基于移动激光扫描的靶标叶面积计算方法

针对疏枝果园的变量对靶施药问题,提出基于移动激光扫描(Mobile laser scanning,MLS)技术的靶标叶面积计算方法,为变量施药实时提供基础数据。为消除激光雷达(Light detection and ranging,LiDAR)探测距离和施药车辆行驶速度对点云密度的影响,在车辆行驶方向和激光雷达扫描方向上计算每个测量点的分辨率,为MLS点云数据建立变尺度格网,以格网面积作为被激光束覆盖的叶面积,建立靶标总体格网面积(Total grid area,TGA)与真实总体叶面积(Total leaf area,TLA)的线性回归模型。采用仿真树模拟疏枝果树靶标,搭建移动激光扫描测量系统,采集靶标点云数据,改变探测距离及移动速度,获取了4种不同疏枝程度靶标的108个样本数据。试验结果表明,随着探测距离的增加和移动速度的降低,靶标点云数显著减少,变异系数最小为0. 920 9,靶标格网面积能稳定提取,变异系数最大为0. 053 7,TGA与TLA的拟合优度为0. 909 0,叶面积测量相对误差均值为9. 16%。     

基于点云处理的穴盘晚出苗自动检测方法

以黄瓜穴盘幼苗为研究对象,提出一种基于点云处理的穴盘晚出苗自动检测方法。利用RGB-D相机搭建穴盘幼苗点云采集平台,采集整盘幼苗的点云,通过条件滤波、统计滤波和欧氏聚类分割出穴盘幼苗叶片点云;采用基于α-shape算法和拟合的方法计算获取穴盘幼苗叶面积,拟合值和真实值平均误差为0.75cm2,平均相对误差为8.51%;采用基于主曲率定位幼苗茎顶部位置的方法自动获取幼苗株高,真实值与计算值平均误差为0.359cm,平均相对误差为9.32%;以叶面积和株高的乘积作为分级系数,以整盘穴盘幼苗分级系数的均值与标准差差值作为该穴盘的晚出苗分级阈值,实现对穴盘晚出苗的自动检测。将计算的分级系数与幼苗总鲜质量进行对比,分级系数与幼苗总鲜质量变化趋势基本一致,总鲜质量较小的晚出苗其分级系数明显小于其他正常苗,本文提出的分级系数能够有效描述幼苗生长情况。试验结果表明,基于点云处理的穴盘晚出苗自动检测方法成功率达95%,该方法可为工厂化育苗的幼苗检测提供技术支撑。     

基于点云数据的树木三维重建方法改进

激光点云数据以其详尽、高精度的三维信息,在森林参数估算、精确重建植物形态结构三维模型方面具有特殊优势。为进一步提高三维模型精度,综合集成多种算法,在改进现有PC2Tree软件基础上,基于点云数据进行树木三维重建。首先根据树木局部点云的主方向相似度和局部点云轴向分布密度分离枝干与树叶;其次采取水平集和最小二乘法提取枝干部分的骨架点,通过下采样方法提取冠层部分的特征点;最后根据骨架点和特征点拓扑结构重构树木三维模型。以樟树为例,分析枝叶分割精度,自动分割与手动分割结果相近;以无叶的鸡蛋花树为例,分析重建模型精度,模型主枝长度相对误差范围集中在0~8.0%,半径相对误差范围集中在0~10%;枝条重建过程避免了噪声点的干扰,对噪声点具有一定的不敏感性;重建三维模型与原始点云吻合度高,基本解决了冠层内部枝干遮挡严重带来的三维建模困难的问题;依据模型提取树高、冠幅、胸径、体积等参数,增加了重建模型的应用范围。     

基于几何模型的绿萝叶片外部表型参数三维估测

为快速高效获取叶类植物叶片的外部表型参数、掌握植株生长状况,以绿萝叶片为研究对象,提出一种基于几何模型的叶长、叶宽与叶面积的三维估测方法。利用微软Kinect V2相机,自80cm高度垂直位姿获取绿萝叶片局部点云,并进行直通滤波去噪与包围盒精简等预处理,测量得到点云外形参数,输入预先建立的SAE网络分类预测得到几何模型参数,并基于曲面参数方程建立叶片几何模型。采用粒子群优化算法计算几何模型离散点云和局部点云间的空间距离,进行空间匹配,利用遗传算法求解最优匹配模型的内部模型参数,输出最优匹配模型的叶长、叶宽与叶面积作为估测结果。实验共采集150片绿萝叶片的局部点云数据,将估测结果和真实值进行数学统计与线性回归分析,得出叶长、叶宽与叶面积估测的平均误差分别为0.46cm、0.41cm和3.42cm2,叶长估测R2和RMSE分别为0.88和0.52cm,叶宽R2和RMSE分别为0.88和0.52cm,叶面积R2和RMSE分别为0.95和3.60cm2。实验表明,该方法对于绿萝叶片外形参数的估测效果较好,具有较高实用价值。     

