免耕播种机漏播图像采集与传输系统_省略_计_基于Android和4G通信_林宏

( ) ， 则离散小波函数 ψ j， k t 可以写成 ( ) ψ j， k t =
j t － ka0 b0 1 1 = ψ ψ ( a0－j t － kb0 ) j a a a o 槡 0 槡 0 （ 9） j 0 j 0
有较高的适应性 ， 可以应用在大部分的气动免耕播种 机上 ， 本研究采用的试验样机如图 5 所示 ， 并在样机 上安装了漏播检测装置 。
2017 年 5 月
农像采集与传输系统设计
—基于 Android 和 4G 通信 林
1 2 1 1 宏 ， 靳继红 ， 禹玥昀 ， 周开来
（ 1． 西南林业大学 计算机与信息学院，昆明 焦作 摘 454001 ）
650224 ； 2 ． 焦 作 师 范 高 等 专 科 学 校 计 算 机 与 信 息 工 程 学 院 ， 河南
化等已经成为了时代发展的代名词 。 在信息 化 的 大 背景下 ， 如何将先进的信息技术与播种机的现代化设 计结合起来 ， 构建数字化 、 网络化的信息交互平台和 网络服务体系 ， 提高播种作业的现代化管理水平 ， 是 当前急需解决的问题 。2007 年 ， 著名科技公司 — 谷歌 公司发布了 Android 智能操作系统 ， 该系统自发行起 并成为当前使用最广泛的智能操作 迅速占领了市场 ， 系统之一 。 Android 智能手机的广泛普及 ， 为播种机播 种作业监测技术的辅助决策系统提供了展现的平台 ， 如果将其应用在播种机监测系统的设计上 ， 可以有效 地提高播种机作业的自动化水平 ， 提高其作业质量 。
图3 Fig． 3 基于 Android 和 4G 通信的漏播检测系统框图 The block diagram of leakage detection system based on Android and 4G communication
方法是将播种机原始采集图像中的一点用该点的邻 假设原始采集图像用一维序列表 域中各点中值代替 ， f2 ， … ，f n ， 示为 f1 ， 假设窗口长度为 m （ m 一般为奇 在进行中值滤波时 ， 需要从序列列中抽出 m 个 数） ， f i －v ， …， f i －1 ， …， f1 ， …， f i +1 ， …， f i +v 。 其中 ， i为 数， 表示序列窗口中心点 ，v = m －1 ， 将 m 个数进行排 2 m －1 2
图 4 为使用 Android 智能操作系统构建的播种机 漏播检测辅助决策系统框架 。 该系统框架实 现 了 云 技术和 Android 系统的无缝对接 ， 可以服务于大型作 业农场的技术人员和农场领导决策人员 。
序， 取中间值作为输出 ， 其数学表达式为 Y i = Med { f i －v ， i ∈ Z， v = …， fi ， …， f i +v } ， 因此平均滤波的一般输出为 Zi =
对于播种漏播率图像的处理可以采用小波阈值的 方法 ， 其步骤为 ： 1 ） 对噪声图像进行小波变换 ， 得到一组小波系数 W j， k ； 2 ） 对小波系数 W j， 得到估计系数 k 进行阈值处理 ， W j， 其值和小波小数的差值要尽量小 ； k ， 3 ） 利用 W j， 得到的估计信 k 对小波函数进行重构 ， 号 f ( k ) 便是去噪后的信号 。 Donoho 提出 为了降低小波变换去噪方法的难度 ， 了小 波 系 数 W j， 对 k 估 计 的 一 种 非 常 简 洁 的 方 法， f ( k ) 连续做几次小波分解后 ， 寻找一个合适的数 λ 作 将低于该值的小波系数设置为 0 ， 而高于该值 为阈值 ， 的数给予保留或者进行收缩 ， 从而得到估计小波系数 W j， 利用小波系数的信号进行重构 ， 估计小波 k 。 然后 ， 系数的阈值为
作技术 ， 关键是配套机具 。 在澳大利 亚 、 美国和加拿
收稿日期： 2016 － 03 － 11 基金项目： 云南省应用基础研究项目（ 2011FB070 ） ； 河 南 省 科 技攻关 项目（ 152102110161 ） 作者简介： 林 宏（ 1981 － ） ， 女， 云南大理人， 讲师， 硕士 。 （ E － mail ） 通讯作者： 禹玥昀（ 1984 － ） ， 女， 云南凤庆人， 讲师， 硕士， yuyueyun1984@ 163． com 。
换母函数 ψ ( t ) 进行伸缩和平移后可以得到
( ) ψ a， b t
1 t －b = ψ a 槡a
(
)
（ 6）
W j， k =
{
W j， ≥λ k ， W j， k 0 ， W j， ≤λ k
（ 13 ）
( ) a， b ∈ Ｒ ； a ≠ 0 ，ψ a， 其中 ， b t 表示一个小波序
该方法一般称之为硬阈值估计方法 ， 利用小波变 换方法可以实现漏播图像的去噪 ， 从而提高信号的输 出精度 。 将采集数据得到的信息利用 4G 通信技术进 行信号传递 ， 最后将结果呈现在基于 Android 系统的 手持设备上 ， 实现播种机播种作业质量问题的实时预 警， 便于大型自动化生产 。
