融合多光谱成像与深度学习的作物植株叶绿素检测系统研究

为了满足田间作物长势快速检测与指导变量管理的需求,以玉米为例设计了基于多光谱成像的田间作物植株叶绿素检测系统,包括可见光(RGB)和近红外(Near-infrared, NIR)图像采集模块、主控处理器模块、模型加速模块、显示及电源模块,用于实现玉米植株智能识别与叶绿素指标一体化检测。首先,采集玉米苗期和拔节期冠层图像数据集,比较了植株冠层实例分割与株心目标检测两种深度学习模型,构建了基于MobileDet+SSDLite(Single shot multibox detector lite)轻量化网络的玉米植株定位检测模型,实现玉米植株识别。其次,提取被识别的植株株心RGB-NIR图像,开展RGB和NIR图像匹配与分割,提取R、G、B和NIR灰度值计算植被指数,使用SPXY算法(Sample set portioning based on joint X-Y distances)和连续投影算法(Successive projections algorithm, SPA)分别对数据集进行样本划分及特征变量筛选,选择高斯过程回归(Gaussian process regression, ...     

基于图像颜色特征的密植冬小麦覆盖指数反演

为了快速获取大田冬小麦作物生长信息,对田间植被覆盖度(VCI)进行检测。采用开发的多光谱图像采集系统,在拔节期-扬花期获取冬小麦冠层可见光( B、G、R ,400～700 nm)和近红外(NIR,760～1 000 nm)图像。图像经自适应平滑滤波处理后,针对RGB图像,采用HSI色彩空间模型,设定 H 分量阈值［π/4,6π/5］进行分割,对NIR图像采用自动阈值分割法分割,进而提出了基于“ H +NIR”组合的冬小麦冠层多光谱图像分割方法,并计算VCI值。对未经分割的原始图像提取了9个图像检测参数,包括各通道图像灰度均值( A R、 A G、 A B、 A NIR )、归一化植被指数(NDVI)、归一化差异绿度指数(NDGI)、比值植被指数(RVI)、差值植被指数(DVI)和冠层 H 分量均值 A H。图像检测参数与VCI相关性分析结果表明,各植被指数与VCI的相关系数绝对值均大于0.90。应用NDVI、NDGI、RVI和DVI建立了多元线性回归模型,其 R 2 c =0.948, R 2 v =0.884,可以用于快速反演VCI,为田间作物生长评价和管理提供支持。     

双通道近地遥感图像采集处理系

利用2CCD多光谱相机设计了近地遥感图像采集平台,同步获取小范围区域作物的可见光和NIR图像,通过图像处理技术从作物图像获得反射光谱信息.采集平台包括一个2CCD多光谱相机,两个采集盒,一台具有两个千兆网口的田间计算机.图像处理部分通过2GRB灰度化、中值滤波和Otsu二值化,从背景中分割出作物图像,结合作物原始R分量灰度图像,提取出作物红光图像平均灰度值,利用建立的灰度值与反射率的线性模型,计算得到作物红光波段的反射率.试验结果表明,图像采集平台工作稳定,利用图像处理方法提取的反射率与ASD光谱仪测量结果有较好相关性,为从作物冠层图像探测生长状况提供了理论依据.     

基于无人机图像的玉米冠层叶绿素含量检测与分布研究

为了快速、无损地获取大田作物叶绿素含量空间分布,基于无人机遥感技术研究了大田玉米冠层叶绿素含量检测及分布图绘制方法。利用无人机遥感技术采集了150幅大田玉米的航拍图像,并通过Pix4dmapper软件对其进行了拼接;在实验田中,等距获取80株玉米叶片样本,通过化学法萃取叶绿素,并使用分光光度计测量叶绿素含量,形成了基础数据源。在数据处理方面,采用Arc GIS软件对样本点的POS(Position and orientation system)数据与无人机图像进行匹配;对无人机拍摄的RGB图像,首先进行R、G、B三通道分量值提取,构建了绿红比值、绿红差值、归一化红绿差值、超绿等10种颜色特征,并计算了均值、标准偏差、平滑度、三阶矩等6种纹理特征,然后建立了基于BP(Back propagation)神经网络的玉米冠层叶绿素含量检测模型。实验结果表明,基于BP神经网络的玉米冠层叶绿素含量检测模型的均方根误差RMSE为4. 465 9 mg/L,决定系数R~2为0. 724 6。通过BP神经网络检测模型计算出大田玉米图像每个像素点的叶绿素含量,基于伪彩色技术绘制大田玉米叶绿素含量可视化分布图,分析田间玉米冠层叶绿素含量分布图可以直观区分田间道路与冠层区域,显示地块叶绿素分布差异。通过无损检测大田玉米冠层叶绿素含量及叶绿素分布可视化,可为田间作物长势评价和精细化管理提供技术支持。     

