分辨率实时可调的无线图像传感器节点设计与试验

针对目前用于农业图像获取的图像传感器节点分辨率偏低、分辨率固定不可调的现状,设计并实现一种分辨率实时可调的无线图像传感器节点。节点的硬件平台由ARM处理器S3C6410和CMOS图像传感器OV5642组成,并集成了Wi Fi模块和4 G模块。设计了太阳能供电系统为节点供电。采用嵌入式Linux搭建节点的软件平台,设计了基于驱动层和应用层协作、多线程并发的分辨率实时调整算法,并在应用层实现了分辨率实时调整、图像采集、图像压缩和无线传输等功能。为了验证节点的性能,将节点部署在农田进行了长时间的测试试验。测试结果表明,节点具有7种不同的分辨率,最高可达500万像素,更重要的是它在工作过程中可接收远程用户的指令,实时调整分辨率,进而采集不同精度的农作物图像,并远程传输到服务器端。试验表明所设计的节点可满足用户获取不同精度农业图像的需求。     

基于3G和Wi-Fi的高分辨率视觉传感器传输控制方案

智能视觉传感器技术因其低成本和图像高效采集优势成为当今无线视觉传感器网络（wireless vision sensor network,WVSN）的研究热点。该文在之前基于ARM平台S3C6410设计的低成本高分辨率农业视觉传感器（agricultural high resolution vision sensor,HRAVS）设计基础上,进行了网络和远程控制扩展,设计了一种基于WCDMA和Wi-Fi的高分辨率视觉传感器远程传输控制方案（vision sensor remote transmission control schema for the HRAVS,VSRTC）。使新型HRAVS节点可以利用有线、Wi-Fi、3G和4G等支持WVSN和农业物联网的应用。该文详细设计了VSRTC的应用体系结构、传输控制协议、应用软件。利用扩展的网络化视觉感知传感器,在华南农业农业大学试验农场部署了10个图像采集节点构成的WVSN,并开展了25d的运行测试,测试了新型节点的稳定性、图像采集与编码的性能,采集图像的平均耗时,以及在不同分辨率下的视频帧速率等。结果表明,该节点能够有效地支持命令响应式、周期响应式、视频流3种采集模式;在重传方案支持下所有节点指令丢失率在1%以内;在非联网状态下节点本地工作模式下,节点在1.3、2.0和3.2 Mpixel下采集图像的最短节点平均耗时分别约为6.2、8.2和11.1 s,最大视频帧速率分别为58.7、34.6、16.4帧/s;在全网络环境中,节点在1.3、2.0和3.2 Mpixel下采集图像的最短节点平均耗时分别约为17.6、26.9和49.6 s,最大视频帧速率分别为20.2、16.1、9.3帧/s。该方案对实时性要求不太高的农业领域来说,基本能满足其高分辨率图像和视频传输的需要。     

基于3S技术联合的农田墒情远程监测系统开发

农田墒情信息是现代农业实施精准施肥、精确灌溉的重要科学依据。为了实现快速准确地采集墒情信息,研究开发了基于3S（GPS/GIS/GPRS）技术联合的农田墒情远程监测系统。该系统主要由农田信息监测网络节点和远程服务器组成,在小范围内由传感器节点基于ZigBee通讯协议组成无线传感器网络,在大尺度上通过网关节点集成GPS网络,利用GSM/GPRS网络实现与Internet的信息交互,完成了墒情数据的自动采集、无线传输和准确定位。设计了太阳能自供电的长寿命无线传感器节点和网关节点,开发了服务器端农田墒情信息管理系统软件,实现了Web方式下的参数远程设置和信息实时监测。该系统的设计开发为农田墒情信息监测和分析决策提供了有效的工具。     

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。     

分布式移动农业病虫害图像采集与诊断系统设计与试验

为了便捷地采集和实时诊断农业病虫害图像,设计了一个分布式移动农业病虫害图像采集与诊断系统。该系统由多个便携式图像采集终端和一个图像处理服务器组成;其中,图像采集终端包括嵌入式相机、可伸缩的手持杆和装载控制App的手机;图像处理服务器包括农业病虫害诊断、信息记录和反馈模块等。手持杆可将安装在其前端的嵌入式相机送到人手或视觉难以企及的病虫害区域,手机可实时预览前端相机的拍摄画面和实现控制相机完成农业病虫害图像采集等功能;系统通过HTTP协议实现多个采集终端与图像处理服务器的数据交互,协同进行分布式计算,可以减少网络移动资费和服务器的负载。利用该系统对水稻纹枯病图像采集与诊断测试结果表明,该系统的图像采集终端可以便捷地采集到水稻纹枯病图像,手机端视频预览画面延时低,对相机控制命令无误,图像采集终端与服务器通信稳定,服务器端对水稻纹枯病图像处理和诊断实时,基于图像的水稻纹枯病为害等级诊断准确率为83.5%。如果服务器端加载不同的农业病虫害图像处理和诊断算法,该系统可广泛应用于各种农业病虫害图像的采集与诊断。     

