块分别与所述履带电机、垄间锄草执行器以及株间锄草执行器相连。通过本发明提供的方法可以提高现有技术中锄草机器人智能型、并提高智能机器人的锄草效率，进而代替人工作业。

本发明的其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。

为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的一种基于作物茎秆定位的锄草机整机示意图；

图2为本发明实施例提供的一种基于作物茎秆定位的锄草机器人结构示意图；

图3为本发明实施例提供的一种基于作物茎秆定位的锄草方法示意图；

图4为本发明实施例提供的一种基于作物茎秆定位的锄草方法RGB转HSV示意图；

图5为本发明实施例提供的一种基于作物茎秆定位的锄草方法腐蚀算法示意图；

图6为本发明实施例提供的一种基于作物茎秆定位的锄草方法骨架提取算法示意图。

图7为本发明实施例提供的一种基于作物茎秆定位的锄草机器人履带车轮左视图；

图标，1—小车底板，2—履带，3—垄间视觉传感器以及作物视觉传感器，4—第一伸缩杆，5—第二伸缩杆，6—蓄电池，7GPS定位模块，8是传输模块，9—控制器，10是X、Y、Z三个自由度的连接轴，11—株间锄草执行器，12—行动视觉传感器，13—第三伸缩杆，14—垄间执行器，15垃圾拾取装置，16—垃圾收集箱(带有重量传感器，并可自动翻转倾倒垃圾)

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

目前，最主要的株间除草方式是化学除草或人工锄草。以化学除草为主的除草方式又给农业带来诸多新问题，如农田杂草种群演替加快、耐药性增强、滥用锄草剂造成的耕地环境污染等，作物由于化学药物残留造成食品安全性问题等；而人工锄草受农村劳动力的外流和劳动力价格的逐年上升的影响，这种作业方式对于大规模种植不具有可行性。以机械方式去除田间杂草，不仅可取得较好的锄草效果，特别是可以避免使用化学锄草剂，消除作物的化学农药污染隐患，保证食品安全。目前普遍使用的锄草机虽然可以显著提高除草作业效率，但锄草机只能清除行间杂草，对株间杂草却无能为力，基于此，本发明实施例提供的一种基于作物茎秆定位的锄草机器人及锄草方法，可以提高现有技术中锄草机器人智能型、并提高智能机器人的锄草效率，进而代替人工作业。

图1给出了本发明锄草机整机示意图，1为小车底板，2为履带，3为垄间视觉传感器以及作物视觉传感器，4为第一伸缩杆，具体用于垄间视觉传感器以及作物视觉传感器上下方向的运动，5为第二伸缩杆，具体用于垄间视觉传感器以及作物视觉传感器左右方向的运动，6为蓄电池，7GPS定位模块，8是传输模块，9为控制器，10是X、Y、Z三个自由度的连接轴，11为株间锄草执行器，12为行动视觉传感器，13为第三伸缩杆，14为垄间执行器，15垃圾拾取装置，16为垃圾收集箱(带有重量传感器，并可自动翻转倾倒垃圾)

为便于对本实施例进行理解，首先对本发明实施例所公开的一种基于作物茎秆定位的锄草机器人及锄草方法进行详细介绍。

第一方面，本发明提供了一种基于作物茎秆定位的锄草机器人，包括：

控制器、GPS定位模块、垄间视觉传感器、作物视觉传感器、电机驱动模块、履带电机、垄间锄草执行器以及株间锄草执行器；

所述控制器分别与所述垄间视觉传感器以及作物视觉传感器相连；

所述控制器与所述GPS定位模块相连；

所述控制器通过所述电机驱动模块分别与所述履带电机、垄间锄草执行器以及株间锄草执行器相连。

进一步的，所述垄间视觉传感器以及所述作物视觉传感器用于在小车两边作物正上方采集图像信息，然后通过有线传输模块将采集到的图像传输给上位机控制器进行农作物和杂草位置分析；

所述GPS定位模块主要是对锄草工作田进行定位，在第一次对田地进行锄草工作开始和结束时进行垄间位置、垄长甚至禾苗位置等进行定位，并将这些数据传送到上位机进行储存、以便上位机针对该田地进行锄草机定位和行进路线规划分析，并对分析结果进行存储记忆，下一次锄草可调取记忆路线进行，加快锄草速度，提高锄草效率。

所述垄间锄草执行器是在小车前端由前后两排倾斜入土的高速旋转刀片组成，为了锄草和松土不留死角，后排的刀片与前排的位置呈交错排放，随着锄草小车的前行将垄间杂草从根部铲断并进行松土，并带有升降杆，作业时下降锄草松土，不作业时提升到高于地面15公分以上。

