錢永濤

(河南牧業(yè)經(jīng)濟學(xué)院，鄭州　450046 )

0　引言

隨著社會發(fā)展和城市化推進(jìn)，我國人口密度持續(xù)增加，而農(nóng)業(yè)耕作土地面積大幅減少，導(dǎo)致對農(nóng)產(chǎn)品的需求與農(nóng)業(yè)實際生產(chǎn)力之間的矛盾日益尖銳。如何利用有限的耕地資源生產(chǎn)盡量多的農(nóng)產(chǎn)品，成為現(xiàn)階段我國農(nóng)業(yè)所面臨的一個重要問題。為了應(yīng)對這一挑戰(zhàn)，人們開始轉(zhuǎn)變傳統(tǒng)的農(nóng)業(yè)生產(chǎn)方式，利用各種新技術(shù)發(fā)展出智能化和數(shù)字化的農(nóng)業(yè)模式。這些新的模式都通過對農(nóng)作物生長態(tài)勢進(jìn)行監(jiān)測，分析診斷后對生長相關(guān)的各種因素進(jìn)行精準(zhǔn)控制，從而提高各種資源的使用效率和單位面積上的農(nóng)業(yè)產(chǎn)量。

數(shù)字農(nóng)業(yè)是農(nóng)業(yè)現(xiàn)代化的重要支撐技術(shù)，目前在我國已經(jīng)得到了長足的發(fā)展，具體的形式表現(xiàn)為各種植物生長柜和監(jiān)控決策系統(tǒng)。崔世鋼等基于Android操作系統(tǒng)，設(shè)計了一個植物生長柜的智能監(jiān)控軟件，用以實現(xiàn)對各種生長因子的自動監(jiān)控和管理[1]。施連敏等基于無線傳感器網(wǎng)絡(luò)，設(shè)計了一個監(jiān)控蔬菜生長環(huán)境的系統(tǒng)，能實現(xiàn)環(huán)境信息的顯示和存儲，為智能決策和控制提供技術(shù)支撐[2]。劉業(yè)亮和賈彪分別利用ZigBee無線傳感器網(wǎng)絡(luò)和“互聯(lián)網(wǎng)+”技術(shù)，建立了蔬菜和玉米的遠(yuǎn)程監(jiān)控平臺，以檢測作物的生長態(tài)勢，并及時提供診斷決策[3-4]。目前，各種作物長勢監(jiān)控系統(tǒng)所用的核心技術(shù)有無線傳感器和多維圖像，涉及的作物包括棉花、玉米、小麥和水稻等[5-9]。

農(nóng)作物的長勢是上述系統(tǒng)平臺進(jìn)行決策的依據(jù)，因此長勢監(jiān)控的準(zhǔn)確性便成為評價這些系統(tǒng)功能的重要方面。農(nóng)作物的長勢表現(xiàn)為外部性狀和內(nèi)部性狀：外部性狀是可以直接觀察感知的外觀信息(如植株莖、葉、穗的數(shù)量，以及形狀和顏色等)，是作物健康狀況的直接反映和產(chǎn)量形成的基礎(chǔ)，一般可以通過觀察記錄或測量統(tǒng)計獲得；內(nèi)部性狀是各種生理代謝狀況和生理生化指標(biāo)(如丙二醛含量、保護(hù)酶活性及葉綠素含量等)，通過專門的儀器或?qū)嶒灧椒y定獲得。內(nèi)部性狀是某些外部性狀產(chǎn)生的潛在原因，可以為診斷一些阻礙作物正常生長的內(nèi)在因素提供依據(jù)[10]。

傳統(tǒng)的農(nóng)作物長勢監(jiān)控是由人工來操作完成的，對外部形狀進(jìn)行肉眼的觀察和統(tǒng)計測量，對內(nèi)部性狀則用各種便攜式儀器測量或取樣后通過室內(nèi)實驗測定。這種監(jiān)控方法勞動強度大、效率較低，且監(jiān)控的結(jié)果受人員技能和素質(zhì)的影響很大。另外，取樣操作會對作物植株造成損害，監(jiān)控結(jié)果反映作物長勢的準(zhǔn)確性有限，需要進(jìn)行改進(jìn)乃至替換。

