基于無人機多光譜圖像的荔枝葉片氮磷鉀含量檢測*

梁宇鋒，潘滿清，霍翔，王巖，陳海彬，郭建文※

（1.東莞理工學(xué)院機械工程學(xué)院，廣東東莞 523808；2.東莞理工學(xué)院電子工程與智能化學(xué)院，廣東東莞 523808）

0 引言

荔枝產(chǎn)值在果樹生產(chǎn)中占重要地位，有耗工少、成本低、收入大的優(yōu)點。荔枝樹是常綠果樹，其根系深廣且有菌根，有利于對土壤養(yǎng)分的吸收利用。其他對土壤養(yǎng)分的需求以鉀最多，其次是氮、磷。荔枝樹幼苗期的施肥主要以氮肥為主，適當(dāng)增施磷鉀肥；成年樹應(yīng)以鉀肥為主，適當(dāng)增施氮磷肥[1]。果農(nóng)在施肥過程中往往根據(jù)經(jīng)驗進行施肥，不能確保每棵荔枝樹都能得到足夠的營養(yǎng)，如何通過技術(shù)手段獲取樹木的養(yǎng)分并根據(jù)實際進行精準(zhǔn)施肥[2]是面向荔枝精準(zhǔn)農(nóng)業(yè)需要解決的一個問題。

多光譜成像[3]是指包含多個波段信息的圖像，每個波段提取出對應(yīng)的一幅灰度圖像，它包含了該波段傳感器的敏感度生成的場景亮度信息圖。多光譜應(yīng)用于農(nóng)業(yè)主要有玉米[4]、小麥[5]等，國外也有應(yīng)用于西非高粱[6]和橄欖樹[7]的研究。在荔枝領(lǐng)域，研究多使用高光譜，如李丹等人用高光譜實現(xiàn)對荔枝SPAD 值的快速估測[8]，但高光譜有拍攝儀器價格昂貴且不易攜帶的缺點，在實際生產(chǎn)過程中不易推廣。在農(nóng)業(yè)監(jiān)測領(lǐng)域，多光譜相機搭配無人機擁有廣闊的前景[9]。周慧等[10]使用無人機多光譜數(shù)據(jù)預(yù)測荔枝葉片養(yǎng)分質(zhì)量分?jǐn)?shù)，但其使用多光譜數(shù)據(jù)結(jié)合植被指數(shù)或反射指數(shù)進行研究，出現(xiàn)不同冠層使用不同植被指數(shù)產(chǎn)生多個預(yù)測模型的情況，且引入植被指數(shù)計算時使用的是特定的波段數(shù)據(jù)，不利于預(yù)測模型的改進。

基于現(xiàn)有研究本文提出利用無人機配合多光譜相機對荔枝樹葉片進行拍攝，通過多波段數(shù)據(jù)結(jié)合實際化驗結(jié)果建立荔枝樹葉片氮、磷、鉀元素含量檢測模型，實現(xiàn)對荔枝樹葉片氮、磷、鉀含量的快速檢測，幫助果農(nóng)實時了解每棵荔枝樹所需肥量以便實施精準(zhǔn)施肥。

1 實驗數(shù)據(jù)采集

1.1 荔枝樹葉樣本的采集

實驗用大疆公司生產(chǎn)的精靈四多光譜版無人機。該型號無人機攜帶的多光譜相機體積小，重量輕，可以同時拍攝包含藍(lán)(450 nm)、綠(560 nm)、紅(650 nm)、近紅外(840 nm)和紅邊(730 nm)等5 個離散波段的圖像。每一個波段通道都有完整的成像儀窄帶光學(xué)過濾器，可以獲取高精度的多光譜圖像。

荔枝樹葉片采樣區(qū)位于廣東省東莞市東莞理工學(xué)院松山湖校區(qū)，如圖1 所示，采樣時間為2021 年10月中旬。本實驗采用的荔枝樹品種是糯米糍，采用隨機采樣的方法對荔枝林內(nèi)的荔枝樹進行采樣，分別采集嫩葉、壯年葉和老葉，部分實驗荔枝樹嫩葉及老葉樣本圖2 所示。

圖1 部分實驗用的荔枝樹

圖2 部分荔枝樹葉片樣本

采集的荔枝樹葉按葉齡分配成50個樣本，每個樣本重約10 g，采摘后的樣本存放在保鮮袋中。將制備的50組樣本按7∶3的比例隨機分為建模集（35組樣本）和預(yù)測集（15 組樣本），在光線良好的環(huán)境下，樣本按順序排放，無人機垂直正對樣本葉片進行拍攝，拍攝前需要先拍攝標(biāo)準(zhǔn)反射率板圖像作為校正圖像。拍攝過程中使用數(shù)據(jù)線直連平板端進行樣本圖像位置的實時預(yù)覽，相機鏡頭距離葉片高度大約50 cm，保證樣本位置都處于5個通道傳感器的正中間時，按下拍攝按鈕進行圖像保存。

