許 鑫,李海洋,馮洋洋,馬新明,沈帥杰,喬新昱

(1.河南農(nóng)業(yè)大學(xué) 信息與管理科學(xué)學(xué)院,河南 鄭州 450002; 2.河南糧食作物協(xié)同創(chuàng)新中心,河南 鄭州 450002; 3.河南農(nóng)業(yè)大學(xué) 農(nóng)學(xué)院,河南 鄭州 450002)

小麥?zhǔn)俏覈钪匾目诩Z之一，小麥生產(chǎn)直接關(guān)系到國家糧食安全和社會穩(wěn)定。小麥基本苗的調(diào)查和計數(shù)是確保小麥高產(chǎn)穩(wěn)產(chǎn)的最基本農(nóng)藝活動，是預(yù)測小麥產(chǎn)量的重要參數(shù)[1]。目前小麥基本苗測定主要有2種方法，一是確定1 m長度的雙行小麥標(biāo)本區(qū)，數(shù)出總苗數(shù)，獲取小麥的平均行距，計算基本苗數(shù)量[2-3]；二是選取若干點(diǎn)，每點(diǎn)對應(yīng)于1 m2方格的中心查計方格內(nèi)苗數(shù)，求這些點(diǎn)苗數(shù)的平均值，換算為基本苗數(shù)量[4]。采用人工計數(shù)的方法需要耗費(fèi)大量的人力、物力和時間，還受寒冷天氣條件影響，而且數(shù)據(jù)準(zhǔn)確度受人為因素影響大。因此，迫切需要一種快速、準(zhǔn)確的小麥基本苗計數(shù)方法來解決上述問題。

隨著信息技術(shù)的發(fā)展，手機(jī)等移動設(shè)備已成為獲取數(shù)據(jù)的重要手段，采用便攜移動設(shè)備對小麥基本苗采樣點(diǎn)進(jìn)行拍照，利用機(jī)器視覺和圖像處理技術(shù)，對小麥基本苗計數(shù)是一種新的計數(shù)方法。目前圖像處理和機(jī)器視覺技術(shù)等信息技術(shù)已廣泛應(yīng)用于農(nóng)業(yè)生產(chǎn)[5]，常見的應(yīng)用包括作物病蟲害診斷與識別[6-8]、田間雜草識別[9-11]、生物量估算[12-13]、營養(yǎng)狀況診斷[14-15]、植株和果實(shí)識別計數(shù)[16-18]等。FERNANDEZ-GAIIGEO等[19]利用拉普拉斯濾波器和中值濾波去噪，使用局部最大峰值進(jìn)行麥穗計數(shù)，LIU等[20-21]利用無人機(jī)圖像獲取小麥出苗均勻性和缺苗信息，實(shí)現(xiàn)了1～3葉期小麥基本苗的識別計數(shù)。但目前的目標(biāo)計數(shù)研究對環(huán)境和設(shè)備要求較高，缺乏操作簡單、快速識別小麥基本苗的技術(shù)方法。因此，利用機(jī)器視覺與圖像處理技術(shù)，研究小麥基本苗圖像獲取過程中的拍攝器材、拍攝角度和拍攝時期等關(guān)鍵問題，開發(fā)小麥基本苗圖像特征分割與檢測識別方法，以期為小麥基本苗的快速識別計數(shù)提供技術(shù)支撐。

1 材料和方法

1.1 試驗(yàn)設(shè)計

試驗(yàn)于2017、2018年在河南省安陽、許昌、漯河三地進(jìn)行，以矮抗58、豫麥49-198、西農(nóng)509、周麥27為供試材料。為了貼合實(shí)際生產(chǎn)，盡可能多地收集不同情況下的圖像特征來提高識別精度，試驗(yàn)設(shè)置品種和施氮水平2個因素，氮肥選用尿素(含氮量為46%)，設(shè)置4個施氮水平，分別是0、120、225、330 kg/hm2(純氮)，氮肥基追比為6∶4。試驗(yàn)采用裂區(qū)設(shè)計，氮肥為主區(qū)，品種為副區(qū)，試驗(yàn)主區(qū)長13 m、寬10 m，小區(qū)面積130 m2，重復(fù)3次。為了便于取樣及田間操作，每個小區(qū)之間設(shè)置1 m寬的通道。播種采用播種機(jī)，20 cm行距，播量為180 kg/hm2，全生育期澆越冬水、拔節(jié)水，其他管理措施同一般高產(chǎn)田。