基于扫描成像的作物近地高光谱获取与特征分析

为了验证自主研制的扫描成像光谱仪（PIS）在近地应用的可行性,该文以小麦、玉米为研究对象,利用PIS近地获取作物冠层和叶片的高光谱图像,在对田间和室内获得的成像数据进行对比分析的同时,探讨了成像光谱采集过程中的影响因素。此外,将PIS获取的成像高光谱与地物光谱仪（ASD）测定的高光谱进行比对研究。结果表明：PIS能准确收集作物的光谱信息,且采集的高光谱数据与ASD具有很好的一致性;PIS在田间采集作物光谱信息时,受氧气吸收的影响,在760 nm处有明显的干扰吸收;PIS除了能反映作物不同叶位叶片、不同器官光谱的差异,还可依据影像提取杂草、土壤对作物冠层光谱的影响程度。上述初步结果为进一步应用PIS进行农作物长势诊断提供了参考。     

基于光谱探测的小麦精准追肥机设计与试验

为了实现小麦生长过程中的实时变量追肥,使用近地光谱探测技术,设计了大田实时变量追肥机。追肥光谱监测系统实时获取作物冠层归一化植被指数,结合追肥策略计算出当前的目标施肥量,采用测速和测距法反馈肥料流量信息,并根据追肥机实际行进速度,实时调整追肥量,实现精准变量追肥。试验结果表明,田间小麦长势存在空间差异性,冠层的归一化植被指数可以解析此差异性;追肥机追肥控制精度达到90%以上,可以满足精准追肥的要求;变量追肥比定量均匀追肥增施氮肥28 kg/hm2左右。     

基于机器人的盆栽作物生长环境智能监控系统设计

针对作物育/选种过程中,采用人工操作方式对作物样本植株个体的生理指标和生长环境参数进行高频次采集,存在数据采集精度低、生产效率低、劳动强度大等问题,设计一种以AGV为采集终端的盆栽作物生长环境智能监控系统。系统以FPGA控制器为硬件核心,结合传感器、采集装置、导航、定位和Wi-Fi传输模块将采集的环境参数和图像信息传至上位机,上位机根据预先设定指令控制AGV执行终端依次对选取样本植株个体的图像和生长环境信息进行自动采集,并结合设定参数实现执行机构的远程控制功能,提高了育/选种过程中的智能化管理水平。试验结果表明,该系统采集盆栽作物的生长环境参数精度高、图像信息完整清晰、采集样本位置精度误差为25 mm、停车定位精度误差为±10 mm,无走偏和脱轨现象。该研究有利于技术人员快速、准确获取作物的生长环境和生长态势信息,为培育出更优质的农作物品种提供科学依据。     

基于Ray Tracing的数字植株冠层光照分布研究

针对植株冠层光照模型精度不高、采集效率低的问题,提出了一种基于Ray Tracing的数字植株冠层光照分布计算方法。首先,通过Kinect 2.0获取两种盆栽植株的三维点云,对其进行预处理和三维重建;其次,通过改进的光线跟踪技术模拟植株冠层光照分布;然后,分析了不同时刻模拟植株累计光强与真实植株实际光照强度之间的关系。实验结果表明:两种植株的模拟光强与真实光强的RMSE分别为0.187 2和0.118 5,因此该方法具有实时性和可行性,可以为植株提供较为科学合理的整形和修剪参考。     

基于冠层信息的马铃薯喷雾机喷杆高度控制系统研究

为解决喷杆式喷雾机在对马铃薯等茄科茄属作物进行喷施作业时喷杆相对作物冠层距离精确测量与控制问题，设计了一套马铃薯喷雾机喷杆高度控制系统。该系统采用二维激光雷达扫描田间马铃薯的植株冠层，根据种植模式对田间马铃薯植株进行冠层单元分割，通过融合姿态传感器的数据对雷达输出数据矫正，并基于中值滤波算法、移动最小二乘曲线拟合方法处理冠层点云数据，实时解算出喷杆相对冠层顶部的垂直距离信息，同时融合油缸位移传感器数据设计了双阈值喷杆高度调控策略，实现喷杆相对马铃薯冠层距离的精准调控。系统应用于3WP-1500型喷雾机，通过高度检测精度试验和高度调节试验测试了系统性能。试验结果表明，通过激光雷达检测作物冠层高度的最大相对误差为7.16%，平均相对误差为3.95%。高度调节试验表明，通过确定最优的调节阈值，可以有效降低喷杆高度调节误差，提高系统稳定性，测试高度调节标准偏差为21.81mm，平均相对误差为3.08%，系统运行平稳，满足喷杆相对冠层距离自动控制需求。     

