[发明专利]基于深度学习和ADRC控制的水田除草机自动避苗系统

说明书

本发明公开了一种基于深度学习和ADRC控制的水田除草机自动避苗系统，包括：图像采集模块M0，基于SSD算法的稻苗检测模块M1，苗线拟合模块M2，基于ADRC算法的控制模块M3；通过图像采集模块采集稻苗图像，输入到稻苗检测模块M1中，通过SSD目标检测算法模型进行检测识别，得到识别结果；根据识别结果拟合出苗列线，采用最大最小值间距优化算法，通过输入的苗列线信息对除草轮的位置进行优化，得到除草轮的目标位置y_r；以目标位置y_r为控制目标，通过ADRC控制器实现除草过程的自抗扰控制，最大限度地降低伤苗率；且在不增加传感器情况下，提高控制精度，降低除草机的制造成本；解决水稻田复杂作业环境下智能、高效、低损机械除草的关键技术问题。

技术领域

本发明涉及测量装置技术领域，具体涉及一种光感式智能体型维度尺。

背景技术

农田生态系统中，杂草是造成农作物产量下降和品质降低的主要原因之一，因此除草任务变得尤为重要。农田除草方式主要可分为两种：化学除草和机械除草。对于化学除草来说，施用化学除草剂是一种简单高效的稻田杂草防控方式，可是除草剂的大量应用也带来了作物药害、杂草抗药性和环境污染等诸多负面问题。机械除草作为一种环境友好型的绿色除草方式，符合国家提出的质量兴农、绿色兴农的农业产业发展方向。

目前中国的农田除草机械，研究尚处在理论和试验研究阶段，尚未在生产中广泛应用；日本的研究机构和农机生产企业已经开发了一系列的水田除草机，但价格昂贵。由于农田环境的复杂性和农作物密植的农艺特点，采用纯机械除草方式存在着伤苗率高、除草率低、适应性差、作业效率低等问题。因此部分专家和学者提出了软硬件结合的除草方式，在农田除草机械的基础上引入机器视觉的方法，通过图像识别技术降低伤苗率。

然而传统的图像处理方法需要的步骤过多，复杂度较大，并且对于输入图像的质量要求较高，鲁棒性不够好。而单株稻苗的深度学习应用无法满足除草器械的自动避苗的需要。

发明内容

有鉴于此，本发明提供基于深度学习和ADRC控制的水田除草机自动避苗方法，综合运用深度学习、目标检测、自动控制等理论和方法，解决水稻田复杂作业环境下智能、高效、低损机械除草的关键技术问题。

为达到上述目的，本发明的技术方案是这样实现的：一种基于深度学习和ADRC控制的水田除草机自动避苗系统，包括：

图像采集模块M0，由工控机外接的摄像头传感器及其连接线组成。将摄取的实时视频信息流传送给下一个模块；

基于SSD算法的稻苗检测模块M1，包括稻苗目标检测模型M1.0，稻苗目标检测模型M1.0接受模块M0产生的视频信息流，对其中每一帧图像进行检测识别，生成识别结果，传送给下一个模块；识别结果至少包括稻苗坐标信息；

苗线拟合模块M2，接受稻苗目标检测模型M1.0生成的坐标信息，通过稻苗拟合模块拟合出苗列线方程，作为下一个模块输入；

基于ADRC算法的控制模块M3，通过苗线拟合模块M2输入的苗列线信息进行除草轮的位置优化，输出除草轮的目标位置y_r。

进一步地，识别结果包括每一帧图像中每株稻苗周围产生标识稻苗位置的识别框，坐标信息是指稻苗所在位置的方形识别框的四个角坐标。

进一步地，苗线拟合模块M2通过四个角坐标计算出中点坐标，所述中点坐标代表稻苗所在位置，然后通过稻苗拟合模块拟合出苗列线方程。

进一步地，控制模块M3中输出除草轮的目标位置y_r根据苗线拟合模块拟合出的苗线优化得到，优化按照Max-Min间距优化算法，优化计算的方程为：