面向田园监测的低成本多光谱图像远程采集节点设计

利用多光谱图像采集设备获取农作物敏感波段的多光谱图像并对其进行分析,已经成为当前农作物生长状态评估的重要手段。但现有的光谱图像采集设备存在价格昂贵、体积较大、分辨率低、需人工搬运设备至田间作业等不足。为此,该文设计一种低成本、高分辨率的多光谱图像远程采集节点,并部署在田园对农作物光谱图像进行实时采集,并远程传输到服务器端,从而实现对农作物状态的持续监测。节点可同时采集RGB彩色图像和3种不同波段光谱图像,图像分辨率可达500万像素,且滤片可更换,因而其可应用于不同作物的图像获取。节点的硬件平台由嵌入式处理器芯片S3C6410、CMOS图像传感器OV5640和自行设计的机械式滤光片转换装置构成。为了实现图像的远程传输,节点集成了3G无线通信模块。采用嵌入式Linux搭建了节点的软件平台,并在此基础上设计了节点的软件系统,实现了滤光片转换的驱动控制、图像采集、图像压缩和3G无线传输等功能。为了验证节点的性能,将节点部署在田园进行了一系列试验测试。测试结果表明,节点能够自动采集RGB彩色和3种波段光谱图像,并通过3G网络无线传输到服务器端。采集和传输大小为133 k B的4幅图像所需总时间约为45.27 s,丢包率为0.54%。试验表明该文所设计的节点能够实时采集和远程传输多光谱图像,可满足田园现场环境多光谱图像获取的需求。     

农业环境远程分布式多功能监控系统

农业环境远程分布式多功能监控系统是一种高度自动化和网络化的监控系统,除了可对农业与生态环境等要素信息（如气象、土壤和作物等）进行实时动态采集监测,而且还可通过图像视频技术对不同场景（如现场景观、作物生长、形态变化等）进行动态监测,真正实现了农业现场图像与数据一体化精准监控。     

农业环境远程分布式多功能监控系统

农业环境远程分布式多功能监控系统是一种高度自动化和网络化的监控系统,除了可对农业与生态环境等要素信息（如气象、土壤和作物等）进行实时动态采集监测,而且还可通过图像视频技术对不同场景（如现场景观、作物生长、形念变化等）进行动态监测,真正实现了农业现场图像与数据一体化精准监控。     

农业环境远程分布式多功能监控系统

农业环境远程分布式多功能监控系统是一种高度自动化和网络化的监控系统，除了可对农业与生态环境等要素信息（如气象、土壤和作物等）进行实时动态采集监测，而且还可通过图像视频技术对不同声景（如现场景观，作物生长、形态变化等）进行动态监测，真正实现了农业现场图像与数据一体化精准监控。     

少免耕播种机牵引阻力远程监测系统

针对少免耕播种机牵引阻力的监测,该文提出了一种能够实时采集信号、无线传输数据、现场移动监测、远程同步监测的少免耕播种机牵引阻力监测系统。该系统通过在3点悬挂杆铰接处安装2维轴销测力传感器实现对其受力情况的实时检测。采用无线传感网络技术(wireless sensor network,WSN)实现传感器信号采集和数据短距离无线传输。采用嵌入式技术开发无线数据监测移动终端,实现牵引阻力的现场监测以及数据转发。利用Visual C++开发的远程监测软件,在远程计算机上实现牵引阻力的动态监测、实时显示、在线分析和批量存储。经计量,该系统模拟量检测最大误差为4 mV,线性度为0.04%。田间试验表明:系统实现了少免耕播种机牵引阻力的现场移动监测以及远程同步监测,系统使用方便并降低了田间测试的复杂程度。     