計算機和信息處理技術(shù)的進(jìn)步催生了計算機視覺，并在農(nóng)業(yè)的各個領(lǐng)域得到了廣泛的應(yīng)用，如農(nóng)產(chǎn)品采摘、品質(zhì)檢測分級、雜草和路徑識別等。計算機視覺技術(shù)可以對農(nóng)作物進(jìn)行非接觸的連續(xù)測量，因此非常適用于作物的長勢監(jiān)測。隨著圖像處理和識別算法等相關(guān)技術(shù)的進(jìn)步，計算機視覺對作物長勢監(jiān)測的準(zhǔn)確性也在逐步提高[11]。計算機視覺對作物長勢監(jiān)測方面的研究很多，其主要包括3個部分的內(nèi)容：一是對作物形態(tài)的識別，針對的具體性狀有葉片形態(tài)、植株形態(tài)，以及通過根系形態(tài)評價播種存活率。二是對營養(yǎng)元素含量的判斷，如葉尖運動與含水量的關(guān)系、葉冠投影面積與肥料的關(guān)系及葉片面積與氮素含量的關(guān)系等；三是對植株的無損測量，如監(jiān)測生長參數(shù)、發(fā)育狀態(tài)和建立生長模型等。上述研究結(jié)果為計算機視覺在作物生長監(jiān)控中的應(yīng)用創(chuàng)造了條件。

小麥?zhǔn)俏覈娜蠹Z食作物之一，歷年的種植面積和產(chǎn)量都占糧食作物的20%以上。我國還是世界上小麥產(chǎn)量和消費量最大的國家，這更體現(xiàn)出其在國民經(jīng)濟和糧食安全中的重要地位。因此，推進(jìn)數(shù)字農(nóng)業(yè)在小麥長勢監(jiān)控中的應(yīng)用，對保障小麥的高產(chǎn)、穩(wěn)產(chǎn)具有重大的現(xiàn)實意義。小麥的株高是其最直觀的外部形狀，與產(chǎn)量之間有著密切的關(guān)系，理想的株高是小麥高產(chǎn)育種的目標(biāo)[12]。葉綠素含量是小麥的一種代表性的內(nèi)部性狀，其與凈光合速率顯著相關(guān)，對產(chǎn)量有著決定性的影響[13]。本文以計算機視覺技術(shù)為核心，建立了小麥長勢的監(jiān)控系統(tǒng)，用以提高對其生長信息監(jiān)控的效率和準(zhǔn)確性。在植物工廠中對小麥的株高和葉綠素含量進(jìn)行測量試驗，導(dǎo)入后臺用于診斷和決策，以期為推進(jìn)小麥生產(chǎn)的數(shù)字化提供技術(shù)支持。

1　系統(tǒng)的工作原理和組成

1.1工作原理

以計算機視覺技術(shù)為核心，建立了小麥長勢監(jiān)控系統(tǒng)，主要由植物工廠和基站組成。其中，視頻采集裝置和指令執(zhí)行裝置位于植物工廠中，無線傳輸裝置、數(shù)據(jù)處理器和信息管理器這3大部分位于基站中，數(shù)據(jù)處理器中裝載計算機視覺系統(tǒng)。

利用植物工廠中的視頻采集裝置拍攝小麥生長過程的圖像，形成的視頻信號由無線傳輸裝置發(fā)送給數(shù)據(jù)處理器；數(shù)據(jù)處理器中的計算機視覺軟件對小麥圖像進(jìn)行分析，得到各種形態(tài)特征和顏色特征后發(fā)送到信息處理器；信息管理器對上述特征進(jìn)行綜合分析，診斷小麥的產(chǎn)量潛力、生理狀況和病蟲害等情況，并形成決策用以調(diào)節(jié)小麥的生長環(huán)境；最終的決策經(jīng)過數(shù)據(jù)處理器后，由無線傳輸裝置以控制指令的形式發(fā)送給植物工廠中的指令執(zhí)行裝置；指令執(zhí)行裝置進(jìn)行相應(yīng)的作業(yè)，實現(xiàn)對小麥長勢的控制和調(diào)節(jié)，從而達(dá)到增產(chǎn)和節(jié)約資源的效果。