1.2 荔枝樹葉片氮磷鉀含量測定

植物中的氮、磷大多數(shù)以有機態(tài)存在，鉀以離子態(tài)存在。樣品經(jīng)硫酸和過氧化氫消煮，有機物被氧化分解，使樣品中的有機氮化物轉(zhuǎn)化成無機銨鹽，有機磷轉(zhuǎn)化成無機磷酸鹽，用同一消解液分別測定氮（N）、磷（P）、鉀(K)的含量。

（1）氮的測定。消解液經(jīng)堿化，加熱蒸餾出氨，經(jīng)硼酸吸收，用標(biāo)準(zhǔn)酸滴定其含量。

（2）磷的測定。在一定酸度下，消解液中的正磷酸與偏釩酸和鉬酸生成黃色的三元雜多酸，用比色法測定磷含量，即釩鉬黃吸光光度法。或在一定酸度下，消解液在三價銻離子存在下，其中的正磷酸與鉬酸銨生成三元雜多酸，被抗壞血酸還原為磷鉬藍(lán)，用比色法測定磷含量，即鉬銻抗吸光光度法。

（3）鉀的測定。將處理過的樣品導(dǎo)入原子吸收分光光度計的火焰原子化系統(tǒng)中，使鉀離子原子化，鉀的基態(tài)原子吸收鉀空心陰極燈發(fā)射的共振線，在共振線766.5 nm 處測定吸光度，其吸光度值與鉀含量成正比，與標(biāo)準(zhǔn)系列進行比較定量。

2 多光譜圖像數(shù)據(jù)處理及分析

本實驗以荔枝樹為研究對象，通過無人機攜帶多光譜相機獲取荔枝樹冠層和葉片的光譜信息，通過化學(xué)手段分析荔枝樹葉片氮、磷、鉀素含量，對數(shù)據(jù)整合分析，構(gòu)建荔枝樹葉片氮、磷、鉀素含量檢測模型。具體實驗流程如圖3所示。

圖3 實驗流程

2.1 多光譜圖像預(yù)處理

2.1.1 配準(zhǔn)

為消除因不同波段相機的物理位置差引起的相位差，讀取圖像meta 信息中每個波段相機相對于NIR 波段相機的位置偏移量。本次實驗采用的拍攝方式為懸停拍攝，直接取讀取的兩個位置偏移量進行配準(zhǔn)處理。由于圖像meta 信息中其余波段相機相對于NIR 波段相機的偏移量精度為亞像素級別，采用雙三次插值法進行平移配準(zhǔn)。雙三次插值法的基本原理是通過選取待求像素鄰近的4×4 個像素點，通過選取插值基函數(shù)來擬合數(shù)據(jù)，不僅考慮到了周邊像素點自身像素值的影響因子，還將相鄰點之間像素的像素值變化率的影響納入到待求像素的像素值中。本實驗通過雙三次（BiCubic）基函數(shù)來進行數(shù)據(jù)擬合[11]，配準(zhǔn)結(jié)果達(dá)到精度要求。

2.1.2 暗角補償和畸變校正

暗角效應(yīng)體現(xiàn)為亮度由中心向邊緣進行輻射狀的變暗，其通常主要是由于鏡頭邊緣的成像光線與鏡頭光軸有一個較大的夾角，造成邊角失光。典型的暗角效應(yīng)模型為多項式模型，對輻射狀暗角進行補償公式如式（1）所示：

其中，r是像素點到補償中心的像素距離，其由式（2）求出：

式中：u、v分別為圖像中某一像素位于圖像坐標(biāo)系中的橫縱坐標(biāo)，（ucencer，vcencer）代表圖像的坐標(biāo)中心。

相機成像的過程實際就是將世界坐標(biāo)系的點轉(zhuǎn)換到相機坐標(biāo)系，投影得到圖像坐標(biāo)系，進而轉(zhuǎn)化為像素坐標(biāo)系的過程。而由于透鏡精度和工藝會引入畸變，畸變就是指在世界坐標(biāo)系中的直線轉(zhuǎn)化到其他坐標(biāo)系不在是直線，從而導(dǎo)致失真，為了解決這個問題，從而引入了相機畸變校正模型。本實驗采用Brown 校正模型進行校正。讀取圖像meta 信息中的相機內(nèi)參和畸變參數(shù)代入畸變前后的坐標(biāo)關(guān)系公式中：

