面向作物生长调节的果蔬对靶授粉目标识别与精准控制研究

Fruit and vegetable pollination is an important link in the process of crop production. Because the space of facility agriculture is confined relatively, the automatic pollination as compared with the traditional artificial dunking flowers would bring labor-intensive, low operating efficiency, and fruit vulnerable to contamination. To develop the automatic pollination technology for fruit and vegetable meets the requirements of the development of the modern agricultural facilities. According to the intercommunity for flower clusters management of facilities cultivated crops, the project uses machine vision and automatic control technology to study the recognition of toward-target pollination and the precision control plan to realize the fruit and vegetable growth regulation. In order to optimize the contrast between lighting environment, background and flower cluster, the reflection and polarizaiton model of different wavelengths for flower cluster will be established. Besides, the image dynamic acquisition system against sunlight fluctuation in greenhouse will be developed which can break the limitation of obtaining the corp information in natural light environments dynamically. The fractal theory based on the target self-similarity and the quasi-three-dimensional image model based on photometric stereo method will be studied, and a new effective method for the cluster flowers information detection will be formed to realize the real-time tracking and precision location of multi-point target information. The relationship model of decision-making between flower growth character and pollen variable based on spectral image and pattern recognition will be explored, and the database and modelbase about flower culster growth information will be created. Using the system rules diagnosis inference engine, the precision control of pollination concentration and dose will be realized, which can provide the basis for automatic variable pollination in non-structural environment.

果蔬授粉是农作物生产流程中的重要环节。由于设施农业相对密闭空间，授粉以传统人工蘸花为主，劳动强度大、作业效率低、果品易受污染，探索果蔬自动授粉技术符合现代设施农业的发展要求。本项目针对设施栽培作物花簇管理共通性技术，以机器视觉和自动控制为技术手段，面向果蔬生长调节开展自动化对靶授粉目标识别与精准控制研究。提出基于光照色彩恒常特性的花簇图像动态获取方法，建立作物花簇不同波长光的偏振反射模型和光照波动控制模型，突破自然环境光照变化对作物信息动态稳定获取的技术局限。研究基于目标自相似的分形理论和基于光度立体法的准三维图像建模，形成一种新的高效花簇空间信息探测方法，实现多点目标信息实时跟踪与精确定位。探索基于光谱图像与模式识别的花簇生长特征和花粉变量诱导决策关系模型，构建作物花簇生长信息数据库、模型库，利用系统知识规则诊断推理机，实现授粉浓度和剂量的精确调控，为自然环境下自动变量授粉提供依据。

果蔬授粉是农作物生产流程中的重要环节。由于设施农业相对密闭空间，授粉以传统人工蘸花为主，劳动强度大、作业效率低、果品易受污染，探索果蔬自动授粉技术符合现代设施农业的发展要求。而自动授粉作业在设施温室环境中进行，受光照条件复杂多变、作业环境不可预知、作物信息叠加多义等因素影响，使得对靶授粉花簇信息有效获取和授粉剂量精准控制成为技术难点。. 本项目针对设施农业自动授粉的难点问题，从设施农业生产自动化、精细化角度出发，以番茄花簇目标识别与精准授粉为研究目标，将光谱分析技术、机器视觉技术应用到对靶授粉机器人信息获取中，采取理论建模、方法验证交叉结合模式，展开机器人授粉信息感知的应用基础问题研究。主要研究内容和成果如下：. （1）研究了基于光照色彩恒常特性的花簇图像动态获取方法，建立了光照波动控制模型和花簇光反射模型，采用摄像机色彩与亮度的调整方法，解决不同光照条件下的花簇目标提取适应性问题。. （2）研究了基于立体视法的花簇空间多目标信息探测方法。根据会聚式双目立体视觉模型特点，采用基于空间模板匹配策略实现花簇中心位置的立体匹配，并根据视差原理恢复出花簇三维空间信息。实验表明花簇的平均定位误差为6.4mm，满足授粉目标空间定位的精度要求。. （3）研究了基于光谱图像的花簇生长特征和花粉变量决策关系预测模型。针对番茄作物（果实、花、叶、茎）的光谱反射特性，确定表达花簇信息的最佳光谱波段，根据图像光谱特性和色彩特性分割花簇目标，利用图像几何获得花簇生长特征，并构建花粉变量决策关系预测模型，为自然环境下自动变量授粉提供依据。. （4）研制了对靶授粉机器人系统，机器人作业性能测试表明，系统各模块运转良好，花簇视觉识别成功率为75%，喷施成功率达69.6%，单个花簇喷施作业平均耗时15s，机器人系统具有一定实用性。 . 本项目突破花簇识别和自主授粉的技术屏障，对促进设施农业机器人技术发展具有重要的指导意义。

内容获取失败，请点击重试