李 潔,滕振芳,吳偉剛

(1.保定職業(yè)技術(shù)學(xué)院,河北 保定 071000;2.河北北方學(xué)院,河北 張家口 075000)

0 引言

玉米具有產(chǎn)量高、生長周期快及對于環(huán)境要求較低的特點,是國家支柱型糧食作物[1]。玉米的穩(wěn)產(chǎn)、高產(chǎn)對于國家的糧食安全起到關(guān)鍵性作用。隨著人口老齡化社會的來臨及農(nóng)村青壯年勞動力的流失,從事農(nóng)業(yè)生產(chǎn)的勞動力越來越少[2]。對于大規(guī)模種植的玉米等糧食作物,急需實現(xiàn)自動化監(jiān)控,準(zhǔn)確實現(xiàn)產(chǎn)量預(yù)計。傳統(tǒng)的植株生長模型重點在于記錄植株的施肥量[3]、補水量和光照強度等可控因素[4],忽略對玉米果實產(chǎn)量的預(yù)測。此類模型可以保證植株養(yǎng)分充足,但會出現(xiàn)植株生長茂盛、果實產(chǎn)量較低的情況[5]。為了準(zhǔn)確預(yù)測植株產(chǎn)量,以植株成長過程中的形態(tài)參數(shù)作為研究對象,基于圖像識別技術(shù)對植株圖像進行處理,得到植株形狀學(xué)參數(shù)。同時,記錄選定參數(shù)隨時間的變化規(guī)律,擬合果實質(zhì)量和選定參數(shù)之間的關(guān)系。結(jié)果表明,本模型與實際情況吻合良好。

1 系統(tǒng)組成

系統(tǒng)主要包括圖像分析系統(tǒng)、植株生長參數(shù)分析系統(tǒng)及玉米分析系統(tǒng),如圖1所示。CCD攝像機采集玉米植株圖像,圖像分析系統(tǒng)首先進行圖像灰度化處理,對數(shù)據(jù)量進行壓縮;其次,進行圖像分割(即進行二值化處理)采用中值濾波改進方法對其進行降噪處理;最后,采用圖像細(xì)化的算法,對圖像進行處理,得到玉米植株的骨干圖。植物形態(tài)學(xué)分析表明,植株高度H、寬度W和節(jié)結(jié)個數(shù)N能表明植株的生長狀態(tài)。因此,利用本系統(tǒng)對玉米植株進行27天圖像處理,分別對3個因素與時間進行擬合,探尋之間的關(guān)系,最終輸出植株高度H、寬度W和節(jié)結(jié)個數(shù)N;以植株高度H、寬度W和節(jié)結(jié)個數(shù)N為自變量,以玉米質(zhì)量m為應(yīng)變量,進行擬合,建立3因素與玉米果實質(zhì)量之間的關(guān)系,完成生長模型建立。

圖1 系統(tǒng)結(jié)構(gòu)圖

2 圖像處理

2.1 圖像灰度化

圖片中的任何一種顏色都由紅、藍(lán)、綠3種顏色通過不同強度疊加而成[6]。系統(tǒng)以CCD相機作為檢測元件,當(dāng)被拍攝物體光線進入CCD矩陣時,會在相應(yīng)的像素點上產(chǎn)生強度向量Pi(R,G,B),在驅(qū)動電壓和時鐘的作用下,輸出強度矩陣是像素矩陣數(shù)據(jù)量的3倍[7]。圖像分析時,如果對某一單通道進行分析,造成樣本信息不完整,分析結(jié)果可靠性差;如果對三通道同時進行分析,就會造成計算量大,算法復(fù)雜。因此,提出新的強度量I來綜合表征三通道的強度,在保證圖像特征的前提下,壓縮數(shù)據(jù)量到原來數(shù)據(jù)量的1/3。轉(zhuǎn)化公式如式(1)所示。對玉米植株彩色圖像進行灰度化處理[8],玉米植株圖像完整,輪廓清晰,如圖2所示。

