温室穴盘苗自动移钵路径优化.pdf

第 36 卷 第 15 期 农 业 工 程 学 报 Vol 36 No 15 2020 年 8 月 Transactions of the Chinese Society of Agricultural Engineering Aug 2020 65 温室穴盘苗自动移钵路径优化 张丽娜 谭 彧 吕昊暾 李宝胜 蒋易宇 王 硕 中国农业大学工学院 北京 100083 摘 要 为了优化移栽机补栽作业时的移钵路径 该研究基于免疫算法构建了克隆选择算法和免疫遗传算法 2 种适合求 解移钵路径优化问题的模型 并与固定顺序法和遗传算法对比 进行移钵路径规划仿真试验和验证试验 结果表明 克 隆选择算法模型和免疫遗传算法模型均能有效优化移钵路径 免疫遗传算法模型的路径规划效率较高 而克隆选择算法 模型的路径规划效率较低 验证试验条件下 该研究 2 种模型的路径规划长度分别为 48 977 和 48 945 mm 相比固定顺 序法分别缩短 7 59 和 7 65 相比遗传算法模型分别缩短 3 60 和 3 66 2 种模型的计算时间分别为 5 86 和 2 72 s 免疫遗传算法模型的计算时间相对遗传算法减少 15 79 免疫遗传算法模型可作为温室穴盘苗后续机械化批量补栽的路 径规划控制基础 关键词 温室 穴盘苗 优化 自动移栽 路径规划 克隆选择算法 免疫遗传算法 doi 10 11975 j issn 1002 6819 2020 15 008 中图分类号 S24 文献标志码 A 文章编号 1002 6819 2020 15 0065 08 张丽娜 谭彧 吕昊暾 等 温室穴盘苗自动移钵路径优化 J 农业工程学报 2020 36 15 65 72 doi 10 11975 j issn 1002 6819 2020 15 008 http www tcsae org Zhang Lina Tan Yu Lyu Haotun et al Optimization of automatic transplanting path for plug seedlings in greenhouse J Transactions of the Chinese Society of Agricultural Engineering Transactions of the CSAE 2020 36 15 65 72 in Chinese with English abstract doi 10 11975 j issn 1002 6819 2020 15 008 http www tcsae org 0 引 言 温室穴盘育苗技术改变了传统生产方式和种植制 度 提高了经济效益 已被广泛应用 1 5 在工厂机械化 育苗生产中 成苗率约为 80 95 6 其中播种机漏播 种子未发芽以及畸形苗统称为劣质钵苗 针对穴盘中的 劣质钵苗 需进行剔除 并对其进行健康钵苗补栽作业 否则会导致后续机械化批量移栽时出现栽空或漏栽 钵 苗移栽机器人对劣质钵苗进行剔除后 需逐一抓取移栽 穴盘内的健康钵苗进行补栽 移钵路径 即补栽路径 具有多选择性 对移钵路径进行优化能够有效降低末端 执行器的行走距离 提高工作效率 童俊华等 6 7 采用遗传算法对穴盘苗移钵路径进行优 化 但对于穴盘穴孔数目较多的情况 该算法计算时间 较长 7 规划效果有待提高 此后童俊华等 7 又采用贪心 算法对移栽路径进行优化 贺磊盈等 8 9 采用贪心遗传算 法对穴盘苗移钵路径进行近似最优规划 相比于固定顺 序法 路径规划长度有所降低 徐守江等 10 11 基于蚁群 算法和混合蛙跳算法对穴盘苗移钵路径进行优化 虽然 已有部分学者对穴盘苗移钵路径进行了研究 但路径规 划效果仍有待进一步提高 温室穴盘苗移钵路径优化问题类似于旅行商问题 收稿日期 2020 03 11 修订日期 2020 07 22 基金项目 国家重点研发计划 2016YFD0700302 作者简介 张丽娜 博士生 主要从事机电一体化研究 Email 2271426674 通信作者 吕昊暾 博士 讲师 主要从事机电一体化研究 Email lvhaotun Traveling Saleman Problem TSP 免疫算法被广泛用 于解决 TSP 问题 12 13 本文借鉴免疫算法求解 TSP 问题 的思路 分别基于免疫克隆选择算法 Clonal Selection