基于PLC的溫室作物三維表型試驗(yàn)裝置設(shè)計(jì)_楊柳.pdf

第46卷第10期 2025年10月 自 動(dòng) 化 儀 表 PROCESS AUTOMATION INSTRUMENTATION Vol 46 No 10 Oct 2025 收稿日期 2024 08 16 作者簡(jiǎn)介 楊柳 1987 男 碩士 工程師 主要從事工業(yè)自動(dòng)化設(shè)備設(shè)計(jì)與開(kāi)發(fā)方向的研究 E mail yangliuhpu 126 com 基于PLC的溫室作物三維表型試驗(yàn)裝置設(shè)計(jì) 楊 柳 浙江大華科技有限公司 浙江杭州311401 摘 要 隨著成像技術(shù)的進(jìn)步 植物圖像獲取技術(shù)促進(jìn)了高通量植物表型研究的發(fā)展 設(shè)計(jì)了一款基于可編程邏輯控制器 PLC 和 多相機(jī)的溫室作物三維表型試驗(yàn)裝置 該裝置可對(duì)溫室中的盆栽作物進(jìn)行高精度三維可見(jiàn)光成像和三維多光譜成像 該裝置可通 過(guò)手動(dòng) 自動(dòng) 上位機(jī)等方式對(duì)溫室中的不同植物進(jìn)行三維成像 克服了二維成像方式中葉片遮擋和深度信息缺失的問(wèn)題 保證了植 物結(jié)構(gòu)描述的準(zhǔn)確性 該裝置大幅節(jié)省了植物科研人員的科研時(shí)間 有效提高了工作效率 該裝置對(duì)植物科研工作者進(jìn)行高通量植 物表型研究具有重要意義 關(guān)鍵詞 可編程邏輯控制器 三維成像 上位機(jī) 相機(jī) 試驗(yàn)裝置 可見(jiàn)光 多光譜 中圖分類號(hào) TH 39 文獻(xiàn)標(biāo)志碼 A DOI 10 16086 j cnki issn1000 0380 2024080041 Design of Three Dimensional Phenotyping Test Device for Greenhouse Crops Based on PLC YANG Liu Zhejiang Dahua Technology Co Ltd Hangzhou 311401 China Abstract With advances in imaging technology plant image acquisition techniques have facilitated the development of high throughput plant phenotyping studies A three dimensional phenotyping test device for greenhouse crops based on programmable logic controller PLC and multi camera is designed The device can perform high precision three dimensional visible light imaging and three dimensional multispectral imaging of potted crops in greenhouses The device can image different plants in the greenhouse in three dimensions by manual automatic and upper computer etc which overcomes the problems of leaf occlusion and the lack of depth information in the two dimensional imaging method and ensures the accuracy of the description of the plant structure The device greatly saves the research time of plant researchers and effectively improves work efficiency The device is of great significance for plant researchers to conduct high throughput plant phenotyping studies Keywords Programmable logic controller PLC Three dimensional imaging Upper computer Camera Test device Visible light Multispectral 0 引言 植物表型是指反映植物細(xì)胞 組織 器官 植株和 群體結(jié)構(gòu)及功能特征的物理 生理和生化性狀 植物 表型的本質(zhì)是植物基因圖譜的三維表達(dá)及地域分異特 