基于觸覺感知的水稻行彎度測量裝置設計與試驗

陳學深 黃柱健 馬 旭 齊 龍 方貴進

(華南農業大學工程學院， 廣州 510642)

0 引言

植保除草是水稻生產過程中的重要環節[1-2]，鑒于化學除草的抗藥性、作物藥害、環境污染等問題[3-5]，大力發展機械除草是保證農業可持續發展的關鍵。然而，機械除草易傷苗，誘發作物病害，影響稻米品質和產量[6-9]，嚴重制約了其規?；l展。機械傷苗的主要原因之一在于水田土壤硬底層深度、硬度不均，導致插秧機兩側驅動輪限深及行駛阻力差異顯著，無論人工駕駛還是自動導航，插秧作業時總會產生航向偏差[10-11]，使栽植后的稻苗呈現一定彎度，通過人為轉向實現對行避苗，存在除草部件調節相對機身運動具有一定的滯后性，在糾偏期間除草部件對稻苗不可避免造成損傷。因此，感知稻行彎曲程度，對除草部件的作業路徑實施差異化的調控，實現智能化避苗控制技術十分必要。

快速、準確地自動獲取稻株的識別與定位信息是稻行信息獲取及智能避苗控制的關鍵。目前，基于機器視覺的實時信息獲取技術是作物信息感知的主流方法，主要根據作物的顏色、紋理、形狀進行分類。金小俊等[12]根據雜草不同的顏色特征，提出了一種圖像分割算法，將農田雜草識別出來。HAMUDA等[13]根據花椰菜葉片的飽和度、色調值等差異區分作物和雜草，對不同環境下的花椰菜識別率達99.04%。陳樹人等[14]基于5種不同顏色特征對棉田中鐵莧菜進行識別，該方法對雜草中棉花識別的準確率為82.1%。也有一些學者，從作物的紋理特征入手，TANG等[15]采用Garbor小波進行紋理特征提取，設計了一個3層BP神經網絡，實現對田間雜草分類識別，對作物和雜草的正確識別率達100%。徐艷蕾等[16-17]提出了基于模糊順序形態學的植物葉片脈絡邊緣特征提取方法，試驗結果表明，該方法能克服噪聲、有效提取葉片信息。還有一些學者通過形態進行雜草識別，吳蘭蘭等[18-19]對獲取的圖像進行處理，把目標對象的形狀特征作為支持向量機的輸入向量，以實現玉米田間雜草識別，試驗結果表明，其正確識別率達98.3%。上述作物信息獲取方式均以作物特征的有效表達與準確提取為前提。然而，稻田積水反光、光照、倒影、綠藻等復雜背景影響，稻株(穴)間頂部葉冠相互遮掩，禾本科雜草與水稻形態相似，導致現階段基于視覺的作物信息獲取技術及設備的適應范圍主要集中在背景差異顯著的旱田作物上，且識別對象多為特征明顯的葉菜類作物。針對水田這種復雜開放式、非結構農田環境，快速、準確地實現稻株識別與定位還需采用創新性技術。

本文針對水田環境提出基于觸覺感知的稻株識別與定位技術，以及稻行彎度信息的實時獲取方法，為智能機械除草部件的避苗作業提供決策依據。

1 觸覺感知方式的農藝基礎

在實際生產中由于單位面積上的取秧量不同[20-22]、稻穴內生理分蘗數量不一致[23-25]，導致稻株個體差異顯著；另外，雜草分布具有隨機性、簇生性等特點[26]，對觸覺方式的稻株識別有一定的干擾；再有，水田作業環境復雜，機具俯仰、搖擺及振動等姿態變化，也使得觸覺傳感器與稻株的接觸位置不穩定，而影響測量結果。因此，觸覺方式實現水稻的識別與定位具有一定難度。

