農(nóng)藥噴灑處方圖生成算法的研究現(xiàn)狀與展望*

程夢潔，胡 波

（廣西科技大學(xué)自動化學(xué)院，廣西 柳州 545000）

0 引言

近年來，我國精準(zhǔn)農(nóng)業(yè)航空發(fā)展迅速，受到植保界的特別重視[1]。利用機(jī)載遙感系統(tǒng)可以產(chǎn)生精確的空間圖像來分析作物的水分、營養(yǎng)狀況和病蟲草害等，結(jié)合空間統(tǒng)計學(xué)合理地計算出每片區(qū)域農(nóng)作物所需的農(nóng)藥化肥劑量，通過全球定位系統(tǒng)和地理信息系統(tǒng)生成噴灑處方圖，實(shí)現(xiàn)對作物的變量、精準(zhǔn)管理。與衛(wèi)星和有人駕駛的飛機(jī)遙感相比，無人機(jī)能夠在低空飛行時獲得更多更詳細(xì)的作物信息，因此無人機(jī)成為獲取作物圖像的重要工具。

處方圖是實(shí)現(xiàn)精準(zhǔn)農(nóng)業(yè)的基礎(chǔ)，一般包含三層信息，分別為柵格信息、處方值信息和地理信息[2]。根據(jù)處方圖噴灑農(nóng)藥或施用化肥，可顯著提高作業(yè)效率、增加農(nóng)藥化肥的有效利用率，并減少對人體的危害和對環(huán)境的污染[3]。基于機(jī)器視覺的方法，是目前常用的處方圖生成技術(shù)，國內(nèi)外研究學(xué)者針對農(nóng)田、果園的噴灑處方圖生成技術(shù)進(jìn)行了許多研究。但是自然環(huán)境下所采集的作物圖像易受到光照、天氣等因素的影響[4]，增加了生成準(zhǔn)確處方圖的難度。因此，不斷優(yōu)化噴灑處方圖生成技術(shù)對推動精準(zhǔn)農(nóng)業(yè)的發(fā)展，實(shí)現(xiàn)可持續(xù)發(fā)展農(nóng)業(yè)具有重要意義。

噴灑處方圖生成技術(shù)主要分為田間視頻或圖像的采集、圖像處理技術(shù)、處方圖的創(chuàng)建三個步驟。根據(jù)以上三個環(huán)節(jié)，國內(nèi)外研究學(xué)者通過對某個環(huán)節(jié)進(jìn)行關(guān)鍵處理，用不同的方法對不同的環(huán)節(jié)進(jìn)行優(yōu)化改進(jìn)，從而生成了可用于實(shí)際生產(chǎn)管理的噴灑處方圖。本文主要根據(jù)噴灑處方圖的生成步驟，對其生成過程中的關(guān)鍵處理進(jìn)行了總結(jié)概括。

1 田間視頻或圖像的采集

無人機(jī)超低空飛行采集農(nóng)田圖像時，可獲得具有高分辨率的圖像，但由于超低空飛行，無法通過一張圖像獲得整個農(nóng)田的作物信息，而噴灑處方圖的生成需要綜合考慮農(nóng)田的整體情況，需要多張圖像，通過圖像拼接等手段獲得整個農(nóng)田的作物信息。作物信息獲取是生成準(zhǔn)確噴灑處方圖的基礎(chǔ)和重要環(huán)節(jié)，精準(zhǔn)檢測施藥區(qū)域和病蟲草害程度，可以為生成精準(zhǔn)施藥處方圖提供數(shù)據(jù)支撐[4]。無人機(jī)具有高靈活性、高分辨率、無破壞和運(yùn)行維護(hù)成本低的特點(diǎn)，適用于復(fù)雜農(nóng)田環(huán)境的信息采集，因此，基于無人機(jī)的田間信息獲取技術(shù)被廣泛應(yīng)用于精準(zhǔn)農(nóng)業(yè)生產(chǎn)及監(jiān)測過程中[5]。無人機(jī)搭載RGB 相機(jī)、多光譜相機(jī)和高光譜相機(jī)獲取田間作物的彩色圖像和光譜圖像，是目前常用的信息采集方式。一般針對農(nóng)作物或早期的研究中，多搭載RGB 相機(jī)[6]；近幾年在針對雜草處方圖和果園噴灑處方圖的研究中，多搭載多光譜相機(jī)[7]；而對于作物的健康監(jiān)測多采用高光譜相機(jī)[8]。因此用無人機(jī)進(jìn)行作物信息采集時，可根據(jù)需要選擇搭載合適的相機(jī)，以生成更準(zhǔn)確的噴灑處方圖。