系統(tǒng)工作原理如圖1所示。

圖1　系統(tǒng)的工作原理

1.2系統(tǒng)的組成

小麥長勢監(jiān)控系統(tǒng)的主體是植物工廠，這是當(dāng)前數(shù)字農(nóng)業(yè)的主要模式，其光照和溫度可以精確控制，幾乎不受外界影響。視頻采集裝置為CT-CA501型CCD攝像機，像素達(dá)200萬dpi，成像清晰，性能穩(wěn)定，適應(yīng)植物工廠溫濕度較高的環(huán)境。指令執(zhí)行裝置為各種智能化的變量噴藥、變量施肥和光溫調(diào)節(jié)設(shè)備，由接收指令的單片機控制。

無線傳輸裝置是植物工廠與基站之間傳遞視頻信號和控制指令的紐帶，采用了基于FPGA的無線通信調(diào)制方式，數(shù)據(jù)傳輸具有較好的可靠性和連續(xù)性。數(shù)據(jù)處理器為聯(lián)想D7070型臺式電腦，安裝Windows10操作系統(tǒng)，計算機視覺的圖像處理軟件為MatLab工具箱。信息管理器為聯(lián)想IBM X3650M5型服務(wù)器，安裝有小麥生長的數(shù)據(jù)分析軟件和專家診斷決策數(shù)據(jù)庫。信息管理器能對數(shù)據(jù)處理器所發(fā)來的信息進(jìn)行針對性的分類管理，然后根據(jù)專家數(shù)據(jù)反饋控制指令，并存儲小麥全生育期的各種數(shù)據(jù)。

2　圖像的處理

使用計算機中用MatLab工具箱分析處理拍攝到的圖像。為了提高小麥植株的識別質(zhì)量，需要對圖像做預(yù)處理，即灰度化和圖像平滑。這里以灌漿期的一幅圖像為例(圖2A)，莖葉為綠色，麥穗為黃色，土壤為褐色，干擾目標(biāo)識別的其它顏色較多。因此，根據(jù)實際情況，以RGB顏色空間中的R、G、B這3個分量的加權(quán)平均數(shù)為灰度化值。拍攝過程中小麥植株為靜止?fàn)顟B(tài)，光照強度不變，引起的圖像噪音較小，因此采用簡單的2×2窗口的中值濾波法進(jìn)行平滑處理。

圖像處理效果如圖2所示。

圖2　圖像的處理(A：原始圖像；B：灰度化圖像；C：識別圖像)

經(jīng)過預(yù)處理后，對所得的圖像建立直方圖，小麥植株區(qū)域與背景之間的差異不明顯，因此利用分割閾值對灰度化的圖像進(jìn)行分割。該圖像的最佳閾值為67.5，表現(xiàn)出較好的識別效果，如圖2(c)所示。此處分別以株高和葉綠素含量為外部性狀和內(nèi)部性狀的代表進(jìn)行監(jiān)控，以反映小麥的長勢。在識別圖像中，以小麥植株目標(biāo)區(qū)域的最小外接矩形的長度作為株高。對于葉綠素含量，則參考柴阿麗等人的研究，選擇以G-R顏色特征為參數(shù)建立的模型來預(yù)測小麥葉片中的葉綠素含量[14]。

