基于图像识别的蕉园变量排肥系统设计.docxVIP

PAGE 4 基于图像识别的蕉园变量排肥系统设计 摘要 　　随着深度学习理论的发展，基于树莓派和Python的图像识别技术在农业生产上得到 了研究应用，树莓派为 Python提供一个成本不高且稳定可靠的开发平台。 　　对于精准农业的定义，一般理解为在不破坏自然环境和农田等自然资源的前提下， 将田间按一定规则分为一个个操作单元或区域，根据每一个区域的具体条件，为土壤和 农作物提供和精确调整各项管理工作，使各项农业投放措施达到最优化程度，来实现产 量和经济效益的最大化。变量施肥技术是精准农业持续发展的重要基础，是通过采集地 理信息、土壤信息和农作物生长信息，根据采集到的信息合理调控管理每一块被细化划 分成单元格的耕地，进行合理地施肥。与国外的变量排肥系统相比较，国内的研究还存 在不足：第一，在执行机构上经常使用的方式有简单的电机直接驱动，可以实现传动比 连续改变的无级变速技术（CVT）以及电控液压马达；第二，在处理器方 面，通常都采 用PLC、ARM、DSP等这些CPU处理器。相比之下，电控液压马达力矩较大、低速稳 定，主要应用于大型机械；电控机械无级变速容易受到地轮速度影响。本研究采用电机 直接驱动的方式，容易控制，比较稳定，适合应用在蕉园生产种植过程中的小型施肥机， 其电能不足的问题不会造成工作效率下降或者断电停止工作。 　　论文研究利用图像处理技术，在树莓派控制系统下，对自然场景下的香蕉假茎进行 识别测量，驱动直流电机变速控制排肥器。以神经网络识别以及排肥系统设计两个方面 的研究展开工作，为蕉园变量排肥系统的设计提供理论的可行性和实际技术的支持。 　　一是创建神经网络训练模型，并在树莓派上完成部署。在tensorflow的框架下完成 CNN神经网络的训练，在树莓派上调用Opencv识别检测香蕉假茎，结合已经训练好的 神经网络模型，反馈到树莓派上控制输出电机的转速。 　　二是制作直流电机变量排肥器装置。以12V/60W的直流电机作为驱动力，直流电机 的转速由树莓派控制。当树莓派接收到反馈信号后，通过L298N电机驱动板模块，对应 检测得到的直径与转速的相关关系，从而控制转轴的转动速度。 关键词：图像识别变量施肥树莓派 排肥器1前言 1.1研究背景及意义 　　香蕉具有容易种植、经济效益较高等特点，目前，我国香蕉的优势区域主要集中在 南方地区，尤其是随着香蕉产业的快速发展，农业生产模式发生了很大变革，集约化、 规模化的生产方式已成为当地香蕉种植的主导方向（夏勇开，2011）。田间管理机械实 现了规模化应用，施肥机便是其中的典型代表。但施肥机应用阶段暴露出无法精准调控 （郑栋梁,2021）。 　　同时我国大部分地区为缓解人均耕地压力，普遍采用过量施用化肥的方法提高粮食单 产量,造成了耕地有机质含量大幅下降、土壤板结酸化、微生物系统破坏严重等现象，严重 破坏了我国的农业资源环境。针对上述现象，为保障我国农业的可持续发展,变量施肥技术 逐步成为农业工程领域的学术前沿与研究热点。 　　随着深度学习理论的发展，基于树莓派和Python的图像识别技术在农业生产上得到 了研究应用，例如许清恺 （2020）将深度学习算法集成在树莓派中，基于深度神经网络 和传感器搭建库尔勒香梨自动识别分级模型。赵杨 （2019）针对西瓜花体的性状、姿态 和授粉状态进行机器视觉识别研究，依托树莓派3b+和角蜂鸟为硬件架构，兼容 Faster-RCNN神经网络算法，设计了嵌入式西瓜花体识别处理系统。T.维贾亚什里（2017） 使用高分辨率数码相机拍摄叶子，并存储在存储卡内；利用图像处理技术提取叶的特征 和图案；树莓派存储的程序，根据叶子的纹理参 数对输入图像进行分类。基于树莓派控 制优化施肥机控制变量的设计效果，是实现精细农业的重要基础（杨婷婷， 2020）。本 研究作为蕉园施肥机研究的一部分，利用图像处理技术，对自然场景下的香蕉假茎进行 识别测量，控制排肥器进行变量施肥，解决了蕉园施肥过量，香蕉产出率降低，以及土 地持续利用率下降等问题。 1.2国内外研究现状 1.2.1国内外变量控制系统研究现状： 　　虽然以色列、日本以及荷兰、美国等欧美国家的农业水平比较先进发达，但是在进 一步对外的良好政策环境下，近十年来我国的高校和农业科研所通过“引进来”的 政策扶持，引进和学习了国外大量的变量排肥等精准农业技术，同时也践行好“走出去” 的策略，消化和吸收国外先进的变量排肥系统技术，并且在此加以改进和提高，创造出 新的科技附加值，甚至在这一领域达到超一流水平，引领世界。 　　吉林大学的贾洪雷(2018)基于垄上四行种植的新兴大豆种植模式，为了适应东北 一带春季播种耕种层温度回升慢和含水率低的情况，研制了一种可以进行复合作业的智 能耕播机，同时其分别仿照野兔挖土和穿