Algorithm CSA 和免疫遗传算法 Immune Genetic Algorithm IGA 构建了 2 种适于求解穴盘苗移钵路径 优化问题的模型 并进行仿真试验和实际验证试验 以 确定最佳的路径优化模型 为后续温室穴盘苗的机械化 批量补栽提供路径规划控制基础 1 移钵作业过程 钵苗自动移栽机主要由穴盘苗输送系统 机器视觉 识别系统 控制系统 移钵系统组成 如图 1 所示 通 过 4个系统的协同作业依次完成劣质钵苗的识别与定位 劣质钵苗剔除和健康钵苗补栽作业 14 18 1 穴盘苗输送系统 2 机器视觉识别系统 3 控制系统 4 移钵系统 1 Plug seedling conveying system 2 Machine vision recognition system 3 Control system 4 Seedling transplanting system 图 1 钵苗移栽机结构简图 Fig 1 Structure diagram of seedling transplanter 农业工程学报 http www tcsae org 2020 年 66 常用的穴盘尺寸为 250 mm 500 mm 规格以穴孔数 量 G 其中 G 50 72 128 定义 6 图 2 是一个 50 穴 孔规格的穴盘 下文简称 50 穴孔穴盘 示意图 目的穴 盘中的空穴代表需要补栽的位置 移栽穴盘中的健康钵 苗用于补栽作业 移钵路径优化即是对移栽穴盘中的健 康钵苗进行选取 然后确定补栽顺序 以保证移栽机械 臂的运动路径最短 图 2 50穴孔穴盘示意图 Fig 2 Diagram of 50 hole plug tray 目前工程上主要采用固定顺序法 7 Common Sequence Method CSM 进行移钵作业 从移栽穴盘中按从上往 下 从左至右的顺序取苗 再将钵苗按从上至下 从右 至左的顺序移入到目的穴盘的空穴中去 而不对移钵路 径进行比较选择 目的穴盘中劣质钵苗是随机分布的 剔除后的空穴 需要进行补栽 移栽穴盘中健康钵苗具有多选择性 因 此 移栽穴盘中健康钵苗向目的穴盘中的空穴补栽时 存在多种移钵路径 假设移栽穴盘内可供移栽的健康钵 苗为 N 1 株 目的穴盘中需随机补栽的空穴为 N 2 个 1 N 2 N 1 G 此时可 供选择 的移钵 路径共 有 N 1 N 2 N 1 N 2 种 移栽机械臂在不同路径下的运动 距离不同 移钵距离越短工作效率越高 因此有必要寻 求一条最短距离的移钵路径 若采用普通的遍历方法 6 寻求最短路径 对计算机的运行速度和内存要求很高 普通计算机难以满足要求 有必要设计一种更合理的求 解最优移钵路径的方法 2 移钵路径优化模型构建 免疫算法 19 20 是基于生物免疫系统识别抗原并产生 抗体对抗抗原的学习机制提出的智能算法 本文基于免 疫算法原理构建出了 2 种移钵路径优化求解的免疫算法 模型 克隆选择算法模型和免疫遗传算法模型 2 1 基于克隆选择算法的移钵路径优化模型 克隆选择算法 Clone Selection Algorithm CSA 是 一种基于免疫系统的克隆选择原理形成的搜索算法 具 有较强的全局搜索能力 21 22 针对移钵路径优化 设计 克隆选择算法模型的实现过程如下 1 识别待优化问题及约束条件 移钵路径优化问题 可以描述为 从原点出发 选取移栽穴盘中健康钵苗 依次对目的穴盘中的空穴进行补栽 补栽完成后回到原 点 要求移钵路径距离最短 且应保证目的穴盘中的空 穴被全部补栽 移栽穴盘中的每株健康钵苗能且只能被 移栽 1 次 移栽总量与目的穴盘中空穴数目相等 2 随机生成抗体群 抗体规模为 M 个 每个抗体各 对应一种可行路径 抗体基因即路径编码采用实数编码 的形式 编码长度 length 取决于目的穴盘中待补钵苗的 数量 N 2 即 length 2 N 2 参考文献 6 的编码方式 按照 从左至右 从下至上的顺序对目的穴盘中的空穴和移栽 穴盘中的健康钵苗依次进行编码 如 N 1 36 N 2 4 则其 中一个抗体的编码可表示为 4 1 9 3 12 4 36 2 3 抗体与抗原之间的亲和度应能反应抗体与抗原的 匹配程度 本文针对移钵路径优化设计抗体与抗原之间 的亲和度函数 fit i 如公式 1 所示 1 fit len i i 1 其中 len i 代表第 i 个抗体的路径总长 mm 4 定义亲和度最大的 M 2 个抗体为成功识别抗原的 