论文摘要
本研究课题作为国家自然科学基金项目(60971115)“土壤压实对作物地下组织构型作用建模和动态仿真”的一部分,属于农业机械化工程中农田中耕除草和农业机器人结合研究的范畴。农田杂草是田间作物的严重威胁,也是困扰农业生产的主要问题之一。目前,化学除草作为主要的除草方式,导致广泛使用除草剂,尽管取得了显著的成效,但同时也带来了许多问题,粗犷式的喷洒方式造成的能源浪费,引起杂草抗药性,农药残留引起的食品安全问题等。本研究针对这些问题,提出了基于激光的除草方式。本文主要针对以上问题,进行了田间激光除草机器人的执行机构的研究,主要研究内容和成果如下：1、综述了国内外除草技术的研究进展；介绍了国内外农业机器人及除草机器人的现状；介绍了杂草识别的研究状况；介绍了激光除草技术的原理和研究进展。2、对激光除草机器人执行机构的设计原理进行分析,主要包括：激光控制部分,杂草识别部分,机器人田间定位和导航部分。3、利用基于图像处理测距的方式进行机器人田间定位,采用标杆定位法,通过理论分析能够准确的定位机器人田间位置。试验表明,基于图像标定测距的方法可行,误差较低,能够用于实际。通过图像处理进行机器人田间导航,在进行导航过程中,需要不断获取图像信息,时刻改变导航的方向。4、将杂草识别的摄像头获取的图像划分为100个区域,运用机械臂逆运算进行机械臂的设计,两电机垂直连接,将激光置于电机上,便可获得每个区域对应的电机运行参数,并对执行除草的顺序进行优化,优化结果较为明显。5、在温室进行栽培试验,主要针对与陆稻形态相近的作物,有文山陆稻,草坪草(阿帕奇六号高羊茅),黑麦草(新一代宽叶形四倍体黑麦草)。出苗七天后进行了十二天的数据测量,包括,叶长,株高,分叉高度三个量。在第二十天时,进行图像采集共包括陆稻41株,草坪草49株,黑麦草50株,共计140幅田间图像。6、分析了不同植物在不同生长时期的形态特征,采集作物的RGB图像,并利用Matlab7.8运用超绿法对所获图像进行作物的提取,提取结果理想。分别获取图像的R均差,G均差,B均差,图像面积,最小外接矩形参数,圆形度。并利用所获参数进行三种植物的识别。结果表明,应用R均差、G均差、B均差值、叶片宽度、叶片面积、叶片周长和生长区域面积作为识别参数,能够较为准确的进行三种不同植物的识别。本文针对激光除草机器人的执行机构进行设计研究,主要包括激光控制部分,杂草识别部分,机器人田间定位和导航部分。本文提出和实现了针对陆稻相似植物的识别方法,为作物识别研究提供了一种新方法；基于图像处理测距的田间机器人定位方法,为田间定位提供了一种新思路；垂直叠加的电机进行激光控制的方法。