沈明明， 張富貴， 吳雪梅， 劉國志， 陳宇熠

（貴州大學(xué)機械工程學(xué)院，貴州 貴陽 550025）

變量噴霧系統(tǒng)中果樹冠幅檢測方法研究

沈明明， 張富貴， 吳雪梅， 劉國志， 陳宇熠

（貴州大學(xué)機械工程學(xué)院，貴州 貴陽 550025）

果樹的變量噴霧系統(tǒng)要求快速實時地檢測果樹的冠幅，現(xiàn)有數(shù)字圖像處理檢測果樹冠幅存在不能實現(xiàn)實時檢測且誤差大或者不能檢測果樹實際冠幅值的問題，本文用參照標(biāo)準(zhǔn)板與每株樣本果樹一起拍攝，通過求每張圖像單位像素寬度的方法求取對應(yīng)樣本果樹的實際冠幅；再將采用該數(shù)字圖像檢測的果樹冠幅與采用手持激光測距儀檢測的冠幅標(biāo)準(zhǔn)值作比較分析。試驗結(jié)果表明：檢測的50株樣本果樹中，74%的樣本數(shù)利用圖像處理方法所檢測冠幅值與參考值的相對差值都小于20%，對果樹冠幅數(shù)字圖像檢測值與標(biāo)準(zhǔn)值進(jìn)行回歸分析，R2=0.7406，因此，在變量噴霧系統(tǒng)中采用圖像處理方式檢測果樹冠幅是可行的。

變量噴霧；果樹冠幅；數(shù)字圖像；實時檢測

變量噴霧是農(nóng)藥噴施的重要發(fā)展方向。變量噴霧可以在保證施藥效果的前提下，避免農(nóng)藥過量使用，降低農(nóng)藥殘留，減少環(huán)境污染，為無公害農(nóng)產(chǎn)品的生產(chǎn)奠定基礎(chǔ)。變量噴施要求快速實時地檢測果樹的冠幅。果樹冠幅是果數(shù)基本參數(shù)之一，反映了果樹在水平方向上的最大寬度和果樹在地面上的投影面積。果樹冠幅的測量一般是指測量果樹最大樹冠直徑和最小樹冠直徑或者多次測量樹冠直徑求平均值。目前，國內(nèi)外許多學(xué)者利用遙感影像對森林林木冠幅信息的提取進(jìn)行了相關(guān)的探索和研究，但檢測都不是實時的。如Masato Katoh等[1]利用單株立木冠幅提取技術(shù)(ICT)提取出針闊混交林中單株立木樹冠冠幅。馮益明等[2]以高空間分辨率遙感影像的全色波段為數(shù)據(jù)源，應(yīng)用空間統(tǒng)計學(xué)半方差理論，對人工純林冠幅尺寸進(jìn)行估計。蔡文峰等[3]利用全數(shù)字?jǐn)z影測量工作站系統(tǒng)數(shù)字測圖方法提取了林木冠幅信息。王二麗等[4]利用子像元分類專題圖，通過柵格矢量之間的轉(zhuǎn)換并加入有關(guān)人工的參與，提取出上層單株針葉樹木冠幅。少部分學(xué)者利用數(shù)字圖像處理方法對單株樹木冠幅的檢測做了相關(guān)研究，如Brown等[5]利用樹冠垂直照相技術(shù)獲得樹冠的俯視圖像，再通過該圖像估算樹木的冠幅，通過這種方法得出的冠幅數(shù)據(jù)和手工測得的冠幅數(shù)據(jù)進(jìn)行回歸分析，R2值為O.54，該方法不是實時檢測且誤差較大。張富貴等[6]采用圖像處理方法，結(jié)合人工神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)融合技術(shù)來實時獲得果樹的冠幅，該方法為實現(xiàn)冠幅檢測的實時性打下基礎(chǔ)，同時也降低了檢測誤差。但是不能實時測量單位像素所代表的實際長度，不能檢測到實際冠幅?；谏鲜鰡栴}，本文在采集圖像時采用參照標(biāo)準(zhǔn)板來實時檢測每張圖像單位像素所代表的實際寬度，從而檢測果樹實際冠幅。采集果樹圖像的同時，在同一角度用激光測距儀檢測冠幅作為果樹冠幅參考值（以下簡稱參考值），將圖像處理方法檢測值與參考值進(jìn)行比較分析，以檢驗數(shù)字圖像檢測方法的準(zhǔn)確性。