基于称重式蒸渗仪及多种传感器的作物表型及蒸散监测系统研制

作物蒸散量测量与估算在农业方面有着重要作用,而当前对于作物蒸散量的估算主要以试验的方式进行,有一定局限性,且测量面积小,与实际应用还有一定距离。针对以上问题,该文在已有24座小型称重式蒸渗仪基础上,集成RGB成像传感器、多光谱成像传感器和二维激光扫描仪于一体,配合龙门架进行移动控制,构建称重式蒸渗仪植物表型监测系统,实现18 m~2植物生长过程中的RGB、红(668 nm)、绿(560 nm)、蓝(475 nm)、红边(717 nm)、近红外(840 nm)图像信息和植株高度信息的自动监测。最后通过试验,在已设定好的常用速度下,系统单趟运行用时142 s,可采集28组RGB、多光谱图像及所有植株高度信息,速度相对误差在1.8%～6.0%之间。通过对获取的夏玉米多光谱图像和激光扫描仪数据信息分析,系统能够可靠获取归一化差异植被指数等作物指数及植株高度信息。并结合气象站数据,对冬小麦主要耗水期的RGB图像进行分析,对其蒸散量进行了估计,与蒸渗仪获取的实际蒸散量对比,其平均相对误差为16.62%。该系统为大面积作物蒸散量的实时监测和精确诊断以及作物生长状况研究提供有效技术与装备支撑。     

番茄辣椒微型根系形态原位采集系统设计与实现

为实时获取浅根系作物的根系生长形态,设计了一种可用于多点测量的微型根系形态实时原位采集系统。系统主要由微型摄像头和光学放大元件等组成(体积1.5cm3),采集的图像通过无线模块发送至终端。采用基于区域生长的根系图像分析方法,以腐蚀图像为出发点,膨胀图像为终止点,结合相似性准则进行区域生长、区域标记和区域保留,来滤除土壤孔隙和杂质等对图像产生的干扰,从而提取根系轮廓,并通过图像形态学计算得到根长密度、根系平均直径等形态参数。以此系统采集樱桃番茄、辣椒根系形态参数,试验结果表明,根系长度测定值的绝对误差不超过1.5 mm,相对误差不超过5.3%;根系平均直径绝对误差不超过0.09 mm,相对误差不超过6.7%。与土壤采样法测定值相比,在0～10、10～20、20～30和30～40 cm 4个土壤层内2种测定方法根系平均直径决定系数R20.87(P0.01),根长密度在30 cm深度以内的土壤层决定系数R20.81(P0.01)。证明本文设计的微型根系形态实时原位采集系统具有较高的准确性,可用于浅根系作物形态的多点观测。     

远程农业监测信息系统设计与实现

针对农业信息远程监测服务需求和物联网农业应用背景,设计开发了农业信息远程监测和服务系统。系统将无线数据采集、远程数据传输和网络服务相结合,实现了远程、多目标、多参数的农业信息实时采集、显示、存储、查询和统计等功能。系统通用性和扩展性较强,在数字农业、农作物防灾减灾等领域具有良好的应用前景。     

基于“树莓派”三代的农业智慧监测系统研究

为了更实时有效地监测作物生长环境参数,设计并实现了一套基于树莓派(Raspberry Pi)农业智慧监测系统。该系统以树莓派3代B型为核心,连接土壤湿度、空气温湿度、叶面温湿度、光照强度和pH值等传感器,可用于监测作物整个生长周期的土壤湿度、空气温湿度、叶面温湿度、光照强度和pH值等参数。本研究基于树莓派3代成功搭建了农业智慧监测系统,开发了适于电脑端的Web版和移动手机端的App(iOS版和Android版),并已监测获取作物生长相关参数和环境因子的数据。该系统运行可靠,操作简单实用,可扩展性强,为下一步开展作物长期数据监测,进行作物生产参数研究和智能控制奠定了基础。     