圖1 除草期水稻與雜草的生長狀態

稻株的觸覺感知要緊密圍繞水稻生長的農藝特點。首先，為使感知裝置測量不受機具姿態變化影響，充分利用除草期內[8,27-28](移栽后7～22 d)稻田3～5 cm的淺水層[29](為保證稻苗在返青、扎根、活棵及分蘗時期生長需要)，使感知裝置作業時，能漂浮在水面上，以保證與稻株接觸位置相對穩定；在此基礎上，利用稻穴內稻株群莖基部成束，相鄰稻株莖基部獨立，稻株株高遠大于雜草的生理特點，選擇稻株莖基部與雜草冠層之間的位差空間作為稻株的觸覺識別區，可避開雜草干擾，如圖1所示。識別區內偶爾有稻株與雜草共處情況，也可通過稻草生理抗彎剛度的差異進行辨識，因此，基于觸覺的稻株信息獲取具有一定的識別和定位空間。

2 感知裝置結構及工作原理

感知裝置主要由彎曲傳感器、殼體及相關電子器件組成，如圖2所示。觸覺感知元件為兩排彎曲傳感器，每排對稱安裝于下殼體左右兩側，彎曲傳感器根部與圓形橡膠基座相連，防止田間積水從根部滲入殼體，并緩解彎曲傳感器根部的應力集中。后排彎曲傳感器通過根部的調節螺母在滑槽上移動，以適應不同株距(11～22 cm)水稻的測量要求。同時，為保證殼體在稻行(行間為30 cm)左或右極限位置時，兩側彎曲傳感器都能與稻株接觸，殼體寬度設計為18 cm，單側彎曲傳感器設計為13 cm。仿形桿底部設有螺紋，與蓋板通過螺紋連接，仿形桿中部和頂部為三角形空心柱體，頂部與插秧機車架上改制的三角形套筒滑動連接，并在仿形桿頂部設有一銷孔，與鎖銷配合防止滑動極限時脫落。此結構設計防止感知裝置與機具發生相對轉動；同時與機具的滑動連接，也使該裝置在稻田水面上以漂浮狀態工作，不受機具起伏影響，保證了感知梁與稻株接觸作用位置的相對穩定。

圖2 感知裝置

彎曲傳感器作為感知裝置的核心部件，采用形變敏感的懸臂梁結構，本文將懸臂梁式彎曲傳感器簡稱為感知梁。感知梁在與稻株接觸、形變、脫離過程中受到周期性的阻滯，產生的形變反映了稻株與感知梁接觸點的位置信息，經過標定將其轉換成電壓信號，在此基礎上，根據4根感知梁上的形變電壓特征，實現相鄰稻株橫向偏量的測量。為使測量的橫向偏量能為多個除草輪(一般為6或7個)提供調控數據，機具的作業路徑應與插秧時的作業路徑一致；同時，為避免機具掉頭換行時，測量裝置處于稻行接縫處(此處稻行兩側的苗帶彎度不同)引起測量誤差，測量裝置放置在機尾中間位置。工作時，感知裝置漂浮稻田水面上，隨機具在稻行內行進，經過某一稻列(方向與機具行進方向垂直)時，感知梁與稻株莖基部相接觸，由同排左右兩側的感知梁產生的電壓(彎曲)差異可計算出感知裝置中心軸偏離稻行中心線的距離(偏距)。在此基礎上，繼續行進經過下一稻列時，如果稻株移栽位置存在橫向偏量，裝置此時測量的偏距較上一稻列將發生改變，改變量大小表征了相鄰稻株的橫向偏量。因此，可通過感知梁在相鄰稻列間的彎曲差異建立稻株橫向偏量的定量關系模型，隨著感知裝置進一步行進，經過的稻株橫向偏量將被持續測量，通過相應計算，可測得由稻株偏量累積形成的稻行彎度。

3 感知梁設計

3.1 水稻莖基部彎曲受力模型建立

感知梁抗彎剛度對稻株識別與定位具有重要作用，剛度偏大，測量時易使稻株受迫變形，導致感知梁彎曲程度偏小，影響測量精度；剛度偏小，感知過于敏感，易受雜草干擾。因此，需要確定適宜的抗彎剛度，保證感知梁與稻株接觸測量時，稻株不變形或輕微變形。

