基于深度学习的农业自主导航旋耕机器人的设计与开发

作     者：肖磊 

作者单位：北方民族大学 

学位级别：硕士

导师姓名：毛建东

授予年度：2022年

学科分类：08[工学] 080202[工学-机械电子工程] 081104[工学-模式识别与智能系统] 0828[工学-农业工程] 0802[工学-机械工程] 0811[工学-控制科学与工程] 

主      题：农业机器人 自主导航 深度学习 神经网络 旋耕机 

摘      要：近年来,随着国家对农业现代化工作的重视,我国农业发展取得了很大突破,也带动了宁夏地区的农业种植产业发展。通过调研宁夏贺兰县的农业种植基地,农作物种植与收获过程中使用的是人工操作的落后农业机械设备和传统人力劳动工具,这些农业机械设备由于较长时间未更新导致其技术较为落后,传统人力劳动工具劳动量大且工作效率低。智能农业机器人的设计能在一定程度上解决这些问题,本文通过对宁夏贺兰县某农业种植基地实地调研,设计与开发了一种能够适用于农业种植基地的自主导航旋耕机器人,具体研究内容如下:(1)对旋耕机器人的硬件结构进行设计。首先对底盘进行选型,结合农业种植基地的现场施工环境,选择履带机械拖拉机作为旋耕机器人底盘,并简要分析了履带式底盘的运动学原理。对旋耕机进行了研究,确定了卧式旋耕机作为本文研究的旋耕机器人的旋耕系统。通过对旋耕机器人底盘与旋耕系统、摄像头、上位机、下位机与驱动模块的整体硬件部分设计,为旋耕机器人进行自主导航提供硬件基础。(2)对旋耕机器人自主导航的路线导航算法进行研究与设计。本文选择基于残差结构的深度卷积神经网络作为路线导航算法的框架,通过设计ResNet-34的网络结构,结合种植基地的导航环境,确定LeakyReLU函数作为层与层之间的激活函数,选定交叉熵损失函数为网络的损失函数,采用了L2正则化缓解旋耕机器人路线导航算法网络模型过拟合的方案,选用SGDM优化器对网络进行优化,选择指数衰减学习率法为网络配置最优学习率。旋耕机器人摄像头第一视角采集的图像数据作为下位机输入,经过下位机内部改进的ResNet-34网络模型处理将最终的输出变为三个节点,分别代表旋耕机器人的直行,左转和右转行驶动作,将输出的预测信息作为驱动模块的输入,控制旋耕机器人的行驶状态。(3)对旋耕机器人自主导航的障碍物检测算法进行研究与设计。本文选择基于回归的目标检测算法中的YOLO算法对旋耕机器人自主导航过程中的障碍物进行检测,采用了对原YOLOv5s网络颈部网络实现非邻层信息交流的特征增强和添加SENet注意力机制的改进方案,提高了网络模型检测远距离小目标以及被遮挡目标的识别精度。旋耕机器人摄像头第一视角采集的图像数据作为下位机输入,当检测到障碍物时,控制旋耕机器人停止前进。在校园某实验场地对旋耕机器人自主导航算法的实验效果为:以直行姿态作为起始姿态的最大横向偏差为11.6cm,通过降低旋耕机器人的转向速度,经过调整后的系统误差为3.3cm,平均横向偏差为2.05cm,标准差为6.358cm,方差为40.423。选取行人、自行车和汽车作为障碍物,用原始模型和改进的网络模型对1-5m的近距离障碍物以及5-10m的远距离障碍物分别进行检测,实验结果表明改进后的网络对障碍物的检测水平有明显提高,检测到障碍物时控制旋耕机器人立刻停止工作。在实地场景对旋耕机器人的旋耕系统进行测试,通过调节旋耕机器人的前进速度与刀轴的旋转速度使得旋耕系统能够正常工作,测量的旋耕宽度为1250mm,旋耕深度为230mm。通过旋耕机器人的自主导航系统与旋耕系统的实验结果表明,本文设计的基于深度学习的农业自主导航旋耕机器人基本上达到了设计要求。