集成GPRS、GPS、ZigBee的土壤水分移动监测系统

为了实现土壤水分数据的实时采集、处理、可视化与上传,开发了移动式土壤水分监测系统。系统由集成ZigBee协调器、GPS模块、GPRS模块的PDA和基于ZigBee的土壤水分传感器移动节点组成。ZigBee模块主要用于PDA和移动传感器节点间的无线通信,使PDA能无线获取土壤水分传感器信息,并能控制传感器供电电源的通断。GPS模块用来实时获取传感器的位置信息,为绘制土壤水分时间和空间分布图以及为精细灌溉决策系统提供支持。GPRS模块用来将绑定的节点号、经纬度信息、土壤水分信息通过TCP/IP协议上传至互联网远程上位机,以实现土壤水分时空变异的远程监测。系统既能在PDA内存储信息又能上传互联网,具有良好的便携性和可视性。性能试验结果表明,系统可实时准确远程传输测量数据,内嵌软件根据测量结果绘制的土壤水分空间变异分布图可有效指导精细灌溉。     

基于机器视觉的玉米果穗参数的图像测量方法

在玉米育种和品质研究中,经常需要对玉米的果穗长度、果穗宽度、穗行数、穗粒数等参数进行测量。该研究提出了一种基于机器视觉的玉米果穗参数图像测量方法。使用PC摄像头连续采集旋转台上的玉米果穗图像,经过图像处理,获得玉米穗的图像区域,进而得到玉米果穗的穗长和穗宽参数;通过对玉米果穗局部区域的x方向和y方向累计像素值曲线进行分析,提取出玉米穗行,获得每一穗行的穗粒数和穗行宽度;通过图像匹配,获得玉米果穗的穗行数。试验表明,使用该研究方法对玉米果穗的长度、宽度和穗行数的参数测量准确率可达98%以上,对穗行宽及总穗粒数测量准确率达95%以上,整穗的平均检测时间约102 s/穗。该研究实现了玉米果穗参数快速有效的自动检测,相对于目前采用的人工检测,大大提供检测效率,降低劳动强度,可应用于玉米千粒质量检测、产量预测、育种和品质分析等场合。     

多旋翼无人机近地遥感光谱成像装置研制

为了满足多旋翼植保无人机悬停、定速飞行2种作业模式下近地遥感的需求,该文设计了一套液晶光谱成像装置。首先,通过硬件、软件开发,实现了装置采集模块、控制模块和通信模块3部分的协同工作。其中,采集模块由16位CCD灰度相机、消色差镜头、液晶可调滤光器以及UV镜组成,控制模块由微电脑处理器和USB连接器组成,通信模块由数传、北斗定位系统和地面工作站组成。由5V3A电源供电。开发相应软件实现各硬件模块之间的协同控制,以及数据处理的功能。数据处理功能既可用于拍摄前装置的参数调节,又可单独用于光谱图像分析。基于本装置的数据采集方法,实现了光谱图像采集与旋翼无人机2种飞行模式的匹配。通过室内模拟飞行试验和田间试验,对装置性能进行测试。结果显示装置可获得清晰的光谱图像,光谱范围400~720 nm,光谱间隔最高可达到2 nm,空间分辨率1392×1040,且光谱连续平滑、特征稳定可靠。本装置基于面阵分光原理,采用密接耦合光路设计、核心器件同步触发技术,结构紧凑、抗震性好、稳定度高,适合植保作业,有望应用于精准农药喷施、作物处方图生成等多个领域。     

基于余摆运动的株间机械除草爪齿避苗控制算法

为准确控制以余摆运动为原理的株间机械除草装置的除草爪齿避让作物,提出了基于余摆运动的株间机械除草爪齿避苗控制算法,介绍了爪齿余摆运动株间机械除草爪齿避苗控制算法的基本原理,根据余摆线运动特点推导出了除草爪齿避苗判断表达式,并设计了除草爪齿的旋转角速度控制器和除草爪齿避苗控制器。利用MATLAB对除草爪齿避苗控制算法进行了仿真分析,结果表明该算法能准确控制除草爪齿避让作物,前进速度对株间区域除草覆盖率影响小,但会受除草爪齿爪尖旋转半径影响,除草爪齿旋转半径越大,进入株间区域的除草爪齿根数越少,株间区域除草覆盖率降低。在试验平台上进行了验证试验,平均每个株间区域进入的爪齿根数和株间区域除草覆盖率与仿真分析结果一致。     