測量裝置工作時，感知梁與稻株莖基部接觸過程中，稻株莖稈將產生不同程度的彎曲變形。由梁理論可知，水稻莖基部彎曲可分為自身重力引起的縱力彎曲和橫向作用力引起的橫力彎曲，如圖3a所示。取稻株莖基部OA段為受力體，高度為h，將OA段莖稈視為等剛度梁，彎曲剛度為EI，OA段的莖葉重力為P，e為稻株重心P與A點的水平距離。水稻莖基部受到感知梁在行進方向的橫向作用力F，莖基部任意點撓度為γ，A點最大撓度為wmax，由此建立水稻莖基部彎曲的力學模型，如圖3b所示。

圖3 稻株力學分析圖

根據力平移定理及小撓度理論，可得出水稻莖基部彎矩方程為

M(x)=-[Pe+F(h-x)+P(wmax-γ)]

(1)

由于除草期內稻葉數量較少，且重量較輕，因此忽略稻葉重量引起的縱力彎曲，式(1)可簡化為

EIw″(x)=-M(x)=-F(h-x)

(2)

解微分方程(2)，得撓度通解為

(3)

(4)

式中C1、C2為任意常數。

將邊界條件x=w=0代入式(3)、(4)得

(5)

將C1、C2代入式(4)得撓度公式

(6)

由式(6)可知，在感知梁與稻株接觸高度一定的情況下，w(x)由橫向作用力F決定，橫向作用力F越大引起稻株的撓度也越大，稻株變形也越明顯。為此，確定感知梁抗彎剛度，應根據稻株實際力學參數，并結合裝置的測量原理。本文以稻株與感知梁常見的接觸高度8 cm為基準，應用拉力計實測除草期內稻株在此高度上的莖稈撓度，統計表明，當施加作用力小于0.24 N時，稻莖撓度一般不超過1 cm，此位移量不會對測量精度造成太大影響。因此，為保證稻株在測量時僅發生小變形，感知梁抗彎剛度設計原則應滿足在感知梁根部施加0.24 N作用力時，在作用力方向上感知梁的彎曲程度應保證測量裝置能通過被測量對象。這樣感知梁任意位置與稻株作用時，既保證感知裝置可通過稻株，又減小了稻株變形。

3.2 感知梁制作

感知裝置的核心部件為Flex 2.2型柔性彎曲傳感器，由分子聚合物 PEDOT：PSS(聚3，4-乙烯二氧噻吩：聚苯乙烯磺酸)薄膜制作而成?？紤]到柔性彎曲傳感器自身彎曲剛度較小，過于敏感易受干擾，采用了不同厚度的薄鋼片作為彎曲傳感器的襯底以增加其彎曲剛度，片與片間通過多根橡膠套固定，結構如圖4所示。其中，襯底組成為3片0.2 mm、2片0.5 mm及1片1 mm的薄鋼片，不同厚度的薄鋼片，可以獲得相應的抗彎剛度以適應除草期內的稻草力學參數；同時，多片結構在彎曲或反彈時，橡膠套與鋼片、鋼片與鋼片之間相對運動的內部摩擦也消耗了振動能量，在一定程度上抑制了彎曲傳感器在相鄰稻株間非接觸狀態下的振動，提高了數據采集的可靠性。

圖4 感知梁結構圖

3.3 感知梁標定

由于彎曲傳感器是電阻式傳感器，必須將彎曲傳感器檢測到的電阻信號轉換為電壓信號并將該信號值轉換為數字量信號以便于被單片機識別。在設計的單片機系統中，單片機的供電電源為 5 V，因此轉換后的信號電壓范圍應在0～5 V。彎曲傳感器數據采集電路如圖5所示。在該彎曲傳感器數據采集電路中，R1和R2為串聯電阻，R3為彎曲傳感器的電阻。為了保證采集到的電壓信號值處于合理的范圍內(0～5 V之間)，串聯電阻均為10 kΩ。GND為接地端，與單片機接地端共地；VCC為電源電壓，設定VCC為5 V電源；Vout為采集電路信號輸出端電壓，則輸出電壓為

(7)

