一种移动机器人变量施药智能决策方法和系统技术方案

本发明专利技术涉及一种移动机器人变量施药智能决策方法和系统。一种移动机器人变量施药智能决策系统包括摄像头，用于通过USB接口将采集到的温室作物图像送至计算机；超声波传感器，用于测得喷施目标的距离并发送至计算机；流量传感器，用于测量实际喷药流量；计算机，其与摄像头、超声波传感器和流量传感器连接，其中配置有模糊神经网络决策器，用于：获取标靶面积、喷施距离为和病虫害等级信息；据获取的标靶面积、喷施距离为和病虫害等级信息，计算预设施药量；根据预设施药量计算并输出控制量；获取实际施药量，将实际施药量和预设施药量进行比较，调整控制量。

【技术实现步骤摘要】

本专利技术涉及模糊神经网络的应用，尤其涉及针对温室成行作物的移动机器人变量施药智能决策方法和系统。
技术介绍
当前农药施药主要采取粗放方式，施药方案大都是由作业人员依据经验制定的，工作量大，且受主观因素影响。长期以来，我国的农药使用技术仍停留在大容量、大雾滴喷雾技术水平上，农药利用率低下，易导致施药人员中毒，严重制约了我国农业生产的可持续发展。因此，在农业生产过程中迫切需求变量施药技术，以提高农药利用率并降低农药对作业人员的伤害。温室作为现代设施农业的重要组成部分，其环境密闭、温度高、湿度大、易造成棚内施药人员中毒。针对温室成行作物生长方式和种植特点进行变量施药智能决策研究·对有效减少农药浪费、提高产品产量和品质、保证作业人员身体健康具有重要的意义。文献《基于模糊控制的变量施药控制系统》(邵陆寿等，农业机械学报.第36卷第11期，第110-112页)提出了一种模糊决策方法。但模糊系统缺乏自学习和自适应能力，不适用于环境因素多变的温室施药；文献《变量喷药自适应神经模糊控制器设计与仿真》(陈树人等，排灌机械工程学报.2011年第29卷03期，第272-276页)设计了一种基于自适应神经模糊推理的双输入、单输出控制器.以杂草面积和车速为输入量，喷药量为输出量，选用gaussmf型隶属函数，利用实测数据对生成的初始模糊推理系统进行训练，但其实质还是一个模糊控制，只是采用神经网络理论推算出5条模糊规则，且其行驶速度的变化易导致喷药系统压力变化，致使施药性能难以控制。申请号是CN201010239778. X、名称为“温室对靶施药机器人系统”的专利申请公开了一种用于温室对靶施药机器人系统。对靶施药机器人是利用机器视觉获取病害信息并传递至工控机，工控机作为上位机向PLC发送指令，当PLC接收到上位机发送的病害位置信息，启动移动底盘车并运行至病害垄，机械臂将喷杆下降到预定义位置，同时PLC触发安装在直线导轨上的摄像头对当前病害垄进行信息采集，上位机将处理结果传递PLC，PLC在喷杆自左向右的运动过程中，当某个喷嘴进入病害发生范围内，控制该喷嘴开启，否则关闭；喷嘴在一次扫描中需要对靶单个或多个单元进行作业，实现单次或多次开闭控制，实现对靶喷雾。该专利技术重点在于产品结构设计，对于变量决策算法没有涉及。另外，查阅国内在变量施药方面的专利情况可见，变量施药专利均为各种变量施药系统新型结构设计，迄今，未见相关文献对变量施药提出比较理想的决策控制方法。从上述相关技术可以看出，已有研究取得了一些成果，但是存在一定的局限性。模糊决策方法缺乏自学习能力，在变量施药决策系统中不能在线调整决策规则，且在决策器输入量输出量的隶属函数选择上带有一定主观性，自适应能力有限，难以获得理想的变量施药效果；神经网络决策方法虽具有强大的自学习能力，但其在变量喷药决策过程中不能很好地利用已有的经验知识，知识表达与处理的方式不易为操作人员理解和使用。另外，上述相关方法未能有效融合作物待喷面积、病虫害和距离信息等有利于变量施药的决策信息，对于工作于温室具有较强不确定性的自主移动机器人来说，难以获得精准、高效、环保的施药效果。
技术实现思路