抗体 选择这部分抗体作为克隆源依次进行克隆 每个抗 体克隆 N个 以公式 1 计算出的亲和度为依据 按照轮 盘赌选择法对克隆体进行变异操作 生成新的移钵路径 5 比较克隆源与变异抗体的亲和度 仅保留亲和度 最高的抗体 即移钵路径最短的抗体 进入新的抗体种 群 克隆抑制后种群个数减少为 M 2 个 为了增加抗体 的多样性 扩大搜索范围 继续随机生成 M 2 个新的抗 体 与克隆抑制后的抗体合并形成新的抗体群 该模型的实现流程如图 3 所示 图 3 克隆选择算法模型流程图 Fig 3 Flow chart of Clonal Selection Algorithm CSA model 2 2 基于免疫遗传算法的移钵路径优化模型 Wang等 23 25 将免疫算子引入遗传算法中 提出了一 种免疫遗传算法 解决了遗传算法的早熟收敛问题 具 有较强的寻优能力 本文针对移钵路径优化 设计免疫 遗传算法模型的实现过程如下 1 随机生成抗体群 该抗体群由普通抗体和记忆细 胞组成 抗体规模为 M 个 其中普通抗体规模为 M 1 个 第 15 期 张丽娜等 温室穴盘苗自动移钵路径优化 67 记忆细胞规模为 M 2 个 模型初始化时 记忆细胞库中的 抗体与普通抗体相同 都通过随机方式产生 2 计算抗体的期望繁殖率 每个抗体的期望繁殖率 exc i 由抗体与抗原的亲和度 fit i 和抗体的浓度 con i 共 同决定 26 1 1 fit con exc ps 1 ps fit con M M i i i i i i i 2 式中 ps为多样性评价参数 常取为 0 95 27 进行抗体浓度计算的前提是计算抗体与抗体之间 的亲和度 免疫遗传算法中常用基于海明距离的计算方 法 基于信息熵的计算方法和基于欧式距离的计算方 法 但以上 3 种方法均存在计算量大 路径规划效率低 的问题 28 且不适用于移钵路径优化问题 本文对抗体与抗体间亲和度计算方法进行改进 采 用 R 位连续法 29 设计抗体间的亲和度 S ij 计算函数 如公 式 3 所示 1 2 length ij ij R i j M S 3 式中 length 为抗体编码长度 R ij 为抗体 i 与抗体 j 的路径 编码的最长公共基因个数 例如 3 个抗体的路径编码分别为 4 1 9 3 12 4 26 2 4 1 9 2 7 4 8 3 和 36 2 6 3 12 4 8 1 则抗体 1 与抗体 2 抗体 1 与抗体 3 抗体 2 与抗体 3的最长公共基因个数分别为 3个 4 1 9和 4 1 9 3 个 3 12 4 和 3 12 4 和 2 个 4 8和 4 8 其亲和度 S 12 S 13 S 23 分别为 0 375 0 375 和 0 25 当 2 个抗体的亲和度高于某个阈值 即 2 个路径编 码的最长公共基因个数与编码长度的比值高于某个阈值 时 认为 2 个抗体相似 若抗体 i 与抗体 j 相似 则抗体 j 必与抗体 i 相似 故抗体相似具有对称性 基于此 本 文采用一种基于相似浓度矩阵的抗体浓度计算方法 30 可有效减少计算量 其具体方法为 定义一个大小为 M M 的相似浓度矩阵 C C ij 代表抗 体 i 和抗体 j 的相似度 C ij 为 1 则代表抗体 i 和抗体 j 相 似 为 0 则不相似 如公式 4 相似浓度矩阵 C的第 i 行表示抗体 i 与群体中所有抗体 包括自身 的相似关 系 抗体 i 的浓度 con i 可通过公式 5 计算得到 由于 抗体相似具有对称性 因此 C ij C ji 1 1 0 else ij ij ji T S C C 4 式中 T 为预先设定的一个阈值 本文设计 T 为一个变量 与抗体编码长度有关 由公式 6 计算得到 2 1 con N ij j i C 5 2 length 3 T 6 分析可知 对于 C 的 M 2 个元素来说 只需计算 M M 1 2 个元素就可完成 C的计算 即抗体浓度的计算 量减少 算法的运行速度提高 3 保留精英路径 为了避免与抗原亲和度最高的抗 体因其浓度高受到抑制 导致最优解丢失 采用精英保 留策略 选取与抗原亲和度最高的 s个抗体放入记忆细胞 库 然后按照抗体的期望繁殖率 选取 M 2 s 个抗体放入 记忆细胞库 4 以式 2 计算出的期望繁殖率为依据 采用轮 盘赌选择法对抗体进行单点交叉和变异操作 并针对移 钵路径的特殊性进行去重和替换操作 6 得到新抗体 