無人機(jī)圖像具有較高的空間分辨率，對不同作物的識別具有較高的可信度。Jesper Rasmussen 等[9]的研究表明采用同樣的方法對衛(wèi)星圖像和無人機(jī)圖像進(jìn)行雜草檢測，由于無人機(jī)圖像分辨率更高，具有更大的除草劑節(jié)省潛力。但是在使用無人機(jī)進(jìn)行作物圖像采集時，如何設(shè)置無人機(jī)的技術(shù)規(guī)格和配置，以產(chǎn)生最精確的正交攝影，以及這些規(guī)格和配置對圖像分割和生成噴灑處方圖的影響都是需要考慮的[10]。其中，無人機(jī)飛行高度是影響空間分辨率的主要參數(shù)。Aaron Etienne 等[11]對比了無人機(jī)在30 m 和10 m 高度獲得的圖像集，用于深度學(xué)習(xí)識別雜草，試驗結(jié)果表明，10 m 高度采集的訓(xùn)練圖像集的目標(biāo)檢測性能顯著高于30 m 高度的訓(xùn)練圖像集。López-Granados等[12]用無人機(jī)在30 m、60 m 和100 m 高度采集兩個玉米田的可見光（紅-綠-藍(lán)波段）和多光譜（紅-綠-藍(lán)和近紅外波段）圖像，識別玉米中的高粱草，實(shí)驗結(jié)果表明，利用多光譜相機(jī)在海拔30 m 處獲得了最精確的雜草分布圖。由此可見無人機(jī)飛行高度對成像的影響是明顯的，在較低高度獲取的圖像會產(chǎn)生更高的分辨率，為了獲得較高分辨率的圖像，需設(shè)置合適的飛行高度。根據(jù)每個特定的目標(biāo)選擇搭載相機(jī)的類型，并確定無人機(jī)的飛行高度，可以獲得高分辨率的圖像，從而更準(zhǔn)確地識別作物與雜草，生成更準(zhǔn)確的噴灑處方圖。

2 圖像處理技術(shù)

圖像處理技術(shù)是生成噴灑處方圖的關(guān)鍵性步驟。針對無人機(jī)所采集的農(nóng)田圖像中分割作物或雜草特征，識別作物、雜草或空缺區(qū)域是生成噴灑處方圖的基礎(chǔ)。國內(nèi)外研究學(xué)者通過圖像灰度化、光照不均作物圖像處理和圖像分割等方法對圖像進(jìn)行處理，以更好地識別作物、雜草或空缺，提高了分割精度。

2.1 圖像灰度化

為了有效地分割，需要采用有效的特征來區(qū)分植物和背景。顏色是區(qū)分植物和非植物背景的關(guān)鍵特征。超綠算法提取綠色植物圖像效果較好，陰影、枯草和土壤圖像等均能較明顯地被抑制，植物圖像更為突出，是作物識別中最常用的灰度化方法。如許真珠等[13]、尹東富等[14]和黃榮喜[15]在生成噴灑處方圖的過程中均采用了超綠（2G-R-B）特征對圖像進(jìn)行了灰度化處理突出作物，使其可以更好地被識別出來。

2.2 光照不均作物圖像校正

無人機(jī)超低空飛行所采集的圖像具有較高的分辨率，但是超低空飛行，不可避免地會受到光照的影響，導(dǎo)致所采集的圖像出現(xiàn)光照強(qiáng)度不同的情況，如同一張圖像中的不同位置光照強(qiáng)度不同，相鄰兩張圖像強(qiáng)光所照射面積不同。光照不均是影響圖像分割精度的重要因素，提高光照不均勻圖像的分割精度是生成準(zhǔn)確噴灑處方圖的基礎(chǔ)。光照偏強(qiáng)條件下農(nóng)田圖像高光點(diǎn)區(qū)域丟失植物綠色特征將會對圖像分割質(zhì)量產(chǎn)生影響[16]，為更好地滿足分割準(zhǔn)確性，許多學(xué)者對光照不均勻圖像的分割進(jìn)行了研究，提出了許多不均勻照度圖像校正方法，如在圖像預(yù)處理時對其進(jìn)行亮度均勻化[17]；通過轉(zhuǎn)換顏色空間[18]，對顏色特征子空間進(jìn)行相應(yīng)處理來降低圖像的光照不均；或者通過幾何校正[19]的方法進(jìn)行圖像預(yù)處理，校正光照不均的圖像。以上方法均可有效降低光照不均、光照偏強(qiáng)和陰影對圖像分割的影響，對獲得更準(zhǔn)確的作物信息、提高處方圖的準(zhǔn)確性和實(shí)用性具有重要意義。

2.3 圖像分割

為了進(jìn)一步識別作物、雜草或空缺，對灰度圖像進(jìn)行閾值分割是必然的一步。在常用的分割技術(shù)中，閾值分割是最簡單的方法。通過給定閾值，將圖像轉(zhuǎn)換為前景和背景元素，保留來自前景的值，并在后續(xù)步驟中丟棄背景元素[20]。Lia Duarte 等[20]通過閾值分割技術(shù)保留無人機(jī)采集圖像中的作物信息。Huasheng Huang 等將全卷積網(wǎng)絡(luò)（FCN）用于像素級分類，識別雜草和水稻，用來生成雜草處方圖。Chengcheng Chen等[21]采用改進(jìn)的FSO算法，對玉米幼苗與雜草進(jìn)行分割，準(zhǔn)確率達(dá)到93.3%。通過改進(jìn)分割算法可以準(zhǔn)確分割作物和雜草，準(zhǔn)確分割對提高噴灑處方圖的準(zhǔn)確性有著至關(guān)重要的作用。