基于运动恢复结构的玉米植株三维重建与性状提取

针对传统的玉米植株性状测量方法存在主观性强、劳动强度大、有损伤等问题,提出了基于运动恢复结构(Structure from motion,Sf M)的户外玉米植株三维重建方法,并提取了株高、单株最小包围盒体积、茎粗、叶面积、叶片数、叶夹角等11个性状参数。采用前期研制的小车,在户外采集不同视角下的玉米植株图像(采集间距为5～6 cm),基于Sf M算法获取玉米植株三维点云;运用直通滤波、圆柱拟合和条件欧氏聚类算法自动分割单株、茎秆和叶片等点云数据,基于距离最值遍历、三角面片化等算法实现株高、茎粗、叶面积等11个性状的准确、无损测量。结果表明,与人工测量值相比,测得的株高、茎粗和叶面积的平均绝对百分比误差分别为3. 163%、4. 760%和19. 102%,均方根误差分别为3. 557 cm、1. 540 mm、48. 163 cm2,决定系数分别为0. 970、0. 842、0. 901。研究表明,本文方法适用于作物表型户外测量,为表型研究提供了一种新的作物表型户外测量方法,同时还证明,株高和单株最小包围盒体积可以显著区分低地上部生物量玉米植株和高地上部生物量玉米植株。     

基于激光视觉的温室作物茎叶量测方法

为实时获取温室作物生长形态参数,应用线激光,对作物整体进行非接触式扫描,通过CCD摄像机实时拍摄扫描过程,采用重心法计算激光光条中心,获取作物叶片与茎秆的三维点云信息,实现作物形态三维点云结构重建;提出适用于作物三维点云数据特征的迭代法,提取叶片点云子集的中心轴线,通过曲线拟合计算叶片长度;根据摄像机透视原理,提出针对细小茎秆的静态定位法计算茎秆直径。试验表明,激光视觉量测叶片长度与茎秆直径的准确率分别为95.39%(SE为0.2961,R2=0.916)和94.55%(SE为0.008 7,R2=0.915)。     

基于三维点云的叶面积估算方法

为实现低成本无损精确测定叶片面积,基于运动恢复结构算法获取点云,提出了一种融合叶片点云分割、表面重建及叶片面积无损估测等过程的植物叶片面积提取方法。首先,基于运动结构恢复算法,以智能手机获取的可见光图像重建植物的三维点云;其次,为了还原叶片表面形状,基于HSV颜色空间,使用阈值分割法去除叶片点云的噪点;使用K-means聚类算法对点云的三维坐标矩阵进行分类,实现单片叶片点云的分割;基于滚球算法重建叶片的表面网格模型;最后,通过计算网格面积求得叶片面积。与常规叶面积测定方法进行了对比,本文方法的计算结果与扫描叶片法测定值相比平均误差为1.21cm2,误差占叶片面积的平均百分比为4.67%;与叶形纸称量法测定值相比平均误差为1.41cm2,误差占叶片面积的平均百分比为6.05%。结果表明,本文方法成本低、精确度高,可满足植物叶片面积无损精确测定的需求。     

基于靶标叶面积密度参数的变量喷雾控制系统开发与性能试验

变量喷雾技术是提高农药利用率、节省农药用量的重要手段之一。为达到果园施药减量增效的效果,本研究开发了一种变量喷雾控制系统,提出了叶面积密度参数与执行机构脉宽调制（Pulse Width Modulation,PWM）占空比的计算方法。该系统上位机基于激光LiDAR传感器探测的点云密度表征叶面积密度作为施药参数,并根据喷药处方计算各喷头对应电磁阀的PWM占空比,通过RS485通讯实时发送施药处方到下位机的可编程逻辑控制器（Programmable Logic Controller,PLC）,下位机PLC根据接收的PWM占空比控制对应电磁阀的开关频率实现喷头喷雾流量的调节。通过试验测量了施药单元网格尺寸、系统延时时间以及PWM占空比与喷头流量之间的模型参数三部分关键系统参数。结果表明在0.2、0.3和0.4 MPa压力下PWM占空比与喷头流量之间均为线性关系,线性拟合优度均在0.98以上。最后,通过喷雾试验验证变量喷雾样机的有效性,试验结果表明,采样点水敏纸上单位面积（cm²）最少雾滴个数为35滴,达到了有效喷雾效果;当靶标冠幅与总冠幅比为39.9%时,变量喷雾模式相比于连续恒定式喷雾省药71.96%,相比于对靶开关式喷雾省药29.72%,达到了减量效果。     