圖5 彎曲傳感器采集電路

為了實時獲取感知裝置與稻行中心線的距離，對前、后排彎曲傳感器分別進行標定，得到同排左右兩側感知梁的形變電壓差與感知裝置偏距(感知裝置中心與所在稻行中心線的距離)的對應關系，標定裝置如圖6所示，包括導軌架、標定桿、標尺等。

圖6 標定裝置實物圖

標定桿用以模擬稻株莖稈，行距為300 mm，株距為150 mm，通過以每次10 mm的距離橫移左右兩側的標定桿，獲得感知裝置從左側極限位置(左側感知梁根部與標定桿接觸)至右側極限位置(右側感知梁根部與標定桿接觸)的偏距。試驗時，推動測量裝置在導軌上滑動，彎曲傳感器與標定桿從接觸到脫離過程中，輸出電壓隨彎曲傳感器彎曲程度增加而逐漸增大，當彎曲傳感器脫離標定桿時，輸出電壓驟然減小。此時，記錄彎曲傳感器最大電壓(最大變形量)，并以同排左右兩側彎曲傳感器的電壓差作為x軸，對應的裝置偏距作為y軸，建立坐標并擬合標定數據，規定y軸正向表示感知裝置在稻行偏左位置，反之在稻行偏右位置，y值為零表示在稻行正中間位置?？紤]電路電壓信號穩定問題，對每次標定試驗重復3次，數據取平均值，擬合結果如圖7所示，可見裝置偏距與感知梁的電壓差呈非線性關系，具體映射關系為：前排y1=1.885 6x2+0.326x-6.675 1，后排y2=2.127 4x2-0.903 6x-6.407 7。因彎曲傳感器初始電阻不同(經過剪短處理)，當裝置偏距為零時，左右兩側彎曲傳感器的電壓差可能不為零。

圖7 裝置偏距與電壓差關系曲線

4 水稻行彎度測量方法

4.1 相鄰稻株橫向偏量計算方法

機插秧過程中，相鄰稻株產生的橫向偏量在苗帶內的累積形成了稻行彎度，準確獲取相鄰稻株的橫向偏量是水稻行精準描述的關鍵。為此，利用多傳感器技術，以前后排獨立測量數據的平均值為偏量數據，并將其與前后排共同測量的偏量數據進行驗證比較，剔除異常數據，以期提高稻株橫向偏量測量的精度及可靠性。

圖8 感知梁與相鄰稻株接觸測量過程示意圖

感知梁與相鄰稻株接觸測量過程如圖8所示。感知梁沿稻行行進依次經過任意稻列A0、A1，以前排彎曲傳感器與稻列A0剛好接觸為初始位置，如圖8a所示。繼續行進，前排左右兩側的彎曲傳感器將受稻列A0阻滯而發生彎曲變形，進一步行進，前排彎曲傳感器在脫離稻列A0時刻后，彎曲的峰值將被記錄，如圖8b所示。因此，經過同一稻列時左右兩側彎曲傳感器彎曲峰值差異可作為測量感知裝置偏離稻行中心線的距離，即裝置偏距。脫離稻列A0后的彎曲傳感器在梁材料自身彈性作用下形變量迅速減小至恢復線性狀態，直到與下一稻列A1接觸，如圖8c所示，同樣方法后排感知梁也可測量感知裝置處于稻列A1時的偏距。理想水稻移栽模式下，感知裝置在相鄰稻列A0、A1測得的偏距應該相等。然而，實際中出現的偏距差異正是因為相鄰稻列在移栽時出現了橫向偏量。因此，相鄰稻株的橫向偏量可以用偏距差異量表示。

同理，相鄰稻列A0、A1間的偏量也可通過后排彎曲傳感器獲得，為了提高準確性取前后排感知結果的平均值為相鄰稻列的偏量。但由于彎曲傳感器與稻株接觸及脫離過程中，稻田雜草阻礙干擾及機具在相鄰株距間航向略微變化等原因，難免會對稻株位置形成誤判，影響相鄰稻株偏量數值的準確性。為此，采集前后排彎曲傳感器同時受到稻株阻礙而發生彎曲形變的數據，如圖8d所示，并記錄形變峰值，則此時由前后排感知梁分別獲取前后相鄰稻列A0、A1的偏距，可作為感知梁的偏量檢驗量，并與前后排感知梁的平均偏量結果進行比較，根據實際生產作業情況，當兩種感知方式相差不超過規定范圍，則判定相鄰稻列的偏量為可靠數據，作為后續水稻行彎度計算的基礎數據。