I=0.229R+0.578G+0.114B

(1)

圖2 圖像灰度化

2.2 圖像分割與降噪

研究玉米植株的形態(tài)重點在于植株的輪廓及輪廓中心線的走向,因此對灰度圖像進行進一步化簡,只包含植株和背景兩部分,植株所在位置像素強度賦值255,背景強度賦值為0?，F(xiàn)需確定植株部分判定標(biāo)準(zhǔn),即閾值T:像素強度大于T,認(rèn)為該像素為植株部分;像素強度小于T,認(rèn)為該像素為背景,從而實現(xiàn)圖像分割。求解閾值T過程如下:

1)閾值初始化如式(2)所示。其中,Imax為圖像中最強灰度值;Imin為圖像中最弱灰度值。通常認(rèn)為,I>Tk的像素點為植株,I

(2)

2)計算步驟1)中植株像素點的平均灰度Iok和背景像素點的平均灰度Ibk,即

(3)

3)迭代計算Tk+1如式(4)所示。當(dāng)Tk+1=Tk時,迭代結(jié)束,Tk即為所求的閾值,像素灰度值大于Tk為植株部分,賦值255;像素灰度值小于Tk為植株部分,賦值0。圖像處理結(jié)果如圖3(a)所示。

(4)

分析圖3(a)可知:在局部區(qū)域存在孤立的亮點,如植株左側(cè)最下方葉子上部和葉子上邊也存在小部分的黑色孤立區(qū)域,形成椒鹽型噪聲;同時,葉子上同樣存在黑點云集部分,對于葉子輪廓圖像產(chǎn)生影響。

為解決以上噪聲,在中值濾波[9]的基礎(chǔ)上提出如下降噪方法:①計算像素點P(i,j)周圍8個像素點的平均強度Iv;②當(dāng)|Ip-Iv|>127.5時,Ip翻轉(zhuǎn);③當(dāng)|Ip-Iv|≤127.5時,Ip不變。經(jīng)過濾波降噪后,對整個圖像求反,得到玉米植株的二值形貌圖,如圖3(b)所示。

圖3 植株圖像分割與降噪

2.3 植株圖像細(xì)化

植物學(xué)研究表明:玉米植株高度、植株寬度及植株節(jié)數(shù)可以有效表征植物的生長狀況,因此要從圖像中提取上述有效信息。提取思路為將圖像輪廓一層層剝離,最終只剩下骨架,可以有效地表征上述3點。采用圖像處理方法為圖像細(xì)化,為了保證提取信息的有效性,細(xì)化算法應(yīng)滿足以下幾點:①能改變圖像的連接性能;②不提取骨架后葉子的走向和莖的形狀不能改變;③葉子和莖的連接處不能發(fā)生畸形。為此,選用Hilditch 細(xì)化算法[10],即判定P是否為骨架上點,如果不是將其像素設(shè)置為空白,原理如圖4所示。

圖4 圖像細(xì)化原理

(5)

圖像掃描過程為從左向右、從上向下依次進行。當(dāng)?shù)嬎阃瓿珊?P點滿足上述5條件,將P點刪除,即B(p)=0;當(dāng)某個迭代周期中沒有點滿足上述5條件時,迭代結(jié)束,圖像細(xì)化完成,結(jié)果如圖5所示。