基于高速摄像技术的水稻钵盘精量播种装置投种过程分析

摘要：为揭示水稻钵盘精量播种装置投种过程,以水稻钵盘精量播种装置为研究对象,借助高速摄像技术对稻种投种过程和稻种的运动方式进行了观察,通过分析可知,稻种在运动中伴有自转、偏转等现象,运动轨迹符合二次曲线,垂直速度随时间增加而非线性增加,经拟合符合Yield Density模型;稻种水平位移与垂直位移有关。综合考虑投种率和投种效率,确定了垂直位移最大值为31 mm。该结果为提高播种装置的投种率提供理论依据。     

基于机器视觉的水稻秧盘育秧智能补种装置设计与试验

对于工厂化育秧作业的水稻、蔬菜、花卉等,尤其是超级杂交稻,其机械化秧盘育秧播种的理想目标为2~3粒/穴,且普遍存在空穴和单粒穴的情况,为了保证秧盘育秧成秧率,提高精密播种合格率就显得非常重要。该文基于机器视觉技术,提出了一种智能补种方法,设计并研制了智能补种装置,主要用于超级杂交稻钵体秧盘育秧播种质量检测与补种过程。首先利用CCD摄像头采集秧盘图像,对图像处理与分析后得到空穴和1粒穴位置坐标,再利用定位机构和补种机构实现从种槽取种和对秧盘指定位置动态补种等功能。应用LabVIEW图形化编程软件,针对空穴和单粒穴的补种方案,开发出秧盘播种质量在线检测与补种运动控制系统,实现了智能补种任务。由试验结果统计可知,当补种率小于2%时,双补种器能够满足450盘/h的生产需求。     

自动挡雨预警推送蒸发器手机在线控制装置研制

为消除蒸发器水面蒸发量检测过程中因天然降雨对检测结果的不利影响。在脉冲式蒸发器水面蒸发量手机在线检测装置基础上增加了自动挡雨装置和天气预警及其挡雨装置是否正常运转的推送功能。该装置通过个推软件工具开发包实现了预警推送功能,并采用雨水传感器感应板输出的电信号变化感知是否出现降雨情况,实现了挡雨盖遮挡和移除的智能控制。结果表明:1)装置运行可靠,60次试验中,挡雨盖完全遮挡和回到初始位置、挡雨和移除挡雨盖成功后,收到反馈消息的成功率均为98.3%;2)装置运行稳定,支撑杆转动的理论角度与实测角度的绝对误差范围为1.6°～3.5°,最大相对误差为4.1%,最小相对误差为1.9%。田间试验结果表明,该装置适应性较强,性能良好,支撑杆转动的理论角度与实测角度的最大绝对误差为3.4°。可见,该装置不仅通过降雨感知进行挡雨,而且可以通过手机在线控制,查看降雨天气预警、挡雨盖完全遮挡蒸发器和回到初始位置是否成功的推送消息,提高了蒸发器挡雨操作的智能化水平,解决了蒸发器蒸发量检测过程中因降雨造成检测失败的突出问题。该研究为智能挡雨和消息推送技术在农业智能设备研发中的应用提供了新思路。     

饲料原料种类在线识别系统设计与试验

入仓原料种类识别是饲料生产过程中的关键环节之一。目前,入仓原料主要通过人工取样的方式,依靠工人感官经验识别原料种类,以确保原料正确入仓。为了实现饲料原料种类在线自动取样和识别,提高饲料加工的自动化水平,该研究设计了一种多通道饲料原料自动取样装置,应用机器视觉技术,搭建了原料种类在线识别系统。该系统主要由取样单元、样品输送单元、图像采集单元等组成;采用Arduino Uno为系统控制核心,设计了控制流程和控制线路;在Arduino IDE开发环境下编写了控制程序;运用卷积神经网络的方法构建了饲料原料种类识别模型CAM-ResNet18;基于PyQt5环境开发了饲料原料种类在线识别系统软件,包括上位机人机交互软件系统和下位机自控控制系统。上位机系统软件通过串口与下位机控制器通讯,实现对饲料原料种类在线取样识别装置的自动控制。通过模型嵌入和系统集成,对系统的基本功能、识别准确率和识别时间进行测试。饲料原料种类在线识别系统运行正常可靠,实现了饲料原料入仓过程中的自动取样、图像采集、种类识别、结果反馈、一键报警的全环节智能操作。系统性能测试中,饲料原料种类识别准确率为98%,取样识别周期为10.13 s。研究结果表明开发的饲料原料种类在线识别系统可以实现入仓饲料原料在线取样和种类识别功能,为饲料加工中饲料原料种类的自动识别提供了新的方法和技术支撑。     

