基于計算機視覺的玉米田間除草系統開發

黃榮喜

(廣西農業職業技術學院 電子信息工程系，南寧 530007)

0 引言

農作物在生長過程中會受到各種生物和非生物逆境的影響，生物逆境主要包括病、蟲和雜草危害。雜草會與農作物競爭營養、水分、光照和生長發育空間，并且傳播病蟲害，或者為病蟲害提供滋生場所，給農業造成嚴重的損失。據初步統計，我國的農田雜草超過1 400種，分屬于87科的366個屬，嚴重危害農業生產的主要雜草有60種多，部分為從國外傳人的惡性雜草。20世紀末，雜草在世界范圍內給農業生產造成的損失達到了763億美元[1]。聯合國糧農組織的統計結果表明：世界的糧食作物因生物逆境損失30%～35%，其中歸因于雜草的為10%，數量達到2.9億t。在我國，這一比例也是10%，每年損失的糧食超過1 000萬t，農產品質量同時受到影響[2]。

及時有效地去除雜草是保證農作物高產穩產的一項重要措施，目前采用的除草方法有人工除草、機械除草和化學除草。人工拔除雜草方法的勞動強度大、效率較低，不符合現代農業和精準農業的發展趨勢。機械除草是在耕、翻、耙等田間作業過程中利用除草鏟或除草耙等將雜草鏟除或深埋，從而達到除草的目的。這一方法的作業速度快、效率高，是推動農業可持續發展的關鍵技術。目前，除草機械已經開發出了多種型號，能夠滿足不同農作物在各種種植條件下的生產需求；但是，機械除草方法的作業精度和選擇性較差，適用于農作物出苗前的田間除草或作物行間的除草，無法實現對株間雜草的根除[3]。

化學除草即通過噴灑化學除草劑來殺滅雜草，是應用最廣泛和最有效的除草方法?；瘜W除草操作方便快捷，除草效率高，成本較低。但是，該方法也面臨著一些問題和挑戰，如部分除草劑對農作物具有毒性，同時除草劑的粗放式大面積噴灑也帶來了浪費問題，以及在糧食和環境中殘留所引起的安全問題[4]。另外，除草劑在局部的過量噴灑會對作物造成藥害。隨著基因工程技術的發展，一些能對特定除草劑產生抗性的基因已經被轉入部分農作物，用于雜草的化學防治。例如，抗草甘膦的EPSP基因和抗草銨膦的Bar基因，它們轉入棉花和水稻后都能賦予這些作物對上述除草劑的抗性，從而在化學除草作業中不會受到除草劑的危害。

針對粗放噴灑所引起的浪費和殘留問題，人們提出了變量噴藥的概念，并進行了相關的試驗和研究[5]。變量噴藥是基于精準農業發展起來的一種技術，它是根據雜草在田間的位置、種類和密度，對除草劑噴灑的時機和劑量進行變量調節，從而達到減少除草劑用量，及提高雜草去除率的效果。要實現變量噴藥，關鍵在于對田間雜草的準確識別，準確獲取其位置、分布、密度和種類等信息[6]。

目前，用于識別田間雜草的主要方法有人工識別、遙感識別和計算機視覺識別。其中，人工識別方法勞動強度大，效率較低，識別效果主要依賴于勞動者的實踐經驗，不是農業現代化的發展方向；遙感識別由于觀測距離太遠，導致分辨率低，只適合對種植區域內的雜草生長情況進行判別和預測，對局部乃至作物株行間的雜草識別效果較差，無法達到精準農業的要求[7]；計算機視覺是利用拍攝設備獲取圖像，然后應用電腦對目標圖像進行分析和識別。這一技術的核心是對圖像的理解和分析，關鍵在于對圖像的分割和對目標特征的識別上。計算機視覺可以用于對田間雜草的快速準確識別，是精準農業發展的一項重要技術[8-12]。

玉米是我國重要的糧食作物，遍布在大多數省份。玉米的種植區域環境各異，使得田間雜草群落復雜，包括馬唐、稗草、黎和牛筋草等，生命力強，引起玉米較大的產量損失。另外，各種農藥和除草劑的頻繁使用，也導致雜草防治的難度逐年增加。因此，提高現有玉米除草機械的自動化水平，具有很大的現實意義[13]。本文針對我國玉米各種植區域雜草種類繁多，危害嚴重且防治難度大的問題，開發了一種利用計算機視覺技術對玉米田間雜草進行識別、控制噴藥裝置進行變量噴藥的除草系統，并在田間進行雜草的識別試驗，在室內驗證變量噴藥的準確性，旨在為玉米田間的機械化除草提供技術支持。

