山地果園鏈索運(yùn)送裝備運(yùn)動(dòng)傳感系統(tǒng)設(shè)計(jì)

李 君，薛坤鵬，楊 洲，許堅(jiān)聰，張倩倩

(華南農(nóng)業(yè)大學(xué) a.工程學(xué)院；b.南方農(nóng)業(yè)機(jī)械與裝備關(guān)鍵技術(shù)教育部重點(diǎn)實(shí)驗(yàn)室，廣州 510642)

?

山地果園鏈索運(yùn)送裝備運(yùn)動(dòng)傳感系統(tǒng)設(shè)計(jì)

李 君a,b，薛坤鵬a,b，楊 洲a,b，許堅(jiān)聰a，張倩倩a,b

(華南農(nóng)業(yè)大學(xué) a.工程學(xué)院；b.南方農(nóng)業(yè)機(jī)械與裝備關(guān)鍵技術(shù)教育部重點(diǎn)實(shí)驗(yàn)室，廣州 510642)

為獲取山地果園鏈索運(yùn)送裝備工作過程中的牽引鏈索運(yùn)動(dòng)狀態(tài)，采用混合濾波算法設(shè)計(jì)了一種基于圖像實(shí)時(shí)采集技術(shù)的運(yùn)動(dòng)傳感系統(tǒng)。利用兩組高速工業(yè)相機(jī)對(duì)軸向運(yùn)動(dòng)的牽引鏈索進(jìn)行捕捉，通過Cortex-A9控制板融合混合濾波算法與自適應(yīng)閾值二值化對(duì)圖像進(jìn)行處理，實(shí)時(shí)識(shí)別牽引鏈索的空間位置變化。試驗(yàn)結(jié)果表明：所設(shè)計(jì)的運(yùn)動(dòng)傳感系統(tǒng)可以快速準(zhǔn)確獲取鏈索運(yùn)行狀態(tài)，圖像采集與處理的運(yùn)算速度能夠滿足鏈索實(shí)時(shí)控制的要求。本研究為鏈索類運(yùn)送裝備的運(yùn)動(dòng)采集與數(shù)據(jù)處理提供了參考。

山地果園；運(yùn)動(dòng)鏈索；圖像采集；混合濾波算法；自適應(yīng)閾值二值化

0 引言

鏈索運(yùn)送裝備在復(fù)雜地形條件下鋪設(shè)靈活，能夠滿足山地丘陵果園貨物運(yùn)輸?shù)男枨?，得到廣泛應(yīng)用[1-4]。但牽引鏈索在軸向行進(jìn)過程中處于非穩(wěn)態(tài)，會(huì)不可避免地產(chǎn)生橫向周期性激振，進(jìn)而可能造成果品和農(nóng)資脫鉤、系統(tǒng)部件機(jī)械損傷和撞擊加劇等現(xiàn)象[5-6]。為了對(duì)鏈索縱橫向振動(dòng)進(jìn)行特性研究和控制，利用傳感技術(shù)實(shí)時(shí)獲取鏈索的振動(dòng)狀態(tài)具有重要的意義。Moon和Wickert[7]用激光干涉測量手段研究了傳動(dòng)帶的偏心振動(dòng)。李濱城[8]等利用OptoNCTD2000型激光測振儀分析了機(jī)床帶傳動(dòng)裝置的橫向振動(dòng)特性及影響因素。時(shí)彧等[9]用激光位移傳感器研究了稀土永磁體輔助金屬帶的非線性受迫振動(dòng)。隨著計(jì)算機(jī)和圖像處理技術(shù)的發(fā)展，機(jī)器視覺技術(shù)的研究和應(yīng)用已擴(kuò)展到農(nóng)業(yè)工程領(lǐng)域，發(fā)達(dá)國家在農(nóng)業(yè)生產(chǎn)自動(dòng)化方面已經(jīng)使用機(jī)器視覺技術(shù)來實(shí)現(xiàn)對(duì)作業(yè)對(duì)象的識(shí)別和管理[10]，國內(nèi)一些科研院所基于機(jī)器視覺開始在農(nóng)產(chǎn)品分級(jí)、農(nóng)業(yè)機(jī)器人動(dòng)作規(guī)劃、植物生長參數(shù)檢測和播種機(jī)排種性能測試等方面展開了研究[11]。雖然果園貨運(yùn)鏈索與傳動(dòng)帶都具有類似柔性行進(jìn)弦線的結(jié)構(gòu)特征，但鏈索結(jié)構(gòu)特征及激勵(lì)條件與傳送帶不同，鏈節(jié)的空心環(huán)狀結(jié)構(gòu)及寬跨度鏈索的大振幅都會(huì)使鏈索脫離點(diǎn)狀激光測振儀的探測范圍，相比較而言圖像采集技術(shù)更適合用于鏈索的運(yùn)動(dòng)特性捕捉。本文利用工業(yè)相機(jī)對(duì)山地果園鏈索運(yùn)送裝備的牽引鏈索進(jìn)行定點(diǎn)拍攝，通過Cortex-A9的單片機(jī)控制板對(duì)拍攝的圖像進(jìn)行處理，獲取鏈索的空間位置，進(jìn)而得到運(yùn)動(dòng)鏈索的運(yùn)動(dòng)參數(shù)信息，以期為貨運(yùn)鏈索的振動(dòng)特性分析及運(yùn)行控制提供一種可靠的數(shù)據(jù)采集方法。

