基于計算機視覺的棉花生長監(jiān)測自主導航車輛研究

羅元成，汪 應

(重慶工程職業(yè)技術學院，重慶 402260)

基于計算機視覺的棉花生長監(jiān)測自主導航車輛研究

羅元成，汪 應

(重慶工程職業(yè)技術學院，重慶 402260)

為了克服農(nóng)作物生長大面積遙感監(jiān)測精度較低的缺陷，實現(xiàn)作物生長態(tài)勢的自動化監(jiān)測，提出了一種基于計算機視覺的自主導航作物生長監(jiān)測車輛，從而有效地提高了作物生長監(jiān)測的精度和自動化程度。該型自動化車輛通過導航標定線在田間對作物的生長狀況進行實時跟蹤監(jiān)測，采用CCD數(shù)字攝像頭對作物的生長狀況進行圖像采集，使用PC機對圖像進行處理，并將圖像利用通信技術傳輸?shù)竭h程監(jiān)控端，并根據(jù)圖像特征數(shù)據(jù)建立了作物長勢的監(jiān)測和預測模型。為了驗證其可行性，對作物的長勢進行了實地測試，通過對葉面指數(shù)和作物生物量預測模型的測試表明：數(shù)據(jù)模型的實測值和理論值基本吻合，利用該方法可以建立多種作物的長勢監(jiān)測和預測模型，具有推廣價值。

棉花；長勢監(jiān)測；自主導航；計算機視覺；PC機

0 引言

近年來，計算機視覺逐漸被應用到農(nóng)作物的長勢監(jiān)測和病蟲害診斷技術中，其高效、精確和快速性為農(nóng)作物的自動化監(jiān)測提供了一種嶄新的技術。隨著農(nóng)業(yè)大面積作業(yè)的推廣，作物長勢監(jiān)測已發(fā)展到大尺度的遙感監(jiān)測階段，利用數(shù)字化相機和視頻可以獲取近地面的作物生長信息。農(nóng)作物長勢的數(shù)字化監(jiān)測原理是利用計算機視覺技術，結合現(xiàn)代傳感器技術，使用PC處理機對圖像進行采集，得到特征數(shù)據(jù)后建立決策模型，從而構建作物長勢監(jiān)測和預測的圖像視頻庫、模型庫和知識庫等數(shù)據(jù)庫；然后開發(fā)相應的系統(tǒng)軟件，將復雜農(nóng)業(yè)生產(chǎn)和管理變得簡單化和智能化，且覆蓋范圍廣，適合大面積作業(yè)。利用計算機視覺技術對于推動現(xiàn)代農(nóng)作物近地面遙感監(jiān)測技術的發(fā)展，實現(xiàn)作物長勢的監(jiān)測和診斷具有深遠的意義。

1 基于計算機視覺和自主導航技術的作物長勢監(jiān)測

近年來，計算機視覺技術在農(nóng)業(yè)中的使用范圍和頻度越來越高，包括農(nóng)作物產(chǎn)量預測、作物的形態(tài)識別、除草和病蟲害的防治等。隨著自主導航技術的發(fā)展，這些技術將得到極大提高。

1)農(nóng)作物葉面積的標定。基于計算機視覺技術，Mayer 等研發(fā)了一種作物長勢的監(jiān)測系統(tǒng)，并利用計算機處理技術，實現(xiàn)了作物的實時無損監(jiān)測。美國學者Trooien和Heermann等人利用計算機視覺和圖像處理技術，通過采集馬鈴薯圖像，在三維虛擬空間內(nèi)實現(xiàn)了葉片的合成，從而在真正意義上實現(xiàn)了葉面積的測量。

2)農(nóng)作物形態(tài)識別。作物的形態(tài)是作物長勢的重要參考數(shù)據(jù)，基于該思想，Humphries利用農(nóng)作物的色彩和幾何特征，對作物的莖稈、葉片和芽等進行識別，實現(xiàn)了作物長勢的智能化監(jiān)測。Guyer等建立了一種新的作物智能化長勢識別系統(tǒng)，并利用17個變量來描述作物的長勢特征。

3)病蟲害監(jiān)測與識別。利用計算機視覺技術可有效對作物形態(tài)進行監(jiān)測，以及時發(fā)現(xiàn)病蟲害。Ridgway研制了一種小麥的病蟲害識別系統(tǒng)，利用該系統(tǒng)可以定位麥粒內(nèi)最重要的亮斑，根據(jù)亮斑的閾值來判斷小麥是否感染了病蟲害。