1 系統的設計原理及結構

1.1 設計原理

利用數碼相機拍攝玉米田間圖像，導入計算機中用圖像處理軟件分析，經過灰度化、圖像分割和目標特征識別后提取雜草的信息并傳遞給噴藥控制系統。噴藥控制系統根據雜草的位置和密度信息，結合機械的行進速度控制噴頭的開閉時間和程度，實現變量噴藥。系統每采集分析1幅圖像后就行進1幅圖像中的距離，并完成1個系列的噴藥作業，然后進入下一個重復的操作。

1.2 總體設計

整個系統裝載在由瑪特斯1YWG型機械改裝的自行履帶式噴藥機械上，機械距地高度0.5m，作業面寬2m，能夠滿足玉米苗期的作業要求。除草系統主要由圖像采集處理模塊和變量噴藥控制執行模塊兩部分組成，圖像采集處理模塊包括數碼相機、A/D轉換器、計算機及裝載的圖像處理軟件；變量噴藥控制執行模塊包括單片機、速度感應器、電磁閥和噴頭。各模塊由自行機械上所帶的蓄電池提供電源。具體裝置之間的連接如圖1所示。

圖1 系統的工作流程Fig.1 Working flow chart of the system

2 系統的組成

2.1 圖像采集處理模塊

圖像采集處理模塊由數碼相機、A/D轉換器、計算機和裝載的圖像處理軟件組成。數碼相機為尼康D810型單目相機，安裝在除草機械的前部頂端，離地高度1.5m，俯視角30°。該型相機結構緊湊，體積較小，采用防抖動安裝。相機一次拍攝可以獲取2m×2m范圍的田間圖像用于分析，拍攝的頻率受系統控制，由機械進行的速度決定。采集的原始圖像為模擬信號，形成2 080萬像素的JEPG格式圖片，經過A/D轉換器形成BMP格式后導入核心計算機中，由計算機的數字圖像軟件進行后續的處理。

核心計算機的硬件系統為聯想T6900C型，CPU為Intel 酷睿i76700，內存為8GB的DDR4型，安裝的圖像處理軟件為MatLab工具箱，運行速度快，可以滿足對圖像實時分析處理的要求。拍攝的圖片因俯視角而存在一定程度的畸變，會影響后續處方圖的網格劃分。因此，采用紀壽文等的方法矯正圖像的畸變，然后再通過中值濾波消除拍攝時隨機擾動產生的噪音干擾[14]。

玉米田中的苗草都為綠色，土壤為黃褐色，同時還存在一些灰白色雜物，因此須要先利用顏色的差異將植物進行分離。本研究選用了超綠(2G-R-B)模型的顏色空間來對圖像進行灰度化處理。處理后的圖像如圖2所示。

(a) 原始圖像 (b) 灰度化圖像 圖2 玉米田間雜草圖像的灰度化Fig.2 Graying of weed image in corn field

計算機視覺要按照特定的標準或依據才能實現對雜草的識別，即雜草與玉米植株之間的特征差異。在大部分研究中，都是根據外部形態特征來判別雜草，本文選用的是葉片的長寬比和圓度這兩個特征。長寬比是葉片的最小外接矩形的長與寬的比值，圓度是葉片面積與周長平方的比值。為提高雜草識別速率，圖像的分割采用運算模型較為簡單的閾值分割法。將灰度化圖像變換為直方圖后，對3個分量分別做最大類間方差分析，然后進行圖像的二值化，獲得各形狀特征的閾值T1和T2。

將每張圖像劃分為5行×5列的處方圖，計算每個區域中兩個形狀特征值，若某個區域的長寬比<閾值T1且圓度>閾值T2，即判定存在雜草。特征值的大小則反映雜草的密度或生長狀況，在處方圖中通過灰度的深淺表示。對于一些葉片性狀與玉米相識的單子葉雜草，則根據玉米苗期莖的顏色特征，用綠-紅指標進行分割識別。試驗發現，該模塊對田間雜草的識別率為90%，處理單張圖片的平均耗時為86ms，能滿足機械快速行進過程中對雜草進行實時識別的要求，最后的識別結果如圖3所示。

(a) 識別圖像 (b) 處方圖 圖3 玉米田間雜草的識別Fig.3 Identification of weed in corn field

2.2 變量噴藥控制執行模塊

變量噴藥控制執行模塊由單片機、速度感應器、電磁閥和噴頭組成。以AT90C51型單片機作為控制模塊的核心，用于接受計算機發來的雜草信息，并結合速度感應器的數據，通過計算確定需要噴藥的網格區域及合適的噴藥時機，然后向除草執行模塊發出作業指令，實現變量噴藥。速度感應裝置為安裝在機械地輪上的YS96B型霍爾元件，用于采集機械行進時輸出軸轉動產生的脈沖信號，轉換為速度后輸出。