非垂直拍摄获取细叶作物覆盖度优化算法研究

【目的】探究非垂直拍摄获取细叶作物覆盖度优化算法以及非垂直拍摄对作物覆盖度计算结果的影响。【方法】在北京市小汤山基地草业研究中心露天环境下,以青绿薹草、结缕草为试验对象,获取45°、60°、90°(与地面夹角)3种拍摄角度下的图像,采用基于自适应权重粒子群改进K-means的图像分割方法,分析不同拍摄角度对青绿薹草覆盖度测量精度的影响,研究非垂直拍摄与垂直角度下覆盖度的关系曲线。首先将草RGB图像转化成HSV颜色空间,在HSV颜色空间利用自适应权重PSO算法向全局像素解的子空间搜寻,通过迭代搜寻到全局最优解,确定最佳初始聚类中心;其次利用K-means算法对不同角度图像像素进行聚类划分,从而得到草冠层区域分割结果,最后采用形态学滤波方法对分割结果进行优化。【结果】垂直拍摄时,传统K-means算法计算的2个品种的覆盖度总体相对误差分别为32.89%和34.37%,而本文算法下2个品种总体相对误差分别为11.23%和15.85%。相比于K-means算法,本文算法环境适应性好,算法精度高。非垂直拍摄条件下,本文算法能够克服多角度拍摄导致图像色彩分布不均匀的问题,有效分割出草冠层区域,90°覆盖度估测值与真实值平均误差为3.27%,60°二者平均误差为4.61%,45°平均误差为5.70%,随着拍摄角度的减小,平均误差略有增大,但均小于6%。非垂直角度下计算的覆盖度与垂直角度覆盖度呈显著地线性关系。【结论】采用本文方法可以提高非垂直拍摄获取作物覆盖度的精度。     

基于无人机遥感的大豆株高计算方法研究

针对目前田间大豆株高测量采用作物标尺准确度不够或人工测量费时费力的问题，基于50个试验小区、10个标准株高不同的大豆品种，以无人机(UAV)低空遥感平台获取大豆田间影像及数字表面模型，同时测定地面大豆实际冠层高度；利用克里金插值算法获取地面高程值(DEM),通过计算提取大豆株高信息，并验证此方法的精度和提取误差。研究表明：利用无人机遥感正射影像、数字表面模型和克里金插值算法生成的DEM模型符合试验田的地势情况，提取的大豆株高范围为0～1.13627m,所建立的株高提取模型R²=0.8163,计算得到的大豆实际株高与提取株高平均误差为3.79%。此方法可较为精确地计算大豆的植株高度，能够为大豆田间管理和高产株型选育过程中株高性状数据获取提供参考。     

基于图像处理的葡萄叶片含水率诊断初探

随着图像处理与分析技术的蓬勃发展,许多专家学者利用图像获取工具比人眼更精细的分辨能力,应用图像处理技术进行信息诊断研究。以温室大棚中的葡萄植株为研究对象,使用卡西欧ex-2750数码相机采集葡萄冠层叶片图像,并通过烘干法测量叶片样本的含水率,通过MATLAB计算叶片图像的灰度均值。通过对提取的15组葡萄叶片样本数据的多项式曲线拟合,建立了基于叶片图像灰度均值的叶片含水率估算模型,模型的确定系数R2高达0.780 3。结果表明,利用叶片图像的灰度均值可以对葡萄叶片的含水率进行诊断。     