征和代際演進(jìn)規(guī)律 1 2 目前 歐美主要發(fā)達(dá)國(guó)家的政府和研究機(jī)構(gòu)都在 針對(duì)植物表型研究積極布局 還出臺(tái)了多項(xiàng)國(guó)家級(jí)的 研究計(jì)劃 3 6 澳大利亞國(guó)家植物表型研究設(shè)施 植物加速器造價(jià)2 656萬(wàn)美元 由4個(gè)140 m2的全自 動(dòng)溫室以及2套全自動(dòng)高通量植物三維成像系統(tǒng) Scanalyzer3D 組成 日本千葉kazusa DNA 研究院前沿 技術(shù)研究所開(kāi)發(fā)了1套半自動(dòng)三維植物表型模擬系 統(tǒng) 該系統(tǒng)采用自動(dòng)化傳輸裝置 高度集成化傳感器 和數(shù)據(jù)管理分析系統(tǒng) 每天可對(duì)至少數(shù)百株的植物進(jìn) 行無(wú)損 自動(dòng) 快速 高通量成像與數(shù)據(jù)解析 進(jìn)而實(shí)現(xiàn) 與遺傳變異等密切相關(guān)的植物動(dòng)態(tài)生長(zhǎng)發(fā)育表型數(shù)據(jù) 的監(jiān)測(cè) 量化和評(píng)估 這是深入挖掘作物 基因型 表 型 環(huán)境型 內(nèi)在關(guān)聯(lián)的有效途徑 7 9 采用室內(nèi)高通量種質(zhì)資源表型平臺(tái)進(jìn)行室內(nèi)試驗(yàn) 雖然不能提供土壤系統(tǒng)的真實(shí)性以及植物生物和非生 物脅迫的復(fù)雜性 但可通過(guò)對(duì)各種環(huán)境條件的精細(xì)調(diào) 控和對(duì)植物生長(zhǎng)發(fā)育條件的嚴(yán)格控制 定性 定量地研 究代表性或感興趣的植物對(duì)特定環(huán)境的響應(yīng) 這避免 第10期 基于PLC的溫室作物三維表型試驗(yàn)裝置設(shè)計(jì) 楊 柳 了基因型與自然環(huán)境相互作用引起的不可預(yù)測(cè)的表型 變異 并可針對(duì)植物生長(zhǎng)情況開(kāi)展復(fù)雜試驗(yàn)條件下的 模擬分級(jí)研究 10 12 此外 室內(nèi)試驗(yàn)可預(yù)先縮小數(shù) 千種基因型的范圍 為進(jìn)行田間試驗(yàn)評(píng)估真實(shí)生長(zhǎng)環(huán) 境下的作物性狀奠定了基礎(chǔ) 13 14 基于此 本文設(shè)計(jì)開(kāi)發(fā)1款基于可編程邏輯控制 器 programmable logic controller PLC 和多相機(jī)的溫室 作物高通量三維表型成像試驗(yàn)裝置 以用于植物科研 人員進(jìn)行植物表型研究 該裝置在實(shí)際應(yīng)用中可提升 作物產(chǎn)量以滿足社會(huì)對(duì)食品 纖維和燃料的需求 因此 具有重要意義 1 控制系統(tǒng)的方案設(shè)計(jì) 1 1 控制系統(tǒng)總體設(shè)計(jì) 控制系統(tǒng)主要由上位機(jī)控制系統(tǒng) PLC控制系統(tǒng) 和三維成像控制系統(tǒng)等組成 上位機(jī)控制系統(tǒng)主要由稱重傳感器 上下料工位 掃載具碼相機(jī) 掃花盆二維碼相機(jī) 澆水工位掃載具碼 相機(jī) 線體緩存工位掃載具碼相機(jī) 暗箱1入口掃載具 碼相機(jī) 暗箱2入口掃載具碼相機(jī)等組成 主要負(fù)責(zé)下 發(fā)不同的控制命令給PLC PLC收到上位機(jī)發(fā)送的指 令后執(zhí)行相應(yīng)的動(dòng)作流程 同時(shí)提供用戶操作界面 以 實(shí)現(xiàn)數(shù)據(jù)和圖像的收集 顯示和存儲(chǔ)等功能 PLC控制系統(tǒng)主要由4套倍速鏈條 分別由1 4 變頻器控制 4套十字分流 9套工位阻擋直流電 機(jī) 20套伺服電機(jī)系統(tǒng) 1個(gè)觸摸屏 若干光電開(kāi)關(guān)和 接近開(kāi)關(guān)等組成 PLC控制系統(tǒng)主要負(fù)責(zé)控制系統(tǒng)中 的執(zhí)行機(jī)構(gòu)動(dòng)作 以實(shí)現(xiàn)不同的操作流程 相關(guān)操作 流程包括上樣流程 試驗(yàn)測(cè)試流程 下樣流程 設(shè)備初 始化流程等 三維成像控制系統(tǒng)主要由9個(gè)可見(jiàn)光相機(jī) 1個(gè) 多光譜相機(jī) 1個(gè)紅綠藍(lán)深度 red green blue depth RGB D 相機(jī)光源及相機(jī)光源控制器等組成 三維成 像控制系統(tǒng)主要負(fù)責(zé)對(duì)試驗(yàn)過(guò)程中的植物進(jìn)行三維成 像 圖像存儲(chǔ) 三維算法重構(gòu)等 