作者：劉浩洲 西北農(nóng)林科技大學(xué)
關(guān)鍵詞： 獼猴桃授粉；花朵識別；信息感知；卷積神經(jīng)網(wǎng)絡(luò)；授粉末端執(zhí)行器；
基金資助： 陜西省科技統(tǒng)籌創(chuàng)新項目《獼猴桃采摘、授粉多功能機器人的研制》資助(項目編號 2015KTCQ02-12)；
▲獼猴桃花粉電子顯微鏡下照片
獼猴桃果實品質(zhì)依賴于授粉作業(yè)質(zhì)量，自然狀態(tài)下風媒授粉坐果率低，因此必須進行人工授粉。獼猴桃花期短，授粉工作量大，由于農(nóng)村人口老齡化等問題導(dǎo)致授粉時勞動力短缺，亟需實現(xiàn)機械化作業(yè)。同時,獼猴桃花粉收集成本較高，傳統(tǒng)粗放式機械化作業(yè)方法不適用于獼猴桃授粉。為減少機械化作業(yè)過程中的花粉消耗，需要實現(xiàn)對靶授粉。其中，信息感知是對靶授粉關(guān)鍵技術(shù)，使機械化授粉過程中能自動識別獼猴桃花朵，并準確獲取授粉作業(yè)對象空間坐標,提升作業(yè)精準程度。此外，還需研制相應(yīng)末端執(zhí)行器，使其能根據(jù)信息感知結(jié)果進行對靶授粉。因此，本文針對獼猴桃果園中花朵分布特點，研究基于信息感知的獼猴桃噴霧授粉方法。
▲獼猴桃雄花蕾
主要研究內(nèi)容及結(jié)論如下：(1)獼猴桃花朵識別基礎(chǔ)研究。實地調(diào)研了棚架式獼猴桃果園，測量果園空間結(jié)構(gòu)，統(tǒng)計獼猴桃花朵分布特點。測得棚架鐵絲與地面豎直距離極差為4.8cm，平均距離為177.6cm；花朵間豎直距離極差為36.7cm，平均與地面距離為168.1cm。大部分花朵位于棚架鐵絲下方，沿藤蔓簇狀分布,并豎直朝下開放。提出了授粉作業(yè)目標圖像采集方法，為信息感知系統(tǒng)研究提供數(shù)據(jù)。對比了不同方法識別獼猴桃花朵效果，其中閾值分割法正確分割像素比為42.4%，K-means聚類法正確分割像素為37.8%，基于卷積神經(jīng)網(wǎng)絡(luò)方法識別框中花朵像素占91.9%。研究表明卷積神經(jīng)網(wǎng)絡(luò)的花朵識別效果最佳。
▲播宏果業(yè)正在采摘獼猴桃雄花蕾
(2)獼猴桃授粉目標信息感知方法研究。通過采集花朵圖像數(shù)據(jù)，訓(xùn)練了卷積神經(jīng)網(wǎng)絡(luò)并調(diào)整參數(shù)，使之能有效檢測圖像上花朵目標。試驗得出Dropout率為0.4時模型過擬合程度最小，測試集上識別正確率為85.5%。根據(jù)圖像中花簇特點，提出了基于花朵坐標集聚類的花簇識別方法，最后試驗得出花簇識別正確率為81.0%。提出了基于Kinect的目標空間位置獲取方法，利用Kinect傳感器，將RGB圖像上目標點坐標映射至點云集，獲得授粉目標三維坐標。進行了信息感知系統(tǒng)精度試驗，試驗表明其最大定位誤差不超過9mm，滿足對靶噴霧授粉要求。
▲testing pollen
(3)獼猴桃噴霧授粉末端執(zhí)行器方案與設(shè)計?；讷J猴桃授粉機器人對靶作業(yè)方法，提出了不同末端執(zhí)行器方案進行對比，最終選擇作業(yè)效率較高的噴頭陣列分布方案，并對噴霧授粉末端執(zhí)行器結(jié)構(gòu)進行了設(shè)計。其中噴頭噴霧錐角90°，陣列分布噴頭相互間隔25cm。針對該末端執(zhí)行器作業(yè)方式提出了控制方案，計算各噴頭的噴霧覆蓋范圍，單獨控制各噴頭噴霧授粉。
▲恒溫震蕩氣育培養(yǎng)箱檢測獼猴桃花粉活性
(4)獼猴桃噴霧授粉末端執(zhí)行器試制與試驗。試制噴霧授粉末端執(zhí)行器及試驗裝置,進行了授粉距離參數(shù)優(yōu)化試驗。通過圖像處理方法統(tǒng)計不同距離下水敏試紙上霧滴覆蓋率，結(jié)果表明試紙與末端執(zhí)行器距離20cm、25cm、30cm、35cm、40cm、45cm時霧滴覆蓋率分別為71.5%、30.9%、13.6%、9.8%、6.7%、1.9%。擬合試驗結(jié)果后推算出末端執(zhí)行器與授粉目標間距應(yīng)小于28.6cm，此時霧滴覆蓋率大于18%，滿足授粉要求。另外，對末端執(zhí)行器進行噴霧均勻性試驗，當水敏試紙與末端執(zhí)行器相距28.6cm時，結(jié)果表明其上霧滴覆蓋率在16.7%至19.8%之間，平均值為18.2%，方差1.6。噴霧均勻性較好，說明該末端執(zhí)行器能保證正常授粉效果。
▲氣動獼猴桃授粉器
▲獼猴桃電動授粉槍
▲獼猴桃電動授粉器
▲Kiwi electric pollinator
評論