任碩果

(柳州鐵道職業(yè)技術學院 信息工程系，廣西 柳州 545616)

0 引言

農(nóng)業(yè)生產(chǎn)高度依賴自然環(huán)境和氣候條件，受自然因素多變的影響，具有明顯的季節(jié)性。我國是農(nóng)業(yè)大國，農(nóng)業(yè)生產(chǎn)順利進行可以為國民經(jīng)濟的正常發(fā)展提供保障。為了打破多變的自然因素限制，人們發(fā)明并設計了各種新型的農(nóng)業(yè)生產(chǎn)技術和設施。

設施農(nóng)業(yè)利用各種設施獲得可控的環(huán)境條件，并通過工程技術手段實現(xiàn)動植物的高效生產(chǎn)。設施農(nóng)業(yè)涵蓋作物種植、動物養(yǎng)殖和食用菌種植，具體形式主要有玻璃溫室和塑料大棚。設施農(nóng)業(yè)的作物產(chǎn)量是常規(guī)種植的3.5倍，因此特別適合于我國人均耕地面積少的國情，是解決我國農(nóng)業(yè)受土地面積制約、實現(xiàn)可持續(xù)發(fā)展的有效手段。目前，我國設施農(nóng)業(yè)面積占世界總面積超過了85%，且開始從數(shù)量優(yōu)勢向質量提升轉變，技術上日益接近世界先進水平。

與溫室相比，大棚的保溫性能較差，使用年限也短；但是，大棚結構簡單，制造和維護成本也較低，適合在一些農(nóng)業(yè)基礎設施相對薄弱的地區(qū)推廣應用。大棚是作物、蔬菜和花卉的種植場所，能夠顯著提高作物的抗災減災和反季節(jié)生產(chǎn)能力，在農(nóng)業(yè)的發(fā)展史上具有里程碑的意義。

經(jīng)過長期的發(fā)展，大棚在實踐應用中也暴露出一些問題，對農(nóng)產(chǎn)品的產(chǎn)量質量及種植效益都造成了不利影響。大棚的封閉性強，內部溫濕度較大，利于各種農(nóng)業(yè)害蟲和病菌的滋生繁殖，因此大棚內的農(nóng)業(yè)病蟲害極為嚴重[1]。另外，棚內的環(huán)境與外界隔離，土壤經(jīng)過長期使用后的連作障礙日益明顯，肥料利用率降低，營養(yǎng)成分流失嚴重，成為制約大棚持續(xù)利用的關鍵[2]。最后，由于受總體制造成本的限制，早期的大棚內較少安裝高技術含量的儀器設備，影響了大棚的自動化和智能化水平。以上的因素都不利于大棚作物的正常生長，增加了大棚種植效益提升和持續(xù)應用的難度，引起種植者和農(nóng)業(yè)研究人員的重視。

為此，人們設計了各種新型的大棚管理技術和方法，部分已經(jīng)開始在實踐應用中發(fā)揮作用。侯玉佳等針對大棚病蟲害嚴重的問題，設計了一種大棚作物的病蟲害監(jiān)控系統(tǒng)，實現(xiàn)了對病蟲害發(fā)生面積和動態(tài)等信息的采集[3]。另外，司鳳霞認為對大棚作物的病蟲害應以綜合防治為基礎，包括農(nóng)業(yè)防治、物理防治、藥劑防治和生物防治，才能將危害降至最低，從而獲得較高種植收益[4]。喻景權等探討了連作障礙在蔬菜設施栽培中形成的基礎，提出了耕作制度、生物防治和肥料施用等方面的解決辦法，并對其可行性進行了分析[5]。近年來，無線通信、微電子、傳感器和嵌入式等技術的發(fā)展使得無線傳感網(wǎng)絡的成本和功率消耗大幅度降低，以之為基礎建立起來的物聯(lián)網(wǎng)開始應用于大棚的遠程監(jiān)控和生產(chǎn)管理中，提高了大棚的智能化水平[6-9]。