1 2 控制系統(tǒng)原理 PLC控制系統(tǒng)充當(dāng) 下位機(jī) 的角色 主要控制現(xiàn) 場(chǎng)設(shè)備的運(yùn)行 如啟動(dòng) 停止 調(diào)節(jié)速度等 以確保設(shè)備 的正常運(yùn)行 同時(shí)監(jiān)測(cè)設(shè)備狀態(tài) 及時(shí)發(fā)現(xiàn)并處理故 障 以確保生產(chǎn)過(guò)程的順利進(jìn)行 上位機(jī)控制系統(tǒng)主 要與1 11 視覺(jué)相機(jī) 掃碼相機(jī) 光源控制器 稱重傳 感器進(jìn)行連接 該系統(tǒng)的主要作用是控制相機(jī)拍照 控制相機(jī)光源強(qiáng)度 以及存儲(chǔ)圖像 植物重量等數(shù)據(jù) 同時(shí)向PLC下發(fā)控制命令 從而控制整個(gè)設(shè)備的動(dòng)作 流程 控制系統(tǒng)原理如圖1所示 圖1 控制系統(tǒng)原理圖 Fig 1 Schematic diagram of control system 2 控制系統(tǒng)硬件設(shè)計(jì) 2 1 直流無(wú)刷電機(jī)選型 考慮到試驗(yàn)室中沒(méi)有壓縮氣源的實(shí)際情況 本文 裝置中的線體阻擋機(jī)構(gòu)采用國(guó)產(chǎn)中大直流無(wú)刷電機(jī)阻 擋機(jī)構(gòu)代替氣缸阻擋機(jī)構(gòu) 該電機(jī)的型號(hào)為 Z62BLDPN2460 30S 62ZPN145 36 60 W 該電機(jī)采 用雙支撐結(jié)構(gòu)輸出軸 使齒輪箱的承載扭力大幅提高 太陽(yáng)輪與行星架采用花鍵聯(lián)接方式 大幅增強(qiáng)了內(nèi)部 齒輪箱承受扭矩 提高了整機(jī)的使用壽命 所選的低 壓直流無(wú)刷電機(jī)驅(qū)動(dòng)器型號(hào)為ZDRV C10 200L NP 該驅(qū)動(dòng)器具有以下特點(diǎn) 運(yùn)行方式采用閉環(huán)控制 控 制精度 0 5 加 減速度可通過(guò)鍵盤調(diào)節(jié) 調(diào)節(jié)范 圍為0 3 10 s 自帶電子剎車等功能 可實(shí)現(xiàn)快速電 磁制動(dòng) 具有完善的故障檢測(cè)及保護(hù)功能 當(dāng)欠壓 過(guò) 壓 過(guò)流 過(guò)載 堵轉(zhuǎn) 缺相 過(guò)溫等多種故障發(fā)生后 該 驅(qū)動(dòng)器根據(jù)故障類型進(jìn)行相應(yīng)的保護(hù)動(dòng)作 故障信息 可通過(guò)發(fā)光二極管 light emitting diode LED 或鍵盤 進(jìn)行顯示 111 自 動(dòng) 化 儀 表第46卷 2 2 PLC選型 系統(tǒng)控制器選用國(guó)產(chǎn)匯川Easy523 0808TN PLC EtherCAT總線型 網(wǎng)絡(luò)運(yùn)動(dòng)主機(jī) 雙網(wǎng)口支持級(jí)聯(lián) 該 PLC支持EtherCAT 總線 脈沖 總線最大32 軸 最大支 持72個(gè)EtherCAT從站 本體有2個(gè)擴(kuò)展卡槽 本地可擴(kuò) 展16 個(gè)模塊 PLC擴(kuò)展模塊及網(wǎng)絡(luò)布局如圖2所示 圖2 PLC 擴(kuò)展模塊及網(wǎng)絡(luò)布局圖 Fig 2 Diagram of PLC s expansion module and network layout 2 3 交流伺服電機(jī)選型 匯川SV630N系列的伺服控制系統(tǒng)具有快速 精 準(zhǔn) 方便易用的特點(diǎn) 同時(shí)使用的RJ45工業(yè)以太網(wǎng)線 可以快速連接 大幅減少了配線工作量 絕對(duì)值編碼器 電池直接附裝于驅(qū)動(dòng)器中 安裝及拆換方便 簡(jiǎn)單 而 且省去了限位開(kāi)關(guān)及原點(diǎn)開(kāi)關(guān) 編碼器具有高抗振性 且耐高溫 該系統(tǒng)中 伺服驅(qū)動(dòng)器選用型號(hào)分別為 SV630NS2R8I SV630NS1R6I SV630NS012I 伺服電機(jī) 選用型號(hào)分別為MS1H4 40B30CB T334R MS1H4 40B30CB T331R MS1H3 13C15CB T331R 2 4 稱重傳感器選型 上下料稱重掃碼綁定工位主要用于人工進(jìn)行上料 稱重 掃碼綁定 下料掃碼解綁 本文選用國(guó)產(chǎn)領(lǐng)威特 四線制傳感器 該傳感器型號(hào)為L(zhǎng)WT LAEA LWT1241 50 kg 量程為50 kg 精度等級(jí)為C5 輸送靈 敏度為 2 0 0 05 mV V 