智慧農業背景下高原夏菜蟲害識別與施藥算法研究*

刁 鵬 ， 蘇軍德 ， 高立兵

（甘肅有色冶金職業技術學院，甘肅 金昌 737100）

0 引言

近年來，隨著金昌市委、市政府相關政策支持力度的不斷加大，金昌市草食畜牧業飛速發展。高原夏菜作為產業鏈中的重要一環，種植面積逐年擴大。2022年，永昌縣預計全年高原夏菜種植面積23萬畝以上，產量69萬t。

據調查，危害高原夏菜的蟲害多達21種[1]，每年因蟲害造成的高原夏菜產量損失15%～20%。如何快速、高效地對高原夏菜的蟲害進行監測識別并精準施藥，對提升高原夏菜的產量有著極其重要的意義。傳統的方法主要依靠植保人員目視解譯出蟲害信息，再采用噴藥機器噴灑農藥。這種方式不僅效率低，容易造成浪費，還會污染環境。噴藥機器人能精準施藥，節省人力、物力，提高植保效率，可以實現經濟效益、社會效益、生態效益的統一[2]。

20世紀70年代末，植保機器人逐漸被歐美等發達國家所應用，出現了噴藥、采摘機器人。但是，初期的機器人算法落后，性能低，誤差率大。隨著計算機技術、圖像識別技術的發展，機器人的智能化程度大幅提升，逐漸具備了自動監測蟲害、自動施藥等功能[3-4]。趙春江等[5]提出的基于蝗蟲生境因子疊置分析的處方圖生成技術，實現了基于時間序列動態描述區域蟲災蔓延范圍和成災程度，為精準施藥提供了依據。邵慶等[6]采用迭代閾值分割和微分邊緣檢測提取小麥病斑部位的形狀特征，為農作物病害診斷提供了參考。刁智華等[7]提出了一種在復雜條件下分割棉花害螨病斑圖像的方法，可以有效識別棉花害螨病斑，準確率高達97.83%。王獻鋒等[8-9]提出了一種基于病害葉片圖像和環境信息的黃瓜等病害識別方法，可以有效識別3種葉部病害，識別率在90%以上。劉雪美等[10-11]設計了噴桿噴霧精確對靶施藥系統，可以精確對靶施藥，節省藥液20%以上。目前，相關研究多側重對單一蟲害的識別，對多種蟲害進行監測的研究較少，相關的精準施藥方案也較少。本研究以高原夏菜常見蟲害為研究對象，基于圖片信息提取了蔬菜的蟲害信息，以此進行多種蟲害的識別。并以蟲害種類、受害程度為依據，實現對高原夏菜的精準施藥。

1 材料與方法

1.1 系統原理

機器人系統主要由3部分組成：圖像采集部分、信息提取部分、施藥控制部分。圖像采集是借助安裝在機器臂上的相機對蔬菜進行拍攝。信息提取部分是指對采集到的圖片進行自動處理，包括濾波降噪、超綠灰度化、特征提取、信息比對等。可從圖像上葉片的蟲斑紋理、顏色、形狀等判別蟲害，從蟲斑面積大小判斷蟲害嚴重程度。施藥控制部分是指根據獲取的信息，調節藥物的劑量、控制機器人的施藥速度，以達到精準施藥的目的[12]。

1.2 試驗設計

高原夏菜種植密集，一般各行作物間距相等，幼苗期間距大，葉片較小，沒有相互遮擋，蟲害發生也較少。隨著作物生長，作物間距變小，此時葉片遮擋程度也相對低，蟲害逐漸發生，但種類單一，易于發現。生長末期各行作物幾乎沒有間距，葉片遮擋程度高，蟲害密集發生且種類多，不易區分。鑒于此，課題組選擇高原夏菜生長中期為研究對象并進行試驗。本研究在甘肅永昌縣境內的600畝高原夏菜試驗田內進行，利用試驗田現有的植保機器人，結合研究內容將機器人改裝并進行試驗作業。