校正后將校正所在的坐標(biāo)系轉(zhuǎn)換到圖像像素坐標(biāo)系中。

2.1.3 繪制ROI區(qū)域

繪制荔枝樹葉片感興趣區(qū)域，繪制過程中考慮到傳感器鏡頭的邊緣減光現(xiàn)象，所選區(qū)域應(yīng)盡量遠(yuǎn)離圖像邊緣且盡可能大的包絡(luò)荔枝樹葉片，如圖4 所示。以此可以得到ROI 區(qū)域內(nèi)的平均波普輻射亮度值，后續(xù)根據(jù)此數(shù)值換算得到荔枝樹葉片5個波段的二向反射率。

圖4 繪制ROI區(qū)域前后對比圖

2.2 二向反射率計算

圖像DN 值是傳感器量化后的整數(shù)值，雖然與入射波譜輻射亮度有關(guān)，并且傳感器一般采用線性量化，但是DN 仍然不是一個具有實際意義的物理量。需要將原始影像DN 值經(jīng)輻射定標(biāo)轉(zhuǎn)換為波譜輻射亮度，波譜輻射亮度描述的是單位立體角和單位面積上的能量，單位是W∕cm2∕sr∕um，記作L（θ，ψ）。根據(jù)大疆發(fā)布的《P4M圖像處理指南》里的公式，推算圖像DN 值轉(zhuǎn)為波普輻射亮度的公式為：

式中：Correction包含了對圖像的暗角補償和畸變校準(zhǔn)；rx為調(diào)節(jié)圖像信號與多光譜光強傳感器信號之間相互轉(zhuǎn)化的參數(shù)；I(x,y)和IBL分別是歸一化到值域[0，1]上的像素的DN 值和黑電平值；Vgain為增益參數(shù)；Vetime為曝光時間。

根據(jù)公式求得多光譜相機拍攝標(biāo)準(zhǔn)反射率板的時刻太陽的輻射能量。因為標(biāo)準(zhǔn)反射率板的反射率已知，求二向反射率：

計算出每個像素的二向反射率，最后得到整張多光譜圖像的二向反射率。

3 分析與建模

3.1 荔枝樹葉片測定結(jié)果分析

運用化學(xué)手段對采集的嫩葉、壯年葉和老葉樣本進行了分析測定，部分樣本結(jié)果如圖5所示。其中系列1為葉片氮素含量，系列2為葉片磷元素含量，系列3為葉片鉀元素含量。標(biāo)簽1～5 表示嫩葉的養(yǎng)分含量，標(biāo)簽6～10表示老葉葉片養(yǎng)分含量，標(biāo)簽11～15表示壯年葉的葉片養(yǎng)分含量。由圖可以看出，葉片的氮素含量為17.845～20.888 g∕kg，磷元素含量為1.243～2.241 g∕kg，鉀元素含量為12.327～19.046 g∕kg，其中氮元素與磷元素含量與伏廣農(nóng)等學(xué)者對糯米糍品種的養(yǎng)分推薦標(biāo)準(zhǔn)氮元素16.48～20.65 g∕kg和磷元素1.82～2.26[12]g∕kg一致，鉀元素含量在老葉中較接近養(yǎng)分推薦標(biāo)準(zhǔn)8.8～11.88 g∕kg，在嫩葉及壯年葉中均偏高于養(yǎng)分推薦標(biāo)準(zhǔn)。荔枝單株葉片含量從秋梢老熟至枝芽分化期均無明顯變化；磷元素含量從秋梢老熟期開始下降，從圖6中系列2折線可看出其含量在嫩葉、老葉、壯年葉中存在3 個層級；鉀元素含量在秋梢老熟期枝芽分化期會有較大的波動，且受外界條件影響較大，故有明顯的升降趨勢。

圖5 不同葉齡葉片養(yǎng)分含量變化柱狀圖

圖6 不同葉齡葉片養(yǎng)分含量變化趨勢

3.2 多元非線性回歸模型構(gòu)建與驗證

根據(jù)所拍攝的多光譜圖片，經(jīng)過預(yù)處理后將圖像DN值轉(zhuǎn)為二向反射率，提取ROI 區(qū)域內(nèi)的反射率信息，求得其加權(quán)平均值。通過Matlab 對所得反射率均值和建模集中荔枝樹葉片實際檢測含量進行相關(guān)性分析，部分建模集數(shù)據(jù)如表1所示。

