序論：在您撰寫機器學習的四旋翼植保機目標識別研究時，參考他人的優(yōu)秀作品可以開闊視野，小編為您整理的1篇范文，希望這些建議能夠激發(fā)您的創(chuàng)作熱情，引導您走向新的創(chuàng)作高度。

摘要:為了提高無人植保機的目標識別能力，提升其在復雜環(huán)境下自主化作業(yè)的適應(yīng)性，將機器學習算法引入到了植保機目標自主識別系統(tǒng)的設(shè)計上，利用神經(jīng)網(wǎng)絡(luò)學習算法和圖像增強處理技術(shù)提高了識別系統(tǒng)的準確性。模擬植保機的作業(yè)環(huán)境，在作業(yè)區(qū)域設(shè)置了大量的作物目標，通過植保機對目標物的識別對其性能進行了測試，結(jié)果表明:植保機可以準確地識別作物目標，滿足自主作業(yè)時對目標自主識別的設(shè)計需求。

關(guān)鍵詞:無人植保機;四旋翼飛行器;機器學習;神經(jīng)網(wǎng)絡(luò);目標識別

0引言

四旋翼飛行器是一種飛行平穩(wěn)的無人飛行器，通過整體一體化設(shè)計后，結(jié)構(gòu)變得簡單，易于維護，且負載能力強和抗阻能力好，被廣泛地應(yīng)用到了植保機的設(shè)計上。在無人植保機的設(shè)計上，目標自主識別是視覺系統(tǒng)設(shè)計的關(guān)鍵。如果植保機可以自主識別作業(yè)目標，在沒有定位導航儀器的情況下，植保機依然可以根據(jù)自己識別的作物作業(yè)，會大大提高作業(yè)的適應(yīng)能力，實現(xiàn)在復雜條件下的作業(yè)。因此，植保機目標識別系統(tǒng)的研究對提升其自身的自主化作業(yè)水平具有重要的意義。

1無人植保機在農(nóng)業(yè)生產(chǎn)上的應(yīng)用

近年來，一種新型的植保機被應(yīng)用到農(nóng)業(yè)生產(chǎn)過程中，以代替人工實現(xiàn)無人化作業(yè)，從而極大地提高了植保作業(yè)效率，降低了植保作業(yè)過程中農(nóng)藥對作業(yè)人員的傷害。在各類無人植保機中，四旋翼無人植保機是最常用的，其具有較好的平穩(wěn)性，抗阻性能強，操作簡單，可以在復雜情況下進行大面積作業(yè)。在植保機無人化作業(yè)過程中，作業(yè)目標的自主識別是提高作業(yè)智能化水平的關(guān)鍵。植保機利用自身的視覺系統(tǒng)可以對作業(yè)目標進行識別，其流程如圖1所示。在作物識別時，植保機通過機器視覺系統(tǒng)對目標作物進行圖像采集，在采集到的大量圖像中，機器視覺系統(tǒng)需要對圖像進行增強處理，以達到提取目標作業(yè)區(qū)域的目的;然后，通過相關(guān)的算法對圖像進行特征提取，再將圖像和記憶存儲的圖像進行比對，以識別作物。在識別時，可以利用智能算法的大量訓練提高記憶精度，進而提高作物目標識別的準確性。識別到農(nóng)作物后，控制器通過質(zhì)心坐標計算得到作物的位置，將無人植保機移動到作業(yè)區(qū)域執(zhí)行植保作業(yè)。

2基于機器學習的目標識別算法

機器學習算法是當前智能控制領(lǐng)域研究的一個熱點問題，采用機器算法可以使機器具有類人的學習能力，從而實現(xiàn)智能化控制。將機器學習算法應(yīng)用農(nóng)業(yè)領(lǐng)域，可以提高農(nóng)機的自動化作業(yè)水平，實現(xiàn)自主化作業(yè)。四旋翼無人機是一種先進的無人駕駛飛行裝置，由于其飛行的平穩(wěn)性，被應(yīng)用到農(nóng)業(yè)植保領(lǐng)域，實現(xiàn)了植保過程的無人化作業(yè)。在農(nóng)機自主作業(yè)時，作業(yè)目標的識別能力是一個非常重要的參數(shù)。利用機器視覺技術(shù)，植保機可以自主識別作業(yè)區(qū)域，從而有效地提高作業(yè)效率。特征提取是目標識別的一種可靠手段，通過特征的提取植保機識別到農(nóng)作物區(qū)域，便可以按照指定的任務(wù)程序進行作業(yè)。在特征提取算法中，邊緣檢測算法是其中的一種。利用邊緣檢測算法可以將目標區(qū)域和背景之間區(qū)別開，得到目標和背景的邊緣線，進而成功地捕捉到作業(yè)區(qū)域的目標。在進行邊緣檢測之前，需要利用增強算法對圖像進行處理，從而提高目標識別的準確性。利用邊緣檢測算法對目標區(qū)域進行識別主要是由4個步驟組成，包括濾波、增強處理、檢測和定位。植保機利用機器視覺系統(tǒng)對農(nóng)作物作業(yè)區(qū)域的圖像進行采集，再利用邊緣處理技術(shù)對農(nóng)作物作業(yè)區(qū)域的圖像進行特征提取，利用機器學習算法對農(nóng)作物的目標區(qū)域進行識別，進而得到區(qū)域的位置;定位后，控制中心發(fā)出控制指令，移動植保機到達作業(yè)區(qū)域位置，進行噴灑農(nóng)藥的作業(yè)。整個過程由此可以實現(xiàn)無人化控制。