1 材料與方法

1.1 圖像的采集和果樹冠幅參考值的檢測

采集圖像所用的相機是佳能IXUS 950 IS，設(shè)定的圖片分辨率都是640像素×480像素，采集地點是貴州大學(xué)教學(xué)實驗場柑橘實驗基地；本文試驗采集樣本為掛果柑橘樹50株。采集圖像時間是2013年5月11日，時段是太陽光不強烈的上午8:00～11:30，此時間段可以避免強光引起反光等影響。為確保數(shù)據(jù)的準(zhǔn)確性（即每張圖像只有一棵果樹），采用白色擋板將目標(biāo)果樹與其他果樹分離。參照標(biāo)準(zhǔn)是20cm×20cm黑色板，采集圖像時將制作黑色標(biāo)準(zhǔn)板與果樹一起拍攝。采用這種參照標(biāo)準(zhǔn)板的方法不要求固定的成像距離，并且相機鏡頭的焦距可調(diào)，使果樹圖像更加清晰可見[7]，考慮到果園為標(biāo)準(zhǔn)化種植，行距和株距都是均勻的，本次試驗手工測量果樹冠幅采用的是LeicaDISTO?D5手持式激光測距儀，它的測量范圍為0.05m～200m，精度是0.001m，本次試驗采用水平距離測量功能。每采集完一棵果樹圖像時，利用激光測距儀測量果樹在該角度的最大水平寬度，即為果樹冠幅。手持激光測距儀測量冠幅如圖1所示。

圖1 手持激光測距儀測量冠幅示意

1.2 圖像處理

1.2.1 參照標(biāo)準(zhǔn)板的提取

參照標(biāo)準(zhǔn)板的提取就是利用圖像處理方法將參照標(biāo)準(zhǔn)板有效分割，其分割的準(zhǔn)確性直接影響后續(xù)計算的精確度。李明等[8]利用參照物和背景的灰度值的顯著差異，采用直方圖雙峰法進(jìn)行參照標(biāo)準(zhǔn)板與背景的分割。本文為了確保能有效地將參照標(biāo)準(zhǔn)板提取，在進(jìn)行圖像分割之前先用Photoshop將參照標(biāo)準(zhǔn)板的顏色加深，確保每張圖像中參照標(biāo)準(zhǔn)板的顏色都為純黑色，如圖2(a)所示，因為圖像是在露天采集，難以避免陽光等外界因素的干擾。將經(jīng)Photoshop預(yù)處理后的圖像進(jìn)行圖像灰度化，如圖2(b)所示。計算灰度圖像的百分率直方圖，如圖2(c)所示。直方圖出現(xiàn)了明顯的雙峰特性，采用雙峰法可以將參照標(biāo)準(zhǔn)板有效分割出來。分割出來的參照標(biāo)準(zhǔn)板還存在由于葉片邊緣或局部反光造成的一些細(xì)小的噪聲，如圖2(d)所示。采用中值濾波能有效去除此類噪聲，如圖2(f)所示。綜上所述，就能將參照標(biāo)準(zhǔn)板從背景中有效分割如圖2(e)所示。計算出參照標(biāo)準(zhǔn)板的像素寬度，即每張圖像單位像素所代表的實際寬度=參照標(biāo)準(zhǔn)板的實際寬度(0.2m)/參照標(biāo)準(zhǔn)板像素寬度。

圖2 參照標(biāo)準(zhǔn)板提取

1.2.2 果樹圖像的提取

將果樹圖像提取出來，需根據(jù)所采集圖像特點選擇合適而有效的分割技術(shù)。本試驗采集的圖像來源于標(biāo)準(zhǔn)化種植果園，采集圖像中主要是果樹、參照標(biāo)準(zhǔn)板和土壤，而參照標(biāo)準(zhǔn)板和土壤與果樹最大的差異是色彩差異，采集果樹圖像如圖3(a)所示。圖像處理時常將彩色圖像的RGB各個分量進(jìn)行適當(dāng)組合運算，以增強目標(biāo)物，抑制背景，超綠色法是識別作物和雜草最常用方法[9-13]。

果樹圖像經(jīng)超綠色法灰度化的結(jié)果如圖3(b)所示，超綠色法能較好的提取綠色的果樹圖像，參照標(biāo)準(zhǔn)板和土壤能被明顯的抑制，使果樹圖像更為突出。

