基于無人機的低空圖像處理技術在農業領域的應用

夏小雨 韓成浩

(吉林建筑大學電氣與計算機學院，吉林 長春 130118)

引言

近年來，我國的無人機科技水平迅速提高。由于相關科技水平的提高，無人機適應性越來越好，并且操作靈活、方便快捷等優秀特點也日益表現出來，所以無人機技術被不同產業廣泛應用。無人機科學技術的理念最先由英國軍用飛行學會提出，盡管無人機技術最初主要使用在軍隊活動中，但現在在農業生產、貨物搬運、工業產品、視頻制作等多個應用領域，都能夠看到無人機的身影。我國為了促進農村生產的效率，提升農產品質量，相繼引進了機械技術、傳感器技術、計算機信息技術等許多先進科學技術，在這些技術的強大支持下，農村生產的效率不但得以顯著改善，農產品的質量還得到了整體提高，無人機技術作為中國農業生產引進的先進科學技術之一，在促進農業信息化、精準化發展中起到了至關重要的作用。無人機技術具備相當強的可操作性，所攜帶的傳感器也能對農產品進行實時檢測，同時還可以拍攝高清影像,對農業的精細化管理有著十分關鍵的作用。技術人員可利用無人機高清數碼相機、攝像頭和各類感應器等先進的成像設備來拍攝超低空高分辨率的圖像，對拍攝的圖像進行分類和數據處理。

1 精準現代農業概述

精準農業模式通過空間位置，定時收集準確的農田信息，并基于信息進行的農產品技術設計和管理。這一模式可以大大減少對勞動力與物資的投入，從而實現高產、低耗、環保并且高品質的農產品。使用無人機圖像處理技術，可以低空對農作物開展檢測，促進農業向精細化方面的進步。無人機圖像技術在農作物病蟲害防控方面也有著很大的優越性。利用其對農作物的精準檢測并對所得的數據進行大數據分析，就能夠進行精準處理工作,可以做到及時發現新問題并及時處置，同時也可以早預防，早防治，如圖1所示。

圖1 無人機用藥示意圖

精準無人機農業發展離不開各類技術和設備的保障。如圖2所示，無人機圖像收集技術需要圖像采集系統的硬件與軟件的幫助；農業的病蟲害農情分析需要農產品專家的技術、地面定位、土地農情分析與模式識別等技術的保障；農情的空間分布圖必須根據全球定位系統(GPS)和地理信息系統(GIS)等信息技術的幫助進行繪制；農作物處方圖的制作流程需使用無人機噴灑農藥過程中的變化情況與無人機的行駛過程中的工作參數、天氣情況等信息；在精確噴灑農藥的應用過程中，除了要求工作平臺、精準信息定位裝置與可變噴灑農藥系統等設備的幫助外，還要求無人機全自主飛行、自動飛行路線設定、精準定位等技術的幫助。

圖2 精準無人機農業技術示意圖

2 無人機低空圖像處理技術

無人機利用圖像采集技術獲得農田的土壤信息和農作物環境空氣信息可以及時掌握農產品的數據信息，可以指導農業管理，有效防止農作物病蟲害的出現，進而增加農作物產量。使用無人機收集的農作物生長發育信息，進行傳輸和高精度的圖像處理，為農作物生產管理提供了更有效、精準的數據支持。

2.1 無人機低空圖像采集系統

無人機的低空圖像采集系統由傳感裝置、無人機飛行裝置、地面控制裝置、圖像分析處理軟件等幾部分構成。由于無人機的續航能力有限并且載重量不足的缺陷，所以使用的傳感器具有存貯容量大、穩定性高、重量輕、精度高等良好特性。當前用于農作物圖像數據采集的傳感器主要是數碼相機、多光譜相機、激光雷達等。

2.1.1 數碼攝像機成像設備

利用數碼相機拍的圖片通常是在400～750nm的RGB可見光圖像，為處理光線并還原所拍攝圖片的實際色彩，圖像傳感器采用濾光片來對紅外線進行過濾篩除，所以一般來說，數碼相機沒有紅外線的波段信號。數碼相機使用簡單并容易操作，而且售價相對來說比較便宜。當前數字圖像處理技術發展得比較成熟，所以利用高清數碼相機圖像處理技術，已經成為記錄農作物生長發育以及檢測農作物病蟲害的重要的技術手段。由于無人機的飛行高度不高，拍攝圖像清晰，所以圖像分辨率可達到厘米級，因此利用對拍攝數碼圖像的紋路、顏色等圖像信息特征來提取信息和進行數據分析，可以用作農作物葉面積指數計算、不同生長時期的健康評估、農作物鑒定、病蟲害檢測等方面的研究。