基于三维点云的苹果树叶片三维重建研究

叶片是果树冠层的重要组成部分,对其进行三维重建研究不仅可以对叶片形态特征进行分析,还能为冠层光照分布计算以及果树整形修剪提供理论基础。三维激光扫描仪以非接触、高效、快速获取数据的优势被大量应用于三维空间信息采集工作中。本文提出一种基于三维点云的苹果树叶片结构形态三维重建方法。首先针对叶片的形态特点选择合适的三维激光扫描仪获取苹果叶片三维点云;基于包围盒法搜索K邻域,计算点云中点与其邻域点的平均距离,并设定距离阈值作为判定中心点是否为离散点的依据,进而确定离散点并去除;利用最小二乘原理实现点云局部曲面拟合以及法向量、曲率的计算,提取叶片边界点;对于非边界点部分,根据中心点法向量与其邻域法向量的关系,对点进行不同程度的精简;最后对处理后的叶片点云完成三维重建。结果表明,构建的叶片模型能够较好的保留叶片的三维形态特征,可以为果树冠层重建和光照分布计算提供基础。     

基于变尺度格网索引与机器学习的行道树靶标点云识别

针对行道树连续喷雾施药方式严重污染环境,果园对靶施药技术难以推广至复杂城区环境等问题,应用车载2D LiDAR获取街道三维点云数据,研究行道树靶标识别方法。构建变尺度格网点云索引结构,实现邻域快速搜索及点云在线处理;提取高程、深度、密度、协方差矩阵等11个点云球域特征,分析特征分布特性,采用基于径向基核函数的支持向量机算法融合特征,学习树冠点云分类器;采用FIFO缓冲区保存点云帧序列,实现行道树靶标在线识别。实验结果表明,该方法能够实现行道树靶标精确识别,在测试集上的分类错误率小于0.8%,检出率大于99.4%,虚警率小于0.9%,鉴别力最强的4个特征从高到低依次是高程均值、深度均值、高程范围和高程方差。     

基于激光雷达的树形靶标冠层叶面积探测模型研究

果园靶标冠层叶面积有效探测是施药量在线计算的基本依据。针对树形靶标稠密和稀疏2种冠层类型,搭建叶面积测量三维立体试验平台和激光雷达(Light detection and ranging,LiDAR)探测移动试验平台,构建不同厚度和稠密度树形靶标,采用偏最小二乘回归（Partial least squares regression,PLSR）算法与BP（Back propagation）神经网络算法建立了冠层叶面积探测模型。试验结果表明：PLSR算法获得稠密厚冠层、稀疏厚冠层、稠密薄冠层和稀疏薄冠层叶面积探测模型的决定系数（R2）分别为：0.9626、0.4130、0.8896、0.2699;BP神经网络算法获得模型的R2依次为：0.9727、0.5302、0.8993、0.4290。基于LiDAR的冠层叶面积探测模型对稠密冠层探测精度较高,R2不低于0.8896,对稀疏冠层探测精度较低,不高于0.5302,该探测方法可用于稠密冠层叶面积在线计算,指导果园精准变量喷药。     

基于改进YOLACT的果树叶墙区域实时检测方法

为了解决果园因农药过量使用导致的环境污染与农药浪费问题,提出了一种基于改进YOLACT的果树叶墙区域(Leaf wall area, LWA)实时检测方法,用于计算深度-彩色双目相机采集视频中的叶墙区域距离及密度,为果园农药智慧喷施作业中农药喷洒剂量与喷洒距离的实时调整提供依据。首先,使用ConvNeXt主干网络改进了YOLACT模型,并引入NAM通道注意力机制对模型进行了优化;其次,提出了基于深度学习的果树叶墙密度检测方法;最后,通过阈值法排除深度图像中的干扰信息,简化了果树叶墙平均距离计算方法的处理流程。实验结果表明,改进YOLACT模型分割的AP_all为91.6%,相较于原始模型上升3.0个百分点,与YOLACT++、Mask R-CNN和QueryInst模型相比分别高2.9、1.2、4.1个百分点;叶墙密度估计算法在叶墙顶部、中部和底部的均方根误差(Root mean square error, RMSE)分别为1.49%、0.82%、2.20%;叶墙区域实时检测方法的处理速度可达29.96 f/s。     

丘陵山地果树冠层体积激光测量方法与试验

树冠体积是农药变量喷施、肥料精准施用和果产预估等果园精细管理的重要因素。为了克服丘陵山地果园地面不平整和果树种植不规整等因素对果树冠层体积激光测量方法的影响,搭建了果树冠层体积激光测量平台,基于AHRS和DGPS实现定位定姿,通过空间坐标转换直接求取果树冠层激光扫描点在大地坐标系下的三维数据;并采用切片技术提取冠层点云的面、线信息,以累加方式计算果树冠层体积。测得的大地坐标系下的丘陵山地荔枝树冠层激光点云能较真实地反映果树冠层的形状特征;以3棵人工修剪的圆柱形绿篱树为靶标,冠层体积激光测量与人工测量相对误差约为5%。试验结果表明,依据果树冠层点云测量冠层体积具有较高的准确性和可靠性。     