基于移动无线传感器网络的植株图像监测系统设计与测试

针对静态无线传感器网络(static wireless sensor network,SWSN)在图像监测中功耗分布不均、传输不可靠等问题,设计了基于移动无线传感器网络(mobile wireless sensor network,MWSN)的农田植株图像监测系统。选用JN5139模块搭配摄像头采集和编码图像,利用无人机(unmanned aerial vehicle,UAV)搭载协调器收集信息。通过仿真和测试可得,节点在MWSN中的最小功耗为10μW,工作功耗为133 m W,在SWSN中为133 m W,路由节点功耗为普通节点的2倍;在10~35 m范围内,MWSN的信号强度为-68~-86 dbm,SWSN为-83~-85 dbm;在10~80 m范围内,MWSN的误码率范围是0~9.2%,SWSN是0~38.6%。试验时UAV在15 m高空悬停接收地面设备发出的图像数据,测得获取一张图片平均需135 s,图片分包平均为22次,解码后的图像可以较好的反映植株生长状态。上述结果表明,工作时间相同,MWSN中节点的功耗差异性小,呈均匀分布;在一定距离范围内,MWSN的传输能力和抗干扰能力整体上优于SWSN,能保证数据传输的可靠性,因此,基于移动无线传感器网络技术的图像监控系统能够满足大范围农田中植株图像的监测需求。     

基于压缩感知的资源节约型音频信号采集方法

针对基于无线传感器网络构建的环境监测系统,为减少多媒体信号采样、处理、传输过程所消耗的计算、存储、电能、带宽资源,该文分析了现有信号处理理论和随机采样方法存在的局限性,结合压缩感知理论,提出了一种改进的加性随机采样方法,设计了一种新型的资源节约型音频信号采集算法。该算法依靠传感器节点和汇聚节点的共同协作完成音频信号采集,其中,传感器节点对具有稀疏性的音频信号进行低频随机采样,汇聚节点可从随机采样数据中高概率重构原始信号。将所提出的信号采集方法用于采集粮仓内的赤拟谷盗成虫爬行声,并与已有数据压缩方法进行性能对比。初步试验结果表明：在随机采样频率为196Hz且最大数据重构误差小于0.5%情况下,可实现13个采集节点所获取的78路声信号的远程、无线、实时采集,特别适用于资源有限的无线传感器网络。     

桁架式可移动作物生长远程监控系统设计

针对固定式图像采集设备终端在实时采集过程中存在的采集角度和范围有限等问题,研究开发了一种固定桁架式地面移动多点作物图像远程获取系统。系统采用网络摄像机和电动变焦镜头作为图像摄取设备,通过全方位智能控制云台、螺旋四杆机构和水平滑块导轨机构的设计与选型,建立了作物图像摄取设备的水平移动、垂直移动、360°空间转动、俯仰运动等子系统。开发了远程控制软件,建立了作物图像数据库和远程管理系统,实现了监测区域内所有植株不同部位图像信息的远程控制获取和管理。系统在温室中进行了运行测试,运行正常可靠。该系统可为作物远程在线水肥诊断提供了一种空间移动多点实时监测和远程管理平台。     