3　試驗結(jié)果與分析

3.1試驗設(shè)計

長勢監(jiān)控系統(tǒng)的準(zhǔn)確性試驗于2015年在本單位的植物工廠中進(jìn)行，土壤為棕壤土。3個小麥試驗品種都是在本地區(qū)推薦種植的品種，分別是周麥22、眾麥1號和新麥26，種子從本地的農(nóng)資市場購買。小麥在10月中旬播種，采用穴播方式種植，進(jìn)行常規(guī)的水肥管理和病蟲草害防治。

每個小麥品種選擇10個正常的代表性單株掛牌標(biāo)記，作為監(jiān)控對象。計算機視覺監(jiān)測的小麥性狀為株高和葉綠素含量，重點監(jiān)測的生育時期包括分蘗期、拔節(jié)期和灌漿期。株高的人工測量方法為用標(biāo)尺測量小麥植株頂端到地面的距離，葉綠素含量用SPAD502型便攜式葉綠素儀測定。試驗數(shù)據(jù)用SPSS16.0軟件統(tǒng)計分析，用成對數(shù)據(jù)的t測驗檢驗兩種方法所測數(shù)據(jù)的差異顯著性，從而評價系統(tǒng)的準(zhǔn)確性。

3.2試驗結(jié)果和分析

與人工測量的結(jié)果相比，計算機視覺測量的小麥株高普遍較低，部分品種出現(xiàn)了顯著的差異，可能是由圖像拍攝的角度引起。因此，需要對攝像機的安裝高度進(jìn)行調(diào)整，并優(yōu)化計算機視覺系統(tǒng)的參數(shù)和算法以消除拍攝角度引起的誤差。雖然系統(tǒng)監(jiān)控結(jié)果與人工測量之間存在誤差，但是不同品種或生育期之間的相對株高還是一致的，表現(xiàn)出較好的準(zhǔn)確性。

兩種方式測量的小麥株高試驗數(shù)據(jù)如表1所示。

表1兩種方式測量的株高

Table 1Plant height measured by two methods cm

小麥品種分蘗期人工測量系統(tǒng)監(jiān)控拔節(jié)期人工測量系統(tǒng)監(jiān)控灌漿期人工測量系統(tǒng)監(jiān)控周麥2221．7±0．420．2±0．6?68．3±1．265．4±1．7?77．8±0．673．8±1．2?

續(xù)表1 cm

小麥品種分蘗期人工測量系統(tǒng)監(jiān)控拔節(jié)期人工測量系統(tǒng)監(jiān)控灌漿期人工測量系統(tǒng)監(jiān)控眾麥1號18．0±0．516．7±0．7?62．5±0．960．3±1．571．1±1．569．6±1．4新麥2623．4±1．322．5±1．066．1±0．763．3±1．4?76．4±0．874．2±1．3

*表示與人工測量的數(shù)據(jù)之間具有顯著的差異。

計算機視覺測量的小麥葉綠素含量與SPAD502的測量結(jié)果相比沒有出現(xiàn)顯著的差異，且不同品種或生育期之間的相對含量也是一致的，表現(xiàn)出較好的準(zhǔn)確性。兩種方式測量的葉綠素含量數(shù)據(jù)如表2所示。

表2　兩種方式測量的葉綠素含量(SPAD)

4　結(jié)論

1)基于計算機視覺技術(shù)，設(shè)計了一種小麥的長勢監(jiān)控系統(tǒng)，主要由視頻采集裝置、指令執(zhí)行裝置、無線傳輸裝置、數(shù)據(jù)處理器和信息管理器5大部分組成。視頻采集裝置拍攝小麥生長過程的圖像，形成的視頻信號由其中的計算機視覺軟件進(jìn)行分析，得到各種形態(tài)特征和顏色特征；信息管理器根據(jù)上述特征診斷小麥的產(chǎn)量潛力、生理狀況和病蟲害等，并形成決策；最終的決策以控制指令的形式發(fā)送給植物工廠中的執(zhí)行裝置，對小麥的生長環(huán)境進(jìn)行控制和調(diào)節(jié)，達(dá)到增產(chǎn)和節(jié)約資源的目的。