1 傳感系統(tǒng)設(shè)計(jì)

果園鏈索運(yùn)送裝備運(yùn)動(dòng)傳感系統(tǒng)由兩個(gè)高速工業(yè)相機(jī)和Cortex-A9的單片機(jī)控制板組成，如圖1所示。系統(tǒng)選用大影數(shù)字工業(yè)相機(jī)Z30A，數(shù)據(jù)采集速度為150幀/s，圖像分辨率為640×480像素。工業(yè)相機(jī)采集的圖像通過USB接口輸入到iTOP-4412開發(fā)板(北京迅為電子有限公司)的Cortex-A9圖像處理器中，處理器核心單元為嵌入式四核處理器Exynos4412(三星公司)。

圖像處理環(huán)境為基于Cortex-A9微處理器硬件平臺(tái)上搭建的嵌入式系統(tǒng)，先構(gòu)建產(chǎn)生目標(biāo)代碼的arm-linux-gcc交叉編譯環(huán)境，再移植合適的Bootloader以及Linux內(nèi)核，建立根文件系統(tǒng)Rootfs。高速工業(yè)相機(jī)的驅(qū)動(dòng)程序需根據(jù)大影數(shù)字工業(yè)相機(jī)Z30A對(duì)現(xiàn)有的LinuxUVC進(jìn)行改編并加載到Linux內(nèi)核里。當(dāng)需要驅(qū)動(dòng)工業(yè)相機(jī)時(shí)，上層圖像處理應(yīng)用程序通過V4L2圖像采集接口函數(shù)來調(diào)用驅(qū)動(dòng)程序來獲取工業(yè)相機(jī)狀態(tài)信息、設(shè)置工業(yè)相機(jī)參數(shù)并進(jìn)行圖像采集。

貨運(yùn)鏈索軸向行進(jìn)過程中，兩個(gè)工業(yè)相機(jī)分別將鏈索水平和豎直方向上的振動(dòng)圖像通過USB發(fā)送給基于Cortex-A9的圖像處理器；圖像處理器分別對(duì)兩個(gè)工業(yè)相機(jī)的圖像進(jìn)行處理，獲取鏈索的像素偏移量并進(jìn)行對(duì)比計(jì)算，從而獲取鏈索的實(shí)時(shí)位置信息，存儲(chǔ)下來或者發(fā)送出去以供使用。

圖1 運(yùn)動(dòng)傳感系統(tǒng)Fig.1 Motion sensing system

2 圖像處理算法

圖像處理上層應(yīng)用程序需對(duì)工業(yè)相機(jī)采集到的每一幀彩色圖像轉(zhuǎn)化為灰度圖像，然后進(jìn)行混合濾波計(jì)算和自適應(yīng)閾值二值化處理，最后在二值化處理后的黑白圖像中識(shí)別到鏈索并進(jìn)行位置計(jì)算。具體過程如圖2所示。

圖2 圖像處理流程Fig.2 Flow chart of image processing

由于中值濾波可以消除圖像中的奇點(diǎn)，而自適應(yīng)閾值二值化處理需要對(duì)圖像進(jìn)行均值濾波，因此本文提出將中值和均值進(jìn)行混合的濾波算法。

若待處理灰度圖像的寬、高分別為W和H，Pi,j表示位于圖像第i行第j列的像素點(diǎn)，濾波核的行寬、列高分別為M、N，則Pm,n點(diǎn)的濾波核Km,n如圖3所示。