新 抗体与记忆库中的精英抗体合并 形成新种群 该模型的实现流程如图 4 所示 图 4 免疫遗传算法模型流程图 Fig 4 Flow chart of Immune Genetic Algorithm IGA model 3 仿真试验与结果分析 为了测试本文设计的 2 种优化模型的有效性和工作 性能 进行移钵路径规划仿真试验 仿真环境为 MATLAB R2013b 通过预试验对一些关键参数进行确定 设定克 隆选择算法模型中种群规模为 40 迭代次数为 50 变异 概率为 0 4 克隆个数为 10 个 免疫遗传算法模型中种群 总规模为 40 其中记忆细胞库容量为 10个 迭代次数为 50 交叉概率为 0 5 变异概率为 0 4 参考文献 27 多样 性评价参数为 0 95 参考文献 6 移栽穴盘和目的穴盘 的间距设定为 100 mm 3 1 试验方案 3 1 1 有效性验证试验 为验证本文设计的 2 种优化模型的有效性 以文献 6 文献 10 和文献 11 中的 1 组经典移钵实例进行路径 规划对比试验 目的穴盘和移栽穴盘均为 50 穴孔穴盘 目的穴盘中劣质钵苗的数量为 4 株 移栽穴盘中健康钵 苗的数量为 36 株 目的穴盘和移栽穴盘中钵苗分布如图 5a 所示 文献 6 文献 10 和文献 11 分别采用遗传算法 蚁群算法和蛙跳算法 3 1 2 随机对比试验 为了进一步对比本文所设计 2 种模型与其他经典算 法之间的优劣性 选择固定顺序法 Common Sequence 农业工程学报 http www tcsae org 2020 年 68 Method CSM 和遗传算法 Genetic Algorithm GA 以路径规划长度和计算时间为指标展开对比试验 其中 遗传算法是指文献 6 所用算法 遗传算法涉及路径优化 和计算时间 而固定顺序法作为最基本的移钵方法 对 于确定的移钵情况 其路径是固定的 无需计算 不涉及 计算时间 因此在进行试验结果对比时 固定顺序法只参 与路径规划长度对比 不参与计算时间对比 穴盘苗补栽时 移栽穴盘和目的穴盘中的劣质钵苗 数量 空穴数 是随机的 在穴盘规格的 5 20 范围 内 6 位置也是随机分布在穴盘中的 选取 50 72 和 128 穴孔穴盘进行移钵路径规划仿真试验 目的穴盘和移栽 穴盘的规格一致 移钵数量人为设置 位置随机 以移 栽穴盘内健康钵苗全部移完为 1 组试验 1 个移栽穴盘约 向 5 10 个目的穴盘进行补栽 各组试验中均进行多次 路径规划 将多次路径规划长度和计算时间累加作为各 组试验的结果 3 种规格的穴盘分别进行 5 组试验 每组 试验的移钵数量如表 1 所示 如表 1 所示 50 穴孔穴盘 的第 1 组试验中 移栽穴盘中健康钵苗的数量为 41 株 共向 5 个目的穴盘进行了补栽 50 穴孔穴盘的第 2 组试 验中 移栽穴盘中健康钵苗的数量为 43 株 共向 6 个目 的穴盘进行了补栽 因 128 穴孔穴盘含钵苗数量多 计算量大 迭代次 数为 50 时 2 种优化模型的收敛曲线不平稳 路径规划长 度仍有较大优化空间 故本试验中将迭代次数设置为 80 表 1 随机对比试验的移钵数量 Table 1 Number of transplanted seedlings of random comparison tests 目的穴盘序号 Objective plug tray No 穴盘规格 Plug tray size 试验组 Test groups 1 2 3 4 5 6 7 8 9 10 总计 Total 1 10 8 9 8 6 41 2 8 5 6 4 10 10 43 3 3 7 9 6 5 5 10 45 4 3 4 4 5 6 7 8 10 47 50 穴孔 50 hole 5 10 8 7 7 9 3 5 49 1 9 14 8 10 5 12 58 2 10 4 9 7 11 13 6 60 3 12 5 8 14 6 5 5 7 62 4 4 9 7 11 13 6 8 6 64 72 穴孔 72 hole 5 8 11 5 7 6 9 12 8 66 1 26 15 9 5 14 16 7 10 102 2 7 13 6 25 8 18 11 12 6 106 3 9 6 14 21 15 17 20 8 110 4 10 17 6 22 8 16 11 18 6 114 128穴孔 128 hole 5 13 9 