2 系統設計

2.1 圖像采集與預處理

精準施藥的關鍵在于蟲害信息的獲取是否精確。蔬菜發生蟲害后，其植株會發生變化，如葉片卷曲變色、葉面出現裂紋等。受害程度不同，其表現出的特征也有很大差異，算法將根據這些特點來進行蟲害識別。在機器人上安裝AFT-902HC工業攝像機，分辨率為752×582，該攝像機具體參數如表1所示。設置間隔2 s采集一張圖像并輸出，重復采集一次用于精度檢驗，近景圖像用于觀察紋理、顏色，遠景用于區分作物行。

表1 AFT-902HC工業攝像機具體參數

工作時的具體路線圖如圖1所示。

圖1 高原夏菜蟲害程度與識別研究總體技術路線圖

2.1.1 灰度變換

采集過程易受光照、溫度、濕度等因素影響，所以，要對采集到的圖像進行處理，包括濾波降噪、灰度化等。

由于受蟲害影響，健康葉片的圖像與患病葉片的圖像會產生色彩上的差異，即健康葉片及陰影呈現綠色，患病葉片呈現黃白色、黑灰色。故可以使用超綠算法針對這一特性進行特征提取，即：

圖像經超綠灰度化處理后，其作物行區分更加明顯，生長特征更明顯。處理后的圖像剔除了其他背景信息，所以更容易區分出患病葉片的患病位置、紋理、面積等，處理結果如圖2所示。普通灰度化效果如圖2（a）與圖2（c）所示，超綠灰度化效果如圖2（b）與圖2（d）所示。

圖2 灰度轉換圖像

2.1.2 濾波降噪

將圖像進行3×3的分割，分成9個大小相同的塊斑并用阿拉伯字母按順序編號。選取模板中心點的灰度值作為處理值，這樣可以降低噪聲對蟲斑的影響，同時也可以提高作物行的提取精度。

2.2 圖像分割

將圖像預處理后，要想更準確地識別蟲害還需進行圖像分割。圖像分割的好壞將直接影響識別的精度[13]，所以分割圖像的方法十分重要。

從圖像上看，健康葉片與受蟲害葉片在色彩上有很大的差異，因此可以采用閾值分割法解決問題。為了減少不必要的參數，提高數據處理效率[14]，研究采用最大類間方差比閾值作為參數進行分割，具體過程如下。

1）先解譯出像素最密集區的灰度值K，接著解算出K值之前的像素數N、圖片中全部像素的灰度平均值u以及它們的概率p0,p1,p2…pk：

式中，f(i,j)指圖像上隨機點i和j的灰度值。

2）設置起始閾值T=T0（T0＞0），將圖像分為兩類，分別用C1和C2表示。

3）求解灰度平均值u1、u2，方差δ21、δ22：

4）計算P1，P2：

5）分別計算類內方差δ2m和類間方差δ2b：

設T=δ2b/δ2m，重復上述步驟二至步驟五，二次求解時，取T0=1/2(u1+u2)，當T取最大值時，閾值最佳。本研究的閾值取200時識別效果最好。

根據測定分割后的葉片受蟲害面積占總葉片面積的百分比，將蟲害嚴重程度劃分為4個等級，等級分類表如表2所示。

表2 蟲害程度等級分類表

2.3 蟲害種類識別

高原夏菜蟲害的識別主要依靠3個指標：受害葉片的顏色、紋理及形狀。可先根據葉片的顏色識別出一部分蟲害，再用葉片的形狀和紋理作為輔助，提升識別準確率。本研究選取了小菜蛾、菜青蟲、桃蚜、黃曲條跳甲等4種蟲害，每種選擇20組樣本，共80組。將80組樣本通過圖像進行目視解譯和實地調查，將兩種識別結果進行統計分析。通過繪制顏色矩陣、構建紋理的二階矩陣（ASM），對照參數（CON）和葉片形狀的不變矩陣(μ, p)[13]，判別幾種常見的高原夏菜蟲害，判別結果如表3所示。經過特征提取、圖像分割后的蟲害圖像容易被判別，正確率在90%以上。但由于蟲害種類較多以及光照、遮擋等因素的影響，結果也有一定的誤差。

表3 高原夏菜常見蟲害特征及識別

2.4 作物行識別

高原夏菜生長中期，會出現葉片遮擋、雜草生長的情況，使得蔬菜行間信息復雜。機器人的行進過程將會受到干擾，所以需要對圖像進行二值化處理，使蔬菜行間距明顯，便于機器人識別。二值化可以將復雜的作物行信息簡化，提高圖像處理速度。此外，將二值化后的作物行再進行剔除，只保留兩個主行，進行Hough 變換后可以直接檢測出作物行中心線[15]。