精准施药中叶面积指数探测研究

精准施药技术的研究以提高农药的利用率为目的,是精准施药的发展方向。果树叶面积指数能为精准施药提供重要参考依据,通过叶面积指数及生物量探测可以进行大面积果树的长势监测并计算其药量的需求,进而对作物进行指导性施药。为此,结合国内外研究现状阐述了各类叶面积指数探测技术和计算方法,分析了精准施药技术中靶标探测的方法及叶面积指数探测在精准施药中的应用,并对精准变量施药中叶面积指数探测方法进行了展望。     

基于机器视觉和北斗定位的小麦变量喷雾系统研究

针对传统植保喷杆喷雾机作业时各喷头以同等药量喷洒的方式导致农药浪费、利用率低和污染环境等问题,以生长前期的小麦为研究对象,设计一种基于北斗定位系统和机器视觉的小麦变量喷雾作业系统。通过双平面高度投影法完成对感兴趣区域获取,研究了速度、植株密度对喷雾的影响,提出变量喷雾流量的控制方法。在定位系统规划的目标区域内,通过机器视觉处理实现变量喷雾,试验结果表明,相同机组速度下,植株密度稀疏区相对植株密度正常区的平均雾滴覆盖率平均减少12.06%;相同植株密度下机组前进速度0.75 m/s相对1.50 m/s的平均雾滴覆盖率平均增加3.94%。在满足喷雾标准的情况下,可以在不同速度、不同植株密度下实现变量喷雾。为验证目标区域边界行驶速度对等级变换准确度,进行定位传感器实时判断在目标区域边界喷头相对位置并控制开闭,试验结果表明,在行驶速度为0.50 m/s时准确度最高,区域边界行驶超出量误差平均值为48.72 cm;为验证行驶方式对喷雾等级变换准确度的影响,使用北斗定位系统在目标区域边界开展行驶方式对喷雾等级变换准确度的影响试验,试验结果表明,驶入目标区域超出量误差平均值为7.20 cm。     

果园喷雾靶标探测技术现状分析

果园靶标探测技术是果园精准施药技术的关键。为此,分析了红外探测技术、超声波探测技术、激光探测技术及图像技术等在靶标探测中的应用。同时,介绍了基于红外光电技术实现最基本的靶标有无探测和靶标距离测量的靶标探测系统;介绍了利用超声波传感器和激光雷达扫描仪对靶标进行距离扫描,通过获得的靶标距离点云数据构建了靶标的数字三维模型方法;介绍了利用图像处理技术获取靶标叶面积指数和三维模型的探测系统。靶标探测技术虽有一定的发展,但还处于试验研究阶段,其将朝着实用化、产品化和低成本化方向发展,为对靶精准施药提供更有力的变量控制依据。     

地面弥雾机与六旋翼植保无人机在芒果冠层中雾滴沉积性能对比

为解决芒果园传统植保作业中农药用量大、施药不均匀、作业效率低等问题,并构建智慧芒果园,本研究对比了地面弥雾机和六旋翼植保无人机两种果园施药机具在芒果冠层中的药液雾滴沉积性能。将芒果冠层分为上中下层,以柠檬黄为示踪剂,使用高清相纸与滤纸采集药液雾滴,通过图像处理等手段分析雾滴沉积分布均匀性。试验结果表明,植保无人机在芒果树上部冠层叶片表面的雾滴覆盖率显著高于地面弥雾机,在其余冠层部位,两种施药机具在叶片表面药液无显著差异覆盖;植保无人机处理组叶片正反面平均覆盖率均为地面弥雾机的1.5~2倍,对叶片背面的防治优于地面弥雾机。地面弥雾机处理组叶片正面雾滴密度显著高于植保无人机,叶片背面无显著差异,植保无人机处理组正反面均未满足低量喷雾20个/cm2的病虫害防治要求。地面弥雾机药液沉积集中在中下冠层（61.1%）,植保无人机集中在上部冠层（43.0%）,冠层内部沉积比例地面弥雾机（48.6%）＞植保无人机（25.5%）,但地面弥雾机在冠层上部沉积能力不足,沉积占比仅为17%。研究表明,相较于植保无人机,地面弥雾机适用于芒果冠层中下部及内部病虫害防治,同时该机具较高的雾滴覆盖密度在喷洒杀菌剂时也有明显优势,植保无人机适用于针对芒果上部冠层如蓟马、炭疽等易发于外部花絮的病虫害防治。