基于計算機視覺的小麥長勢監控研究

錢永濤

(河南牧業經濟學院，鄭州　450046 )

0　引言

隨著社會發展和城市化推進，我國人口密度持續增加，而農業耕作土地面積大幅減少，導致對農產品的需求與農業實際生產力之間的矛盾日益尖銳。如何利用有限的耕地資源生產盡量多的農產品，成為現階段我國農業所面臨的一個重要問題。為了應對這一挑戰，人們開始轉變傳統的農業生產方式，利用各種新技術發展出智能化和數字化的農業模式。這些新的模式都通過對農作物生長態勢進行監測，分析診斷后對生長相關的各種因素進行精準控制，從而提高各種資源的使用效率和單位面積上的農業產量。

數字農業是農業現代化的重要支撐技術，目前在我國已經得到了長足的發展，具體的形式表現為各種植物生長柜和監控決策系統。崔世鋼等基于Android操作系統，設計了一個植物生長柜的智能監控軟件，用以實現對各種生長因子的自動監控和管理[1]。施連敏等基于無線傳感器網絡，設計了一個監控蔬菜生長環境的系統，能實現環境信息的顯示和存儲，為智能決策和控制提供技術支撐[2]。劉業亮和賈彪分別利用ZigBee無線傳感器網絡和“互聯網+”技術，建立了蔬菜和玉米的遠程監控平臺，以檢測作物的生長態勢，并及時提供診斷決策[3-4]。目前，各種作物長勢監控系統所用的核心技術有無線傳感器和多維圖像，涉及的作物包括棉花、玉米、小麥和水稻等[5-9]。

農作物的長勢是上述系統平臺進行決策的依據，因此長勢監控的準確性便成為評價這些系統功能的重要方面。農作物的長勢表現為外部性狀和內部性狀：外部性狀是可以直接觀察感知的外觀信息(如植株莖、葉、穗的數量，以及形狀和顏色等)，是作物健康狀況的直接反映和產量形成的基礎，一般可以通過觀察記錄或測量統計獲得；內部性狀是各種生理代謝狀況和生理生化指標(如丙二醛含量、保護酶活性及葉綠素含量等)，通過專門的儀器或實驗方法測定獲得。內部性狀是某些外部性狀產生的潛在原因，可以為診斷一些阻礙作物正常生長的內在因素提供依據[10]。

傳統的農作物長勢監控是由人工來操作完成的，對外部形狀進行肉眼的觀察和統計測量，對內部性狀則用各種便攜式儀器測量或取樣后通過室內實驗測定。這種監控方法勞動強度大、效率較低，且監控的結果受人員技能和素質的影響很大。另外，取樣操作會對作物植株造成損害，監控結果反映作物長勢的準確性有限，需要進行改進乃至替換。

計算機和信息處理技術的進步催生了計算機視覺，并在農業的各個領域得到了廣泛的應用，如農產品采摘、品質檢測分級、雜草和路徑識別等。計算機視覺技術可以對農作物進行非接觸的連續測量，因此非常適用于作物的長勢監測。隨著圖像處理和識別算法等相關技術的進步，計算機視覺對作物長勢監測的準確性也在逐步提高[11]。計算機視覺對作物長勢監測方面的研究很多，其主要包括3個部分的內容：一是對作物形態的識別，針對的具體性狀有葉片形態、植株形態，以及通過根系形態評價播種存活率。二是對營養元素含量的判斷，如葉尖運動與含水量的關系、葉冠投影面積與肥料的關系及葉片面積與氮素含量的關系等；三是對植株的無損測量，如監測生長參數、發育狀態和建立生長模型等。上述研究結果為計算機視覺在作物生長監控中的應用創造了條件。

小麥是我國的三大糧食作物之一，歷年的種植面積和產量都占糧食作物的20%以上。我國還是世界上小麥產量和消費量最大的國家，這更體現出其在國民經濟和糧食安全中的重要地位。因此，推進數字農業在小麥長勢監控中的應用，對保障小麥的高產、穩產具有重大的現實意義。小麥的株高是其最直觀的外部形狀，與產量之間有著密切的關系，理想的株高是小麥高產育種的目標[12]。葉綠素含量是小麥的一種代表性的內部性狀，其與凈光合速率顯著相關，對產量有著決定性的影響[13]。本文以計算機視覺技術為核心，建立了小麥長勢的監控系統，用以提高對其生長信息監控的效率和準確性。在植物工廠中對小麥的株高和葉綠素含量進行測量試驗，導入后臺用于診斷和決策，以期為推進小麥生產的數字化提供技術支持。