W、H.圖像的寬和高 Pi,j.圖像第i行第j列的像素點(diǎn)M、N.濾波核的行寬和列高 Pm,n位于濾波核中心圖3 Pm,n點(diǎn)濾波核Km,n示意圖Fig.3 Filtering kernel Km,n at Pm,n point

傳統(tǒng)算法里，中值濾波需對(duì)濾波核中所有像素點(diǎn)的灰度值進(jìn)行相互比較和排序，然后取中間值作為該像素點(diǎn)的灰度值，單個(gè)像素點(diǎn)的計(jì)算復(fù)雜度為O((M×N)×(M×N-1)/2)。均值濾波要求濾波核中所有像素點(diǎn)灰度值的算術(shù)平均值作為該點(diǎn)的灰度值，單個(gè)像素點(diǎn)的計(jì)算復(fù)雜度為O(M×N)，所以傳統(tǒng)算法的效率會(huì)隨著濾波核尺寸的增加而降低。

為提高運(yùn)算效率，本文設(shè)計(jì)的中值-均值混合濾波算法采用核分解方法，把濾波核分解成長度為N的列向量，如圖4所示。

圖4 列向量示意圖Fig.4 The column vector scheme

進(jìn)行中值濾波時(shí)，先對(duì)每個(gè)列向量中像素點(diǎn)的灰度值進(jìn)行大小排序，把每列的中值和排列順序分別存儲(chǔ)到長度為W的緩存數(shù)組Buff_a和N×W的二維緩存數(shù)組Buff_b中，然后再對(duì)該點(diǎn)濾波核每列所對(duì)應(yīng)Buff_a中的灰度值進(jìn)行大小排序并存儲(chǔ)到長度為M的緩存數(shù)組Buff_c中，且取中值作為該像素點(diǎn)的灰度值；對(duì)下一個(gè)相鄰的像素點(diǎn)進(jìn)行濾波時(shí)，根據(jù)濾波核沿行滑動(dòng)時(shí)與相鄰核之間的遞歸關(guān)系，只需對(duì)新加的列向量的中值進(jìn)行排序存儲(chǔ)并更新Buff_c即可得到相應(yīng)濾波值；下一相鄰行的濾波運(yùn)算利用濾波核換行時(shí)鄰行緩存數(shù)組間的遞歸關(guān)系，剔除Buff_b中不屬于新行像素濾波核的元素，只對(duì)新加入的元素進(jìn)行排序計(jì)算，重復(fù)上述運(yùn)算即可得到該相鄰行的濾波值。

當(dāng)均值濾波計(jì)算時(shí)，對(duì)Buff_b對(duì)應(yīng)像素點(diǎn)的灰度值進(jìn)行求和并存儲(chǔ)到長度為W的緩存數(shù)組Buff_d中，然后再對(duì)該濾波核對(duì)應(yīng)Buff_d中灰度值進(jìn)行求和后再除以濾波核的尺寸即可得出該點(diǎn)的濾波值，見式(1)；對(duì)下一個(gè)相鄰的像素點(diǎn)進(jìn)行濾波時(shí)，根據(jù)濾波核沿行滑動(dòng)時(shí)與相鄰核之間的遞歸關(guān)系，設(shè)計(jì)出濾波核對(duì)應(yīng)均值的遞歸公式(2)，再利用濾波核換行時(shí)鄰行緩存數(shù)組間的遞歸關(guān)系，設(shè)計(jì)出緩存數(shù)組更新遞歸公式(3)，從而完成均值濾波過程。

(1)

Buff_d(n+1+a)

(2)

Buff_d′(j)=Buff_d(j)-Sgi-b,j+Sgi+1+b,j

(3)

其中，m,i=0,1,…,H-1；n,j=0,1,…,W-1；Dagm,n為Pm,n的濾波值；Sgi,j為Pi,j點(diǎn)的灰度值；Buff_d(j)為第j個(gè)列向量中所有像素點(diǎn)灰度值之和；Buff_d’(j)為計(jì)算下一行濾波值時(shí)更新后的Buff_d(j)；a=(M-1)/2；b=(N-1)/2。

中值-均值混合濾波算法的數(shù)組更新示意圖和算法流程如圖5所示。

圖5 混合濾波算法Fig.5 Hybrid filtering algorithm

整個(gè)圖像中值濾波算法的計(jì)算復(fù)雜度C1為

N×(N-1)/2×W+(N-1)×W×(H-1)

=(M+N-2)×W×H+(M-2)×

(M-1)/2×H+(N-2)×(N-1)/2×W

≈(M+N-2)×W×H

(4)