零點(diǎn)輸出為 0 05 mV V 溫度靈敏度漂移為0 02 F S 10 零點(diǎn)溫度漂移 為0 02 F S 10 工作溫度為 20 60 溫度 補(bǔ)償范圍為 10 40 防護(hù)等級(jí)為IP65 安全超載 為150 F S 輸入電阻為 405 10 輸出電阻為 350 3 絕緣電阻大于等于5 000 M 50 V DC 該傳感器綜合精度 穩(wěn)定性 性價(jià)比均高 且安裝簡(jiǎn)便 快速 2 5 掃碼相機(jī)選型 本文選用華睿R5000系列的智能讀碼儀 該讀 碼儀型號(hào)為R5016MG 12M WGG01 該讀碼儀有以下 特點(diǎn) 采用集成光源設(shè)計(jì) 紅 白 藍(lán)多色光源可選 多 路光源可獨(dú)立控制 多種不同焦距可選 支持電動(dòng)對(duì) 焦 有一鍵自動(dòng)對(duì)焦模式 千兆工業(yè)以太網(wǎng)接口 IP65 防護(hù)等級(jí)豐富的輸入 輸出 input output I O 接口 以 太網(wǎng) RS 232 通用輸入輸出 general purpose input output GPIO 口 支持多種通信協(xié)議 支持豐富的讀碼 類型 支持碼質(zhì)量評(píng)價(jià)內(nèi)置深度學(xué)習(xí)算法 支持多參數(shù) 輪詢 可保障多種以及復(fù)雜場(chǎng)景的識(shí)別效果 3 控制系統(tǒng)軟件設(shè)計(jì) 3 1 PLC程序設(shè)計(jì) 設(shè)備運(yùn)行前 需對(duì)系統(tǒng)中的伺服電機(jī) 直流無(wú)刷電 機(jī) 三相異步變頻器電機(jī) 接近開(kāi)關(guān) 光電開(kāi)關(guān)等進(jìn)行 開(kāi)機(jī)加電自檢初始化操作 初始化完成后 需人工進(jìn) 行花盆植物上樣流程 只有在上樣流程完成后 才可 進(jìn)行試驗(yàn)測(cè)試流程 211 第10期 基于PLC的溫室作物三維表型試驗(yàn)裝置設(shè)計(jì) 楊 柳 根據(jù)控制系統(tǒng)的要求 設(shè)計(jì)出的控制系統(tǒng)程序流 程如圖3所示 圖3 控制系統(tǒng)程序流程圖 Fig 3 Control system program flowchart 3 2 上位機(jī)軟件設(shè)計(jì) 上位機(jī)控制軟件與PLC進(jìn)行ModbusTCP通信 下 發(fā)不同的控制命令給PLC PLC驅(qū)動(dòng)相應(yīng)的執(zhí)行機(jī)構(gòu) 動(dòng)作 進(jìn)而實(shí)現(xiàn)對(duì)整個(gè)系統(tǒng)的控制與監(jiān)視 上位機(jī)控 制軟件界面主要包括主界面 三維可見(jiàn)光成像界面 三 維多光譜成像界面和植物澆水設(shè)置界面等 三維可見(jiàn)光成像控制界面和三維多光譜成像控制 界面分別如圖4和圖5所示 圖4 三維可見(jiàn)光成像控制界面 Fig 4 Three dimensional visible light imaging control interface 圖5 三維多光譜成像控制界面 Fig 5 Three dimensional multispectral imaging control interface 主界面 主界面是整個(gè)系統(tǒng)的控制中心 操作 人員通過(guò)操作不同的按鈕 向PLC下發(fā)不同控制指 令 相關(guān)指令包括開(kāi)機(jī)自檢指令 上樣流程指令 下樣 流程指令 開(kāi)始試驗(yàn)測(cè)試指令 停止指令等 三維可見(jiàn)光成像界面 三維可見(jiàn)光成像界面主 要用于對(duì)暗箱1中的三維可見(jiàn)光相機(jī)進(jìn)行參數(shù)設(shè)置和 成像控制方式設(shè)置 311 自 動(dòng) 化 儀 表第46卷 三維多光譜成像界面 三維多光譜成像界面主 要用于對(duì)暗箱2中的多光譜相機(jī)和RGB D相機(jī)進(jìn)行 參數(shù)設(shè)置和成像控制方式設(shè)置 植物澆水設(shè)置界面 植物澆水設(shè)置界面主要用 于對(duì)花盆中的植物是否需要進(jìn)行澆水 澆水量 mL 參 數(shù)進(jìn)行設(shè)置 3 3 試驗(yàn)測(cè)試原理 控制系統(tǒng)布局如圖6所示 圖6 控制系統(tǒng)布局圖 Fig 6 Layout diagram of control system 當(dāng)上樣流程完成后 人工用鼠標(biāo)左鍵點(diǎn)擊上位機(jī) 軟件主界面的 試驗(yàn)開(kāi)始 按鈕 設(shè)備自動(dòng)進(jìn)入試驗(yàn)測(cè) 試過(guò)程 載具到達(dá)澆水工位時(shí) PLC觸發(fā)澆水工位掃碼 