基于TMS320DM642的農藥噴灑系統

　　目前使用的絕大多數噴藥機械，其農藥的噴灑過程是通過人工操作，由噴藥員根據經驗來決定化學藥劑的使用時間、地點和劑量，而成熟經驗的獲得、傳播、掌握受到積累年限、文化水平、傳播媒介等因素的制約而難以得到普遍應用，造成農用化學劑的濫用。另外在整個農藥噴灑作業中，操作人員勞動強度大，而且操作人員直接接觸農藥，人身極易受到農藥的傷害。同時由于人工操作，整個農藥噴灑作業效率不高。研究智能農藥噴灑系統的目的是以旱田作物(棉花、小麥、玉米)、果樹(或道路兩旁林木)為施藥目標，實時采集目標狀態圖像，利用圖像處理技術對圖像進行處理與分析，對何時、何處施藥做出科學決策并自動控制完成施藥作業。

　　農藥噴灑系統工作原理

　　智能農藥噴灑系統由數據采集系統、控制系統和機器視覺系統組成。數據采集系統和控制系統主要包括數據采集卡、調理電路、儲液槽、液體泵、流量傳感器、壓力傳感器、速度傳感器、溢流閥、比例減壓閥、噴桿、噴頭等。系統如圖1所示。儲液槽內裝有藥液，當泵啟動后，液體通過溢流調壓閥、壓力傳感器、比例減壓閥和流量傳感器由噴頭噴出。流量傳感器和速度傳感器經數據采集卡將藥液流量、拖拉機行駛速度傳送給計算機，然后由計算機調節比例減壓閥，確定合適的壓力值。計算機根據壓力傳感器的輸入調節溢流調壓閥保證管路中壓力保持恒定。

　　機器視覺系統采用兩路CCD視頻輸入，從兩個角度采集作物圖像，DM642實時處理圖像數據，根據處理的結果向CPLD的擴展IO發出控制信號，判斷是否噴灑農藥。

　　機器視覺硬件系統原理

　　系統采用TI公司的TMS320DM642芯片作為主處理器。TMS320DM642是專用于數字媒體應用的高性能32位定點DSP，工作主頻最高達720MHz，處理性能可達5760MIPS，強大的圖像處理能力為系統的實時性和可靠性提供了有力的保證。

　　硬件組成

　　硬件基本框圖如圖2所示，這里簡單介紹視頻輸入和視頻輸出部分。

　　視頻輸入部分

　　為準確、全面的辨別作物，本系統分別從兩個不同角度采集棉籽的圖像以進行識別。DM642有三個視頻口，每個端口可以接兩路視頻，本系統采用VP2口作為視頻輸入端口，視頻輸入端將從攝像頭采集的模擬信號由TVP5150轉化為CIF(352×288)，YUV (4:2:2),ITU-R BT.65格式，內嵌同步信號發送到DM642的VP2口。圖3為TMS320DM642和TVP5150的硬件連接示意圖[2]。

　　系統采用最為簡化的連接線路，將雙方的IIC總線接口SCL和SDA互連，TVP5150的視頻輸出端口D[0~7]和DM642的VP口相連。由于視頻流采用ITU-R BT.65格式，圖像的行同步、場同步信號均內嵌在視頻數據流中的EAV和SAV時基信號中，視頻口只需要視頻采樣時鐘和采樣使能信號(控制采樣開始)即可，TVP5150用系統時鐘SCLK提供采樣時鐘，用可編程輸出引腳GPCL提供采樣使能。

　　視頻輸出部分

　　本系統擴展了視頻輸出，用于本地回放，當系統調試完畢后此部分功能可以不用。視頻輸出由Philips公司的SAA7121實現。SAA7121將DM642端傳送過來的PC信號轉化為PAL(50Hz)制式或者NTSC(60Hz)送外部TV端輸出。原理如圖3所示，本系統用VP0口作為視頻輸出口，時鐘由VP0CLK0為輸入時鐘，由TVP5150產生，VPOCLK1為輸出時鐘，用于給SAA7121提供。作為視頻輸出口時，視頻口要為SAA7121提供視頻時鐘行/場同步信號，如圖3所示，由VP0口預留的三個用以產生同步信號的VP0CTL0、VP0CTL1產生。

　　軟件設計

　　綠色分割算法

　　在自然光條件下對綠色植物的實時識別，既需要減少亮度對圖像的影響，也需要處理過程簡單，減少處理時間。為此，采用改進的綠色識別方法對圖像進行處理。其原理是根據綠色分量值在亮度值所占的比例數值是否達到閾值進行判定。運算方法如下：