1.2 圖像獲取

使用4個5 cm×10 cm白卡片作為地面標(biāo)志物放置在小麥一米雙行區(qū)域4個角，在圖像上標(biāo)記出一米雙行所在區(qū)域(圖1)。拍攝設(shè)備選取智能手機(jī)、單反相機(jī)和平板電腦3種拍攝器材，像素分別為1 200萬、1 800萬和800萬像素。采用俯視角30°和45°2種拍攝方式。取樣時間是2017年10—11月、2018年10—11月。試驗(yàn)采集有效的麥苗圖像975張，其中平板電腦拍攝81張1～2葉期照片，單反相機(jī)拍攝314張1～2葉期照片，智能手機(jī)拍攝580張，其中1～2葉期俯視角30°拍攝110張、45°拍攝240張共350張，3～4葉期230張。選取3種設(shè)備拍攝的麥苗圖像各50張，用于圖像分割精度比較，智能手機(jī)拍攝圖像隨機(jī)選取俯視角30°和45°各100張用于對比拍攝角度對分割精度的影響，隨機(jī)選擇20張1～2葉期，15張3～4葉期圖像用于圖像識別結(jié)果與人工計數(shù)結(jié)果對比，其他的圖像用于特征提取，以便提高識別精度。

圖1 標(biāo)志物實(shí)拍

1.3 圖像預(yù)處理

由于拍攝器材和環(huán)境會造成拍攝過程中圖像中存在噪點(diǎn)，需要對圖像進(jìn)行濾波去噪。利用中值濾波和椒鹽濾波2種濾波算法[22-25]，針對高斯白噪聲選取高斯濾波算法[26]對小麥基本苗圖像進(jìn)行去噪。利用圖像中的地面標(biāo)志物和圖像閾值分割技術(shù)，獲取標(biāo)志物的輪廓信息，實(shí)現(xiàn)一米雙行區(qū)域自動識別定位，在此基礎(chǔ)上提取一米雙行中的小麥基本苗，與原圖進(jìn)行掩膜，得到一米雙行區(qū)域，如圖2所示。

圖2 一米雙行區(qū)域分割

1.4 特征分析與圖像分割

為了分析小麥基本苗的圖像特征，先后采用了RGB、HSV與LAB 3類顏色空間閾值分割和K-means聚類分割算法[27-29]對麥苗圖像進(jìn)行特征分析與圖像分割，以區(qū)分麥苗與背景區(qū)域，便于麥苗特征提取，圖像分割效果如圖3所示。

圖3 麥苗圖像聚類分割

1.5 麥苗特征提取與識別

對小麥一米雙行區(qū)域分割后的圖像進(jìn)行橫向投影，把小麥行分割為2個一行的麥苗圖像，以縱向投影提取各行麥苗連通域，對每一個連通域掩蓋上部角點(diǎn)，留下的下端角點(diǎn)代表小麥主莖基，1個角點(diǎn)代表1株小麥，最后利用Harris角點(diǎn)檢測算法[30-32]檢測角點(diǎn)，把檢測出的角點(diǎn)個數(shù)相加，計算出一米雙行小麥基本苗數(shù)目，麥苗的檢測識別效果如圖4所示。

a:提取連通域;b:上角點(diǎn)掩蓋;c:角點(diǎn)檢測結(jié)果

1.6 圖像分割精度評價方法

圖像分割的好壞直接影響麥苗識別的精度，對圖像的分割效果的評價需要把圖像分割效果量化，量化圖像分割算法好壞的方法有ROC曲線、Dice重合率、基于GT圖像法。本研究選取基于GT圖像法來評價圖像分割的優(yōu)劣。其主要量化分割精度(SA)計算如公式(1)所示。

(1)

其中，Rs代表實(shí)際分割面積，Ts是實(shí)際誤分的面積。

2 結(jié)果與分析

2.1 不同圖像分割方法對圖像分割精度的影響

對選取的50張小麥基本苗圖像，先通過人工提取小麥像素區(qū)域，然后用公式(1)分別計算K-means聚類分割和HSV、LAB、RGB顏色空間閾值分割4種不同的分割算法精度，結(jié)果如圖5所示，4種分割方法的分割精度均在0.90以上，但LAB和RGB顏色空間閾值分割算法對于不同的圖像分割精度波動大，說明LAB和RGB顏色空間閾值分割算法穩(wěn)定性相對較差，而HSV顏色空間閾值分割算法精度明顯好于LAB和RGB顏色空間閾值分割算法，其分割精度保持在0.96以上，而K-means聚類分割算法精度穩(wěn)定且分割精度基本保持在0.98以上，說明K-means聚類分割算法優(yōu)于其他3種方法。