由式(4)可知：中值濾波算法對(duì)單個(gè)像素點(diǎn)的計(jì)算復(fù)雜度為O(M+N-2)。

整個(gè)圖像均值濾波的計(jì)算復(fù)雜度C2為

C2=(W-1)×H×2+H×N+W×N+

W×2×(H-1)≈W×H×4

(5)

因此，中值濾波算法對(duì)單個(gè)像素點(diǎn)的計(jì)算復(fù)雜度為O(4)。

單一濾波算法和混合濾波算法的復(fù)雜度進(jìn)行比較，如表1所示。

表1 不同濾波算法復(fù)雜度對(duì)比表

與單一濾波算法相比，混合濾波算法大大減少了計(jì)算步驟，算法效率得到提高，運(yùn)算速度加快，且其效率不隨濾波核尺寸的增加而變化。中值計(jì)算時(shí)，選取每一列中值再進(jìn)行排序得到的濾波值不一定是所有濾波核中像素灰度值的中值，選取的濾波值會(huì)存在一定的概率，則

(6)

其中，Φ(x)為偏差值為x時(shí)的概率值。當(dāng)濾波核的寬M和高N無窮大時(shí)，a×b會(huì)趨于無窮，Φ(x)會(huì)成為正態(tài)分布函數(shù)。

若M、N均為5，可選取的中值范圍和概率如圖6所示。由圖6可知：本文提出的中值濾波算法得到的值為所有濾波核像素灰度中間一定范圍內(nèi)的值，且越靠近準(zhǔn)確中值被篩選到的概率越大，達(dá)到了消除奇點(diǎn)的目的。

圖6 中值濾波算法結(jié)果概率分布Fig.6 Probability distribution of median filtering algorithm

二值化處理是將灰度圖像每個(gè)像素點(diǎn)的灰度值設(shè)置為0或255，即將整個(gè)圖像呈現(xiàn)出明顯的黑白效果。因環(huán)境影響，鏈索在圖像的不同區(qū)域亮度不同，從而會(huì)有不同的二值化閾值，如圖7所示。

圖7 圖像灰度受光照影響Fig.7 Effect of light on image gray level

若整個(gè)圖像用單一的閾值進(jìn)行二值化處理，容易導(dǎo)致鏈索特征信息缺失，如圖8所示。

圖8 單一閾值處理的二值化效果Fig.8 Image binarization with single threshold

因此，本文采用根據(jù)局部亮度來劃分閾值的自適應(yīng)閾值二值化算法。為了提高運(yùn)算速度，減少比較運(yùn)算，圖像二值化運(yùn)用了查表法，步驟如下：

1)根據(jù)估計(jì)的初始閾值制作閾值查表list[]；

2)將灰度圖像的灰度值與均值濾波后的灰度值作差，并加上255，作為閾值表的查表序號(hào)；

3)把查表結(jié)果賦值給二值化圖像。

灰度圖像進(jìn)行自適應(yīng)閾值二值化后，圖像中灰度值大于濾波值的像素點(diǎn)視為局部前景，灰度值小于濾波值的像素點(diǎn)視為局部背景，從而將圖中不同亮度的索鏈與背景分離出來。

由于鏈索為長條形狀，均值濾波過程中濾波核的寬M和高N會(huì)對(duì)鏈索的處理效果產(chǎn)生影響。若濾波核的寬與鏈索的長度方向平行，當(dāng)M×N分別為11×3和3×11時(shí)，未經(jīng)過中值處理的灰度圖像進(jìn)行自適應(yīng)閾值二值化效果如圖9所示；經(jīng)過中值處理的灰度圖像在M×N=3×11時(shí)，處理效果如圖10所示。

圖9 均值濾波的圖像自適應(yīng)閾值二值化處理結(jié)果Fig.9 Results of image binarization with mean filtering using

different filter kernels

圖10 混合濾波后的圖像自適應(yīng)閾值二值化處理結(jié)果Fig.10 Image binarization with hybrid filtering

對(duì)比圖9(a)、(b)可知：當(dāng)濾波核尺寸較長方向的與鏈索長度方向垂直時(shí)，均值濾波后圖像二值化的效果比較好。對(duì)比圖9和圖10可知：中值濾波可以消除鏈索邊緣的毛刺。

