چکیده فارسی :

برای رسیدن به وجین بین ردیف دقیق مکانیکی، سیستم هدایت ابزار کشاورزی بر اساس بینایی ماشین طراحی شده است. سیستم هدایت، متشکل از یک دوربین ویدئویی رنگی، PC پانل صنعتی، کنترل‌کننده‌ی جابجایی جانبی، یک گیرنده GPS، یک سیستم هیدرولیکی و یک ابزار کشاورزی می باشد. به منظور بهبود دقت و قابلیت اطمینان سیستم هدایت، انتخاب فضای رنگ، روش تشخیص خط هدایت، و روش کنترل پیاده سازی، مورد بررسی قرار گرفت. اول، با توجه به عوارض جانبی از تغییرات نور در پردازش تصویر، مدل رنگ HIS (رنگ، ​​اشباع ، شدت) برای پردازش تصاویر مورد استفاده قرار گرفت، و یک الگوریتم آستانه بر اساس جزء H برای تولید تصاویر سیاه و سفید استفاده شده است. دوم، با توجه به ویژگی های ردیف محصول در تصویر، یک روش شناسایی خط محصول بر اساس اسکن خطی ارائه شده است. برای تقریب روند یک ردیف محصول به یک خط در عکس ، پیکسل‌ها در لبه‌های پایین و بالای تصویر به عنوان دو نقطه انتهایی خط انتخاب شده‌اند. خطوط نامزد با حرکت موضع این نقطه‌های پایانی، ایجاد شده اند. خط با بیشترین را هدف به عنوان خط محصول در نظر گرفته شد. در نهایت، کنترل فازی برای کنترل ابزار کشاورزی مورد استفاده قرار گرفته است. این الگوریتم می تواند به طور موثر ردیابی خط هدایت  ابزار کشاورزی را کنترل کند. آزمایش‌های راه ردیابی در سه سرعت مختلف 0.6، 1.0 و 1.4 متر بر ثانیه در مزرعه ذرت در یک روز آفتابی، انجام شده است. حداکثر خطاهای جانبی 4.5 سانتی متر، 5.5 سانتی متر و 6.8 سانتی متر در سه سرعت، بود. خطاهای جانبی متوسط ​​کمتر از 2.7 سانتی متر برای تمام سرعت‌ها بودند. نتایج تجربی نشان می دهد که سیستم هدایت با موفقیت با تغییرات نور طبیعی منطبق شده و دارای عملکرد دینامیکی مناسب در تمام سرعت‌ها می باشد.

کلمات کلیدی:

بینایی ماشین، فضای رنگ، تشخیص خط هدایت، کنترل فازی

جکیده انگلیسی :

To achieve accurate mechanical inter-rows weeding, an agricultural implement guidance system based on machine vision was designed. The guidance system consists of a color video camera, an industrial panel PC, a lateral displacement controller, a GPS receiver, a hydraulic system, and an agricultural implement. To improve the accuracy and reliability of the guidance system, the choice of color space, the method of guidance line detection, and the method of controlling the implement were investigated. First, considering the adverse effect of illumination variation on image processing, the HIS (hue, saturation, intensity) color model was used to process images, and a threshold algorithm based on the H component was used to produce grayscale images. Second, according to the characteristics of the crop rows in the image, a method of crop line identification based on linear scanning was proposed. To approximate the trend of a crop row in the image to a line, pixels at the bottom and top edges of the image were selected as two endpoints of the line. Candidate lines were created by moving the position of these endpoints. The line with the most target points was regarded as the crop line. Finally, fuzzy control was used to control the agricultural implement. This algorithm can effectively control the agricultural implement tracking the guidance line. Path tracing experiments were conducted at three different speeds of 0.6, 1.0 and 1.4 m/s in the corn field on a sunny day. The maximum lateral errors were 4.5 cm, 5.5 cm and 6.8 cm at the three speeds. The average lateral errors were less than 2.7 cm for all speeds. The experimental results demonstrated that the guidance system successfully adapted to changes in natural light and had good dynamic performance at all speeds.