為清晰地分割出果樹圖像，需要確定一個適合的分割閾值，按照閾值將每個像素劃分為果樹圖像或土壤。Ostu算法被認(rèn)為是圖像分割中閾值選取的最佳算法，計算簡單。其原理如下：設(shè)灰度圖像灰度級是L，則灰度范圍為，利用Ostu算法計算圖像的最佳閾值t為：

式(2)中的變量說明：當(dāng)分割的閾值為t時，w0為背景比例，u0為背景均值，w1為前景比例，u1為前景均值，u為整幅圖像的均值。

對經(jīng)過超綠色法灰度化的果樹圖像采用Ostu法計算的最佳分割閾值且二值化的結(jié)果如圖3(c)所示。

由圖3(c)可看出，分割后的圖像存在噪聲、殘留土壤以及將顏色較暗的樹葉樹干部分分割為背景等問題，這些將影響計算果樹樹葉稀密程度的精確度。中值濾波只能去除噪聲，不能去除表示殘留土壤的白色獨立像素點，果樹圖像的二值化圖經(jīng)中值濾波效果如圖3(d)所示。開啟運算是形態(tài)學(xué)中的重要運算之一即先腐蝕后膨脹，其作用是使圖像的輪廓變得光滑，斷開狹窄的間斷和消除細(xì)的突出物，還能不改變原有圖像的面積。本文根據(jù)開啟運算的原理，將中值濾波后的果樹圖像經(jīng)相同倍數(shù)連續(xù)4次腐蝕與膨脹后結(jié)果分別如圖3(e)、圖3(f)所示。

圖3 果樹圖像提取

1.3 果樹冠幅的檢測

根據(jù)果樹冠幅的定義可知，通過檢測樹冠直徑可以得出果樹冠幅，而樹冠直徑從水平方向來看，就是果樹的橫向最大寬度。在采集的果樹圖像中，冠幅即為圖像中樹葉(干)像素點所構(gòu)成的圖像區(qū)域在水平方向的最大像素距離所表示的最大水平距離，即果樹冠幅=每張圖像單位像素所代表的實際寬度×圖像中樹葉（干）像素點所構(gòu)成的圖像區(qū)域在水平方向的最大像素距離。

果樹冠幅的檢測步驟如下：

1） 讀入經(jīng)過圖像處理后的二值果樹圖像f(x, y)；

2） 設(shè)f(x, y)的大小等于M×N；且i=1, 2,…, M; j=1, 2, …, N。f(i, j)=1的點表示果樹樹葉或樹干圖像的點。從f(i,1)開始直至f(i, N)，統(tǒng)計每一行的像素點為1的像素的位置（列坐標(biāo)）序列H，1≤H≤N；

3） 對每一行像素，都求得第一次出現(xiàn)1的所在位置的列數(shù) f(i,first)與最后出現(xiàn) 1的位置所在列數(shù)f(i, end)的差值Di，

4） 求出Di中的最大值Dh，即為圖像中樹葉（干）像素點所構(gòu)成的圖像區(qū)域在水平方向的最大像素距離；

5） 求果樹冠幅，即果樹冠幅=每張圖像單位像素所代表的實際寬度×Dh；

以上圖像處理，都是利用MATLAB R2008a編程實現(xiàn)的。

2 結(jié)果與分析

表1是按圖像處理方法檢測的果樹冠幅值和參考值。 由表1可知，在試驗的50株果樹樣本中，圖像處理方法檢測的果樹冠幅值與參考值間有一定的差值，但差值很小，最小相對差值為0.48%，折合成相應(yīng)的冠幅值為0.007m，最大相對差值為 33.88%，折合成相應(yīng)的冠幅值為0.430m。50株試驗果樹冠幅數(shù)字圖像檢測值與參考值相對差值統(tǒng)計如表2所示。由表2可知，在檢測的50株樣本果樹中，總樣本數(shù)的74%所檢測到的冠幅值與參考值相對差值都集中在 20%以下。對于果樹參數(shù)檢測而言，這樣的誤差完全是滿足測量精度要求的。對果樹冠幅數(shù)字圖像檢測值與參考值進(jìn)行回歸分析，R2=0.7406。兩種檢測值的相關(guān)性較高，表明數(shù)字圖像處理方法檢測果樹冠幅誤差較小，可以用于果樹冠幅的實時檢測。

表1 果樹冠幅檢測與參考值

表2 圖像檢測冠幅值與參考值相對差值統(tǒng)計

3 結(jié) 論

1） 在參照板和果樹的有效提取過程中，采用直方圖雙峰法、超綠色法并結(jié)合 Ostu算法以及形態(tài)學(xué)運算等圖像處理技術(shù)，可有效提高果樹實際冠幅檢測的準(zhǔn)確性。

2） 在變量噴霧系統(tǒng)中采用圖像處理方式檢測果樹冠幅是可行的，通過采用參照標(biāo)準(zhǔn)板的方法可以解決部分檢測方法只能檢測相對冠幅值的問題。

[1] Masato Katoh, Francois A Gougeon, Donald G Leckie. Application of high-resolution airborne data using individual tree crowns in Japanese conifer plantation [J]. J. For Res., 2009(14):10-19.