基于机器视觉的棉花氮素营养诊断系统设计与试验

采用数码相机和CCD数字摄像头为图像监测设备,融合机器视觉技术,集成数字图像处理技术、农业物联网技术、Web远程控制技术、信息传输服务技术和数据库管理技术等构建了远程服务系统平台。通过2年试验对棉花的生长状况进行实时跟踪监测,获取其冠层图像,运用数字图像处理技术对棉花群体冠层图像进行分割,筛选棉花长势监测与氮素营养诊断反应敏感的特征颜色参数覆盖度,构建了覆盖度与棉花地上部总含氮量间的关系模型。研究结果表明,覆盖度与棉花地上部总含氮量间指数函数模型相关性最高,其决定系数为0.978,根均方差为1.479 g/m~2。依据棉花覆盖度与氮素营养诊断的最佳模型,搭建了棉花长势长相监测中心(田间监测)、网络信息服务控制中心(服务器)、图像分析与数据处理中心、决策诊断与评价中心以及用户浏览中心,形成一个大型环式"一网三层五中心"棉花监测管理诊断体系,初步实现对棉花生长信息和氮素营养状况快速准确的监测与诊断。     

基于植株需光差异特性的设施黄瓜立体光环境智能调控系统

光是植物进行光合作用的主要能量来源，光照好坏直接影响作物的产量和品质。本研究针对现有植物补光系统多以功能叶光合能力为基准进行冠层补光，导致冠层新生叶光抑制、株间功能叶位补光不足以及补光位置不能适应作物生长进行动态调整的问题，以黄瓜为研究对象，设计了一种基于植株需光差异特性的设施黄瓜立体光环境智能调控系统。该系统由智能控制子系统、冠层-株间LED补光子系统、冠层-株间环境监测子系统和补光灯升降子系统组成，通过ZigBee技术实现各子系统间无线通信。其中冠层-株间环境监测子系统分别获取冠层和株间环境信息并发送至智能控制子系统，智能控制子系统根据环境实时信息调用冠层调控模型和株间适宜叶位调控模型获得相应调控目标值，并将其下发至冠层-株间补光灯，实现冠层与株间补光灯的动态实时调控。在陕西省泾阳县蔬菜产业综合服务区蔬菜基地分别部署立体补光设备和传统冠层补光设备，并进行系统调控效果验证试验。结果表明，立体补光区黄瓜植株的株高和茎粗显著增长，其中相比传统冠层补光区平均株高、茎粗分别增长了8.03%和7.24%，相比自然处理区平均株高、茎粗分别增长了26.51%和36.03%；在一个月的采摘期内，立体补光区相比传统冠层补光区和自然处理区产量分别提升了0.28和1.39 kg/m²，经济效益分别增加了2.82和4.88 CNY/m²，说明立体光环境调控系统能够提高经济效益，具有应用推广价值。     

小波变换与分水岭算法融合的番茄冠层叶片图像分割

在基于机器视觉的作物营养诊断研究中,通常需要采集叶片样本并在实验室条件下定量测定其营养素含量,但由于叶片间相互重叠,往往使得叶片样本不能清晰地反映在群体番茄冠层图像中。为了解决这一问题,需要利用图像分析技术有效提取作物冠层图像中的叶片,并根据处理结果采集实验室测定样本。本文从复杂背景剔除、梯度图计算、小波变换、标记选取、分水岭分割等环节出发,实现了基于小波变换与分水岭算法融合的番茄冠层多光谱图像叶片分割。首先对比了4种复杂背景剔除算法,发现当增强因子a=1.3时,基于归一化植被指数(Normalized difference vegetation index,NDVI)的阈值分割目标提取准确,适合各种光照条件,时空复杂度低。其次在梯度图计算方面,近红外(Near infrared,NIR)波段图像形态学梯度在保持目标边缘的同时,能消除大量由叶脉、光照等引起的叶片内纹理细节。然后以小波分析为基础进行标记选取,发现当选取db4小波函数、4层小波分解低频系数、阈值为18的H-maxima变换能得到最优的目标标记结果。最后对多光谱番茄冠层图像的小波变换分水岭分割和数学形态学分水岭分割结果进行叠加,发现对复杂背景及不同光照强度下的番茄冠层叶片平均误分率为21%,为基于多光谱图像分析的番茄叶片营养素含量检测提供了一定的技术支持。     

作物生长图像远程采集系统的设计与实现

针对传统固定桁架式作物图像获取系统采用有线方式进行通讯,布线复杂、适用范围有限等缺点,开发了一套通过4G无线网络相机及其所带RS485串行接口实现远程作物生长图像采集的系统。该系统采用4G网络相机作为图像采集设备,通过云台、水平和竖直滑块导轨等,控制作物图像采集设备的空间转动、水平移动和竖直移动,并采用服务器和VC++等开发了网络专家端口和作物生长数据中心两个客户端,分别用于实时获取单株作物精细图像信息和监测区域内整体作物的长势信息,并将获取的图像保存在各自的数据库中。该系统可全面获取作物的生长状况,为科学决策及未来研究提供图像数据。     