3)雜草和農(nóng)作物圖像識別。利用計算機視覺技術可以對雜草進行智能化識別，從而實現(xiàn)有針對性的除草，達到較好的除草效果。Adamsen利用機器視覺基礎對油菜花圖像進行識別，并利用計算機技術對圖像進行自動剪裁，成功識別了油菜花數(shù)目。在國外，20世紀60年代開始，專家和學者們便開始對除草機器人有了初步的研究，到90年代該項技術得到了較大的支持。圖1為除草機器人的模型示意圖。

該模型是美國California大學在1999年提出的，主要由兩部分組成：一部分是雜草的識別系統(tǒng)，一部分是噴藥的控制系統(tǒng)，且配備了自主導航系統(tǒng)。雜草的識別模塊包含CCD攝像頭、計算機和圖像處理組件，噴藥控制系統(tǒng)包括微處理器和傳感器等，噴藥終端有8個噴藥頭，每個噴藥頭都通過電磁閥控制。

圖1 除草機器人模型示意圖Fig.1 The sketch diagram of weeding robot model

圖2為基于X-ray雜草識別機械作業(yè)過程圖。該款機型由R.P.Haff等設計，機器配備了X光雜草識別系統(tǒng)，其設計原理是根據(jù)農(nóng)作物和雜草對X光的吸收能力不同，對雜草進行識別。當識別到雜草信號后，X光的強度變化會引起電壓信號的變化，利用該信號開啟除草控制終端的開關，對雜草進行去除。實驗結果表明，該機型的雜草識別率達到了90.7 %。

圖2 基于X-ray雜草識別機械Fig.2 The weed identification machine based on X-ray

2 基于機器視覺的冠層覆蓋層檢測和長勢預測

農(nóng)作物的覆蓋度(Canopy cover，CC)主要是指作物群體包括莖、葉、枝等單位面積內(nèi)的投影比例，利用機器視覺來獲取CC可以通過圖像分割方法來實現(xiàn)，其計算公式為

CC=(1+L)×[(G-R)/(G+R+L)]

(1)

其中，CC表示農(nóng)作物的覆蓋度；R、G分別表示紅光、綠光的分量，表示土壤的基本值，該值取為0.5，據(jù)此可以通過實時采集圖像的方式來對農(nóng)作物的CC進行實時監(jiān)測。為了驗證監(jiān)測的精度，可以采用模型檢驗方法來對監(jiān)測結果進行評價，最常用的方法包括均方差法RMSE、相對誤差法RE、一致性系數(shù)COC和擬合度α。其檢驗的公式分別為

(2)

(3)

(4)

(5)

圖3 農(nóng)作物生長監(jiān)測和預測流程Fig.3 The process of crop growth monitoring and forecasting

基于機器視覺的農(nóng)作物生長預測主要由4個步驟組成，包括圖像數(shù)字化采集、圖像視覺化處理、建立模型和檢驗模型，以及長勢監(jiān)測和預測系統(tǒng)的構建。

1)圖像數(shù)字化采集。作物冠層圖像的采集是研究的第1步，也是作物長勢監(jiān)測和預測的關鍵步驟，可以通過安裝攝像頭的方法，按照一定的高度和拍攝范圍等將其安裝在自動導航車輛上，通過調(diào)整攝像機的參數(shù)，得到了作物的高清圖像。

2)圖像視覺化處理。視覺化處理主要是利用計算機視覺技術對圖像進行分割，提取冠層圖像的R和G等色彩特征數(shù)據(jù)。該過程采用編程的方式實現(xiàn)自動化處理，可以得到CC的特征數(shù)據(jù)庫。

3)建立模型和檢驗模型。利用得到的冠層圖像的特征數(shù)據(jù)庫，可以將其和作物的長勢建立一定的數(shù)據(jù)模型，可以根據(jù)圖像特征數(shù)據(jù)來判斷農(nóng)作物的長勢，并利用檢驗模型來驗證模型的準確性。

4)長勢監(jiān)測和預測系統(tǒng)。將以上3個步驟進行系統(tǒng)化構建，并可以作為一個應用系統(tǒng)推廣到農(nóng)業(yè)實踐中，利用微處理器和嵌入式技術，可以將系統(tǒng)安裝在具有自主導航能力的小車上，從而實現(xiàn)作物的實時監(jiān)測和預測。

3 基于計算機視覺的作物生長監(jiān)測自主導航車輛測試

為了實現(xiàn)作物生長狀況的自動化監(jiān)測，本研究將構建的作物長勢監(jiān)測和預測系統(tǒng)安裝到了具有自主導航能力的拖拉機上。拖來機的實物圖如圖4所示。