3 噴灑處方圖的生成

噴灑處方圖是根據(jù)田間作物生長情況、病蟲草害情況提出最佳施藥方案，并將其與作物位置、病蟲草害位置對應(yīng)成一張治理田間病蟲草害的地理位置圖。在農(nóng)作物生長過程中，除了需要噴灑除草劑以外，還需要在作物的不同生長階段針對作物噴灑植物生長調(diào)節(jié)劑或者葉面肥等，促進(jìn)或抑制其生長過程的某些環(huán)節(jié)，使之向符合人類需要的方向發(fā)展。因此，根據(jù)農(nóng)藥噴灑對象的不同，噴灑處方圖可分為雜草處方圖和作物處方圖。

3.1 雜草處方圖

雜草在任何空間尺度上的分布都是不均勻的，大面積的粗放噴灑不僅造成了除草劑的浪費(fèi)，還會因除草劑的過度使用造成環(huán)境污染等問題。根據(jù)雜草覆蓋率使用適當(dāng)?shù)某輨捎行p少除草劑的使用，因此，大部分雜草處方圖是由雜草覆蓋圖生成的。Pietro Mattivi 等[7]通過使用可復(fù)制和可擴(kuò)展的低成本UAS，與開源軟件相結(jié)合，識別和繪制雜草空間分布圖，然后通過網(wǎng)格劃分田地并通過計算每個網(wǎng)格單元的雜草覆蓋面積百分比獲得雜草處方圖。以上研究表明針對雜草分布情況生成雜草噴灑處方圖，再根據(jù)處方圖變量作業(yè)，可有效減少農(nóng)藥的使用，提高農(nóng)藥的利用率。

3.2 作物處方圖

作物處方圖包括農(nóng)田中的作物生長狀況監(jiān)測處方圖和果園處方圖。其中，果園作物研究最多的是葡萄園，主要原因是其生長環(huán)境特殊，采用傳統(tǒng)人工噴灑具有一定的困難，而且飄落的農(nóng)藥會對人的身體健康產(chǎn)生影響。果園噴灑處方圖的生成，大多根據(jù)樹冠特征，包括樹冠高度、體積等構(gòu)建冠層活力圖，然后根據(jù)所需施藥量生成果園噴灑處方圖[5]，指導(dǎo)無人機(jī)“有的放矢”地噴灑農(nóng)藥，從而減少農(nóng)藥用量，降低農(nóng)藥殘留量，提升農(nóng)藥利用率。

對于作物病害，化學(xué)防治是最有效的。遙感可以監(jiān)測植被的動態(tài)變化，成為監(jiān)測作物生長和識別作物病害的有用工具。除此之外，由于葉面對養(yǎng)分的吸收運(yùn)轉(zhuǎn)比根部快，有利于及時滿足作物生長發(fā)育的要求，通過噴灑葉面肥可以更好地調(diào)節(jié)作物生長。因此，研究學(xué)者針對作物的生長狀況生成葉面肥施用處方圖，為及時有效地噴灑葉面肥提供信息參考。

4 總結(jié)

1）隨著科技的發(fā)展，處方圖與無人機(jī)相結(jié)合，減少了農(nóng)藥化肥的使用，大大提高了作業(yè)效率。由現(xiàn)有的噴灑處方圖生成算法可知，有的研究者對前人的研究做出了改進(jìn)，有的創(chuàng)新式提出了新的生成算法，同時對影響噴灑處方圖準(zhǔn)確性的關(guān)鍵問題，如圖像采集時無人機(jī)飛行高度、自然環(huán)境下光照的影響等進(jìn)行了相應(yīng)的研究和處理，以此來減少外部因素的干擾。無人機(jī)低空飛行采集作物圖像時，如果離地面太近，無人機(jī)的風(fēng)力太強(qiáng)，作物的波動太大，無法獲取更好的數(shù)據(jù)；如果離作物太遠(yuǎn)，就不能獲得很好的分辨率。因此，無人機(jī)采集視頻圖像時的飛行高度是后續(xù)研究值得注意的一個方向。

2）無人機(jī)在自然環(huán)境下采集圖像，不可避免地會受到光照的影響，除對圖像亮度均勻化處理外，轉(zhuǎn)換顏色空間也是一種非常有效的減少光照影響的方法，利用與光照無關(guān)或相關(guān)性小的分量特征，可有效提高識別準(zhǔn)確性。通過以上研究可知，通過減小光照影響可以減少環(huán)境因素對噴灑處方圖的影響，可提高噴灑處方圖的精度。