图1 Fig． 1
CasesDx30 型免耕播种机
1
基于 Android 系统漏播检测的免耕播种机 设计
保护性耕作技术是当前使用的主要环保型农业耕
The casesDx30 － type no － tillage seeding machine
图 2 为国内现代 农 装 科 技 股 份 有 限 公 司 推 出 的 2BMG － 18 型免耕施肥播种机 。 该播种机也可以在无 需耕翻的土壤上进行直接的作业 ， 并一次性地完成秸 秆切割 、 开沟 、 施肥 、 播种 、 覆土和镇压等工序 ， 实现了 完全的免耕播种 。 图 3 为基于 Android 和 4G 通信的播种机漏播检 测系统框图 。 系统基于 Android 系统架构 ， 采用 4G 通 信技术 ， 可以将采集信息传送到 Android 手持设备终 端， 实现播种机漏播检测 、 漏播报警和历史数据查询 等功能 。
( x， y)
领域内几个像素灰度级的平均值所决定的 ， 其 1 f ( i， j) M (∑ i， j )∈S
表达式为 g ( x， y) = （ 2）
x， y = 0， 1， 2， …， N － 1 ； s 表示 ( x， 其中 ， y ) 点为 中心的邻域像素点集合 ； M 表示像素点集合中数据的 总数 ， 但该方法对图像边缘的处理较高较差 。 中值滤 波方法是一种非线性滤波器 ， 在实际的图像处理过程 不需要对图像进行特性统计 ， 应 用 比 较 方 便。 该 中，
要： 免 耕 播 种 机 是 现 代 化 农 业 耕 种 常 用 的 农 机 之 一 ， 其漏播率是制约播种机作业质量的关键。为了降低免
提高播种机作业时智能 化 和 自 动 化 漏 播 监 测 水 平， 提 出 了 一 种 基 于 Android 和 4 G 通 信 耕播种机作业时漏播率， 图像 采 集 与 传 输 的 漏 播 检 测 系 统 ， 并将其成 功 地 应 用 到 了 气 动 式 免 耕 播 种 机 上， 完成了装置的安装和调试。采 用小波算法对采集图像和信息进行了滤波处理， 通过图像的去噪， 降低了设备和耕种作业环境对播种机的影响。 开 发 了 手 持 终 端 的 Android 系 统 界 面 ， 包括漏播率报告、 漏播次数显示、 播种时长、 田间作业历史数据和漏播报警 等功能。最后， 通过对历史漏播数据的查询， 调试了 系 统 的 漏 播 检 测 功 能， 由调试结果发现： 一天的作业累计漏 播率小于 1% ， 满足播种作业的设计要求， 也 验 证 了 基 于 Android 和 4 G 通 信 系 统 播 种 机 漏 播 检 测 系 统 的 可 行 性 。 关 键 词 ： 免 耕 播 种 机 ； Android 系 统 ； 4 G 通 信 ； 漏 播 检 测 ； 自 动 化 中图分类号： S223． 2 ； TP391． 41 文献标识码： A 文章编号： 1003 － 188X（ 2017 ） 05 － 0206 － 05
图2 Fig． 2 2BMG － 18 型免耕施肥播种机
（ 1）
f ( x， 其中 ， y ) 表示原始采集图像 ； v ( x， y ) 为噪声
The 2BMG － 18 － type no － tillage fertilizing and seeding machine
中值滤波和 图像 。 常用的图像滤波方法有均值滤波 、 小波算法滤波 。 均值滤波是图像的一种空间 域 处 理 算法 ， 假设播种机原始采集图像 f ( x， y ) 是 N ˑ N 的阵 列， 将 图 像 进 行 处 理 后 为 h ( x， 其灰度级别是由 y) ，
(f
i －v
（ 3）
i∈Z + f i －v +1 + … + f i + … + f i +v ) / m ，
（ 4）
与均值滤波器相比 ， 中值滤波器能够较好地保留 原始图像中的越变部分 ， 但对图像细节的处理仍然较 差 。 因此 ， 在本次图像滤噪算法中 ， 引入了小波算法 ，
2 假 设 ψ( t) ∈ L ( Ｒ) ， 其 傅 里 叶 变 换 为 ψ( w) ， 当
· 206·
2017 年 5 月
农 机 化 研 究
第5 期
2
播种机漏播图像采集和传输去噪算法
在播种机漏播图像采集和传输过程中 ， 受到摄像
头采集设 备 和 外 部 作 业 环 境 的 干 扰 ， 图像会含有噪 为了对漏播率进行准确监测 ， 需要除去或者减轻 声， 获取图像的噪声 。 在图像去噪的过程中 ， 首先建立一 个含噪声的图像模型 ， 该图像是由原始采摘图像加上 其表达式为 一个随机噪声实现的 ， g ( x， y ) = f ( x， y ) + v ( x， y)
ψ ( w ) 满足公式 （ 5 ） 时 ， 将 ψ ( w ) 称为一个基本小波 。