混合濾波與自適應(yīng)閾值二值化算法配合使用消除了光照對(duì)鏈索局部亮度的影響以及鏈索邊緣的毛刺，使圖像的二值化達(dá)到了理想的效果。

3 鏈索空間位置計(jì)算

圖像坐標(biāo)系統(tǒng)中圖像的左上角為坐標(biāo)原點(diǎn)，橫坐標(biāo)從左到右遞增，縱坐標(biāo)從上到下遞增。

圖像中的鏈索橫向放置，設(shè)置若干縱向的采樣線，對(duì)每條采樣線從兩端向中間逐個(gè)判斷像素的灰度值是否為黑，分別取上下兩邊第1個(gè)識(shí)別到的黑色像素坐標(biāo)值作為此采樣線處鏈索的邊緣位置，再對(duì)這兩個(gè)邊緣的坐標(biāo)值取平均，得到此采樣線位置鏈索中點(diǎn)的坐標(biāo)值。若遇到鏈索的掛鉤或者掛載的貨物時(shí)，該采樣線上下邊緣坐標(biāo)值之差會(huì)比較大。對(duì)于垂直方向的圖像，需要通過計(jì)算該圖像其他采樣線處鏈索的寬度像素值，將此采樣線位置上邊緣的坐標(biāo)值加上鏈索寬度像素的1/2即可估算出鏈索中點(diǎn)的坐標(biāo)值；對(duì)于水平方向的圖像，需要判斷貨物兩端位置處鏈索的中點(diǎn)位置，對(duì)其求平均來估算該采樣線位置鏈索中點(diǎn)的坐標(biāo)，處理方法如圖11所示。

分別對(duì)兩個(gè)工業(yè)相機(jī)拍攝的圖像處理得到鏈索在水平和豎直方向上的位置，由于兩個(gè)工業(yè)相機(jī)垂直放置，建立描述鏈索位置的坐標(biāo)系如圖12所示。圖12中，高速工業(yè)相機(jī)1、2分別位于圖中y軸和x軸。

圖11 掛載貨物處理方法Fig.11 Position recognition of chain with cargo

圖12 鏈索空間位置參考坐標(biāo)系Fig.12 Refference coordinate system for chain spatial position

由圖12可得

(7)

其中，n1、n2分別為鏈索在x軸和y軸方向上的圖像位置；k為工業(yè)相機(jī)的比例系數(shù)，若工業(yè)相機(jī)與拍攝目標(biāo)之間的實(shí)際距離為l，k表示一個(gè)像素點(diǎn)對(duì)應(yīng)實(shí)際長度與l的比值，其值可通過標(biāo)定得出。

求解d1和d2，即鏈索在水平方向和豎直方向的實(shí)際位置。

4 運(yùn)動(dòng)傳感系統(tǒng)試驗(yàn)

為檢驗(yàn)所設(shè)計(jì)運(yùn)動(dòng)傳感系統(tǒng)的使用效果，選擇搭建在華南農(nóng)業(yè)大學(xué)工程學(xué)院的鏈索貨運(yùn)樣機(jī)系統(tǒng)作為試驗(yàn)對(duì)象。結(jié)合果園貨運(yùn)生產(chǎn)實(shí)際，設(shè)置空載、負(fù)載及周期性外界激勵(lì)等3種試驗(yàn)工況，運(yùn)動(dòng)傳感系統(tǒng)采集處理得到的鏈索橫向位移如圖13所示。

圖13 運(yùn)動(dòng)傳感系統(tǒng)試驗(yàn)結(jié)果Fig.13 Experimental results of motion sensing system

試驗(yàn)結(jié)果表明：果園運(yùn)送裝備鏈索運(yùn)動(dòng)傳感系統(tǒng)能夠準(zhǔn)確采集不同工況下鏈索空間位置的實(shí)時(shí)數(shù)據(jù)，采集處理速度能滿足行進(jìn)鏈索的振動(dòng)特性分析及運(yùn)行控制的運(yùn)算需求。

5 結(jié)論

1)設(shè)計(jì)了一種基于Cortex-A9嵌入式處理器的山地果園鏈索運(yùn)送裝備運(yùn)動(dòng)傳感系統(tǒng)，該系統(tǒng)能夠準(zhǔn)確采集不同工況下鏈索空間位置的實(shí)時(shí)數(shù)據(jù)，可以滿足行進(jìn)鏈索的振動(dòng)特性分析及運(yùn)行控制的運(yùn)算需求，且體積相對(duì)較小，便于攜帶和安裝。

2)當(dāng)濾波核尺寸較長方向的與鏈索長度方向垂直時(shí)，均值濾波后圖像二值化效果比較好，中值濾波可以消除鏈索邊緣的毛刺。根據(jù)行進(jìn)鏈索的條狀圖像特征，本文提出了一種中值-均值的混合濾波算法?；旌蠟V波算法與自適應(yīng)閾值二值化方法對(duì)亮度不同的鏈索圖像二值化的處理效果與濾波核的選取有關(guān)；與單一濾波算法相比，混合濾波算法在運(yùn)行的效率和速度上具有明顯優(yōu)勢。

[1] 洪添勝，蘇建，朱余清，等.山地橘園鏈?zhǔn)窖h(huán)貨運(yùn)索道設(shè)計(jì)[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2011，42(6)：108-111.