桁架式农田高通量信息远程采集平台设计与试验

针对当前作物表型采集平台存在适用性差、采集数据量少、对农田配套设施要求高且需要人工实地采集等问题,该研究设计了一种基于桁架导轨结构的农田高通量信息远程采集平台。采集平台的运动轨道为桁架导轨结构,平台搭载相机、雷达、北斗及集成式环境传感器,可在轨道上进行前后（X轴）、左右（Y轴）、俯仰（P轴）运动,通过4G通信方式实现作物表型信息及农田环境信息的远程多方位采集。田间试验表明,4G远程通信端到端的最大延时不超过60 ms,远程监控端和采集平台端可在极短时间内进行数据交互;在远程监控端下发X、Y、P三轴阶跃运动控制指令,采集平台三轴的运动速度分别为0.5 m/s、0.0769 m/s和1.81°/s,表型传感器可在较短时间内到达目标位置进行信息采集,响应稳态误差分别为0.04 m/s、0.001 m和0.5°,运动过程平滑稳定,保证采集数据质量;Y轴从最左端移动到最右端跨度2 m的过程中,可有效对10行玉米产生近距离有效拍摄,P轴从-60°到60°的俯仰拍摄中,可对玉米苗带行垂直、前侧、后侧等几种不同的方向进行表型采集,且相机图像与雷达点云采集的一致,相机旋转俯仰拍摄的过程中受光照影响较小;对采集到相机及雷达数据融合得到具有颜色信息的三维点云,通过融合后的信息对油菜进行分株及提取株高信息,与人工实际测量株高值对比得到的R²为0.96,表明采集数据效果满足后期实际作物表型参数的分析与处理;单区域的环境信息采集平均耗时10 s,各项环境参数组内无明显差异,与实测数据相比较精度均大于0.95。研究结果表明该采集平台满足对农田高通量表型数据的智能化采集要求。     

基于自动Hough变换累加阈值的蔬菜作物行提取方法研究

为解决机器视觉对生菜和绿甘蓝两种作物在整个生长时期内多环境变量对作物行识别影响的问题,同时提高机器视觉作物行识别算法的有效性,该文提出了一种基于自动Hough变换累加阈值的多作物行提取算法。首先,选用Lab颜色空间中与光照无关a分量对绿色作物进行提取,通过最优自适应阈值进行图像分割,并采用先闭后开形态学运算对杂草和作物边缘进行滤波。其次,采用双阈值分段垂直投影法对作物行特征点进行提取,通过对亮度投影视图中的目标像素占比阈值和噪声判断阈值设置,实现特征点位置判断和杂草噪声过滤,并对相邻特征点进行优化,剔除部分干扰特征。最后,采用Hough变化对特征点进行直线拟合,将不同Hough变换累加阈值获得的拟合直线映射到累加平面上,通过K-means聚类将累加平面数据聚类为与作物行数相同的类数,根据相机成像的透视原理提出基于聚类质心距离差和组内方差的最优累加阈值获取方法,将最优累加阈值下累加平面中的聚类质心作为识别出的真实作物行线。温室和田间试验表明,针对不同生长时期的生菜和绿甘蓝作物,该文算法均可有效识别出作物行线,最优阈值算法耗时小于1.5 s,作物行提取平均耗时为0.2 s,在田间和温室中作物行的平均识别准确率分别为94.6%、97.1%,识别准确率为100%的占比分别为86.7%和93.3%。研究结果为解决多环境变量影响因素下的算法鲁棒性和适用性问题提供依据。