基于位移检测和农作物识别的靶向喷雾系统设计及实现
基于位移检测和农作物识别的靶向喷雾系统设计及实现
【摘要】： 靶向喷雾技术是智能植保的重要组成部分,为了提高农药利用率,需要根据作物的有无、喷雾机行驶速度的快慢实现自适应调节喷雾方案,减少喷洒量过度导致的环境恶化问题。随着MEMS半导体加工技术的进步,与传统的集成电路工艺相结合,使得MEMS惯性传感器体积小,质量轻,从而被广泛应用于航空、航天、机器人、消费类电子产品乃至靶向喷雾等领域。本文依据加速度工作原理和坐标变换方法,利用高精度三轴MEMS加速度传感器ADXL345,采用I2C总线通信方式,设计了位移检测模块,使用积分计算原理把加速度转换为位移。为了降低传感器测量误差,分析了 ADXL345加速度传感器误差来源,并对误差进行了数学建模。在位移检测模块中提出了在双重积分前增加滤波环节,除了静态误差补偿,还对传感器的随机误差选取具有自适应性的EMD滤波方法。在智能靶向喷雾系统的基础上,结合MEMS加速度传感器模块,在Microsoft Visual Studio 2010环境下,对靶向喷雾位移检测系统进行了算法实现,并对传感器的误差做了对比分析。在靶向喷雾设备中,利用OpenCV的常用视觉库函数完成对作物的检测。为了获取图像中的绿色目标,先选择超绿色法进行灰度化处理,然后利用类间最大方差法自动取阈值进行分割,可以有效地把绿色作物和背景分离出来。上位机根据机器视觉获取的信息制定喷雾方案,通过串口发送信号控制下位机。在完成了系统主要元器件软硬件设计后,添加了报警模块,使得系统更智能化,最终搭建了该系统的试验平台。进行田间模拟试验表明,EMD滤波算法有效的抑制了随机误差,对提高位移检测的精度有很大的作用,满足了速度自适应调节喷雾时机的需求,智能喷雾系统已达到了实际应用的程度。
【学位授予单位】：安徽大学
【学位级别】：硕士
【学位授予年份】：2018
相关知识
基于深度学习的农作物害虫检测系统（网页版+YOLOv8/v7/v6/v5代码+训练数据集）
基于深度学习的农作物叶片病害检测系统（UI界面+YOLOv5+训练数据集）
基于深度学习的yolov7植物病虫害识别及防治系统
基于颜色特征的农作物病虫害检测（MATLAB程序+word报告)
花卉识别的前沿技术
一种基于AI的无人值守农作物病虫害监测预警系统
基于机器视觉的害虫种类及计数检测研究
基于ResNet50的植物病害识别研究与系统应用实现
农作物病虫害检测关键技术问题，如何破解？
桃树病害和害虫图像检测系统的研究与实现
网址: 基于位移检测和农作物识别的靶向喷雾系统设计及实现 https://m.huajiangbk.com/newsview308894.html
| 上一篇: 科技引领横州茉莉花茶产业发展 |
下一篇: 克拉玛依:迈向智能油田 |