基于3G和Wi-Fi的高分辨率视觉传感器传输控制方案（英文）

智能视觉传感器技术因其低成本和图像高效采集优势成为当今无线视觉传感器网络(wireless vision sensor network,WVSN)的研究热点。该文在之前基于ARM平台S3C6410设计的低成本高分辨率农业视觉传感器(agricultural high resolution vision sensor,HRAVS)设计基础上,进行了网络和远程控制扩展,设计了一种基于WCDMA和Wi-Fi的高分辨率视觉传感器远程传输控制方案(vision sensor remote transmission control schema for the HRAVS,VSRTC)。使新型HRAVS节点可以利用有线、Wi-Fi、3G和4G等支持WVSN和农业物联网的应用。该文详细设计了VSRTC的应用体系结构、传输控制协议、应用软件。利用扩展的网络化视觉感知传感器,在华南农业农业大学试验农场部署了10个图像采集节点构成的WVSN,并开展了25d的运行测试,测试了新型节点的稳定性、图像采集与编码的性能,采集图像的平均耗时,以及在不同分辨率下的视频帧速率等。结果表明,该节点能够有效地支持命令响应式、周期响应式、视频流3种采集模式;在重传方案支持下所有节点指令丢失率在1%以内;在非联网状态下节点本地工作模式下,节点在1.3、2.0和3.2 Mpixel下采集图像的最短节点平均耗时分别约为6.2、8.2和11.1 s,最大视频帧速率分别为58.7、34.6、16.4帧/s;在全网络环境中,节点在1.3、2.0和3.2 Mpixel下采集图像的最短节点平均耗时分别约为17.6、26.9和49.6 s,最大视频帧速率分别为20.2、16.1、9.3帧/s。该方案对实时性要求不太高的农业领域来说,基本能满足其高分辨率图像和视频传输的需要。     

基于GPRS的作物水分信息远程传输与监测系统设计

为了解决作物水分信息的快速获取和无线远程传输问题,本文以PTM-48M作为数据采集和监测系统,基于GPRS无线传输技术,通过系统集成,提出了的作物水分信息无线远程传输与监测系统。该系统具有实时测定和远程传输功能。阐述了系统的整体结构,并从软硬件两方面描述了系统的设计。     

基于小波分解的油菜多光谱图像与深度图像数据融合方法

将多源数据融合分析可以降低单一图像造成的误判读,利用多源数据之间的冗余部分进行配准,利用互补信息完成融合,能够提高数据的信息量和可靠性。该文利用近地面遥感模拟平台分别获取油菜的多光谱图像和深度图像,将2种图像进行配准和融合。该文分别针对多光谱图像和光程差深度图像的成像特点,进行相机内外参计算与图像矫正。采用 SIFT（scale invariant feature transform）算法计算2源图像上的 SIFT 点,并依据关键点描述子进行匹配,之后通过关键点位置计算仿射变换矩阵对图像进行缩放、平移和旋转,从而实现变换后图像的配准。分别对 harr,Db2,Db4,Sym2, Sym4,Bior2.2,Bior2.4,Coif2,Coif 等9种小波基融合后的结果计算其相应的交叉熵、峰值信噪比和互信息量等5个参量进行评价,得出小波基 harr 和 sym4融合效果较好,各项指标均衡性较好。用 haar 小波基对配准后图像在3、4、5、6层分解融合,通过观察得出在多光谱与深度图像融合中第3层小波分解和第4层分解的融合效果较好。最终将深度图像的高程数据归一化之后进行植株三维构建,得到三维点云并进行可视化。     

基于微型自动导引运输车的盆栽作物数据采集系统

为了满足作物育/选种过程中高频次获取样本植株个体的生理指标及生长环境数据的需求,该文以微型自动导引运输车(automated guided vehicle,AGV)为基础结合ARM(advanced RISC machines)嵌入式技术设计了一套温室盆栽作物数据采集系统。该文介绍了温室盆栽作物数据采集系统的工作原理,组成结构和功能测试。系统由微型AGV、车载数据采集系统、通讯与控制系统等部分组成,微型AGV携带数据采集系统按照作业指令依次对样本植株个体的图像信息以及环境参数信息进行采集,解决了育/选种过程中需要人工方式对培育的样本植株个体数据进行采集的问题。随机选取160盆大豆样本进行数据采集试验,试验结果表明,采集的大豆植株图像完整、清晰,生长环境数据精确度高,平均误差不大于2%,对160个样本点的图像数据进行采集用时约9 min,数据采集效率大幅提高。试验过程中系统运行稳定,定位准确,误差为±6 mm,且无脱轨现象。该研究为温室盆栽作物个体的数据自动化采集提供了参考。     

低空无人机高光谱影像失真评价指标构建

为定量分析无人机高光谱成像系统数据获取时因航线变换及太阳辐照度变化而产生的白噪声、运动模糊、条带噪声等导致的影像失真,该研究利用地物光谱仪和机载成像光谱仪获取研究区内棉花冠层光谱数据,基于典型植被光谱特征分析验证数据质量,配合使用数字图像处理方法完成白噪声、散焦模糊、运动模糊、光谱平滑以及条带噪声的模拟样本集构建,并结合设备采集噪声（条带噪声混合白噪声）构建真实样本集,建立影像波段信息、光谱信息以及空间-光谱总体信息质量的评价指标,通过相关性分析评价指标有效性。结果表明：对模拟样本集,除百分比最大绝对差,本文建立的指标均与影像质量显著相关（P<0.01）,在实际噪声样本内各指标相关性均产生不同程度下降,仅平均绝对误差（0.609,P<0.01）、均方误差（0.459,P<0.01）、相对均方根误差（0.502,P<0.01）以及总体信息保真度（-0.471,P<0.01）满足相关性要求。研究结果可为低空机载高光谱影像质量分析及失真指标的选取提供借鉴和参考。     