　　(1)由于采集進來的是YCbCr信號，根據象素的Y、Cb、Cr的值，求出RGB色彩空間中的綠色信號G：
G=Y-0.34414*(Cb-128)-0.71414*(Cr-128)

　　(2)按照下式求出綠色分量與亮度的比值：
E=G/(Y+0.1)
(加0.1的目的是防止當像素為黑色(0，0，0)時Y為0，結果溢出)

　　判別E是否大于閾值，大于閾值則判別為綠色，否則為非綠。閾值的確定主要是通過試驗。在實驗中，選擇多幅不同光線下不同深淺的綠色植物照片，并在照片上植物的不同位置選擇十字形模板測其E值。十字形模板是指選擇一個像素，并在它的上、下、左、右各取一點，共5個點組成一個十字形模板，然后取這五個像素的平均值作為試驗數據。所測的100個數據構成I-E分布圖，見圖4可看出不同亮度下，不論是深綠還是淺綠，其E值97%大于1.05，因此我們確定閾值為1.05，此時二值化處理結果見圖5。接著對得到的二值圖像進行中值濾波和數學形態學中的開運算處理，去除圖像中的斑點噪聲，填充處理過程中產生的小孔[6]。最后計算圖像中的植物區域與整個采樣圖像面積的比值，并將其與閾值K比較，確定是否噴藥。

　　基于DSP/BIOS的軟件框架

　　系統采用了CCS和DSP/BIOS，以及TI倡導的DSP軟件架構RF5。軟件系統分為輸入、處理、輸出等模塊，流程如圖3所示。

　　輸入模塊將VP口采集到的圖像寫入指定內存，發送消息給處理模塊，消息結構存儲了圖像數據所在的內存空間首地址。隨后輸入模塊等待輸出模塊的回復，以繼續采集下一幀圖像；處理模塊負責執行識別算法。從輸入模塊發送的消息結構中提取圖像數據地址，以進行圖像算法處理，最后發送消息給輸出模塊，同時根據圖像處理結果發出信號給PLC控制器并繼續等待輸入模塊的消息；輸出模塊將原始圖像輸出到LCD進行顯示，隨后發送消息給輸入模塊使其繼續采集下一幀圖像。此時輸出模塊將等待處理模塊發送消息，線程處于掛起狀態。

　　代碼優化

　　程序主要用C編寫，因此C語言優化的好壞直接影響程序效率。程序中廣泛運用以空間換取時間的方法來提高代碼運行效率，如將多重循環拆成單重循環，雖增加了代碼量，但實現了軟件流水；對常用的或者一些簡單的函數盡可能的使用靜態內聯函數，或者在對程序進行編譯時采用-pm -oe選項。內聯函數被調用時不需進行入棧出棧操作，而是直接插入展開代碼，從而提高運行速度。除以上幾個方面，程序還盡可能用移位代替乘除法，查表法代替浮點運算等。

　　實驗與總結

　　為驗證系統圖像識別算法的可行性，在SEED-VPM642開發板上進行了試驗。圖7a~c是自然環境下采集到的一組植物圖像，大小為400x320。圖8a~c分別是圖7中對應圖像采用綠色分割算法二值化并加工處理后的最終圖像。

　　從表1中得知，在拖拉機以每秒0.5米速度行進時，系統識別準確率幾乎100%。以1m/s速度行進時，其準確率只有60%左右。單次檢測最長時間為37ms，基本達到實時性的要求。

　　實驗結果表明，基于機器視覺的智能噴霧機系統運用綠色分量分割法能完成對噴藥期植物的正確識別及噴藥，處理方法簡單，滿足系統對實時性的要求。■

　　參考文獻：

　　1.  圖像處理與自動控制技術在農藥噴灑機中的研究 安永生著 2004.3

　　2.  TMS320C6000系列DSPs原理與應用(第2版) 李芳惠著 電子工業出版社 2003.1

　　3.  SEED-VPM642用戶指南 (Rev. B) 合眾達 2005.4

　　4.  TMS320C64x Image/Video Processing Library Programmer's Reference (Rev. B) TI 2003.10

　　5.  TMS320C6000 DSP/BIOS Application Programming Interface(API) Reference Guide TI 2001.12

　　6.  圖像處理與分析--數學形態學方法及應用 崔屹著 科學出版社 2000