相機(jī)掃碼 上位機(jī)獲取到載具條形后 通過(guò)查詢數(shù)據(jù) 庫(kù) 上料時(shí)載具條形碼與花盆二維碼已實(shí)現(xiàn)信息綁 定 便可知當(dāng)前花盆的信息狀態(tài) 并將信息狀態(tài)下發(fā) 給PLC 信息狀態(tài)包括是否需要澆水 是否已澆水 澆 水量 是否已測(cè)試完成等信息 PLC根據(jù)上位機(jī)發(fā)送的指令執(zhí)行澆水動(dòng)作 完 成后載具輸送到下1個(gè)工位 載具到達(dá)暗箱1入口緩存工位掃碼相機(jī)時(shí) 觸 發(fā)相機(jī)進(jìn)行拍照 上位機(jī)獲取到載具條形后 發(fā)送是 否需要進(jìn)行 三維可見(jiàn)光成像拍照 的指令給PLC 此后 載具被輸送至暗箱1工作位 若PLC收到需要進(jìn)行 三維可見(jiàn)光成像拍照試 驗(yàn) 信號(hào)時(shí) 上位機(jī)觸發(fā)三維可見(jiàn)光成像系統(tǒng)相機(jī)進(jìn) 行360 拍照成像 并將圖片數(shù)據(jù)記錄到工控機(jī)的硬盤 中 完成后若PLC收到 載具放行 信號(hào)時(shí) 載具放 行進(jìn)入下1個(gè)工位 載具到達(dá)箱體2入口緩存工位掃碼相機(jī)時(shí) 觸 發(fā)相機(jī)進(jìn)行拍照 上位機(jī)獲取到載具條形后 發(fā)送是 否需要進(jìn)行 三維光譜成像拍照 指令給PLC 此后 載具被輸送至暗箱體工作位 若PLC收到需要進(jìn)行 三維多光譜成像拍照試 驗(yàn) 信號(hào)時(shí) 上位機(jī)觸發(fā)三維多光譜成像系統(tǒng)相機(jī)進(jìn)行 360 拍照成像 并記錄到工控機(jī)的硬盤中 完成后若 PLC收到 載具放行 信號(hào)時(shí) 載具放行進(jìn)入下一工位 載具被輸送至倍速鏈條2中 重復(fù)步驟 步驟 直到所有載具上的花盆 植物試驗(yàn)測(cè)試結(jié)束 試驗(yàn)測(cè)試結(jié)束后 所有載具將全 部緩存在倍速鏈條2中 4 試驗(yàn)測(cè)試及數(shù)據(jù)分析 暗箱1 三維可見(jiàn)光成像模組內(nèi)部有9個(gè)拍照相 機(jī) 這9個(gè)相機(jī)均裝設(shè)在伺服移動(dòng)機(jī)構(gòu)上 可以分別 進(jìn)行水平方向和垂直方向的自動(dòng)調(diào)節(jié) 載有植物的載 具到達(dá)暗箱1 三維可見(jiàn)光成像模組時(shí) 頂升伺服機(jī)構(gòu) 411 第10期 基于PLC的溫室作物三維表型試驗(yàn)裝置設(shè)計(jì) 楊 柳 將載具頂升到位后保持靜止不動(dòng) 相機(jī)1 9 通過(guò)伺 服機(jī)構(gòu)自動(dòng)運(yùn)行到指定位置 此時(shí) 轉(zhuǎn)盤伺服在0 360 范圍內(nèi)作旋轉(zhuǎn)運(yùn)行 每旋轉(zhuǎn)一定的角度 上位機(jī) 系統(tǒng)控制相機(jī)1 9 對(duì)植物進(jìn)行拍照成像 直到完成 對(duì)植物360 的三維可見(jiàn)光拍照成像 暗箱2 三維多光譜成像模組內(nèi)部有2個(gè)拍照相 機(jī) 這2個(gè)相機(jī)分別為多光譜相機(jī)和RGB D相機(jī) 相機(jī)和光源可通過(guò)伺服進(jìn)行自動(dòng)調(diào)節(jié) 當(dāng)植物到達(dá)暗 箱2 三維多光譜成像模組的旋轉(zhuǎn)伺服機(jī)構(gòu)時(shí) 伺服機(jī) 構(gòu)帶動(dòng)植物在0 360 范圍內(nèi)作旋轉(zhuǎn)運(yùn)動(dòng) 需要注意 的是 植物會(huì)跟隨旋轉(zhuǎn)伺服作旋轉(zhuǎn)運(yùn)動(dòng) 每旋轉(zhuǎn)一定 的角度 上位機(jī)系統(tǒng)控制多光譜相機(jī)和RGB D相機(jī)對(duì) 植物進(jìn)行拍照成像 直到完成對(duì)植物360 的三維光譜 拍照成像 三維成像試驗(yàn)測(cè)試數(shù)據(jù) 每次旋轉(zhuǎn)10 如表1 所示 表1 三維成像試驗(yàn)測(cè)試數(shù)據(jù) 每次旋轉(zhuǎn)10 Tab 1 Three dimensional imaging test datas 10 per rotation 項(xiàng)目 每次旋轉(zhuǎn) 角度 單個(gè)植株 旋轉(zhuǎn)總角度 轉(zhuǎn)盤速度 s 轉(zhuǎn)盤伺服 轉(zhuǎn)動(dòng)1次 時(shí)間 s 轉(zhuǎn)盤伺服 減速比 暗箱相機(jī) 數(shù)量 個(gè) 旋轉(zhuǎn)到位 等待時(shí)間 s 圖像數(shù)量 張 單個(gè)植株 耗時(shí) s 