1　系統的工作原理和組成

1.1工作原理

以計算機視覺技術為核心，建立了小麥長勢監控系統，主要由植物工廠和基站組成。其中，視頻采集裝置和指令執行裝置位于植物工廠中，無線傳輸裝置、數據處理器和信息管理器這3大部分位于基站中，數據處理器中裝載計算機視覺系統。

利用植物工廠中的視頻采集裝置拍攝小麥生長過程的圖像，形成的視頻信號由無線傳輸裝置發送給數據處理器；數據處理器中的計算機視覺軟件對小麥圖像進行分析，得到各種形態特征和顏色特征后發送到信息處理器；信息管理器對上述特征進行綜合分析，診斷小麥的產量潛力、生理狀況和病蟲害等情況，并形成決策用以調節小麥的生長環境；最終的決策經過數據處理器后，由無線傳輸裝置以控制指令的形式發送給植物工廠中的指令執行裝置；指令執行裝置進行相應的作業，實現對小麥長勢的控制和調節，從而達到增產和節約資源的效果。

系統工作原理如圖1所示。

圖1　系統的工作原理

1.2系統的組成

小麥長勢監控系統的主體是植物工廠，這是當前數字農業的主要模式，其光照和溫度可以精確控制，幾乎不受外界影響。視頻采集裝置為CT-CA501型CCD攝像機，像素達200萬dpi，成像清晰，性能穩定，適應植物工廠溫濕度較高的環境。指令執行裝置為各種智能化的變量噴藥、變量施肥和光溫調節設備，由接收指令的單片機控制。

無線傳輸裝置是植物工廠與基站之間傳遞視頻信號和控制指令的紐帶，采用了基于FPGA的無線通信調制方式，數據傳輸具有較好的可靠性和連續性。數據處理器為聯想D7070型臺式電腦，安裝Windows10操作系統，計算機視覺的圖像處理軟件為MatLab工具箱。信息管理器為聯想IBM X3650M5型服務器，安裝有小麥生長的數據分析軟件和專家診斷決策數據庫。信息管理器能對數據處理器所發來的信息進行針對性的分類管理，然后根據專家數據反饋控制指令，并存儲小麥全生育期的各種數據。

2　圖像的處理

使用計算機中用MatLab工具箱分析處理拍攝到的圖像。為了提高小麥植株的識別質量，需要對圖像做預處理，即灰度化和圖像平滑。這里以灌漿期的一幅圖像為例(圖2A)，莖葉為綠色，麥穗為黃色，土壤為褐色，干擾目標識別的其它顏色較多。因此，根據實際情況，以RGB顏色空間中的R、G、B這3個分量的加權平均數為灰度化值。拍攝過程中小麥植株為靜止狀態，光照強度不變，引起的圖像噪音較小，因此采用簡單的2×2窗口的中值濾波法進行平滑處理。

圖像處理效果如圖2所示。

圖2　圖像的處理(A：原始圖像；B：灰度化圖像；C：識別圖像)

經過預處理后，對所得的圖像建立直方圖，小麥植株區域與背景之間的差異不明顯，因此利用分割閾值對灰度化的圖像進行分割。該圖像的最佳閾值為67.5，表現出較好的識別效果，如圖2(c)所示。此處分別以株高和葉綠素含量為外部性狀和內部性狀的代表進行監控，以反映小麥的長勢。在識別圖像中，以小麥植株目標區域的最小外接矩形的長度作為株高。對于葉綠素含量，則參考柴阿麗等人的研究，選擇以G-R顏色特征為參數建立的模型來預測小麥葉片中的葉綠素含量[14]。

3　試驗結果與分析

3.1試驗設計

長勢監控系統的準確性試驗于2015年在本單位的植物工廠中進行，土壤為棕壤土。3個小麥試驗品種都是在本地區推薦種植的品種，分別是周麥22、眾麥1號和新麥26，種子從本地的農資市場購買。小麥在10月中旬播種，采用穴播方式種植，進行常規的水肥管理和病蟲草害防治。

每個小麥品種選擇10個正常的代表性單株掛牌標記，作為監控對象。計算機視覺監測的小麥性狀為株高和葉綠素含量，重點監測的生育時期包括分蘗期、拔節期和灌漿期。株高的人工測量方法為用標尺測量小麥植株頂端到地面的距離，葉綠素含量用SPAD502型便攜式葉綠素儀測定。試驗數據用SPSS16.0軟件統計分析，用成對數據的t測驗檢驗兩種方法所測數據的差異顯著性，從而評價系統的準確性。

3.2試驗結果和分析

與人工測量的結果相比，計算機視覺測量的小麥株高普遍較低，部分品種出現了顯著的差異，可能是由圖像拍攝的角度引起。因此，需要對攝像機的安裝高度進行調整，并優化計算機視覺系統的參數和算法以消除拍攝角度引起的誤差。雖然系統監控結果與人工測量之間存在誤差，但是不同品種或生育期之間的相對株高還是一致的，表現出較好的準確性。

兩種方式測量的小麥株高試驗數據如表1所示。

表1兩種方式測量的株高

Table 1Plant height measured by two methods cm

小麥品種分蘗期人工測量系統監控拔節期人工測量系統監控灌漿期人工測量系統監控周麥2221．7±0．420．2±0．6?68．3±1．265．4±1．7?77．8±0．673．8±1．2?

