基于中轴线引导的遮阳棚履带机器人设计与测试：计算机视觉与模糊自适应PID控制的应用

为解决遮阳棚环境下卫星导航信号差、传统导航方法在复杂环境中易偏离轨道的问题，昆明理工大学现代农业工程学院团队设计了一种基于改进YOLOv5s算法和最小二乘法的中轴线识别系统，结合模糊自适应PID路径跟踪算法，开发出履带机器人导航控制系统。实验表明该系统平均路径偏差仅3.8mm，播种合格率超90%，为遮阳棚种植机械化作业提供了有效技术方案。

　　

在传统中药材三七的遮阳棚种植环境中，卫星导航信号衰减严重，轮式农机在松软粘性土壤中易打滑偏离，严重制约了农业机械化发展。这种特殊的高遮挡环境对机器人导航系统提出了严峻挑战：既要克服GPS信号弱的问题，又要解决复杂地形下的路径保持难题。面对这些技术瓶颈，昆明理工大学现代农业工程学院的研究团队创新性地将计算机视觉与智能控制技术相结合，开发出一套适用于遮阳棚环境的中轴线导航系统，相关成果发表在《Smart Agricultural Technology》期刊。

研究人员采用三项核心技术：首先改进YOLOv5s目标检测算法（引入MobileNetv3主干网络和ECANet注意力机制），实现七叉树根94.9%的识别准确率；其次建立履带机器人运动学模型和纯追踪几何模型；最后设计模糊自适应PID控制器，通过MATLAB/Simulink仿真验证其优于传统PID和模糊控制的性能。

【导航信息获取】改进的Im-YOLOv5模型将权重尺寸减小47.9%，帧率提升27.7%，在测试集上达到94.9%的mAP值。通过最小二乘法拟合两侧七叉树根坐标，成功提取中轴线导航基准线。

【系统建模】建立的履带机器人动力学模型中，推导出履带线速度v_l=(1-i_l)w_lr等关键方程，为控制算法提供理论基础。纯追踪模型通过几何关系确定转向半径R=L_d²/[2(dcosθ+√(L_d²-d²)sinθ)]。

【模糊控制器设计】设计的双输入（航向偏差θ和横向偏差d）三输出（k_p、k_i、k_d）模糊PID控制器，在Simulink仿真中表现出良好抗干扰性。电机驱动模型建立U_a=R_ai_a+L_adi_a/dt+ε等方程，完成从控制信号到物理运动的精确映射。

【田间试验】在模拟遮阳棚环境中，机器人沿中轴线导航的最大偏差仅13.7mm，平均偏差3.6mm。牵引设计的压穴播种机作业时，在0.2-1m/s速度范围内播种合格率均超过90%，重播率和漏播率控制在5%以内。

该研究创新性地解决了遮阳棚环境下的自主导航难题，其提出的计算机视觉中轴线提取方法结合模糊自适应控制策略，为特殊种植环境下的农业机器人提供了可靠的技术路线。特别是将模型大小压缩至7.5MB的Im-YOLOv5算法，兼顾了嵌入式设备的部署需求。未来通过融合LiDAR等多传感器数据，有望进一步扩展系统在行间转换和避障方面的功能，推动中药材种植全程机械化的实现。