3四旋翼無人植保機性能測試

近年來，很多無人化作業(yè)機械被應(yīng)用到農(nóng)業(yè)生產(chǎn)過程中，其中典型的無人機包括無人機駕駛播種機和聯(lián)合收獲機、采摘機器人、無人植保機等。在無人植保機系列中，由于四旋翼無人飛行器的飛行平穩(wěn)性較好，抗風能力強，因此作為典型的無人植保機被設(shè)計出來。在作業(yè)過程中，無人機植保機如果可以自主地識別作業(yè)區(qū)域，并可以自動導航，便可以實現(xiàn)無人化作業(yè)。谷上飛是珠海羽人農(nóng)業(yè)航空有限公司根據(jù)中小型農(nóng)田植保作業(yè)的需求開發(fā)的一款無人植保機，如圖3所示。其飛行穩(wěn)定，抗風性好，噴藥的穿透性較好，操控較為簡單，一般的農(nóng)田管理人員在短時間內(nèi)都可以掌握其操作要領(lǐng)。根據(jù)無人植保機的作業(yè)環(huán)境，仿照無人機的結(jié)構(gòu)特征，對四旋翼植保機進行了設(shè)計，其控制部分框架如圖4所示。飛行控制模塊是整個飛行器的核心，該模塊可以接收并分析傳感器采集到的各種農(nóng)作物的信息數(shù)據(jù)，接收和分析速度傳感器傳來的飛行姿態(tài)數(shù)據(jù)，包括速度傳感器和角度傳感器。本文主要研究內(nèi)容是相機傳感器采集到農(nóng)作物后對目標作業(yè)區(qū)域進行識別。因此，在選擇控制器芯片時可以采用數(shù)據(jù)處理能力較強的芯片，并具有可編程性。根據(jù)無人植保機對作業(yè)區(qū)域自動識別的設(shè)計需求，采用了AＲM生產(chǎn)的一款處理能力強大、可擴展能力好、性價比高STM32F105微型控制單片機。為了驗證無人植保機自主識別目標的可行性，將機器學習算法以編程的方式嵌入到植保機的控制系統(tǒng)中，并模擬植保機作業(yè)環(huán)境設(shè)置農(nóng)作物目標，通過對目標的識別測試植保機的性能。進行目標識別時，以農(nóng)田平面為坐標平面，以X向和Y向坐標為點，設(shè)置了一系列的農(nóng)作物目標點;然后利用無人植保機對這些目標物進行識別，得到了目標實際物和無人機識別并定位到的坐標點;將這些點擬合成曲線，如圖6所示。由對比結(jié)果可以看出:無人植保機能夠較為準確地識別到農(nóng)作物目標，并可以精確定位農(nóng)作物的位置，為無人植保機的自主作業(yè)提供了數(shù)據(jù)參考。

4結(jié)論

為了提高植保機無人化作業(yè)的水平及目標自主識別能力，將機器學習算法用到了機器視覺系統(tǒng)的設(shè)計上，利用圖像邊緣處理對特征圖像進行提取。然后與記憶圖像進行比對，以達到識別作業(yè)區(qū)域的目的，并通過神經(jīng)網(wǎng)絡(luò)算法對圖像識別過程進行了訓練，提高了目標識別的準確性。最后對植保機目標識別的準確性進行了驗證，結(jié)果表明:植保機可以較為準確地識別到農(nóng)作物目標，對于提高其自身的無人化作業(yè)能力和環(huán)境適應(yīng)性具有重要的意義。

參考文獻:

［1］李茗萱，張漫，孟慶寬，等．基于掃描濾波的農(nóng)機具視覺導航基準線快速檢測方法［J］．農(nóng)業(yè)工程學報，2013，29(1):41－47．

［2］王莎，伍萍輝，王秀，等．基于北斗導航的聯(lián)合收割機作業(yè)面積測量系統(tǒng)［J］．農(nóng)機化研究，2015，37(1):39－42．

［3］張文利，郭宇，陳開臻，等．基于預(yù)適應(yīng)路徑追蹤的收割機ＲAC導航系統(tǒng)［J］．中國農(nóng)業(yè)信息，2020，32(1):1－8．

［4］曾宏偉，雷軍波，陶建峰，等．低對比度條件下聯(lián)合收割機導航線提取方法［J］．農(nóng)業(yè)工程學報，2020，36(4):18－25．

作者:魏純 李明 龍嘉川 姚敏 單位:武漢東湖學院電子信息工程學院 空軍預(yù)警學院信息管理中心