作物的生長狀況是大棚監(jiān)控的重要內容，可以反映大棚生產(chǎn)管理的效果，并作為病蟲害防治、水肥管理和產(chǎn)量預測的依據(jù)。作物生長狀況通常由種植者觀察獲得，并依靠經(jīng)驗判斷生長趨勢，所做出的決策受主觀因素影響會出現(xiàn)偏差，導致作物無法達到預期產(chǎn)量。為此，劉硯菊等采用模糊神經(jīng)網(wǎng)絡處理植物生長數(shù)據(jù)，獲得植物最佳生長狀態(tài)所對應的環(huán)境數(shù)據(jù)，為大棚的參數(shù)控制提供依據(jù)[10]。

隨著各種新技術的出現(xiàn)，對于作物生長信息的采集和生長趨勢挖掘方法也出現(xiàn)變革，較為典型的是計算機視覺技術。計算機視覺是圖像分析技術，從拍攝的圖像中提取信息進行分析識別，獲得有價值的結果。計算機視覺在農(nóng)業(yè)上可以分析田間作物圖像，具有監(jiān)測農(nóng)田雜草、作物長勢和病蟲草害發(fā)生程度的功能[11-13]。本文以大棚作物為對象，拍攝作物圖像并通過計算機視覺獲取生長信息，然后在專家系統(tǒng)中分析挖掘植株大小、葉片顏色和發(fā)育階段等信息數(shù)據(jù)，以此為依據(jù)評判作物的生長狀況，用于指導大棚的農(nóng)藝操作和預測作物產(chǎn)量，從而提高大棚生產(chǎn)的智能化水平。

1 設計原理及硬件組成

1.1 設計原理

安裝在大棚中的攝像頭拍攝作物的圖像，由A/D轉換器進行模數(shù)轉換，成為計算機可識別的數(shù)碼信號。數(shù)碼信號以無線形式發(fā)送給核心計算機，經(jīng)過去噪處理、灰度化和閾值分割等視覺分析步驟后提取目標特征。計算機視覺分析的結果輸入到專家系統(tǒng)的知識庫中，對作物的植株大小、葉片顏色和發(fā)育階段數(shù)據(jù)進行挖掘，依據(jù)專家經(jīng)驗評判作物的生長狀況，并預測后續(xù)生長趨勢和最終產(chǎn)量。分析結果輸出在顯示屏上，并進行存儲，具體的過程如圖1所示。

圖1 生長趨勢挖掘的流程

1.2 硬件組成

攝像頭為中星C301高清芯片型，得益于CMOS感光元件，其成像的像素較高，且具有較好的兼容性和可靠性，能夠滿足大棚圖像采集的要求。攝像頭在大棚里的安裝高度1.3m，通過電機驅動實現(xiàn)了180°拍攝視角，并能適應大棚高溫高濕的工作環(huán)境。

A/D轉換器為天創(chuàng)UB570型圖像采集卡，可以把原始圖像信號轉換為數(shù)字信號以供計算機分析。大棚與核心計算機之間的連接采用無線WIFI技術，其通訊帶寬大，數(shù)據(jù)實時傳輸能力強。接收裝置與計算機之間通過UART接口有線連接，接收采集的圖像。

核心計算機是聯(lián)想揚天M4700型，配制包括Intel i6中央處理器以及10GB的DDR4內存。安裝的操作系統(tǒng)為Windows10軟件，圖像分析軟件為MatLab工具箱，能夠進行計算機視覺的實時處理和分析。

專家系統(tǒng)中的推理機和知識庫功能由1臺聯(lián)想X3550M5型服務器完成，服務器配置16GB的DDR4型內存以及2TB的硬盤，各種數(shù)據(jù)庫和信息庫存儲在其中。服務器外接P64CD1型LCD顯示屏用于實時顯示作物生長數(shù)據(jù)，以及北京宏空HK-CRAM型存儲器用于保存分析的結果。

2 圖像處理

以種植黃瓜的大棚為例，拍攝的時間為結果前期。攝像頭與拍攝目標之間相對靜止，避免了運動對于圖像質量的影響。但是，拍攝的瞬間攝像頭可能正在轉動，加上大棚中存在的水汽和灰塵，導致圖像中仍然帶有噪音，會對后續(xù)分析造成影響。研究通過對圖像進行5×5的中值濾波平滑處理去除噪音，從而獲得較高質量的原始圖像，如圖2(A)所示。由于拍攝角度的影響，距離攝像頭不同位置上的物體在圖像上存在畸變，影響了后續(xù)對黃瓜各種器官面積計算的準確性。文本參考相關文獻，對圖像畸變進行了校正。