表1 部分建模數(shù)據(jù)集

利用斯皮爾曼相關(guān)系數(shù)對多光譜圖像的5 個波段數(shù)據(jù)與荔枝樹葉片的實際氮磷鉀檢測含量的相關(guān)性進行排序，以便篩選出與荔枝樹葉片實際氮磷鉀檢測含量相關(guān)性較強的波段，并作為后續(xù)的建模數(shù)據(jù)依據(jù)。經(jīng)過計算荔枝樹葉片氮素含量與各波段的相關(guān)性順序由大到小依次為：近紅外、綠、紅、紅邊、藍(lán)；磷元素含量與各波段的相關(guān)性順序由大到小依次為：藍(lán)、綠、紅、近紅外、紅邊；鉀元素含量與各波段的相關(guān)性順序由大到小依次為：近紅外、紅、紅邊、藍(lán)、綠。

確定建模所需要用到的波段數(shù)據(jù)后，通過機器學(xué)習(xí)算法[13]，采用最小二乘法對多光譜波段數(shù)據(jù)和荔枝樹葉片氮磷鉀實際檢測含量建立非線性回歸模型[14]。經(jīng)過回歸分析并篩選最優(yōu)曲線，確定荔枝樹葉片磷元素含量檢測模型采用的自變量為藍(lán)、綠、近紅外3 個波段數(shù)據(jù)，因變量為荔枝樹葉片磷元素含量實際檢測值，模型曲線的次數(shù)為4，擬合優(yōu)度為0.831 1，模型的平均絕對誤差和均方誤差分別為0.1 和0.02，荔枝樹葉片磷元素含量檢測模型的擬合效果較好。荔枝樹葉片氮素含量檢測模型的自變量為綠、紅、紅邊、近紅外4 個波段數(shù)據(jù)，模型曲線的次數(shù)為3，擬合優(yōu)度為0.753 7。荔枝樹葉片鉀元素含量檢測模型的自變量為藍(lán)、紅、近紅外3 個波段數(shù)據(jù)，模型曲線的次數(shù)為4，擬合優(yōu)度為0.818，滿足要求。

確定荔枝樹葉片氮磷鉀含量檢測模型后，通過代入驗證集數(shù)據(jù)對模型進行驗證，3 個模型輸出的擬合值與實際檢測值相關(guān)性結(jié)果如圖7 所示。其中圖7（a）表示荔枝樹葉片氮元素含量檢測模型輸出的擬合值與實際檢測值的相關(guān)性，二者的相關(guān)性為0.885 3。圖7（b）表示荔枝樹葉片磷元素含量檢測模型輸出的擬合值與實際檢測值的相關(guān)性為0.911 6。圖7（c）表示荔枝樹葉片鉀元素含量檢測模型輸出的擬合值與實際檢測值的相關(guān)性為0.904 5。經(jīng)檢驗3 個模型中荔枝樹葉片磷元素含量檢測模型擬合優(yōu)度最好，模型效果最佳，荔枝樹葉片鉀元素含量檢測模型效果次之，荔枝樹葉片氮素含量檢測模型的效果比前兩者差，但3 個模型的精度均符合要求，為荔枝樹冠層氮磷鉀含量的快速檢測提供一個參考思路。

圖7 模型擬合效果

4 結(jié)束語

本實驗基于無人機多光譜成像技術(shù)，以荔枝樹葉片為研究對象，對拍攝所得圖像進行處理后，通過相關(guān)性分析分別確定了荔枝樹葉片氮、磷、鉀含量特征波段，根據(jù)相關(guān)特征波段的數(shù)據(jù)和荔枝樹葉片實際檢測含量，利用最小二乘法建立多元線性回歸模型，經(jīng)驗證模型具有較好的擬合度。實驗結(jié)果表明通過最小二乘法構(gòu)建荔枝樹葉片氮磷鉀含量的快速檢測模型能有效對荔枝樹葉片氮磷鉀含量進行檢測，此結(jié)果為荔枝樹的精準(zhǔn)施肥管理提供了一定的參考依據(jù)。相比于傳統(tǒng)化學(xué)方法檢測手段，利用多光譜相機結(jié)合無人機平臺進行拍攝，通過多元非線性回歸模型對荔枝樹營養(yǎng)物質(zhì)含量檢測，操作簡單，效率高，不受場地限制，具有很大優(yōu)勢。因此將多光譜圖像用于荔枝樹葉片氮磷鉀含量的檢測，可以實現(xiàn)對荔枝樹氮磷鉀含量信息的快速獲取，為高效的果林管理模式提供了一種新的解決方案。