[2] 文韜，洪添勝，朱余清，等.山地果園索道張緊調(diào)節(jié)自動(dòng)控制裝置的設(shè)計(jì)[J].農(nóng)業(yè)工程學(xué)報(bào)，2011，27(6)：128-131.

[3] 文韜，洪添勝，蘇建，等.山地果園鏈?zhǔn)窖h(huán)貨運(yùn)索道張緊力檢測裝置[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2011，42(8)：80-84.

[4] 李震，盧加納，洪添勝，等.山地果園鋼絲繩牽引貨運(yùn)機(jī)超聲波避障系統(tǒng)[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2011，42(10)：116-120.

[5] 劉學(xué)濤. 軸向行進(jìn)索的振動(dòng)和穩(wěn)定性分析[D].大連:大連理工大學(xué)，2006.

[6] 李君，李雪平，楊洲，等.果園鏈索系統(tǒng)橫向運(yùn)動(dòng)共振條件及頻率分析(英文)[J].農(nóng)業(yè)工程學(xué)報(bào)，2014，30(23)：50-57.

[7] J. Moon, JA Wiekert. Non-linear vibration of Power transmission belts[J].Jounral of Sound and Vibration,1997, 200(4): 419-431.

[8] 李濱城，Hrisch，Andreas，等. 機(jī)床帶傳動(dòng)裝置的橫向振動(dòng)及其影響因素[J]華東船舶工業(yè)學(xué)院學(xué)報(bào)：自然科學(xué)版，2004，18(6)：66-70.

[9] 時(shí)彧. 稀土永磁體輔助金屬帶傳動(dòng)的非線性動(dòng)力學(xué)研究[D].長沙:中南大學(xué)，2010.

[10] 刁智華，王會(huì)丹，魏偉.機(jī)器視覺在農(nóng)業(yè)生產(chǎn)中的應(yīng)用研究[J].農(nóng)機(jī)化研究，2014， 36(3)：206-211.

[11] 李曉斌，郭玉明.機(jī)器視覺高精度測量技術(shù)在農(nóng)業(yè)工程中的應(yīng)用[J].農(nóng)機(jī)化研究，2012，34(5)：7-11.Abstract ID:1003-188X(2017)06-0079-EA

Motion Sensing System of Chain Equipment for Hilly Orchard

Li Juna,b, Xue Kunpenga,b, Yang Zhoua,b, Xu Jianconga, Zhang Qianqiana,b

(a.College of Engineering, South China Agricultural University; b.Key Laboratory of Key Technology on Agricultural Machine and Equipment, Ministry of Education, South China Agricultural University, Guangzhou 510642, China)

To obtain the motion features of axial moving chain for hilly orchard, a motion sensing system based on the real-time image acquisition technology was developed. Two high speed industrial cameras were used for the image capture of moving chain. The Cotex-A9 control board was implemented to process the captured images using a hybrid filtering method and adaptive threshold binarization. The real-time spatial position of moving chain can be recognized and calculated. The experimental results showed that the proposed image acquisition system can quickly and accurately obtain the motion features of moving chain. The processing speed of image acquisition system can meet the requirements of real-time control for moving chain. This study provides a reference for the data acquisition and processing of orchard ropeway and chain system.

hilly orchard; moving chain; image acquisition; hybrid filtering; adaptive threshold

2016-05-09

國家自然科學(xué)基金項(xiàng)目(51205139)；農(nóng)業(yè)部農(nóng)業(yè)科研創(chuàng)新團(tuán)隊(duì)項(xiàng)目(農(nóng)辦人[2015]62號(hào))

李 君(1978-)，男，湖南永州人，教授，博士，(E-mail)autojunli@scau.edu.cn。

楊 洲(1972-)，男，山西襄汾人，教授，博士，(E-mail)yangzhou@scau.edu.cn。

TP391.41 S229+. 1

A

1003-188X(2017)06-0079-06