22 7 6 12 14 20 8 7 118 注 表示移栽穴盘中健康钵苗已被移完 目的穴盘补栽结束 Note means that all healthy seedlings in transplant tray had been transplanted and objective plug tray replanting had been done 3 2 仿真试验结果与分析 3 2 1 有效性验证试验结果与分析 表 2 为有效性验证试验结果 由表 2 可知 2 种模型 得到的最优路径长度均为 2 914 mm 略优于遗传算法 与蚁群算法和蛙跳算法的规划效果一致 克隆选择算法 免疫遗传算法 遗传算法和蚁群算法的平均计算时间分 别为 0 61 0 24 0 65 和 0 54 s 克隆选择算法与遗传算 法的计算时间相近 免疫遗传算法明显优于遗传算法和 蚁群算法 且优于基于克隆选择算法 表明本文所设计 的 2 种模型均能有效完成路径规划 且路径规划效果较 好 图 5 为本文设计的 2 种优化模型的路径规划结果和 收敛曲线 由图 5 可知 在该组试验中 本文所设计的 2 种模型均能在 50代内快速收敛 规划的路径长度较稳定 表明 2 种模型性能稳定 表 2 不同算法下经典移钵实例的仿真结果对比 Table 2 Simulation results comparison of classic case of seedling transplanting in different algorithms 算法 Algorithms 最优路径长度 Optimal path length mm 平均计算时间 Average calculation time s CSM 3 004 GA 2 930 0 65 ACO 2 914 0 54 SFLA 2 914 CSA 2 914 0 61 IGA 2 914 0 24 注 CSM 指固定顺序法 GA 指文献 6 的遗传算法 ACO 指文献 10 的蚁 群算法 SFLA 指文献 11 的蛙跳算法 CSA 指本文的克隆选择算法 IGA 指本文的免疫遗传算法 指文献中无此数据 Note CSM refers to the Common Sequence Method GA refers to the Genetic Algorithm used in literature 6 ACO refers to the Ant Colony Algorithm used in literature 10 SFLA refers to the Leapfrog Algorithm used in literature 11 CSA refers to the Clone Selection Algorithm model designed in this paper IGA refers to the Immune Genetic Algorithm model designed in this paper refers to the data not mentioned in the literatures 3 2 2 随机对比试验结果与分析 图 6 为 50 72 和 128 穴孔穴盘仿真试验的路径规划 长度对比 由图 6 可知 在 3 种规格穴盘的各组试验中 克隆选择算法模型和免疫遗传算法模型路径规划长度相 近 相比于固定顺序法和遗传算法模型明显缩短 根据 试验结果 进一步计算得到固定顺序法 遗传算法模型 克隆选择算法模型和免疫遗传算法模型在 50穴孔穴盘仿 真试验的路径规划长度总计分别为 191 843 179 910 174 750 和 174 755 mm 在 72 穴孔穴盘仿真试验的路径 规划长度总计分别为 265 065 249 880 241 433 和 243 419 mm 128 穴孔穴盘仿真试验的路径规划长度总计 分别为 460 623 436 155 416 053 和 416 310 mm 对比 可知 在 3 种规格的穴盘仿真试验中 各算法模型按照 路径规划长度从小到大的顺序均为 克隆选择算法模型 免疫遗传算法模型 遗传算法模型 固定顺序法 其中 本文设计的 2 种模型的路径规划长度相近 相比于另外 2 个模型明显缩短 尤其是 128 穴孔穴盘 克隆选择算法 模型和免疫遗传算法模型相比固定顺序法分别最大可缩 短 9 68 和 9 62 