2)驗證系統(tǒng)準(zhǔn)確性的實驗在植物工廠中進(jìn)行，監(jiān)測了3個小麥品種在分蘗期、拔節(jié)期和灌漿期的株高和葉綠素含量。與人工測量的結(jié)果相比，計算機視覺測量的小麥株高普遍較低，可能是由圖像拍攝的角度引起的，需要優(yōu)化系統(tǒng)的參數(shù)和算法，以消除拍攝角度引起的誤差；系統(tǒng)測量的不同品種或生育期之間的相對株高和葉綠素含量都很一致，表現(xiàn)出較好的準(zhǔn)確性，具有大規(guī)模應(yīng)用的前景。

參考文獻(xiàn)：

[1]崔世鋼，謝佳佳，吳興利，等.基于Android平臺的植物生長柜智能監(jiān)控軟件設(shè)計[J].江蘇農(nóng)業(yè)科學(xué)，2015,43(6):406-408.

[2]施連敏，蓋之華，蔣春華.基于無線傳感器網(wǎng)絡(luò)的綠色蔬菜生長環(huán)境監(jiān)控系統(tǒng)設(shè)計與實現(xiàn)[J]. 軟件導(dǎo)刊，2016,15(11):167-169.

[3]劉業(yè)亮.蔬菜種植數(shù)字化監(jiān)控平臺的設(shè)計與實現(xiàn)[J]. 信息通信，2014(12):46-47.

[4]賈彪.玉米生長監(jiān)測遠(yuǎn)程診斷系統(tǒng)設(shè)計與架構(gòu)[J]. 南方農(nóng)業(yè)，2016,10(18):230-232.

[5]馬彥平. 基于數(shù)字圖像的冬小麥、夏玉米長勢遠(yuǎn)程動態(tài)監(jiān)測技術(shù)研究[D].武漢：華中農(nóng)業(yè)大學(xué),2010.

[6]吳滔.基于無線多媒體傳感器網(wǎng)絡(luò)的作物環(huán)境與長勢遠(yuǎn)程監(jiān)測系統(tǒng)[D].上海：華東交通大學(xué)，2012.

[7]胡泊.基于多維圖像特征的農(nóng)作物長勢評價方法[D]. 北京：北京交通大學(xué)，2014.

[8]劉民靜.基于ZigBee無線傳感器網(wǎng)絡(luò)的作物生長環(huán)境監(jiān)控系統(tǒng)[D].濟南：濟南大學(xué)，2014.

[9]唐文進(jìn).基于嵌入式系統(tǒng)的棉花長勢在線監(jiān)控關(guān)鍵技術(shù)研究[D].鎮(zhèn)江：江蘇大學(xué)，2014.

[10]董淑娟.水稻生長信息動態(tài)監(jiān)控系統(tǒng)設(shè)計—基于物聯(lián)網(wǎng)技術(shù)[J].農(nóng)機化研究，2017, 39(8):216-219.

[11]孫紅，孫明，王一鳴.基于機器視覺的農(nóng)作物生長無損測量的研究進(jìn)展[C]//中國數(shù)學(xué)農(nóng)業(yè)與農(nóng)村信息化學(xué)術(shù)研究研討會論文集.北京：“863計劃”數(shù)字農(nóng)業(yè)重大專項總體專家組、國家農(nóng)業(yè)信息化工程技術(shù)中心，2005.

[12]丁安明，崔法，李君，等.小麥單株產(chǎn)量與株高的QTL分析[J].中國農(nóng)業(yè)科學(xué)，2011, 44(14):2857-2867.

[13]張秋英，李發(fā)東，劉孟雨.冬小麥葉片葉綠素含量及光合速率變化規(guī)律的研究[J]. 中國生態(tài)農(nóng)業(yè)學(xué)報，2005, 13(3):95-98.

[14]柴阿麗，李寶聚，網(wǎng)倩，等.基于計算機視覺技術(shù)的番茄葉片葉綠素含量的測定[J].園藝學(xué)報，2009, 36(1):45-52.