重建效率 s 幅 三維可見(jiàn)光成像10 360 15 0 67 265 714 9 2 5 324 145 32 0 45 三維多光譜成像10 360 15 0 67 40 000 2 2 5 72 132 00 1 83 由表1可知 在重建效率方面 三維可見(jiàn)光成像效 率比三維多光譜成像效率高 這是因?yàn)槿S可見(jiàn)光成 像模組配置的相機(jī)數(shù)量比三維多光譜成像模組多 在 單個(gè)植物耗時(shí)方面 三維可見(jiàn)光成像比三維多光譜成 像耗時(shí)長(zhǎng) 三維成像試驗(yàn)測(cè)試數(shù)據(jù) 每次旋轉(zhuǎn)5 如表2所示 表2 三維成像試驗(yàn)測(cè)試數(shù)據(jù) 每次旋轉(zhuǎn)5 Tab 2 Three dimensional imaging test datas 5 per rotation 項(xiàng)目 每次旋轉(zhuǎn) 角度 單個(gè)植株 旋轉(zhuǎn)總角度 轉(zhuǎn)盤速度 s 轉(zhuǎn)盤伺服 轉(zhuǎn)動(dòng)1次 時(shí)間 s 轉(zhuǎn)盤伺服 減速比 暗箱相機(jī) 數(shù)量 個(gè) 旋轉(zhuǎn)到位 等待時(shí)間 s 圖像數(shù)量 張 單個(gè)植株 耗時(shí) s 重建效率 s 幅 三維可見(jiàn)光成像5 360 15 0 33 265 714 9 2 5 648 266 64 0 41 三維多光譜成像5 360 15 0 33 40 000 2 2 5 144 281 04 1 95 由表1和表2可知 通過(guò)改變每次旋轉(zhuǎn)角度參數(shù) 可以獲取不同圖像 在實(shí)際試驗(yàn)測(cè)試過(guò)程中發(fā)現(xiàn) 通 過(guò)改變轉(zhuǎn)盤速度和旋轉(zhuǎn)到位等待時(shí)間參數(shù) 可以改變 獲取圖像的清晰度 值得注意的是 每次旋轉(zhuǎn)角度 轉(zhuǎn) 盤速度 旋轉(zhuǎn)到位等待時(shí)間 以及相機(jī)的數(shù)量 角度 位 置需根據(jù)實(shí)際植物的株型結(jié)構(gòu)進(jìn)行調(diào)整 并需經(jīng)過(guò)多 次反復(fù)測(cè)試 以選擇最佳配置 5 結(jié)論 本文設(shè)計(jì)的基于PLC和多相機(jī)的溫室作物高通 量三維表型成像試驗(yàn)裝置是1款高精度 高通量 自動(dòng) 化植物表型研究平臺(tái) 適用于原位或培養(yǎng)容器中小中 型尺寸的植物研究 暗箱1 三維可見(jiàn)光成像模組和 暗箱2 三維光譜成像模組中的伺服移動(dòng)機(jī)構(gòu)根據(jù)用 戶自定義的運(yùn)行和測(cè)量程序?qū)⒁曈X(jué)拍照相機(jī)直接移動(dòng) 到要測(cè)量的植物上方 從而對(duì)植物進(jìn)行快速三維成像 本文采用以多相機(jī)為基礎(chǔ)的成像方式為三維植物重構(gòu) 和對(duì)植物進(jìn)行表型研究奠定了基礎(chǔ) 三維成像方式不 但克服了二維成像方式中葉片遮擋和深度信息缺失的 問(wèn)題 保證了植物結(jié)構(gòu)描述的準(zhǔn)確性 而且構(gòu)建了相機(jī) 與植物的空間關(guān)系 從而提升了表型數(shù)據(jù)的穩(wěn)定性 植物表型研究平臺(tái)在高通量條件下對(duì)植物進(jìn)行無(wú)損分 析 植物在整個(gè)生命周期中被多次成像 所有植物都 通過(guò)條形碼標(biāo)記 整個(gè)生長(zhǎng)發(fā)育階段表現(xiàn)數(shù)據(jù)都可定 期進(jìn)行測(cè)量 這加快了高通量植物表型研究的發(fā)展 進(jìn)程 參考文獻(xiàn) 1 楊文慶 劉天霞 唐興萍 等 智慧農(nóng)業(yè)背景下的植物表型組學(xué) 研究進(jìn)展 J 河南農(nóng)業(yè)科學(xué) 2022 51 7 1 12 2 趙春江 植物表型組學(xué)大數(shù)據(jù)及其研究進(jìn)展 J 農(nóng)業(yè)大數(shù)據(jù)學(xué) 報(bào) 2019 1 2 5 18 3 GRANIER C VILE D Phenotyping and beyond modelling the relationships between traits J Current Opinion in Plant Biology 2014 18 96 102 4 程曼 袁洪波 蔡振江 田間作物高通量表型信息獲取與分析技 術(shù)研究進(jìn)展 J 農(nóng)業(yè)機(jī)械學(xué)報(bào) 2020 51 S1 314 324 5 JOSHI S THODAY KENNEDY E DAETWYLER H D et