粗糙集多传感器融合理论在大棚喷雾机器人中的应用.docVIP

粗糙集多传感器融合理论在大棚喷雾机器人中的应用 　　摘要：针对多传感器融合过程中传感器数据过载的问题，提出了一种基于粗糙集约简理论的方法，应用于大棚喷雾机器人植物识别系统之中。首先根据植物的特性，建立植物种类识别信息表即初始决策表，然后根据粗糙集约简规则推导出最小决策规则，最后得到杂草识别区分的最快融合算法。 　　关键词：粗糙集；多传感器融合；机器人 　　中图分类号：Ｓ１２６；ＴＰ２４文献标识码：Ａ文章编号：0439－８11403－0５８９-03 　　 　　Ｒｏｕｇｈ Ｓｅｔ ａｎｄ Ｍｕｌｔｉ－ｓｅｎｓｏｒ Ｆｕｓｉｏｎ Ｔｈｅｏｒｙ ａｎｄ Ｉｔｓ Ａｐｐｌｉｃａｔｉｏｎ ｉｎ Ｇｒｅｅｎｈｏｕｓｅ 　　Ｓｐｒａｙ Ｒｏｂｏｔ 　　 　　ＬＩＡＮＧ Ｗｅｉ，ＸＩＡＯ Ａｉ－ｐｉｎｇ，ＱＩＡＮ Ｈｕａ 　　 　　 　　Ａｂｓｔｒａｃｔ： Ｗｈｅｎ ｓｙｎｃｒｅｔｉｚｉｎｇ ｍｕｌｔｉ－ｓｅｎｓｏｒ ｉｎｆｏｒｍａｔｉｏｎ， ｔｈｅ ｓｅｎｓｏｒ ｄａｔａs were ｏｆｔｅｎ ｏｖｅｒｌｏａｄｅｄ． Ｔｈｅ ｍｅｔｈｏｄ ｂａｓｅｄ ｏｎ ｒｏｕｇｈ ｓｅｔ ｒｅｄｕｃｉｎｇ ｄｅｃｉｓｉｏｎ－ｍａｋｉｎｇ ａｎｄ ｄｅｌｅｔｉｎｇ ｒｅｄｕｎｄａｎｔ ａｔｔｒｉｂｕｔｅｓ ｗａｓ ｐｒｏｐｏｓｅｄ ｆｏｒ ｐｌａｎｔ ｉｄｅｎｔｉｆｉｃａｔｉｏｎ ｓｙｓｔｅｍ ｏｆ ｇｒｅｅｎｈｏｕｓｅ ｓｐｒａｙ ｒｏｂｏｔ． Ｆｉｒｓｔｌｙ，ａｃｃｏｒｄｉｎｇ ｔｏ ｔｈｅ ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ ｏｆ ｐｌａｎｔｓ， ｗｅ ｅｓｔａｂｌｉｓｈｅｄ ｐｌａｎｔ ｓｐｅｃｉｅｓ ｉｄｅｎｔｉｆｉｃａｔｉｏｎ ｉｎｆｏｒｍａｔｉｏｎ ｔａｂｌｅ．Ｓｅｃｏｎｄｌｙ， ｔｈｅ ｍｉｎｉｍｕｍ ｄｅｃｉｓｉｏｎ－ｍａｋｉｎｇ ｒｕｌｅｓ ｗｅｒｅ ｄｅｄｕｃｔｅｄ ｂａｓｅｄ ｏｎ ｒｏｕｇｈ ｓｅｔ ｒｅｄｕｃｔｉｏｎ ｒｕｌｅｓ． Ｆｉｎａｌｌｙ， ｗｅ ｇｏｔ ｔｈｅ ｆａｓｔｅｓｔ ｆｕｓｉｏｎ ａｌｇｏｒｉｔｈｍ ｏｆ ｗｅｅｄ ｉｄｅｎｔｉｆｉｃａｔｉｏｎ ａｎｄ ｄｉｓｔｉｎｃｔｉｏｎ． 　　Ｋｅｙ ｗｏｒｄｓ： ｒｏｕｇｈ ｓｅｔ； ｍｕｌｔｉ－ｓｅｎｓｏｒ ｆｕｓｉｏｎ； ｒｏｂｏｔ 　　 　　１粗糙集与多传感器融合理论简介 　　多传感器信息融合的实质是对多源不确定性信息的分析与综合［１］，其处理过程非常复杂，在其融合过程中，我们经常会遇到传感器数据的过载问题，例如在用神经网络进行传感器信息融合时存在如何选择样本集的问题。这些问题制约了传感器信息融合的发展，粗糙集理论的出现，对解决这些问题提供了具体可行的思路。 　　粗糙集理论是波兰数学家Ｚ．Ｐａｗｌａｋ在１９８２年提出的一种新的处理模糊和不确定性知识的数据分析理论［２，３］。目前，粗糙集理论已被成功地运用于机器学习、过程控制、决策分析、专家系统与智能控制、数据挖掘等研究领域［４］。 　　目前，智能机器人在进行物体辨别的时候，首先需要根据物体的基本特征，根据经验知识等，建立物体的特征数据库，然后再将传感器测得的值与特征数据库进行匹配，最后得出匹配结果［５］。但是特征数据库的建立是一项极其费时费力的工作，而且特征数据库中必然包含许多冗余信息，影响了融合的速度。把粗糙集多传感器融合理论运用在智能机器人物体识别系统中，可以有效地克服这些缺点，快速得到融合算法，提高决策能力。 　　２基于粗糙集多传感器融合理论的大棚喷雾机器人杂草区分系统 　　我们以大棚喷雾机器人进行农药喷洒为例，机器人通过安装在机器上的ＣＣＤ传感器、光学传感器、颜色传感器，来对大棚中种植的黄瓜苗与杂草进行区分，从而进行农药喷洒除草作业。 　　２．１基于完全简化规则集的数据融合算法 　　对于每次传感器采集的数据，可以看作是一个等价类，根据粗糙集理论的约简、核等概念，对传感器收集的信息进行分析，去除冗余信息，综合互补数据，求出大量数据中的最小不变核，得到融合算法。具体的步骤如下：将采集到的传感器数据编制成决策表；根据粗糙集属性约简和核等概念，去除冗余的条件属性和重复信息，得到简化决策表；求出核值表；由核值表求出决策表的简化形式；由简化的决策表求得最小决策算法，即快速融合算法。 　　由此我们就可以得到最小简化决策算法，由最小决策算法得到一组最小规则集。 　　2.2绘制信息表 　　ＣＣＤ传感器用于获取植物的形状及纹理特征等属性，光学传感器用于获取植物叶面反射率属性，颜色传感器可以得到颜色属性。令传感器所测得的属性分别为ａ、ｂ、ｃ、ｄ，其中属性ａ、ｂ、ｄ的值划分为三档，分别用表示，属性ｃ的值划分为两档，用表示。植物种类ｅ的编码为０、１、２。根据大棚喷雾机器人多次测量的数据值