圖4 自主導航拖拉機Fig.4 The autonomous navigation tractor

本次利用機器視覺技術對其進行了改進，安裝了導航攝像頭，使其能夠識別作物的導航線，從而實現(xiàn)自主導航能力。

圖5為計算機視覺部分的實物圖，主要包括攝像頭和PC處理器。PC處理器安裝在拖拉機車頭部位，具有強大的圖像處理和通信功能，可以實現(xiàn)圖像的遠程傳輸。對拖拉機的自主導航能力進行了測試，通過測試得到了如圖6所示的導航結果。

圖5 計算機視覺部分Fig.5 Computer vision part

圖6 拖拉機自主導航結果Fig.6 The results of autonomous navigation of tractor

測試結果表明：拖拉機可以較為準確地沿著目標導航線行駛，其實際行駛軌跡和導航線標定軌跡基本吻合，實現(xiàn)了設計的目的。

圖7為遠程端CC的測定返回結果圖。由返回結果圖可以看出：按照在拖拉機上的PC機可以有效地完成圖像的分割處理，從而為建立數(shù)據(jù)模型提供了圖像數(shù)據(jù)庫。

圖7 CC測定返回圖Fig.7 The return diagram of CC determination

圖8為通過冠層覆蓋數(shù)據(jù)采集得到的葉面指數(shù)模型。測試結果表明：葉面指數(shù)數(shù)據(jù)模型的實測值和理論值基本吻合，可利用該方法進行作物長勢模型的預測。為進一步研究其可行性，建立了如圖9所示的土壤上部生物量的長勢預測模型。

圖8 冠層覆蓋葉面指數(shù)模型Fig.8 The index model of canopy cover

圖9 冠層覆蓋生物量模型Fig.9 The biomass model of canopy cover

測試結果表明：生物量數(shù)據(jù)模型的實測值和理論值基本吻合，從而驗證了預測模型的可靠性。因此，可以利用該方法建立多種作物的長勢監(jiān)測和預測模型，從而實現(xiàn)作物的快速、精確和自動化長勢監(jiān)測和預測。

4 結論

基于大面積近地面遙感監(jiān)測技術，提出了一種基于計算機視覺的自主導航作物生長監(jiān)測車輛，有效地提高了近地面遠程監(jiān)測的精度和智能化程度。為了驗證其可行性，采用農(nóng)田試驗測試的方法，對車輛的導航性能和監(jiān)測預測性能進行了測試。首先在田間標定了導航線，通過對其自主導航能力的測試發(fā)現(xiàn)：拖拉機可以較為準確地沿目標導航線行駛，其實際行駛軌跡和導航線標定軌跡基本吻合。對作物的長勢進行了監(jiān)測實驗，結果表明：葉面指數(shù)和作物生物量數(shù)據(jù)模型的實測值和理論值基本吻合。由此驗證了其在農(nóng)作物長勢預測中使用的可行性和可靠性，可以將其在農(nóng)作物現(xiàn)代化監(jiān)測車輛中進行推廣使用。

[1] 李亞兵,毛樹春,韓迎春.不同棉花群體冠層數(shù)字圖像顏色變化特征研究[J].棉花學報,2012,24(6):541- 547.

[2] 李榮春,陶洪斌,張竹琴,等.基于圖像處理技術的夏玉米群體長勢監(jiān)測研究[J].玉米科學,2010,18(2): 128-132.

[3] 李紅軍,張立周,陳曦鳴,等.應用數(shù)字圖像進行小麥氮素營養(yǎng)診斷中圖像分析方法的研究[J].中國生態(tài)農(nóng)業(yè)學報,2011,19(1):155-159.

[4] 董 鵬,危常州,雷詠雯,等.基于計算機視覺和土壤 Nmin 的棉田氮素養(yǎng)分管理系統(tǒng)的建立與驗證[J].新疆農(nóng)業(yè)科學,2011,48(4):606-610.

[5] 李明思,康紹忠,楊海梅,等.地膜覆蓋對滴灌土壤濕潤區(qū)及棉花耗水與生長的影響[J].農(nóng)業(yè)工程學報,2007, 23(6):49-54.

[6] 孔清華,李光永,王永紅,等.不同施肥條件和滴灌方式對青椒生長的影響[J].農(nóng)業(yè)工程學報,2010,26 (7):21-25.

[7] 王志強.關于甘肅水資源問題及其對策的思考[J].甘肅水利水電技術,2011,47(5):1-3.

[8] 張秋汝,楊雙,徐瀟禹,等.基于 3G 和 GSM 技術高度自動化節(jié)水灌溉系統(tǒng)的研究[J].科技信息,2012 (5):100-101.

[9] 汪慧穎,洪軍.視頻監(jiān)控系統(tǒng)在節(jié)水改造工程自動化控制中的應用[J].科技資訊,2012(16):39.