基于冠层温度变化的冬小麦蒸散模型

冠层温度是反映作物蒸散的重要指标,基于2006-2011年冬小麦田间试验资料,分析了小区及冠层尺度K-p模型参数的差异,对比了两种冠层温度表达式的冬小麦蒸散量计算模型的模拟效果,得到了基于冠层温度变化的冬小麦蒸散模型.结果表明:不同尺度(小区和冠层)K-P模型参数存在一定差异,冠层阻抗(rc)与临界阻抗(r*)的比值和临界阻抗(r*)与空气动力学阻抗(ra)的比值呈显著线性关系,且与冠层尺度K-P模型参数的差异小于不同尺度(小区和冠层)K-P模型参数的差异.以冠层温度的表达式(rc/ra、rc/r*)计算的作物蒸散量与采用田间水量平衡计算的作物蒸散量呈显著线性关系,以rc/ra参与计算的作物蒸散量明显高于田间实测值,而以rc/r*参与计算的作物蒸散量与田间实测值更为接近.因此,以rc/r*代替rc/ra参与作物蒸散量的计算更能反映田间冬小麦蒸散变化过程.     

基于移动机器人平台的玉米植株三维信息采集系统

为了快速、无损、自动获取玉米植株的三维信息,设计了一种基于移动机器人平台的玉米植株三维信息采集系统。首先,通过四轮驱动移动机器人与升降平台配合,精准控制Xtion深度相机多视角采集盆栽玉米植株的三维点云数据;然后,对获取的点云进行配准拼接与滤波,实现玉米植株的三维重建;最后,对重建后的玉米模型进行叶片的分割与参数测量。该系统的移动机器人运动误差可以控制在1 cm之内,玉米植株叶片参数测量误差在1%～5%之间,证明了该系统进行玉米植株三维信息采集的可行性。     

小麦冠层营养诊断光谱检测仪设计与试验

为了快速准确获取田间作物生长营养水平信息,设计了作物冠层营养诊断光谱检测仪,并进行了小麦大田测试。系统由光学传感器,信号采集驱动模块和控制器组成。光学传感器可测量300~1 100 nm范围内连续光谱,信号采集驱动模块用于提供稳定电压以及数据的A/D转换。开发了光谱采集控制软件安装于控制器,主要功能包括接收、处理、显示和存储采集到的数据。应用该仪器进行了标定试验,并针对大田冬小麦开展了大田试验,试验结果表明该仪器所测反射率与美国ASD FieldSpec HandHeld 2光谱辐射仪所测的反射率之间具有较高的相关性,相关系数最低为0.991 8。分析了冬小麦叶绿素含量指标SPAD值与仪器所测反射率之间的相关性。选出相关性较高的550~900 nm波段进行主成分分析建立叶绿素预测模型,建模 R 2 C 为0.575,模型检验 R 2 V 为0.595。结果表明利用研发的便携式光谱检测仪能有效评估小麦营养叶绿素含量,为小麦的精细栽培提供理论与技术支持。     

喷杆喷雾机精确对靶施药系统设计与试验

为减少大田施药时农药浪费,有效控制农药残留污染,针对植株行距、株距较大的作物对行施药的农艺要求,设计了喷杆喷雾精确对靶施药系统并进行试验。该系统以大田常用喷杆喷雾机为载体,沿喷杆方向按一定间距布置对应行和垄沟的超声测距传感器,实时采集喷杆到植株冠层以及喷杆到垄沟底部的距离信号;通过信号调幅消除由垄沟凹凸不平以及喷杆自身振动所产生的噪声影响。将调幅后的冠层高度信息依据植株株高、冠层胸径和冠层株高标准差等特征进行模式分析,从而识别靶标位置实现精准对靶。以大田团棵期烟草植株为对象,在烟草植株的株高达到30 cm左右,展开叶达15片左右时开展田间试验。结果表明:设计的精确对靶施药系统在植株平均胸径31 cm,株距比例39.2%的大田里,节省药液30%左右;在植株平均胸径35 cm,株距比例31.6%的大田里,节省药液20%左右。因此,此系统对大田植株间距在15 cm以上的对靶施药作业中具有较好的实用性。