多光谱低空遥感图像光照辐射度校正

为了提高受云层阴影影响的遥感图像的信息提取准确度,该文以水稻小区试验过程中为进行氮素水平检测而采集的低空机载高分辨率多光谱遥感图像为对象,对受云层阴影影响的高光谱图像进行光谱校正,从而提高氮素水平检测的精度。试验中采用机载的双摄像机同步采集可见光和近红外的水稻遥感图像,并将两摄像机的图像进行几何校正后合成得到彩红外(color infrared,CIR)光谱图像;同时在图像采集区域布置3块不同反射率的1.2 m×1.2 m标定靶,利用便携式光谱仪测定标定靶的反射光谱曲线,并统计标定靶在图像中各通道的亮度均值。以标定靶在晴天无云和有云图像中的亮度值为节点,对G、R和近红外(near infrared,NIR)通道分别建立分段的线性变换模型进行校正。为验证校正精度,在遥感图像中分别选择大田水稻、小区试验田块和裸地3个不同区域的图像的G、R和NIR通道像素亮度均值及归一化植被指数(normalized differential vegetation index,NDVI)作为评价指标。试验结果表明,和传统的整体线性变换相比,采用分段线性变换校正具有较高精度,G、R和NIR通道校正后的平均误差为8.6%,9.1%和11.7%,NDVI平均误差为11.5%,有效提高了阴影条件下的遥感图像的信息提取精度,提高了受云层影响遥感图像的利用率。研究为低空遥感的图像校正提供了参考。     

实时识别行间杂草的机器视觉系统

在实验室环境条件下,开发和测试了识别行间杂草的机器视觉系统。硬件系统主要由速度可控的土壤箱设备、三台实时采集图像的摄像机和计算机组成;软件系统根据植物和背景的颜色特征二值化图像,再根据田间作物的位置特征识别作物和行间杂草。实验表明,采集并处理一幅大小为710×512像素的彩色图像的平均时间为426 ms,系统的正确识别率达到了86%。     

基于微小型无人机的遥感信息获取关键技术综述

近年来,基于微小型无人机的遥感信息获取技术广泛应用在农业领域。采用微小型无人机遥感信息平台获取农田作物信息,具有运行成本低、灵活性高以及获取数据实时快速等特点,是目前农田作物信息快速获取的主要方法之一,是精准农业发展的重要方向。该文主要对微小型无人机遥感技术平台的发展、遥感信息获取技术、遥感图像的处理与解析、以及微小型无人机遥感平台应用在作物信息监测和生产管理等方面进行了深入剖析,强调了遥感信息获取与解析技术的重要性和存在的问题,受微小型无人机飞行稳定性和载荷量的限制,如何实时快速准确地调整机载遥感传感器的姿态使被测目标始终处于监测视野中,并实现图像信息的远距离获取与传输,以及如何处理和解析无人机遥感系统获取高质量的遥感图像是微小型无人机遥感技术能否被广泛应用在各研究领域的关键技术。最后,提出了增强无人机飞行控制系统的高稳定性、遥感图像的精确获取及数据的实时传输和高精度的图像后处理方法,对作物信息监测技术的发展和应用具有重大意义,是实现大面积精准农业生产管理决策的重要依据。     

基于多光谱图像技术的番茄营养素诊断模型

为了快速、准确估测番茄营养水平和生长状态,利用多光谱图像分析技术研究了温室番茄营养素含量和图像特征的相关性。在日光条件下采集了温室番茄叶片多光谱图像,并采用多尺度Retinex算法有效地解决了叶片平整度差异造成的图像质量退化问题。从颜色模型、比值植被指数和归一化差值植被指数出发,自定义了49个多光谱图像特征参数。结合相关性分析和系统聚类分析消除了多光谱图像特征参数的多重共线性,并提取了4个能反映叶绿素含量(SPAD指数)和全氮含量预测模型,其中SPAD指数模型的决定系数(R2)为0.8668,均方根误差(RMSE)为3.997;全氮模型的R2为0.7284,RMSE为0.5130。