圖5 植株細(xì)化

定義植株高度為H,植株最大寬度為W,葉片與植株莖的交匯處個數(shù)為植株節(jié)數(shù)。

3 植株生長參數(shù)分析

植物形態(tài)學(xué)分析表明:植物的株高H、植株寬度W和植株節(jié)結(jié)數(shù)N可以反映植株的生長狀況。植株高度對于植物生長具有重要意義,植物過高會造成土壤養(yǎng)分到葉片進行光合作用的轉(zhuǎn)移距離加大,影響光合作用效率,不利于果實坐果與生長,且防風(fēng)性能變差,容易倒伏;植株高度過低,其他植物會對其造成遮擋,影響植物光照強度,光合作用下降,且氣體流動性降低,CO2的獲取量下降,會直接影響光合作用效率[11]。植物寬度體現(xiàn)了葉子的伸張程度,寬度越大,植物的伸張程度越好;葉子接收陽光進行光合作用的效果越好。植物節(jié)數(shù)體現(xiàn)了葉子數(shù)量,同時與根系發(fā)育相關(guān),莖節(jié)密集根系越發(fā)大,同時植物的抗倒伏能力越大。因此,選定植株高度為H、植株最大寬度為W和植株節(jié)數(shù)作為表征玉米植株生產(chǎn)狀態(tài)的參量,采用本系統(tǒng)對同一玉米植株進行27天觀察,3個參數(shù)隨時間的變化如圖6所示。

圖6 玉米植株生長參數(shù)變化趨勢

植株高度在27天內(nèi)生長速率均勻,在第6天和第16天時是兩個生長高峰,如圖6(c)所示;植株寬度總體上呈現(xiàn)慢后快,只是由于前期葉子小,光合作用規(guī)模受限制,當(dāng)中后期時葉子數(shù)量和大小均不再制約光合作用,體現(xiàn)出加速變大的效果,如圖6(b)所示;植物節(jié)結(jié)數(shù)N表現(xiàn)為離散型增長,同時體現(xiàn)出先慢后快的狀態(tài),且最為明顯;只是由于前期光合作用弱,節(jié)結(jié)生長受到限制,后期葉片光合作用加強,同時植物高度變大,造成莖中的有效養(yǎng)分與水分運輸作用加劇,結(jié)節(jié)處相應(yīng)得到的養(yǎng)分變多,結(jié)節(jié)數(shù)量和質(zhì)量均在發(fā)育,如圖6(a)所示。

4 玉米生長模型

由圖6可知:植株高度總體上隨時間成線性分布;植株寬度和節(jié)結(jié)數(shù)雖然上呈現(xiàn)慢后快,總體上與時間成線性分布。以玉米果實的質(zhì)量m作為衡量玉米生長的標(biāo)準(zhǔn),引入玉米生長模型形式為

m=aH+bW+cN+k

(6)

對60組樣本進行分析,采用逐步回歸分析法,求解該模型,步驟如下:

1)對植株高H、植株寬W和節(jié)結(jié)數(shù)N分別和質(zhì)量m進行擬合, 則

m=Xiβi+ε,i=H,W,N.

(7)

(8)

(9)

3)重復(fù)步驟2),每次引入一個變量,直到3個變量全部引入完成。采用植株高H、植株寬W和節(jié)結(jié)數(shù)N,建立的玉米果實質(zhì)量m模型,即

m=0.7568H+0.3254W+0.4012N+30.2356

(10)

5 結(jié)論

為了有效預(yù)計玉米產(chǎn)量,基于圖像識別技術(shù),設(shè)計了玉米植株生長模型系統(tǒng)。工作時,CCD攝像機采集玉米植株圖像,進行灰度處理;然后進行圖像二值化分割,出現(xiàn)椒鹽狀噪聲,采用中值濾波改進方法進行處理;最后,采用Hilditch 細(xì)化算法,得到玉米植株骨架圖。采用本系統(tǒng)對同一玉米植株進行27天觀察,發(fā)現(xiàn)植株高度H、寬度W和節(jié)結(jié)個數(shù)N總體上與時間均呈線性分布。建立玉米生長模型,以植株高度H、寬度W和節(jié)結(jié)個數(shù)N作為自變量,以植株玉米果實質(zhì)量作為應(yīng)變量,建立關(guān)系式為:m=0.7568H+0.3254W+0.4012N+30.2356。結(jié)果表明:植株高度H權(quán)重相對較高,寬度W和結(jié)節(jié)數(shù)N對于果實的權(quán)重相對較低。