[2] 馮益明, 李增元, 張 旭. 基于高空間分辯率影像的林分冠幅估計[J]. 林業(yè)科學(xué), 2006, 42(5): 110-113.

[3] 蔡文峰, 李鳳日. 基于 VirtuoZo系統(tǒng)對林木冠幅信息的提取[J]. 森林工程, 2010, 26(2): 4-7.

[4] 王二麗, 李鳳日, 王 敏, 等. 基于大比例尺航片的針葉樹種冠幅的提取[J]. 森林工程, 2011, 27(6): 16-22.

[5] Brown P L, Doley D, Keenan R J. Estimating tree crown dimensions using digital analysis of vertical photographs [J]. Agricultural and Forest Meteorology, 2000, 100: 199-212.

[6] 張富貴, 洪添勝, 肖 磊, 等. 果樹冠幅的檢測機理研究[J]. 農(nóng)業(yè)工程學(xué)報, 2008, 24(4): 25-29.

[7] 李 明, 張長利, 房俊龍. 基于圖像處理技術(shù)的小麥葉面積指數(shù)的提取[J]. 農(nóng)業(yè)工程學(xué)報, 2010, 26(1): 205-209.

[8] 李 明, 張長利, 王曉楠. 基于圖像處理技術(shù)的小麥形態(tài)檢測方法研究[J]. 東北農(nóng)業(yè)大學(xué)學(xué)報, 2009, 40(4): 111-115.

[9] 胡 煉, 羅錫文, 曾 山, 等. 基于機器視覺的株間機械除草裝置的作物識別與定位方法[J]. 農(nóng)業(yè)工程學(xué)報, 2013, 29(10): 12-18.

[10] 張 勤, 黃小剛, 李 彬. 基于彩色模型和近鄰法聚類的水田秧苗列中心線檢測方法[J]. 農(nóng)業(yè)工程學(xué)報, 2012, 28(17): 163-171.

[11] Blasco J, Aleixos N, Roger J M, et al. Robotic weed control using machine vision [J]. Biosystems Enginering, 2002, 83(2): 149-147.

[12] Sogaard H T, Olsen H J. Determination of crop rows by image analysis without segmentation [J]. Computers and Electronics in Agriculture, 2003, 38(2): 141-158.

[13] Ldamm R D, slaughter D C, Giles D K. Precision weed control system for cotton [J]. Transactions of the ASAE,1995, 38(1): 259-269.

A Method for Detecting Fruiter Crown Diameter in Variable-rate Spray System

Shen Mingming, Zhang Fugui, Wu Xuemei, Liu Guozhi, Chen Yuyi
( College of Mechanical Engineering, Guizhou University, Guiyang Guizhou 550025, China )

A variable-rate spray system of fruiter needs real-time detection for the fruiter crown diameter. Existing digital image processing technology can not realize real-time detection for the fruiter crown diameter. The problem is that the detection error is large or no error can be detected. A reference standard plate with fruiters when capturing images is used to obtain the fruiter crown diameter by calculating image unit pixel width in this paper. Comparing with the reference crown diameter detected by the handheld laser rangefinder, test results show that 74% of the test sample of 50 fruiters have a relative difference of less than 20% between the crown diameters detected by the image processing method and the reference values. The regression analysis of fruiter crown diameter on digital image detection value and the reference one shows R2=0.7406.

Variable-rate spray; fruiter crown diameter; digital image; real-time detection

S 433；TP 391.41

A

2095-302X (2013)05-0115-06

2013-07-09；定稿日期：2013-08-26

國家自然科學(xué)基金資助項目（31060171）

沈明明（1988-），女，貴州息烽人，碩士研究生，主要研究方向為數(shù)字控制與測試技術(shù)。E-mail: 814330006@qq.com

張富貴（1973-），男，貴州仁懷人，教授，博士，主要研究方向為農(nóng)業(yè)信息化及精確農(nóng)業(yè)研究。E-mail: zhfugui@vip.163.com