相比遗传算法模型分别最大可缩短 4 61 和 4 55 固定顺序法并未对移钵路径进行比较选择 故路径 长度最长 遗传算法对特征信息利用不足 新生成的子 代个体路径编码可能发生突变 性能劣于父代个体 因 此移钵路径优化效果差 克隆选择算法的克隆选择和克 隆抑制操作 保证了迭代过程是趋于向更短移钵路径收第 15 期 张丽娜等 温室穴盘苗自动移钵路径优化 69 敛的方向进行的 故具有较好的路径优化能力 免疫遗 传算法模型将移钵路径最短的抗体保留至记忆细胞库 也保证了迭代是趋于向更短移钵路径收敛的方向进行 的 且对路径的产生进行促进或抑制操作 保证了抗体 路径编码的多样性 避免了局部收敛 因此也具有较好 的路径优化能力 图 5 经典移钵实例的仿真结果及对比 Fig 5 Simulation results and comparison of classic case of seedling transplanting 图 6 不同规格穴盘仿真试验的规划路径长度对比 Fig 6 Comparison of planned path length for different size plug trays based on simulation tests 图 7 为 50 72 和 128 穴孔穴盘仿真试验的路径规划 计算时间对比 由图 7可知 在 3种规格穴盘的各组试验 中 相比于遗传算法模型 免疫遗传算法模型的计算时间 明显减少 但克隆选择算法模型的计算时间却增加 免疫 遗传算法模型路径规划效率较高 根据试验结果 进一步 计算得到遗传算法模型 克隆选择算法模型和免疫遗传算 法模型在 50 穴孔穴盘仿真试验的计算时间总计分别为 11 89 21 48和 9 42 s 在 72穴孔穴盘仿真试验的计算时 间总计分别为 15 64 27 93和 12 13 s 128穴孔穴盘仿真 试验的计算时间总计分别为 48 27 84 00和 34 04 s 对比 可知 在 3 种规格穴盘仿真试验中 3 种算法模型按照计 算时间从小到大的顺序为 免疫遗传算法模型 遗传算法 模型 克隆选择算法模型 本文设计的免疫遗传算法模型 的计算时间相比遗传算法明显减少 尤其是 128穴孔穴盘 最大可减少 29 48 但克隆选择算法模型的计算时间最 长 路径规划效率比免疫遗传算法模型低 图 7 不同规格穴盘仿真试验的计算时间对比 Fig 7 Comparison of calculation time for different size plug trays 本文在设计免疫遗传算法模型时引用相似浓度矩阵 的方式计算抗体浓度 避免了许多重复性的计算 因此 能够有效减少计算时间 克隆选择算法模型的克隆复制 和克隆抑制操作 相比于免疫遗传算法和遗传算法模型 增大了计算量 故计算时间长 仿真试验表明 相比固定顺序法和遗传算法 本文 设计的克隆选择算法模型和免疫遗传算法模型均具有较 好的移钵路径优化能力 但免疫遗传算法模型的路径规农业工程学报 http www tcsae org 2020 年 70 划效率更高 4 验证试验 为了验证本文设计的 2 种模型的实际工作效果 进 一步基于克隆选择算法模型 免疫遗传算法模型 固定 顺序法 遗传算法模型开展实际验证试验 钵苗移栽机 和移栽穴盘如图 8 所示 移栽穴盘中劣质钵苗共有 7 株 位置见图 8b 本文以中农富通公司培育的中华大椒苗开 展补栽试验 苗龄为 20 d 穴盘规格为 72 穴孔 长 500 mm 宽 250 mm 为避免环境光线对识别效果的影响 对钵苗移栽机的机器视觉识别系统进行遮光处理 将移 栽穴盘摆放在移栽穴盘固定台上 移栽穴盘和目的穴盘 的间距为 100 mm 选取 9 个穴盘 1 个作为移栽穴盘 8 个作为目的穴 盘 试验前将穴盘中的劣质钵苗剔除 移栽穴盘中的空 穴数为 7 个 目的穴盘每盘的移钵数量如表 3 所示 试 验时 首先由机器视觉识别系统获取移栽穴盘中钵苗的 坐标 然后将此穴盘摆放在移栽穴盘固定台上 目的穴 盘在穴盘苗输送系统的带动下 经过机器视觉识别系统 下方 获取该穴盘中钵苗的坐标后停留在移栽穴盘旁边 机器视觉识别系统将获取的钵苗坐标提供给控制系统 控制系统依次利用 3 个算法模型进行路径规划 并控制 移钵系统进行补栽作业 依次对 8 个目的穴盘进行补栽 试验时记录每次路径规划长度和计算时间 根据预试验 设定移钵系统的移动速度为 100 mm s 