所述左右两边垄上苗间锄草执行器也是倾斜入土高速旋转的锯齿刀型刀片，为了更精确锄草，不伤害农作物苗，该旋转刀片由X、Y、Z三个自由度的电机伸缩杆控制。工作时，首先利用视觉传感器在作物正上方实时采集作物及周围杂草的图像，对采集到的RGB彩色图像进行色彩空间的转换，转换到HSV锥形体色彩空间中，并在HSV中进行背景分割，保留绿色的幼苗及杂草信息。然后利用腐蚀算法对大面积连接的杂草进行分离，最后保留图像中连接面积最大的区域即为作物幼苗。再对幼苗的骨架进行提取，得到交叉点为茎秆位置，通过坐标转换定位茎秆中心点。最后通过设置相关通用输入输出GPIO端口实现对机器人本体控制和对执行器的驱动步进电机进行控制，实现杂草的清除。

实施例二：

本发明提供了一种利用基于作物茎秆定位的锄草机器人的除草方法，具体包括如下步骤：

S1：利用所述垄间视觉传感器以及所述作物视觉传感器获取图像；

S2：基于所述垄间视觉传感器以及所述作物视觉传感器获取的图像进行目标识别以及根部定位；

S3：依据所述目标根部定位进行目标测距；

S4：基于目标测距结果获取目标根部与机器本体的距离。

优选的，所述基于所述垄间视觉传感器以及所述作物视觉传感器获取的图像进行目标识别以及根部定位的步骤包括：

S 21：图像空间处理：将获取的图像进行HSV锥形体颜色空间转化并设置H的阈值以对绿色部分的图像进行分割，获取第二图像；

进一步的，采用如下方式进行HSV锥形体颜色空间转化

R'＝R/255

G'＝G/255

B'＝B/255

C_max＝max(R'，G'，B')

C_min＝min(R'，G'，B')

Δ＝C_max-C_min

其中，R代表像素点的红色度值，G代表像素点的绿色度值，B代表像素点的蓝色度值，(R、G、B取值范围为(0～255的自然数)；R’、G’、B’分别是将R、G、B除以最大色度值255后得到的(0～1)之间的小数值；H代表围绕HSV空间的锥形体垂直中心轴OV从横向中心轴OS作为起始所旋转的角度，S代表沿横中心轴OS方向与起点O的距离，V代表沿垂直中心轴OH方向与起点O的距离。

对第二图像转换至RGB图像，并进行灰度二值化处理以获取第三图像A。

优选的，所述S 21：图像空间处理的之后，所述方法包括

S22：进行腐蚀操作：定义结构矩阵B，并使B在A上滑动；

判定结构矩阵B与A是否相同：

若相同，则删除第三图像A上结构矩阵B所对应的点直至结构矩阵B遍历第三图像A上所有的点以获取第四图像；

获取第四图像中连接区域最大的图像为第五图像。

优选的，所述S22：进行腐蚀操作的步骤之后，所述方法还包括：

S23进行骨架提取：定义白色像素取值为0，黑色像素取值为1；

1)：遍历第五图像中所有像素点并获取像素点获取所有满足如下条件的像素点并将所有满足条件的点转化为白色：

(1)所选定的像素P1为黑色，且有8个相邻像素，按照顺序排列为P2,P3,P4,P5,P6,P7,P8,P9,P2；

(2)2<＝B(P1)<＝6；

(3)A(P1)＝1；

(4)P2×P4×P6＝0；

(5)P4×P6×P8＝0；

2)：再次测试作物图像的所有像素，搜寻同时满足以下所有条件的像素并将所有满足条件的点转化为白色：

(1)像素为黑色，有8个相邻像素；

(2)2<＝B(P1)<＝6；

(3)A(P1)＝1；

(4)P2×P4×P8＝0；

(5)P2×P6×P8＝0；

重复1)以及2)直至所述第五图像的所有像素点不发生改变。

优选的，所述S23进行骨架提取的步骤之后，所述方法还包括：

S24：通过查找骨架的交点，获取根部像素坐标。

优选的，所述S4：基于目标测距结果获取目标根部与机器本体的距离的步骤包括：

基于目标像素目标，获取目标根部相对于机器本体的实际距离；

基于目标根部相对于锄草机器人的实际距离，获取锄草机器人在前后、左右、上下位置所需运动的距离。

本发明具有如下优点：

(1)采用履带式车轮行走，增强了机器人行走的稳定性。

(2)通过无线传输模块，远程监控机器人的位置和电量信息，机器人操作人员可通过终端远程控制机器人的启停。

(3)在进行株间锄草的同时对垄间杂草和垄间的垃圾也进行了清除，同时语音报警模块和远程控制模块可以更好地实现对机器人的控制。

(4)株间锄草采用了X、Y、Z三自由度的连接杆连接执行器，X、Y方向通过导轨控制，Z方向通过伸缩杆控制。对作物周围的杂草进行彻底清除，解决了株间杂草清除的困难。与传统人工锄草相比，本发明大大增加锄草的工作效率，提高工作质量，降低人力的消耗。