續表1 cm

小麥品種分蘗期人工測量系統監控拔節期人工測量系統監控灌漿期人工測量系統監控眾麥1號18．0±0．516．7±0．7?62．5±0．960．3±1．571．1±1．569．6±1．4新麥2623．4±1．322．5±1．066．1±0．763．3±1．4?76．4±0．874．2±1．3

*表示與人工測量的數據之間具有顯著的差異。

計算機視覺測量的小麥葉綠素含量與SPAD502的測量結果相比沒有出現顯著的差異，且不同品種或生育期之間的相對含量也是一致的，表現出較好的準確性。兩種方式測量的葉綠素含量數據如表2所示。

表2　兩種方式測量的葉綠素含量(SPAD)

4　結論

1)基于計算機視覺技術，設計了一種小麥的長勢監控系統，主要由視頻采集裝置、指令執行裝置、無線傳輸裝置、數據處理器和信息管理器5大部分組成。視頻采集裝置拍攝小麥生長過程的圖像，形成的視頻信號由其中的計算機視覺軟件進行分析，得到各種形態特征和顏色特征；信息管理器根據上述特征診斷小麥的產量潛力、生理狀況和病蟲害等，并形成決策；最終的決策以控制指令的形式發送給植物工廠中的執行裝置，對小麥的生長環境進行控制和調節，達到增產和節約資源的目的。

2)驗證系統準確性的實驗在植物工廠中進行，監測了3個小麥品種在分蘗期、拔節期和灌漿期的株高和葉綠素含量。與人工測量的結果相比，計算機視覺測量的小麥株高普遍較低，可能是由圖像拍攝的角度引起的，需要優化系統的參數和算法，以消除拍攝角度引起的誤差；系統測量的不同品種或生育期之間的相對株高和葉綠素含量都很一致，表現出較好的準確性，具有大規模應用的前景。

參考文獻：

[1]崔世鋼，謝佳佳，吳興利，等.基于Android平臺的植物生長柜智能監控軟件設計[J].江蘇農業科學，2015,43(6):406-408.

[2]施連敏，蓋之華，蔣春華.基于無線傳感器網絡的綠色蔬菜生長環境監控系統設計與實現[J]. 軟件導刊，2016,15(11):167-169.

[3]劉業亮.蔬菜種植數字化監控平臺的設計與實現[J]. 信息通信，2014(12):46-47.

[4]賈彪.玉米生長監測遠程診斷系統設計與架構[J]. 南方農業，2016,10(18):230-232.

[5]馬彥平. 基于數字圖像的冬小麥、夏玉米長勢遠程動態監測技術研究[D].武漢：華中農業大學,2010.

[6]吳滔.基于無線多媒體傳感器網絡的作物環境與長勢遠程監測系統[D].上海：華東交通大學，2012.

[7]胡泊.基于多維圖像特征的農作物長勢評價方法[D]. 北京：北京交通大學，2014.

[8]劉民靜.基于ZigBee無線傳感器網絡的作物生長環境監控系統[D].濟南：濟南大學，2014.

[9]唐文進.基于嵌入式系統的棉花長勢在線監控關鍵技術研究[D].鎮江：江蘇大學，2014.

[10]董淑娟.水稻生長信息動態監控系統設計—基于物聯網技術[J].農機化研究，2017, 39(8):216-219.

[11]孫紅，孫明，王一鳴.基于機器視覺的農作物生長無損測量的研究進展[C]//中國數學農業與農村信息化學術研究研討會論文集.北京：“863計劃”數字農業重大專項總體專家組、國家農業信息化工程技術中心，2005.

[12]丁安明，崔法，李君，等.小麥單株產量與株高的QTL分析[J].中國農業科學，2011, 44(14):2857-2867.

[13]張秋英，李發東，劉孟雨.冬小麥葉片葉綠素含量及光合速率變化規律的研究[J]. 中國生態農業學報，2005, 13(3):95-98.

[14]柴阿麗，李寶聚，網倩，等.基于計算機視覺技術的番茄葉片葉綠素含量的測定[J].園藝學報，2009, 36(1):45-52.