噴頭安裝在機械的前端，離地高度0.7m，共5個。每個噴頭由1個電池閥控制，對應處方圖中的1列方格。噴頭類型為實心錐，噴灑的藥液呈圓形分布，一次噴灑的藥液調節為覆蓋以方格中心為圓心，半徑達0.2m的圓形面積。若某個方格內有雜草，噴頭運動到其中點上方時便開啟噴藥。電磁閥通過脈沖寬度調制技術改變噴頭控制閥門的開關狀態和開關程度，從而實現變量噴藥。4種占空比分別為0、33%、67%、100%，對應處方圖中4種除草劑噴灑劑量。

3 試驗結果與分析

3.1 試驗設計

除草系統的準確性在室內進行驗證，試驗在制作的土槽上進行。將土槽劃分為5列方格，每個方格的大小為0.4m×0.4m，隨機選擇50個方格栽種雜草。機械在土槽邊上與其在輪距相同的軌道上行走，設置3個速度分別是0.2、0.3、0.4、0.5m/s，進行不同速度下的變量噴藥試驗。噴藥精確性的評價為：雜草葉表面75%以上被噴藥液定義為精確噴灑，雜草葉表面25%～75%被噴藥液定義為較精確噴灑，雜草葉表面25%以下被噴藥液定義為漏噴灑，無雜草方格被噴灑的定義為誤噴。

3.2 試驗結果和分析

當機械速度為0.2m/s時，噴灑的精確率為96%，漏噴灑數很少，沒有出現誤噴灑的情況，變量噴藥表現出很好的準確性。隨著機械速度的增加，噴灑的精確率下降，漏噴灑數增加，并且出現誤噴灑的情況，導致藥液的浪費和殘留污染。若要兼顧變量噴藥的準確性和作業效率，則該系統的行進速度設定在0.3m/s較為合適。具體試驗結果如表1所示。

4 結論

基于計算機視覺技術開發的玉米田間變量噴藥除草系統，結構緊湊、智能化程度高、成本較低，能夠準確快速地識別田間雜草。其在室內0.3m/s的速度下表現出最好的作業效率，具有在實際生產中應用的潛力。系統的準確性試驗是在室內進行的，若在田間實際應用，就會面臨更為復雜的環境，其性能勢必會受到各種因素的干擾。另外，隨著速度的增加，漏噴灑和誤噴灑的數目也隨之增加，說明系統對雜草的識別及對變量噴藥的控制準確性開始降低。因此，針對上述問題，還須要在后續研究中進行相應的優化和改進，以提高其性能的穩定性。

表1 系統準確性的室內驗證Table 1 Accuracy verification of the system in laboratory

[1] 方如明，蔡健榮，許俐.計算機圖像處理技術及其在農業工程中的應用[J].北京：清華大學出版社，1999：171-178.

[2] 李江國，劉占良，張晉國，等.國內外田間機械除草技術研究現狀[J].農機化研究，2006, 28(10):14-16.

[3] 范德耀，姚青，楊保軍，等.田間雜草識別與除草技術智能化研究進展[J].中國農業科學，2010, 43(9):1823-1833.

[4] 裴文超，陳樹人，尹東富.基于DSP和單片機的實時對靶噴施除草系統[J].農機化研究，2012, 34(1):149-153.

[5] 尹東富，陳樹人，裴文超，等.基于處方圖的室內變量噴藥系統設計[J].農業工程學報，2011, 27(4):131-135.

[6] 劉艷紅.田間雜草識別軟件系統的研究[J].農業網絡信息，2015(5): 31-33.

[7] 楊會清，孫麗燕，劉紅.田間雜草識別的機器視覺系統及機械除草研究[J].農業機械，2011(19):126-129.

[8] 紀壽文，王榮本，陳佳娟，等.應用計算機圖形處理技術識別玉米苗期田間雜草的研究[J].農業工程學報，2001,17(2):154-156.

[9] 侯晨偉，陳麗.基于概率神經網絡的玉米苗期雜草識別方法的研究[J].農機化研究，2010,32(11):41-43.

[10] 金小俊，陳勇，侯學貴，等.基于機器視覺的除草機器人雜草識別[J].山東科技大學學報：自然科學版，2012,31(2):104-108.

[11] 李謙，蔡曉華.機器視覺在除草機器人中的應用[J].農機化研究，2014,36(7):204-206.

[12] 張紅旗，劉宇，王春光.改進田間雜草識別圖像預處理方法的研究[J].農機化研究，2015,37(6):70-73.

[13] 張漫，項明，魏爽，等.玉米中耕除草復合導航系統設計與試驗[J].農業機械學報，2015,46(S1):8-14.

[14] 紀壽文，王榮本，陳佳娟，等.應用計算機圖形處理技術識別玉米苗期田間雜草的研究[J].農業工程學報，2001,17(2):154-156.