al High throughput phenotyping to dissect genotypic differences in safflower for drought tolerance J PLoS One 2021 16 7 e0 254 908 下轉(zhuǎn)第121頁(yè) 511 第10期 基于多特征圖像拼接算法的車載感知系統(tǒng)設(shè)計(jì) 李子賢 等 路和車輛將進(jìn)行智能化和網(wǎng)聯(lián)化的耦合發(fā)展 這不僅 可以對(duì)車輛和行人等道路環(huán)境進(jìn)行感知 也可以對(duì)交 通燈進(jìn)行識(shí)別 以作為闖紅燈的警告 4 3 實(shí)車試驗(yàn) 為了驗(yàn)證本文算法能否完成商用車環(huán)境感知以及 是否達(dá)到對(duì)目標(biāo)識(shí)別預(yù)警的要求 還需要進(jìn)行實(shí)車試 驗(yàn) 試驗(yàn)采用某公司的商用車乘龍H7進(jìn)行相關(guān)的實(shí) 車數(shù)據(jù)采集 并在車前欄進(jìn)氣口以及兩側(cè)后視鏡處均 分別安裝相應(yīng)的攝像頭 實(shí)車道路預(yù)警結(jié)果對(duì)比如 表2所示 表2 實(shí)車道路預(yù)警結(jié)果對(duì)比 Tab 2 Comparison of real vehicle road early warning results 道路 環(huán)境算法 里程數(shù) km 總預(yù)警數(shù) 個(gè) 漏預(yù)警數(shù) 個(gè) 誤預(yù)警數(shù) 個(gè) 城鎮(zhèn)傳統(tǒng)算法257 156 13 9 本文算法257 179 7 5 國(guó)道傳統(tǒng)算法438 392 25 8 本文算法438 406 16 3 在相同的道路場(chǎng)景以及里程數(shù)下 本文算法相比 傳統(tǒng)算法 商用車普通感知算法 城鎮(zhèn)路況漏預(yù)警數(shù) 減少了46 2 誤預(yù)警數(shù)減少了36 國(guó)道路況漏預(yù) 警數(shù)減少了44 4 誤預(yù)警數(shù)減少了62 5 相比于 傳統(tǒng)算法 本文算法在準(zhǔn)確率以及識(shí)別精度上都有一 定的優(yōu)勢(shì) 5 結(jié)論 本文設(shè)計(jì)了1種基于目標(biāo)定位和復(fù)合特征的商用 車車載感知系統(tǒng) 該系統(tǒng)包括特征提取 圖像拼接以 及識(shí)別模塊 具有對(duì)車身四周目標(biāo)進(jìn)行識(shí)別和預(yù)警的 功能 首先 該系統(tǒng)對(duì)于經(jīng)過(guò)預(yù)處理的原圖像和待拼 接圖像 采用邊緣角點(diǎn)算法進(jìn)行目標(biāo)區(qū)域定位 生成包 含低維SIFT的特征點(diǎn)集以進(jìn)行圖像配準(zhǔn) 然后對(duì)可拼 接的圖像進(jìn)行融合 采用YOLOv5算法對(duì)融合后圖像 進(jìn)行識(shí)別 識(shí)別出預(yù)設(shè)的目標(biāo)后即完成環(huán)境感知的目 標(biāo) 試驗(yàn)結(jié)果表明 與采用傳統(tǒng)算法的感知系統(tǒng)相比 該系統(tǒng)的圖像拼接精度提升了約15 耗時(shí)減少了約 90 實(shí)車試驗(yàn)驗(yàn)證 該系統(tǒng)能夠準(zhǔn)確識(shí)別車身四周 目標(biāo) 使漏預(yù)警率和誤預(yù)警率均有一定程度降低 參考文獻(xiàn) 1 LOWE D G Distinctive image features from scale invariant keypoints J International Journal of Computer Vision 2004 60 2 91 110 2 侯宏錄 李媛 李光耀 改進(jìn)SIFT匹配的動(dòng)態(tài)背景下運(yùn)動(dòng)目標(biāo) 檢測(cè)算法 J 自動(dòng)化儀表 2019 40 8 60 64 3 ZAHRA H N NASRI M An adaptive image registration method based on SIFT features and RANSAC tranform J Computers and Electrical Engineering 2017 62 524 537 4 SU M Z MA Y ZHANG X F et al MBR SIFT a mirror reflected invariant feature descriptor using a binary representation for image matching J PLoS ONE 2017 12 5 e0178090 