(5)该机器人具有记忆功能，对第一次锄草作业的田地进行田地面积、垄方向、垄长、垄间距离，以及禾苗位置进行记录，后面再对该田地进行第二次、第三次锄草可以调用记录，加快作业速度。

除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对步骤、数字表达式和数值并不限制本发明的范围。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。

附图中的流程图和框图显示了根据本发明的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统和装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

另外，在本发明实施例的描述中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。

在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。

最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。

Claims (8)

1.一种基于作物茎秆定位的锄草机器人，其特征在于，包括：

控制器、GPS定位模块、垄间视觉传感器、作物视觉传感器、电机驱动模块、履带电机、垄间锄草执行器以及株间锄草执行器；

所述控制器分别与所述垄间视觉传感器以及作物视觉传感器相连；

所述控制器与所述GPS定位模块相连；

所述控制器通过所述电机驱动模块分别与所述履带电机、垄间锄草执行器以及株间锄草执行器相连。

2.一种利用基于作物茎秆定位的锄草机器人的除草方法，其特征在于，具体包括如下步骤：

S1：利用所述垄间视觉传感器以及所述作物视觉传感器获取图像；

S2：基于所述垄间视觉传感器以及所述作物视觉传感器获取的图像进行目标识别以及根部定位；

S3：依据所述目标根部定位进行目标测距；

S4：基于目标测距结果获取目标根部与机器本体的距离。

3.根据权利要求2所述的方法，其特征在于，所述基于所述垄间视觉传感器以及所述作物视觉传感器获取的图像进行目标识别以及根部定位的步骤包括：

S21：图像空间处理：将获取的图像进行HSV锥形体颜色空间转化并设置H的阈值以对绿色部分的图像进行分割，获取第二图像；

对第二图像转换至RGB图像，并进行灰度二值化处理以获取第三图像A。

4.根据权利要求3所述的方法，其特征在于，所述S21：图像空间处理的步骤包括

S22：进行腐蚀操作：定义结构矩阵B，并使B在A上滑动；

判定结构矩阵B与A是否相同：

若相同，则删除第三图像A上结构矩阵B所对应的点直至结构矩阵B遍历第三图像A上所有的点以获取第四图像；

获取第四图像中连接区域最大的图像为第五图像。

5.根据权利要求4所述的方法，其特征在于，所述S22：进行腐蚀操作的步骤之后，所述方法还包括：

S23进行骨架提取：定义白色像素取值为0，黑色像素取值为1；

1)：遍历第五图像中所有像素点并获取像素点获取所有满足如下条件的像素点并将所有满足条件的点转化为白色：

(1)所选定的像素P1为黑色，且有8个相邻像素，按照顺序排列为P2,P3,P4,P5,P6,P7,P8,P9,P2；

(2)2<＝B(P1)<＝6；

(3)A(P1)＝1；

(4)P2×P4×P6＝0；

(5)P4×P6×P8＝0；

2)：再次测试作物图像的所有像素，搜寻同时满足以下所有条件的像素并将所有满足条件的点转化为白色：

(1)像素为黑色，有8个相邻像素；

(2)2<＝B(P1)<＝6；

(3)A(P1)＝1；

(4)P2×P4×P8＝0；

(5)P2×P6×P8＝0；

重复1)以及2)直至所述第五图像的所有像素点不发生改变。

6.根据权利要求5所述的方法，其特征在于，所述S23进行骨架提取的步骤之后，所述方法还包括：

S24：通过查找骨架的交点，获取根部像素坐标。

7.根据权利要求2所述的方法，其特征在于，所述S4：基于目标测距结果获取目标根部与机器本体的距离的步骤包括：

基于目标像素目标，获取目标根部相对于机器本体的实际距离；

基于目标根部相对于锄草机器人的实际距离，获取锄草机器人在前后、左右、上下位置所需运动的距离。

8.根据权利要求3所述的方法，其特征在于，所述S21：图像空间处理的步骤中，具体采用如下公式：

R'＝R/255

G'＝G/255

B'＝B/255

C_max＝max(R'，G'，B')

C_min＝min(R'，G'，B')

Δ＝C_max-C_min

其中，R代表像素点的红色度值，G代表像素点的绿色度值，B代表像素点的蓝色度值，(R、G、B取值范围为(0～255的自然数)；R’、G’、B’分别是将R、G、B除以最大色度值255后得到的(0～1)之间的小数值；H代表围绕HSV空间的锥形体垂直中心轴OV从横向中心轴OS作为起始所旋转的角度，S代表沿横向中心轴OS方向到起点O的距离，V代表沿垂直中心轴OH方向到起点O的距离。

Images