移栽机械手下降 取苗和上升的时间各为 1 s 此时移栽机的工作效果较稳 定 记录每个目的穴盘补栽完成所需的时间 简称补 栽时间 试验结果如表 3 所示 a 钵苗移栽机 a Seedling transplanter b 移栽穴盘 b Plug tray to be transplanted 1 穴盘苗输送系统 2 机器视觉识别系统 3 移栽穴盘固定台 4 移钵系统 1 Plug seedling conveying system 2 Machine vision recognition system 3 Mounting plate of plug tray to be transplanted 4 Seedling transplanting system 图 8 钵苗移栽机和穴盘 Fig 8 Seedling transplanter and plug tray 表 3 不同算法下穴盘苗补栽结果对比 Table 3 Comparison of plug seedling replanting result for different algorithms 路径规划长度 Planned path length mm 计算时间 Calculation time s 补栽时间 Replanting time s 目的穴盘序号 Objective plug tray No 移钵数量 Number of transplanted seedlings CSM GA CSA IGA GA CSA IGA CSM GA CSA IGA 1 4 2 705 2 545 2 607 2 569 0 36 0 75 0 30 43 05 42 05 42 44 41 99 2 8 5 271 4 768 4 422 4 445 0 46 0 90 0 35 84 71 76 91 77 35 76 80 3 9 5 768 5 718 5 416 5 213 0 46 0 89 0 38 93 68 88 59 89 02 88 51 4 10 7 916 7 795 7 756 7 714 0 46 0 85 0 38 119 16 117 60 117 99 117 52 5 7 5 781 5 436 5 022 5 203 0 35 0 68 0 30 85 81 80 39 80 72 80 34 6 10 9 428 9 019 8 434 8 378 0 43 0 73 0 36 134 28 124 22 124 52 124 15 7 11 10 026 9 783 9 364 9 571 0 44 0 62 0 39 144 26 140 15 140 33 140 10 8 6 6 103 5 745 5 954 5 849 0 27 0 44 0 26 85 03 82 77 82 94 82 76 总计 Total 65 52 998 50 807 48 977 48 945 3 23 5 86 2 72 789 98 752 68 755 31 752 17 由表 3 可知 固定顺序法 遗传算法模型 克隆选 择算法模型和免疫遗传算法模型的路径规划长度总计分 别为 52 998 50 807 48 977 和 48 945 mm 4 种方法的 路径规划长度 从小到大的顺序为 免疫遗传算法模型 克隆选择算法模型 遗传算法模型 固定顺序法 其中 免疫遗传算法模型和克隆选择算法模型的路径规划长度 相近 相比固定顺序法分别缩短 7 65 和 7 59 相比遗 传算法模型分别缩短 3 66 和 3 60 遗传算法模型 克 隆选择算法模型和免疫遗传算法模型的计算时间分别为 3 23 5 86 和 2 72 s 免疫遗传算法模型的计算时间相对 遗传算法减少 15 79 克隆选择算法模型的计算时间最 长 路径规划效率较低 8 个目的穴盘总计补栽 65 株健 康钵苗 固定顺序法 遗传算法模型 克隆选择算法模 型和免疫遗传算法模型的补栽时间总计分别为 789 98 752 68 755 31 和 752 17 s 4 种方法的补栽时间 从小 到大的顺序为 免疫遗传算法模型 遗传算法模型 克 隆选择算法模型 固定顺序法 固定顺序法虽然无需计 算时间 但是其路径规划长度最大 移栽机械手的执行 时间最长 导致移栽时间最长 使用免疫遗传算法模型 时 计算时间总计仅为 2 72 s 路径规划效率较高 验证 试验表明 