4.2 水稻行彎度計算方法

為獲得稻行彎度信息，建立絕對坐標系xOy，x軸為稻行方向，y軸為稻列方向，如圖9所示，Dn為任意偏植的稻株，過Dn作稻行x的平行線，則dn為相應稻株的橫向偏量；稻株DnDn-1連線與y軸夾角δ為相鄰稻株的偏角，則D1Dn段稻行的彎度可表示偏角的累積之和，則有

(8)

公式(8)也可用稻株的橫向偏量表示為

(9)

式中lDn-1Dn——第n-1株與第n株稻株的距離

圖9 稻行彎度示意圖

5 田間試驗

5.1 試驗條件

稻行彎度可由相鄰稻株的偏角進行量化描述，而偏角取決于相鄰稻株的橫向偏量。因此，稻株彎度測量試驗的指標選定為相鄰稻列的橫向偏量。同時，為了檢驗水稻行彎度測量裝置在田間實際環境下的測量精度及穩定性，選擇對測量結果有主要影響的實際生產因素進行試驗，明確裝置的行進速度、稻穴株數及水層厚度等因素對測量結果的影響規律。

田間試驗在廣東省肇慶市國家水稻產業技術體系綜合試驗站進行，稻行彎度的大小、數量及彎曲方向由插秧機操作人員根據常規作業情況隨機產生，如圖10所示。測試區長度為150 m，劃分成若干測試段，每個測試段包含91個稻穴(共有90組相鄰稻株的橫向偏量)，測試段間預留10 m起步區，以保證機具進入測區后速度穩定。試驗對象為移栽15 d的雜交稻五優1179，水稻行距30 cm，株距15 cm，株高15～20 cm，稻穴株數2～6株，稻穴直徑2～3 cm。此時，雜草萌發主要以稗草、千金子等禾本科為主，株高為3～5 cm。

圖10 稻行彎度測量試驗區

5.2 試驗方法

水稻行彎度測量主要為機械除草避苗控制系統提供決策數據。本文選擇水稻行距30 cm，行間除草部件作業寬度20 cm為機械除草實況，規定除草輪與稻株安全距離為2 cm，則除草輪左右橫向避苗移動的距離閾值為3 cm，因此，為使測量裝置對避苗控制系統有指導作用，測量的橫向偏量誤差應小于3 cm。

試驗時，測量裝置隨插秧機行進，進入測試區前調整好移動速度，并在測試過程中保持速度穩定。以測試區內第1株稻株(穴)為基準，測量與相鄰稻株橫向偏量，隨測量裝置行進，相鄰稻株的橫向偏量將被持續記錄，直到測試區內最后1株稻株(穴)為止。

5.2.1不同行進速度的偏量測量試驗

感知梁以不同行進速度與稻株接觸產生的瞬時沖擊力是不同的，在稻草力學參數辨識上可能形成誤判；另外，在稻行間行進，感知梁與稻株周期性作用產生的形變頻率也會隨行進速度的提高而增加，造成懸臂式感知梁的擺動干擾，可能影響測量精度。因此，需要分析不同行進速度對測量結果的影響。

根據水田機械除草常規作業行進速度，選擇0.5、1.0、1.5 m/s為試驗因素，在水層厚度為5 cm情況下，統計測試段內連續90組稻株的橫向偏量。在此基礎上，將測量結果與人工測量結果進行比較，獲得感知裝置測量結果的誤差分布情況。

5.2.2不同稻穴株數的偏量測量試驗

除草期內，稻穴內稻株叢生，移栽時取秧量不同、生長過程中分蘗數不一，測量時感知梁與稻株接觸作用的力值及位置將會影響稻株的識別與定位精度，因此，需要分析不同稻穴株數差異對測量誤差的影響規律。