2.1.2 高光譜相機成像設備

使用高光譜遙感檢測法對作物病蟲害進行的診斷與檢測工作，就可以實現及時發現并解決處理，便于對農作物病蟲害的早期防治。其基本原理在于病蟲害會對植物葉片細胞結構、含水量、氮和磷元素等特性造成改變，從而導致病蟲害作物的反射光譜和非病蟲害作物的反射光譜有很大的不同。高光譜成像的光譜分辨率一般是微米級，在熱成像與近紅外線區域中有幾個至數百個不同波段，其分辨率最高可以達到納米級。由于高光譜圖像所涵蓋的波段數據多、分辨率高，因此可以精準地表現農田作物自身的光譜特性與農田作物之間的光譜差別，在農作物病蟲害檢測于治理層面上更具有優越性。但是當前高光譜相機的售價一般比較昂貴，絕大部分農民都難以接受，所以該相機主要用在科學技術的研究應用。

2.1.3 激光雷達成像設備

機器上搭載的激光雷達與光學成像設備不一樣，激光雷達利用主動監測目標的散射光的特點來取得相關信息。該技術設備是近些年新興的檢測遙感技術設備，是對植物表面研究中有重大作用的檢測遙感設備，其優點在于能夠取得精確度很高的三維數據，所以在植被垂直結構的探索中具有優勢，填補了光學遙感在獲取冠層結構數據方面能力的欠缺。當前在農作物檢測方面，雷達成像技術大部分使用在測量植株高度、獲取葉面積指數等農情檢測上，但是農作物病蟲害檢測方面的研究成果卻不多。作為多源遙感的一種設備與光譜成像結合起來，從植株的垂直結構和水平結構數據2個層面對農作物進行全面的信息處理，也是當前農業航空技術的進步方向。

2.2 無人機圖像處理方法

2.2.1 圖像匹配與拼接

無人機所獲得的畫面準確度不高并且拍攝的畫面內容少，因此需要把無人機搭載相機拍到的大量圖像資料進行拼接和匹配的技術操作。利用SIFT(scale invariant feature transform)圖片匹配的技術并與最小二乘法相結合實現拍攝圖像的主動匹配，該方式具備了安全、準確、迅速等優良特性。結合圖片的主動匹配技術與全景圖拼接技術并對無人機飛行系統使用如Nikon D2X、Rollei P45以及Kodak Pro SLR等數碼相機所拍攝的低空圖片加以整合分析。使用圖片匹配方法SIFT、最小二乘法以及交互式數據語言IDL(interactive data language)對無人機圖像與地面控制處理基站的迅速拼接與匹配。

2.2.2 圖像的校正

利用無人機系統實施航拍，受到其飛行路徑和飛行姿勢的改變、攝影畫面的光學畸變等各種因素的干擾，使得拍攝的圖像畫面無規律、灰度不統一、產生嚴重的幾何失真。共線方程法和多項式法是目前2種最常見的無人機圖像幾何校正技術。共線方程法科學嚴謹、精確，但由于對地形數據要求很高而無法廣泛應用；多項式法主要應用于地形中平坦的區域和動態傳感器影像的修正，可以很好地解決因為采用非專業攝影鏡頭所產生的非線性畸變、無人機飛行姿勢改變而造成的傳感器外位置元素的不平衡和因地形復雜等自然現象而造成的幾何失真。通過利用差分GPS得到地面控制點位置，把坐標位置輸入GIS中并構建點狀矢量圖層，利用3次多項式的方法對拍攝的圖片實現點、線、面的精度解析并經過擬合校正，然后使用最鄰近法進行圖片的重采樣工作，得到更改后的圖片。利用3次多項式方法更改后，點、線、面的平均精確度達到92.5%、94.1%以及96.4%，可以比較完美地符合現代精準農業對農田信息獲取精確度的技術指標。有人曾提出，利用帶權觀測值光束的方法來解決無人機遙感系統(UAVRS,unmanned aerial vehicle remote sensing)復雜圖像區域網的空中三角測量問題，從單模型定向的精準性出發，用單模型定向因素為基準來創建自由區域網，并為帶權觀測值光束的方法法給出了有效初始值。測量結果顯示，空中三角加密坐標位置的平面準確度為0.39m，高程精度為0.53m，基本滿足1∶2000的地形圖測圖的設計指標。