圖5 LAB、RGB、HSV和K-means分割算法精度對比

2.2 不同拍攝設(shè)備對分割精度的影響

對3種設(shè)備拍攝的圖像進(jìn)行K-means聚類分割，利用公式(1)計算分割精度，結(jié)果如圖6所示，3種拍攝器材的分割精度均保持在0.95以上，三者沒有明顯的區(qū)別，說明單反相機(jī)、智能手機(jī)和平板電腦3種拍攝器材不是影響小麥基本苗識別的主要因素。

圖6 智能手機(jī)、單反相機(jī)、平板電腦分割精度對比

2.3 不同拍攝角度對分割精度的影響

對隨機(jī)選取的2種拍攝角度圖像進(jìn)行K-means聚類分割，利用公式(1)計算分割精度，如圖7所示，俯拍30°的圖像分割精度要明顯低于俯拍45°的圖像，這與LIU等[20]用無人機(jī)拍攝識別麥苗的研究結(jié)果一致，原因在于30°俯拍角距離地面過高，小麥莖部被葉子遮擋，有礙于小麥連通域的特征提取。

圖7 俯視角30°和45°拍攝分割精度對比

2.4 不同拍攝時期對識別精度的影響

如表1所示，在1～2葉期小麥基本苗識別精度在0.97以上；3～4葉期，由于葉子數(shù)目增多的干擾，麥苗之間重疊粘連造成圖像識別難度加大，相比1～2葉期，識別精度有小幅度下降，但是仍然保持較高的識別精度，精度達(dá)0.95以上。

表1 1～4葉期小麥基本苗圖像識別結(jié)果與人工計數(shù)結(jié)果對比

進(jìn)一步采用回歸分析對麥苗圖像識別結(jié)果和人工計數(shù)進(jìn)行相關(guān)性分析，如圖8所示，圖像識別的麥苗數(shù)量與人工統(tǒng)計的麥苗數(shù)具有較高的線性相關(guān)性，其中1～2葉期麥苗識別的R2為0.99，3～4葉期麥苗識別的R2為0.93，說明本研究方法與人工計數(shù)高度相關(guān)。

圖8 1～4葉期小麥基本苗圖像識別與人工計數(shù)線性擬合圖

3 結(jié)論與討論

本試驗(yàn)系統(tǒng)研究了不同拍攝時期、拍照設(shè)備和拍照角度對小麥苗期麥苗識別的影響，對原始圖像通過地標(biāo)進(jìn)行目標(biāo)區(qū)域裁剪，然后采用K-means聚類分割算法圖像進(jìn)行特征提取，利用Harris角點(diǎn)檢測算法對小麥苗莖基部端點(diǎn)進(jìn)行識別，1～2葉期麥苗識別精度在0.97以上，3～4葉期識別精度在0.95以上，說明對麥苗的識別應(yīng)該在小麥出苗至三葉期以前進(jìn)行能夠達(dá)到最好的效果，三葉期后隨著小麥植株葉片數(shù)的增加和相互遮擋造成識別精度有所下降。結(jié)果表明，以移動設(shè)備俯視角45°拍攝小麥圖像，采用K-means聚類分割算法提取圖像特征，利用Harris角點(diǎn)檢測算法對小麥基本苗進(jìn)行計數(shù)是可行的。

本試驗(yàn)研究方法為小麥基本苗的識別提供了一套相對簡單低廉、易操作實(shí)現(xiàn)的技術(shù)方案，可以提高現(xiàn)有人工調(diào)查基本苗的效率，利用智能手機(jī)拍攝圖像進(jìn)行麥苗識別可以替代現(xiàn)有的無人機(jī)、相機(jī)等高昂設(shè)備，能夠有效降低技術(shù)使用門檻，對于實(shí)現(xiàn)小麥基本苗的快速計數(shù)具有重要意義，未來可以利用本研究的技術(shù)方案建立基于移動設(shè)備的小麥基本苗識別系統(tǒng)來提高工作效率，但本研究的方案仍需基于地面標(biāo)志物來確定拍攝范圍，在將來的研究中可以考慮利用增強(qiáng)現(xiàn)實(shí)和機(jī)器視覺技術(shù)來實(shí)現(xiàn)拍攝范圍的實(shí)時量算，同時也可以結(jié)合機(jī)器學(xué)習(xí)技術(shù)對麥苗的數(shù)量進(jìn)行識別，從而進(jìn)一步提高技術(shù)的適用性。