为克服上述现有技术的不足，本专利技术针对温室移动机器人设计了一种基于模糊神经网络的智能决策系统，根据获取的标靶特征处理信息，通过模糊神经网络决策器计算出相应的流量，从而实现喷施量随标靶特征信息实时变化的变量施药，用于实现温室变量施药的决策可以取得更好的施药效果。本专利技术首次将模糊控制与神经网络相结合所构成的模糊神经网络决策系统应用于温室变量施药决策中，通过神经网络来实现模糊逻辑提高了变量施药决策系统的精度，同时利用神经网络的自学习能力，来调整隶属函数使得变量决策系统具有较强的自适应能力。按照本专利技术目的一种移动机器人变量施药智能决策方法，包括获取标靶面积、喷施距离为和病虫害等级信息；根据获取的标靶面积、喷施距离为和病虫害等级信息，计算预设施药量；根据预设施药量计算并输出控制量；获取实际施药·量，将实际施药量和预设施药量进行比较，调整控制量。上述技术方案中，所述计算预设施药量步骤包括建立模糊神经网络步骤，包括构建以标靶面积、喷施距离为和病虫害等级为输入的模糊神经网络；学习步骤，包括对构建的模糊神经网络进行离线训练，获取模糊神经网络的各项权值和阈值；对训练后的模糊神经网络进行决策精度检测；得到训练好的模糊神经网络；判断步骤，包括在移动机器人的计算机系统中编程实现训练好的模糊神经网络；运行训练好的模糊神经网络，根据获取的标靶面积、喷施距离为和病虫害等级信息，判断出预设施药量。作为本专利技术的进一步改进，所述判断出预设施药量步骤具体包括以标靶面积、喷施距离和病虫危害程度3个输入变量为网络的输入神经元；模拟输入变量的隶属函数，计算每个输入变量对应的隶属度；匹配模糊规则，进行每条模糊规则的前件计算；计算每条模糊规则的适用度；计算出喷施量。按照本专利技术的一种移动机器人变量施药智能决策系统，包括摄像头，用于通过USB接口将采集到的温室作物图像送至计算机；超声波传感器，用于测得喷施目标的距离并发送至计算机；流量传感器，用于测量实际喷药流量；计算机，其与摄像头、超声波传感器和流量传感器连接，其中配置有模糊神经网络决策器，用于获取标靶面积、喷施距离为和病虫害等级信息；根据获取的标靶面积、喷施距离为和病虫害等级信息，计算预设施药量；根据预设施药量计算并输出控制量；获取实际施药量，将实际施药量和预设施药量进行比较，调整控制量。作为本专利技术的进一步改进，所述模糊神经网络决策器采用五层模糊神经网络结构，第一层为输入层，以标靶面积、喷施距离、病虫危害程度3个输入变量为网络的输入神经元；第二层为模糊化输入层，用于计算每个输入变量对应的隶属度；第三层为模糊规则层，用于每条模糊规则的前件计算；第四层为模糊化输出层，用于计算每条规则的适用度；第五层为输出层，用于计算出喷施量。本专利技术首次将模糊神经网络方法应用于温室喷药移动机器人的施药变量决策，其特点和有益效果是·I、针对温室成行植物的种植方式、生长特点和病虫害等级情况，所专利技术智能决策系统不仅融合目标标靶面积信息、距离信息而且融合病虫害等级信息。2、所专利技术的基于模糊神经网络的变量施药决策系统，采用神经网络对模糊决策规则进行快速提取，解决了变量施药决策系统中模糊规则难以获取的难题，同时利用神经网络的自学习能力，不断完善决策规则，不断提高了系统的决策精度，采用模糊神经网络决策器能够有效控制施药量的精度，满足了温室变量施药的需要。3、所专利技术模糊神经网络决策方法，由于采用离线训练的方式，因此能够实现施药系统的实时快速决策；由于所设计变量施药智能决策系统具有较强的适应能力和泛化能力，因此能够更好地适应具有较强不确定性的温室工作环境。4、所设计施药变量决策系统，可减少农药的使用量，提高农药的使用效率，减少环境污染。附图说明图I是温室成行作物变量施药系统结构图。图2是变量施药决策系统框图。图3是模糊神经网络结构图。图4是智能决策流程图。图5是网络训练结果。图6是实际喷施量与期望喷施量误差。图7是部分样本数据。具体实施例方式如图1，首先构建融合喷施目标距离、面积和病虫害等级信息的具有自学习和自适应能力的离线训练模糊神经网络决策器；其次，收集本文档来自技高网...

【技术保护点】
一种移动机器人变量施药智能决策方法，包括：获取标靶面积、喷施距离为和病虫害等级信息；根据获取的标靶面积、喷施距离为和病虫害等级信息，计算预设施药量；根据预设施药量计算并输出控制量；获取实际施药量，将实际施药量和预设施药量进行比较，调整控制量。

【技术特征摘要】

【专利技术属性】
技术研发人员：高国琴，周海燕，
申请(专利权)人：江苏大学，
类型：发明
国别省市：