2.2.3 無人機圖像信息解析

無人機圖像信息分析的精度對圖像信息正確運用到農業方面起著關鍵性的作用。目前有大量關于圖像信息的特征值獲取、相關性分析以及建立反演模型等應用的方法。使用ArcMap的數據可視化功能，利用其中的編譯軟件對無人機圖像獲取系統得到的農作物圖像進行區劃，圖像系統要求的農作物信息數據，包括農作物面積、具體位置等。結合Matlab等編程系統處理無人機拍攝的農田圖像，獲得圖像的RGB值和HS的特征值，并構建了RGB值、HSV值與農田含水率關聯的信息模型。使用SAM -人工交互處理法，能夠更好地取得圖像中的農業信息的特征值，并在農業信息獲取高準確度的基礎上開發分類后比較法，能夠進行農田的動態檢測。

3 無人機圖像處理技術在檢測農業病蟲害中的應用

在農業病害的監測識別方面，已經有許多文獻期刊深入研究無人機在水稻、柑橘、麥子、棉花、葡萄和黃豆等農作物病蟲害監測的技術研究，這些文獻期刊里所使用的無人機圖像主要有高光譜圖像、多光譜圖像和數字照相機所攝制的RGB圖片。本文中運用Python軟件介紹了圖像技術中的目標分析以及在農作物病蟲害領域中的應用。具體來說，使用Python語言運行并獲取目標葉面上已發生病蟲害的面積，進而判斷是否需使用殺蟲劑噴灑以預防病蟲害的繼續肆虐，從而協助農民更好地管理農作物，降低危害并增加農作物的產量。

3.1 基于圖像處理技術的葉面檢測

采用圖像處理方法的葉面檢測又稱圖像處理，是指運用各類圖像傳感器獲得的圖片，借助電腦或其它微型處理器運用圖像處理方法(即相應的圖像處理程序和相應的計算機技術結合)，對取得的圖像加以數據處理從而獲得所需要的理想葉面圖片效果，是一種可以深入研究的方法。

3.2 基于圖像處理技術在葉面上的研究

找到需要處理的葉片，如圖3所示，針對1片發生病蟲害的植物葉片進行檢查處理。對葉面的處理使用Python語言以及Open CV等第三方庫，對有病蟲害的葉面部分進行圖像處理(涂成白色)，如圖4所示。

圖3 病蟲害葉片

圖4 葉面處理

導入目標圖像并做黑白數據處理后，對背景圖再作高斯數據處理，并將目標檢測的葉片也做同樣的圖像處理后，對2張數據處理后的目標圖像做差，返回值就代表了其不同之處，得到的圖片如圖5所示。輸出有病蟲害葉面在整個葉面中的比例值，一旦病蟲害葉片的受害程度超過了某一限度，要及時提示農民噴施殺蟲劑，加以預防和處理病蟲害。

圖5 處理后的葉片

4 總結

通過圖像處理技術可真實、迅速和精確完成對活體單葉片的檢測，能夠對植株葉片遭受的環境威脅、疾病以及昆蟲危害等做出定量或定性的分析，還可以對整株植物的總葉面積進行統計。不過，圖像處理測量的偏差很大，原因在于圖像處理方面并不能較好地解決葉面的交叉現象、葉面偏移和葉面扭曲的現象，但是無人機農業是現在精準農業方面的發展重點。相比衛星技術在農業的應用，無人機技術在農業的應用方面具備操控性好、分辨率強、硬件成本低的優點；相比于地面傳感手段，無人機技術具備了覆蓋面廣、速度快、人力成本低的優點。所以無人機技術農業領域發展前景廣闊，潛力很大。隨著無人機技術和傳感器技術的不斷完善，以及拍攝圖像的新處理技術與方法的進一步開發，未來無人機低空圖像處理技術將在農業方面起到越來越重要的作用。