為了比較不同稻穴株數的離散程度對測量結果的影響，插秧機在多個測試區內行駛，行進速度為1.0 m/s，水層厚度為5 cm時，隨機選擇1～3株、4～5株及6株以上的稻穴各20組，檢驗不同稻穴株數對測量精度及穩定性的影響。

5.2.3不同水層厚度的偏量測量試驗

根據裝置結構和工作原理可知，感知裝置與稻株接觸測量位置由稻田水層厚度決定，在水田作業條件下，要求感知裝置對水層厚度應具有一定的適應性。因此，以除草期常規水層厚度3、4、5 cm為因素，在行進速度為1.0 m/s時，統計測量段內連續90組測量點的稻株橫向偏量。在此基礎上，將測量結果與人工測量結果比較，獲得感知裝置測量結果的相對誤差分布情況。

5.3 試驗結果與分析

5.3.1行進速度與測量誤差分析

在3種行進速度下，水層厚度為50 mm時各測量點的測量結果與人工測量數值比較，誤差分布如圖11所示，從測量誤差的穩定性看，行進速度越大測量誤差分布越為離散，說明行進速度的提高不利于測量結果的穩定性。相反，低速行進的測量結果穩定性更好。從測量的精度看，行進速度由低到高，3次重復的平均誤差分別為4.95、5.36、5.90 mm，最大誤差分別為6.6、7.4、8.3 mm。因此，在不同行進速度下，就測量精度及穩定性方面判斷觸覺作為一種稻株識別與定位的感知方式是可行的。

圖11 不同行進速度的橫向偏量測量結果

5.3.2稻穴株數與測量誤差分析

不同稻穴株數的橫向偏量測量結果如表1所示，誤差大小與株數有一定的相關性。其中，稻穴株數為6株以上的測量誤差最小，平均誤差為2.56 mm，4～5株的平均誤差較大，為4.36 mm，1～3株測量的平均誤差最大，為6.17 mm。主要原因在于稻穴株數越多生理力學的抗彎剛度越大，在與感知梁接觸作用時自身變形就越小，感知梁測量也就越準確。相對而言，1～3株稻株莖稈力較小，感知梁在其莖稈梳滑過程中莖稈的輕微變形會影響感知梁的彎曲程度，進而影響測量結果，但從避苗控制系統的實際應用角度，測量的精度及對不同稻穴株數的適應性滿足測量要求。

表1 不同稻穴株數的橫向偏量測量誤差統計

圖12 不同水層厚度的橫向偏量測量結果

5.3.3稻田水層厚度與測量誤差分析

為評價所設計的感知裝置是否適應不同水層厚度的要求，在3種水層厚度下，進行了相鄰稻株偏量測量試驗，獲得的測量誤差變化如圖12所示。

由圖12可知，稻株橫向偏量的測量誤差與水層厚度沒有明顯相關性，測量點均在人工測量點附近上下浮動，相鄰稻株橫向偏量的誤差控制在14 mm范圍內。因此，感知裝置的測量結果受水層厚度影響較小，測量精度也滿足避苗作業的實際要求。

6 結論

(1)針對水田環境下稻株的識別與定位問題，提出了一種觸覺感知方法，農機與農藝融合，根據稻草辨識的力學差異及除草期的生理高度，確定了感知梁的抗彎剛度，并進行了傳感器標定，建立了裝置偏距與感知梁電壓差的映射關系。

(2)設計了一種基于彎曲傳感器的感知梁，并結合多傳感器技術，通過4根感知梁形變的電壓特征測量出相鄰稻株的橫向偏量。在此基礎上，提出了一種稻行彎度計算方法。

(3)行進速度試驗表明，行進速度的提高不利于測量結果的穩定性，在行進速度為1.5 m/s時，平均誤差為5.90 mm，最大誤差8.30 mm；稻穴株數試驗表明，稻穴株數為6株以上的測量誤差最小，平均誤差為2.56 mm，4～5株的平均誤差較大，為4.36 mm，1～3株測量的平均誤差最大，為6.17 mm；水層厚度試驗表明，測量誤差與水層厚度沒有明顯相關性，相鄰稻株橫向偏量的誤差可控制在14 mm范圍內。