大棚內的光線較自然條件下弱，且光線的直射少，漫反射多。根據(jù)上述特點，選用HSI模型的顏色空間對圖像進行分析，在色調H、飽和度S和亮度I這3個分量上處理，獲得了HSI顏色空間下對I分量灰度化的圖像，如圖2(B)所示。

黃瓜結果前期的植株器官包括葉片、莖、果實和花，它們都是黃瓜生長狀態(tài)的外部反映，也是后期生長趨勢和產(chǎn)量形成的基礎。其中，葉片和莖的顏色可以反映水分和營養(yǎng)狀況，果實和花的數(shù)量可以反映生長發(fā)育階段和最終產(chǎn)量。葉片、莖和果實為綠色，花為黃色，因此計算機視覺可以通過顏色的差異首先將花識別出來。對于果實，則利用其形狀的特征從綠色背景中進行分割。

在H、S和I這3個分量中，將I分量灰度圖做最大類間方差分析，再進行二值化和直方圖分析，從而獲得最大閾值T1和T2。依據(jù)T1和T2進行閾值分割，得到莖葉、果實和花的圖像區(qū)域，莖葉表示為灰色，果實表示為黑色，花表示為白色，如圖2(C)所示。統(tǒng)計的數(shù)據(jù)信息包括莖葉區(qū)域中綠色像素的數(shù)量、果實區(qū)域的數(shù)量及面積、花的數(shù)量。

A.原始圖像 B.灰度化圖像 C.目標識別圖像

3 數(shù)據(jù)挖掘和生長趨勢判定

作物的生長狀況可以分為良好、中等和較差，主要體現(xiàn)在各營養(yǎng)和生殖器官的顏色和大小上；生長階段包括營養(yǎng)生長和生殖生長，主要體現(xiàn)在生殖器官的數(shù)量上。通過在專家系統(tǒng)中挖掘作物圖像的計算機視覺數(shù)據(jù)，可以評判作物當前的生長狀況和后續(xù)的生長趨勢。專家系統(tǒng)包括知識庫和推理機：知識庫中存入了關于作物生長信息的專家知識；推理機根據(jù)模糊隸屬函數(shù)，進行作物生長數(shù)據(jù)和生長狀態(tài)及趨勢的訓練，并依據(jù)專家知識獲得各項參數(shù)和閾值，也存入到知識庫中。在實際應用中，推理機將計算機視覺數(shù)據(jù)錄入輸入層，運行數(shù)值計算過程，最后結合專家知識庫推理計算得到作物生長狀況和后續(xù)生長趨勢的結果。

4 試驗結果和分析

2017年，在本單位的大棚內以黃瓜為對象進行了試驗，選用的3個黃瓜品種為中農(nóng)16、早青2號和粵秀1號。在各品種的結果前期拍攝圖像，進行計算機視覺分析，挖掘分析的數(shù)據(jù)后評判生長狀況，并預測后續(xù)的生長趨勢。后續(xù)生長趨勢的反映指標為成熟時期和產(chǎn)量，將數(shù)據(jù)挖掘所獲得的結果與人工調查獲得的實際值比較，評價這種方法的準確性。

試驗的結果如表1所示?；谟嬎銠C視覺數(shù)據(jù)的挖掘可以準確評判3個黃瓜品種的生長狀況，對于成熟時期的預測與實際數(shù)值僅相差1天，還能較為準確地預測最終產(chǎn)量。

表1 生長趨勢挖掘的準確性

5 結論

以大棚作物為對象，拍攝作物的圖像并通過計算機視覺分析作物顏色和發(fā)育階段等生長信息，然后利用專家系統(tǒng)挖掘視覺分析數(shù)據(jù)，評判作物的生長狀況，預測后續(xù)生長趨勢和最終產(chǎn)量。對大棚黃瓜的試驗結果表明：基于計算機視覺數(shù)據(jù)的挖掘可以準確評判黃瓜的生長狀況，還能夠較為準確地預測成熟時期和最終產(chǎn)量，提高了大棚生產(chǎn)的智能化水平。