Machine vision gebruiken voor inspectie van onkruid
In deze toepassing moest de klant die contact opnam over hun toepassing van pesticiden zijn gewassen en het omliggende gebied vastleggen met een camera die voldoende frames per seconde (FPS) en megapixels (MP) had. De camera’s werden bevestigd aan een lange balk (arm) die vervolgens werd bevestigd aan de tractor die door de velden zou rijden. Met een hogere FPS kan deze klant of groot onkruid detecteren dat in de verschillende soorten gewassen groeit. Met deze informatie kan de klant zijn systeem activeren om een pesticide te sproeien op het onkruid dat de groei van zijn gewassen aantast.
Camerakeuze voor onkruiddetectie
Voor een op een tractor gemonteerd machine vision-systeem voor onkruiddetectie en gerichte bestrijding met gewasbeschermingsmiddelen, moet de camera aan verschillende belangrijke eisen voldoen:
- Hoge frame rate (FPS)
De tractor is voortdurend in beweging, dus de camera heeft voldoende beelden per seconde nodig om onkruid betrouwbaar vast te leggen bij rijsnelheid. - Voldoende resolutie (megapixels)
Een hogere resolutie helpt zowel klein als groot onkruid te detecteren, vooral wanneer de camera een groot gewasoppervlak bestrijkt. - Kleur imaging
Een kleurencamera is vaak vereist om onkruid duidelijker van gewassen te onderscheiden, vooral in complexe buitensituaties. - Global shutter sensor
Omdat de tractor en de camerabevestiging voortdurend bewegen, is een global shutter belangrijk om bewegingsvervorming te voorkomen. Global shutter-sensoren leggen het volledige beeld in één keer vast, waardoor scherpe beelden behouden blijven tijdens beweging en trillingen. - Betrouwbare verbinding over lange afstand
Systemen op een tractor hebben de camera vaak op een lange arm of balk gemonteerd. Wanneer de afstand tussen camera en pc enkele meters bedraagt, is GigE meestal geschikter dan USB3.0, omdat het langere kabelafstanden en een robuustere installatie ondersteunt. - Vereenvoudigde bekabeling (stroom + gegevens)
Bij mobiele opstellingen helpt het gebruik van één kabel voor zowel stroom als gegevens om de complexiteit te verminderen en de betrouwbaarheid te vergroten.
- Onze aanbeveling voor deze Applicatie was de 3MP GigE kleurencamera MER2-302-37GC-P, omdat deze lange kabellengtes ondersteunt, installatie met één kabel mogelijk maakt en de vereiste resolutie, frame rate en global shutter-prestaties biedt voor onkruiddetectie op een rijdende tractor.
Technische specificaties
| Interface | GigE Vision |
| Resolutie | 2048x1536 |
| Shuttertype | Global Shutter |
| Kleur/Monochroom | Kleur |
| Frame rate (fps) | 37 |
Lenskeuze voor onkruidinspectie
Na het bevestigen van de vereiste resolutie was de volgende stap het selecteren van de juiste lens voor de Applicatie. De lensselectie is voornamelijk gebaseerd op het vereiste gezichtsveld (FOV), het sensorformaat en de werkafstand. Hiervoor gebruikten we onze Online Lenscalculator.
In deze opstelling gebruikt de camera een 1/1.8”-sensor en vereiste het beoogde dekkingsgebied van de klant een gezichtsveld van ongeveer 1050 × 880 mm.
Op basis van de klantvereisten en de lensberekening waren de belangrijkste resultaten:
- Sensorformaat: 1/1.8”
- Beoogd gezichtsveld (FOV): 1050 × 880 mm
- Vereiste brandpuntsafstand: 6 mm
- Berekend definitief FOV: ~1029 × 772 mm
Na beoordeling van het definitieve gezichtsveld met de klant werd bevestigd dat dit ruim voldoende was voor de Applicatie. Indien nodig kan het systeem ook een Region of Interest (ROI) gebruiken om het exacte gezichtsveld nauwkeurig af te stemmen, bijvoorbeeld om preciezer overeen te komen met een horizontale FOV (HFOV) van 1000 mm.
- Onze aanbeveling voor deze opstelling was de VA-LCM-5MP-06MM-F1.4-015 (6 mm C-mount lens), die een geschikte match biedt voor dit sensorformaat en deze Applicatie.
Technische specificaties
| Resolutie (megapixel) | 5 |
| Beeldformaat / cirkel | 2/3" |
| Brandpuntsafstand (mm) | 6 |
| Bevestiging | C |
Beeldopnamekaart voor onkruidinspectie
Omdat elke tractorarm ongeveer 10 camera’s bevat, is er ook voldoende hardware nodig om een stabiele gegevensoverdracht van meerdere GigE camera’s gelijktijdig te verwerken. In multi-camera machine vision-opstellingen wordt dit doorgaans opgelost met framegrabbers of GigE-interfacekaarten met meerdere poorten, die binnen de pc meerdere onafhankelijke Ethernet-verbindingen bieden.