[10] 李光林,李曉東,曾慶欣,等.基于太陽能的柑桔園自動灌溉與土壤含水率監(jiān)測系統(tǒng)研制[J].農(nóng)業(yè)工程學報,2012,28(12):146-152.

[11] 蔡義華,劉剛,李莉.基于無線傳感器網(wǎng)絡的農(nóng)田信息采集節(jié)點設計與試驗[J].農(nóng)業(yè)工程學報,2009,25 (4):176-178.

[12] 韓華峰,杜克明,孫忠富.基于ZigBee網(wǎng)絡的溫室環(huán)境遠程監(jiān)控系統(tǒng)設計與應用[J].農(nóng)業(yè)工程學報,2009,25(7):158-163.

[13] 姚振憲,王三建.我國滴灌發(fā)展歷程及建議[J].農(nóng)業(yè)工程,2011,1(2):55-57.

[14] 徐飛鵬,李云開,任樹梅.新疆棉花膜下滴灌技術的應用與發(fā)展的思考[J].農(nóng)業(yè)工程學報,2003,19(1):25- 27.

[15] 韓恒,杜文亮,常榮,等.舊滴灌帶抗拉拔試驗研究[J].節(jié)水灌溉,2015(1):24-26,32.

[16] 牛金亮,林靜,邢作常,等.免耕播種機液壓式加載仿形深度控制系統(tǒng)設計[J].農(nóng)機化研究,2012,34(12): 101-104.

[17] 范旭輝,賈洪雷,張偉漢,等.免耕播種機仿形爪式防堵清茬機構參數(shù)分析[J].農(nóng)業(yè)機械學報,2011, 42(10):56-60.

[18] 姬江濤,鄭治華,杜蒙蒙.農(nóng)業(yè)機器人的發(fā)展現(xiàn)狀及趨勢[J].農(nóng)機化研究,2014,36(12):1-4.

[19] 喬永亮,何東鍵,趙川源,等.基于多光譜圖像和SVM的玉米田間雜草識別[J].農(nóng)機化研究,2013(8):30-34.

[20] 姬長英,周俊.農(nóng)業(yè)機械導航技術發(fā)展分析[J].農(nóng)業(yè)機械學報,2014,45(9):44-54.

[21] 孟慶寬,何潔,仇瑞承,等.基于機器視覺的自然環(huán)境下作物行識別與導航線提取[J].光學學報,2014,34(7):1-7.

[22] 劉金龍,鄭澤鋒,丁為民,等.對靶噴霧紅外探測器的設計與探測距離測試[J].江蘇農(nóng)業(yè)科學,2013,41(7):368-370.

[23] 高國琴,李明. 基于K-means算法的溫室移動機器人導航路徑識別[J].農(nóng)業(yè)工程學報,2014,30(7):25-33.

[24] 方莉娜,楊必勝. 車載激光掃描數(shù)據(jù)的結構化道路自動提取方法[J]. 測繪報,2013,42(2):260-267.

[25] 陳運鵬,龍慧,劉志杰.我國施肥技術與施肥機械的研究現(xiàn)狀及對策[J].農(nóng)機化研究,2015,37(4):255-260.

[26] 湯龍飛,許志紅.交流接觸器新型智能抗電壓跌落控制模塊的設計[J].中國電機工程學報,2012,32(27):95-103.

Autonomous Navigation Vehicle for Cotton Growth Monitoring Based on Computer Vision

Luo Yuancheng, Wang Ying

(Chongqing Vocational Institute of Engineering, Chongqing 402260,China)

In order to overcome the crops growth defect of large area with low precision of remote sensing monitoring, it proposed a crop growth situation of automation monitoring based on computer vision of autonomous navigation for crop growth monitoring vehicle. So as to effectively improve the precision and the degree of automation of the crop growth monitoring. It collected the automated vehicle navigate through the calibration line real-time tracking and monitoring in the field on crop growth status and images by CCD digital camera on crop growth status. By using PC for image processing and image and using communication technology to transmit to the remote monitoring terminal, finally, it established a monitoring and prediction model of crop growth according to the characteristics of the image data. In order to verify the feasibility, the growth of crops were field tested, by the prediction of leaf area index and crop biomass model tests,it show that the data model of measured value theory and value of the basic was both very unify. By using this method, we can establish a variety of crop growth monitoring and prediction model, the promotion of the technology.

cotton; growth monitoring; autonomous navigation; computer vision; PC

2016-08-11

重慶市教育委員會重點項目(1202086)

羅元成(1982-)，男，重慶人，實驗師，(E-mail)ycluo82@sohu.com。

S562；TP13

A

1003-188X(2017)12-0205-05