本文设计的 2 种模型的实际工作效果与仿真 试验结果基本一致 免疫遗传算法模型具有较好的移钵第 15 期 张丽娜等 温室穴盘苗自动移钵路径优化 71 路径优化能力 且路径规划效率更高 本文进行补栽试验时 设置移栽穴盘和目的穴盘的 规格一致 在实际应用中 存在移栽穴盘和目的穴盘的 规格不一致的情况 本文设计的 2 种模型均可适用于这 种情况 只需要钵苗移栽机的机器视觉识别系统分别获 取移栽穴盘和目的穴盘中钵苗的坐标 控制系统即可利 用本文设计的模型进行路径规划 5 结 论 为了改善移栽机进行钵苗补栽时的路径规划效果 本文基于免疫算法设计了克隆选择算法和免疫遗传算法 2 种适合求解移钵路径优化问题的模型 以固定顺序法和 遗传算法为对比对象 选取 50 72 和 128 穴孔穴盘进行 移钵路径规划仿真试验 并选取 72 穴孔穴盘进行实际验 证试验 得到如下主要结论 1 本文设计的克隆选择算法模型和免疫遗传算法模 型均能有效优化移钵路径 该 2 种模型路径规划长度相 近 相比于固定顺序法和遗传算法模型明显缩短 实际 验证试验中 1 个移栽穴盘向 8 个目的穴盘进行了实际补 栽 固定顺序法 遗传算法模型 克隆选择算法模型和 免疫遗传算法模型的路径规划长度分别为 52 998 50 807 48 977 和 48 945 mm 克隆选择算法模型和免疫遗 传算法模型相比固定顺序法分别缩短 7 59 和 7 65 相 比遗传算法模型分别缩短 3 60 和 3 66 2 免疫遗传算法模型具有较高的路径规划效率 而 克隆选择算法模型的路径规划效率较低 实际验证试验 中 遗传算法模型 克隆选择算法模型和免疫遗传算法 模型的计算时间分别为 3 23 5 86 和 2 72 s 免疫遗传算 法模型的计算时间相对遗传算法减少 15 79 本文设计的免疫遗传算法模型不仅能有效优化移钵 路径 而且规划效率更高 可作为后续温室穴盘苗机械 化批量补栽的路径规划控制基础 本文仿真和实际试验 中均以同规格的穴盘苗为补栽对象 对于其他规格的温 室穴盘苗移钵路径优化 使用本文模型时 只需根据实 际需要传入钵苗的坐标即可 参 考 文 献 1 李其昀 机械化育苗移栽的现状与展望 J 农机化研究 2006 28 3 26 27 Li Qiyun The present status and development tendency of bowl rear transplanting mechanization J Journal of Agricultural Mechanization Research 2006 28 3 26 27 in Chinese with English abstract 2 Ryu K H Kim G Han J S Development of a robotic transplanter for bedding plants J Journal of Agricultural Engineering Research 2001 78 2 141 146 3 张丽华 邱立春 田素博 穴盘苗自动移栽机的研究进展 J 农业科技与装备 2009 185 5 28 31 Zhang Lihua Qiu Lichun Tian Subo Progress in the research of manipulator of transplanting potted tray seedlings J Agricultural Science Technology and Equipment 2009 185 5 28 31 in Chinese with English abstract 4 冯青春 王秀 姜凯 等 花卉幼苗自动移栽机关键部件 设计与试验 J 农业工程学报 2013 29 6 21 27 Feng Qingchun Wang Xiu Jiang Kai et al Design and test of key parts on automatic transplanter for flower seedling J Transactions of the Chinese Society of Agricultural Engineering Transactions of the CSAE 2013 29 6 21 27 in Chinese with English abstract 5 张振