Deze aanpak is vooral nuttig omdat het ondersteuning biedt voor:
- Stabiele multi-camera streaming (minder kans op gemiste beelden)
- Onafhankelijke camera-verbindingen (elke camera heeft zijn eigen poort en bandwidth)
- Eenvoudigere bekabeling met PoE (stroom + gegevens via één Ethernetkabel)
PoE is bijzonder handig voor lange tractorarmen en bewegende apparatuur, omdat het het aantal kabels vermindert en de betrouwbaarheid van de installatie vergroot.
Om de vereiste cameraresolutie te bepalen, gaf de klant het minimale detail op dat moest worden waargenomen. Met de gangbare richtlijn van 3 pixels per kleinste kenmerk werd de minimaal benodigde beeldgrootte geschat op ten minste 2000 × 1000 pixels. Dit zorgt ervoor dat kleine onkruiden nog steeds kunnen worden gedetecteerd met voldoende pixelinformatie voor consequente herkenning.
- Onze aanbeveling voor deze opstelling was de 3MP GigE camera MER2-302-37GC-P (2048 × 1536), omdat deze voldoet aan de vereiste resolutie en goed past in een multi-camera GigE + PoE-systeem.
Bescherming voor uw machine vision installatie
De klant had ook een behuizing voor de machine vision camera nodig om ervoor te zorgen dat er geen stof of vocht in de camera en lens kon komen. Deze behuizingen voor machine vision camera’s zijn IP67-geclassificeerd om te waarborgen dat uw machine vision camera beschermd blijft.
Meerdere Machine Vision-camera’s op een tractor
In deze Applicatie had de klant een opstelling met 20 camera’s nodig, met 10 camera’s gemonteerd op elke tractorarm. Alle camera’s waren van hetzelfde model als eerder in dit artikel beschreven, en hetzelfde type lens werd in het hele systeem gebruikt om een consistente beeldkwaliteit te waarborgen.
Door meerdere camera’s te gebruiken, wordt volledige dekking van de gewassen en de omgeving gerealiseerd, wat betrouwbare onkruiddetectie over een breed gezichtsveld ondersteunt. De beeldgegevens worden vervolgens gebruikt om tijdens het werk gericht bestrijdingsmiddel op onkruid te spuiten.
Vanwege de afstand tussen de camera’s en de verwerkingsunit had elke camera een 10-meter 10GigE Ethernet-kabel nodig om stabiele gegevensoverdracht in een multi-camera systeem te ondersteunen.
Machine vision verlichting voor onkruidinspectie
Voor deze specifieke toepassing was er al verlichting aanwezig op de armen van de tractor en op de tractor zelf, waardoor er voldoende verlichting was voor hun oplossing. Als uw toepassing zich in een scenario met weinig licht bevindt, kan er behoefte zijn aan andere machine vision verlichting. U kunt onder aan de pagina contact met ons opnemen via ons formulier voor klantondersteuning.
Beeldverwerkingssoftware om onkruid te detecteren
In sommige gevallen zijn onze camera’s, lenzen en verlichtingsoplossingen niet genoeg voor een vision systeem. Onze camera’s zijn compatibel met GenICam, wat betekent dat ze gebruikt kunnen worden met verschillende software van derden, waaronder MvTec Halcon, NI Labview, Cognex Vision Pro, Matlab, OpenCV en Arm Boards software. Voor de eerste programmering kan onze gratis SDK worden gebruikt om beelden op te nemen en de cameraparameters in te stellen. De software development kit is compatibel met gewone en industriële pc’s en ARM platforms waaronder NVIDIA TX serie en Raspberry Pi. Ondersteunende besturingssystemen zijn Windows, Linux en Android.
Voor de voorbeeldtoepassing hierboven hadden de klanten hun eigen softwarepakket ontworpen dat werkte met onze SDK. Voor uw unieke toepassing moet u mogelijk een van onze computer vision software pakketten gebruiken.
Ondersteuning voor vision systeem voor onkruiddetectie
Machine vision biedt een krachtige nauwkeurige oplossing voor onkruidinspectie en gerichte toepassing van pesticiden. Door een camerasysteem met hoge beeldsnelheden en de juiste resolutie te implementeren, kunnen boeren aanzienlijke verbeteringen bereiken in gewasopbrengst en middelenbeheer. Door de genoemde machine vision componenten in dit artikel te combineren, kunnen boeren een waardevol hulpmiddel krijgen voor het optimaliseren van onkruidbestrijding en het maximaliseren van de gezondheid van gewassen.
Wilt u hulp van een van onze machine vision specialisten bij het bouwen van uw eigen vision systeem voor onkruiddetectie/bestrijdingsmiddelen? Neem gerust contact op via onderstaand formulier en we nemen zo snel mogelijk contact met u op.