5 AI D N HAN X H DUAN G F et al Global selection vs local ordering of color SIFT independent components for object scene classification J IEICE Transactions on Information and Systems 2011 94 9 1 800 1 808 6 ZHU Y X SAMUEL C VLADIMIR S et al Image registration using BP SIFT J Journal of Visual Communication Image Representation 2013 24 4 448 457 7 夏振港 華德正 張旭 等 基于改進(jìn)SIFT算法的胃部圖像拼接 方法研究 J 自動(dòng)化儀表 2022 43 9 56 61 8 陳艷麗 劉靜 張祺 等 應(yīng)用于PCB焊接檢測(cè)的圖像拼接算法 研究 J 自動(dòng)化儀表 2023 44 8 96 98 105 9 馬領(lǐng)月 潘禹 杜必強(qiáng) 基于改進(jìn)Harris SIFT算法的立體匹 配 J 電子科學(xué)技術(shù) 2017 4 45 49 10 MAHAMDIOUA M BENMOHAMMED M Automatic adaptation of SIFT for robust facial recognition in uncontrolled lighting conditions J IET Computer Vision 2018 12 5 623 633 11 RIO A SHINJI E CHIKAMUNE W Improved YOLOv5 based light weight object detection algorithm for people with visual impairment to detect buses J Applied Sciences 2023 13 9 5 802 12 王鵬飛 黃漢明 王夢(mèng)琪 改進(jìn)YOLOv5的復(fù)雜道路目標(biāo)檢測(cè)算 法 J 計(jì)算機(jī)工程與應(yīng)用 2022 58 17 81 92 上接第115頁(yè) 6 徐凌翔 陳佳瑋 丁國(guó)輝 等 室內(nèi)植物表型平臺(tái)及性狀鑒定研 究進(jìn)展和展望 J 智慧農(nóng)業(yè) 中英文 2020 2 1 23 42 7 PIERUSCHKA R SCHURR U Plant phenotyping past present and future J Plant Phenomics 2019 3 1 6 8 ROITSCH T CABRERA BOSQUET L FOURNIER A et al New sensors and data driven approaches a path to next generation phenomics J Plant Science 2019 282 2 10 9 SINGH A JONES S GANAPATHY SUBRAMANIAN B et al Challenges and opportunities in machine augmented plant stress phenotyping J Trends in Plant Science 2021 26 1 53 69 10 徐凌翔 陳佳瑋 丁國(guó)輝 等 室內(nèi)植物表型平臺(tái)及性狀鑒定研 究進(jìn)展和展望 J 智慧農(nóng)業(yè) 2020 2 1 23 42 11 YANG W FENG H ZHANG X et al Crop phenomics and high throughput phenotyping past decades current challenges and future perspectives J Molecular Plant 2020 13 2 187 214 12 LANGSTROFF A HEUERMANN M C STAHL A et al Opportunities and limits of controlled environment plant phenotyping for climate response traits J Theoretical and Applied Genetics 2021 135 1 1 16 13 何勇 李禧堯 楊國(guó)峰 等 室內(nèi)高通量種質(zhì)資源表型平臺(tái)研究 進(jìn)展與展望 J 農(nóng)業(yè)工程學(xué)報(bào) 2022 38 17 127 141 14 張文麒 基于多視角圖像的植物三維表型獲取及自動(dòng)解析技術(shù) 研究 D 上海 上海海洋大學(xué) 2023 121