2.4.1 二值化

采用行間距相等的方式種植高原夏菜，既便于管理，也使得人工噴灑農藥更方便。機器人在承擔噴藥任務時，首先要能準確識別作物行信息。為達到這一目的，需要對圖像進行二值化處理。本研究先將圖像膨脹成3×3矩陣，再利用5×1矩陣法腐蝕圖像，以達到消除噪聲的目的。圖像二值化后的效果如圖3（a）所示。

2.4.2 提取作物行

高原夏菜圖像經過二值化處理后，已呈現出大致輪廓。要想更清楚地顯示，還需提取作物行的骨架信息。對圖像進行再處理，提取出作物行的中心軸線，這樣就可以突出其特點。圖像細化后如圖3（b）所示。由于作物是等行距播種的，所以可以先處理2行，其余部分按等距排列對準就可以實現，圖3（c）為作物2行主干圖。

2.4.3 改進的Hough

直線檢測通常采用Hough變換，但是常用的變換方式耗時長、運算量大，容易出錯。所以本研究對傳統方法進行了改進，新方法能夠克服傳統方式存在的缺陷。

Hough變換的中心思想是將直線問題轉化為點的問題來處理，提升效率的關鍵在于減少參與計算的點和減小運算空間。本研究結合兩種方法的特點，形成改進的Hough變換。為了減小計算量，研究中出現的直線統一采用極坐標來表示，即：

式中，ρ為距離，θ為直線與x軸夾角。運算時先將圖像劃分區域，然后將圖像細化處理，從中隨機找出兩點（xm, ym），（xn, yn），將這兩點組成一條直線，如式（9）和式（10）所示。

將直線點化后得到的所有點構成集合A，隨機在其中選擇兩點求出斜率，如果斜率不滿足要求就重新選點計算。為了提升效率，可以設置角度范圍[30°, 150°]。根據來計算的ρ值，其中根據上述公式計算，找出所有直線，確定所需要的作物骨架行直線。使用Hough變換后的作物行的圖像效果如圖3（d）所示。

圖3 作物行識別圖像

2.5 施藥決策

將圖像進行預處理、濾波降噪、灰度化[16]、分割、特征提取等處理，劃分高原夏菜的蟲害類型及受害程度，并將蔬菜作物行提取作為施藥量的判斷依據。將不同的藥液分類存儲在機器人攜帶的藥箱內，根據蟲害類型選擇藥液，根據蟲害程度設置施藥速度，通過對機器人的控制來實現智能化的藥液噴灑。機器臂上安裝的噴霧設備為六嘴式可轉動噴嘴，可以實現對高原夏菜從上至下的垂直噴灑。以噴嘴距離蔬菜上方30 cm、覆蓋0.86 m2的范圍為標準，在實際操作中可能存在偏差，因此工作過程中需要隨時調整。

3 算法實現

本研究的算法流程如圖4所示。首先利用工業攝像機拍攝高原夏菜的高清圖，然后進行圖像的預處理；接著使用Hough變換進行作物行提取，并劃分蟲害受損程度；將獲取的處理信息反饋到系統中作為精準施藥的依據；由系統向控制閥發出指令，調節藥箱開閉、壓力值、藥液類型、噴灑速度，并將信息傳輸到控制系統進行實時調整，從而實現噴藥的智能化。

圖4 蟲害識別及施藥流程圖

4 結論

本研究提出了一種高原夏菜蟲害自動檢測和精準施藥的新方法。通過圖像來獲取高原夏菜的生長信息，通過對蔬菜葉片的特征提取來精準識別高原夏菜蟲害，可以實現蟲害類型自動分類和蟲害等級劃分，為精準施藥提供了參考。開發了基于VC++的蟲害識別、圖像分割、作物行提取系統，系統處理一幅圖像的時間約300 ms，快速、高效且精度好。應用在高原夏菜的智能化種植上可以大大節省人力物力。但是，由于作物背景復雜，在提取拍攝的圖像信息時容易受到外界環境的干擾，所以還存在一定的缺陷。此外，過程中的算法較多，仍需改進。