石新麗 曹夢穎 高雷博 溫志達

（1.泊頭市氣象局 河北滄州061001；2.河北科技大學信息科學與工程學院 石家莊050000；3.滄州天祥防雷檢測有限公司 河北滄州061001）

在當今的社會生活中， 農(nóng)業(yè)生產(chǎn)生活占據(jù)重要的地位，但是對于農(nóng)作物所生長的環(huán)境，即它處的一個溫度、 濕度等環(huán)境是否適合于農(nóng)作物這種監(jiān)測工作是一個非常巨大的工程。 傳統(tǒng)的人力觀測農(nóng)作物生長狀況，是一個既耗費時間又耗費體力的過程，所以針對成本價格較高、監(jiān)測范圍較小等問題，整體提出了一個實時檢測的方法。

目前監(jiān)控記錄信息的方式主要是以視頻為主，它可以直觀地反映事物的表象， 大多數(shù)的設(shè)備都是采用實時畫面錄像的形式， 隨著科技生活的不斷進步， 整個物聯(lián)網(wǎng)應用技術(shù)可以利用互聯(lián)網(wǎng)及智能化設(shè)備將一些技術(shù)性設(shè)備與我們的日常生活進行聯(lián)系，形成人與物、物與物相連的局面，實現(xiàn)一個信息化、遠程管理控制和智能化的前景。 通過造價較低的卡片式電腦樹莓派、 單片機和無線網(wǎng)絡(luò)實現(xiàn)數(shù)據(jù)和圖像自動化、智能化、遠程化采集及傳輸。 也以此得到農(nóng)作物詳細的生長信息， 以便可以對此及時進行調(diào)整，減少不必要的損失。

在農(nóng)作物的生長環(huán)境下， 對于硬件這一方面難免會遇到各種自然環(huán)境的影響與干擾， 作為需要長時間段記錄農(nóng)作物生長環(huán)境的設(shè)備， 若想要高效并且準確地監(jiān)測到真實環(huán)境， 是需要基于圖像特征的匹配方法來順利進行的。 這次整體設(shè)計將會結(jié)合SURF 算法來進行特征匹配及圖像的識別工具，該算法是一種基于SIFT 的局部特征檢測算法，具有實時性和穩(wěn)定性。

1 系統(tǒng)設(shè)計

本研究以樹莓派作為核心硬件， 配置一紅外攝像頭，一大功率紅外補光燈板，使用OpenCV 獲取農(nóng)作物所處環(huán)境的圖像， 采集的圖像可以通過阿里云官方的軟件開發(fā)包將獲取到的圖像傳輸至阿里云存儲空間 OSS。 然后用 FFmpeg（Fast Forward Mpeg）將圖片合成一個直觀的動態(tài)視頻， 合成視頻這一個過程可以根據(jù)自己的需要改變輸出視頻的畫面質(zhì)量、輸入圖片幀速率、輸出圖片幀速率、視頻編碼格式、視頻的封裝格式等。 各種農(nóng)作物的生長環(huán)境是否適合它本身會一目了然地呈現(xiàn)在眼前。 專業(yè)種植人員可以通過這段延時攝影來判斷作物的長勢好壞，以便對作物進行各種作業(yè)， 免去了大量的實地觀察等工作，既節(jié)省了時間又可以達到之前的效果，甚至比以往效率更高。 系統(tǒng)整體結(jié)構(gòu)見圖1。

圖1 系統(tǒng)整體結(jié)構(gòu)

2 系統(tǒng)設(shè)計實現(xiàn)

2.1 樹莓派控制模塊

樹莓派是一個只有身份證大小的卡片電腦，運行Linux 操作系統(tǒng)，具有一臺PC 的所有基本功能（只需接上外部設(shè)備即可使用）。 該樹莓派可以通過一系列編程語言，然后裝載Linux 系統(tǒng)和相應的應用程序?qū)崿F(xiàn)多種功能[1]。 此外，樹莓派通過 TCP/IP 協(xié)議實現(xiàn)了IP 攝像頭與樹莓派的通訊及圖像的實時采集或監(jiān)視視頻。 樹莓派硬件資源接口及外設(shè)參考見圖2。

圖2 樹莓派硬件資源接口及外設(shè)參考

2.2 紅外攝像頭及紅外燈板

紅外攝像頭及紅外燈板要配合使用， 選擇一個可以提供夜視視角的攝像頭模塊， 選用500 W 像素可調(diào)焦的3.6 mm 的一款專門為樹莓派設(shè)計的攝像頭，這個模塊通過15 Pin 的軟排線與樹莓派的csi 接口相連（即樹莓派主板上標有“camera”的接口）。但是由于攝像頭不能單獨在漆黑的夜晚工作， 因此必須要用紅外燈為其照明。 紅外補光燈板采用光控原理，作為相機夜間采集圖像信息的工具， 首選4 顆串聯(lián)方式連接的LED 發(fā)光二極管（有紅曝）作為補光燈，供電電源為直流12 V。 可調(diào)焦鏡頭可以根據(jù)攝像頭的安裝位置進行一定的調(diào)節(jié)， 使用軟排線將攝像頭與樹莓派連接成功后， 需要用軟件測試一下它們之間的連接是否良好。 如若全部測試正常，Open CV 就會利用它將畫面保存下來。

2.3 OpenCV 的環(huán)境搭建

OpenCV 是一個跨平臺的開源計算機視覺庫，它的開源性使它可以運行在 Windows、Linux、Mac OS和安卓等的操作品臺上。 本設(shè)計需要下載它的源代碼并對此進行編譯。 成功后要執(zhí)行命令 sudo make install 將編譯好的二進制文件放到系統(tǒng)的目錄中，完成OpenCV 安裝的工作。 其中，變量存儲信息是利用OpenCV 中的CV::VideoCapture 這個類選定樹莓派的一個攝像頭并定義一個變量capture， 保存從攝像頭獲得的一幀圖像，用CV::Mat 定義frame 來存儲一個圖像結(jié)構(gòu)，再將capture 的內(nèi)容傳遞給frame[2]。 拍照流程見圖3。

圖3 拍照流程

2.4 阿里云軟件的安裝及圖像上傳

在樹莓派中上傳圖片信息到阿里云對象存儲服務(wù)需要用到軟件開發(fā)包，本設(shè)計使用C++語言，所以從阿里云官網(wǎng)下載OSS C++ SDK。 照片拍攝完成后需要把圖片上傳到阿里云存儲服務(wù)OSS，這個需要事先在操作系統(tǒng)中安裝對應的軟件開發(fā)包。 此時需要使用相應的訪問域名來上傳文件并對此文件命名。接著從樹莓派上通過文件名找到要上傳的文件執(zhí)行上傳； 最后釋放網(wǎng)絡(luò)資源， 至此完成圖片的上傳工作。圖像上傳流程見圖4。圖像全部上傳后，可以根據(jù)工作人員的需求來選擇是否需要合成視頻。 若想要合成視頻，則需要搭建FFmpeg 環(huán)境，整體工作進行后就可以使用FFmpeg 工具來根據(jù)實際情況合成所需視頻。

圖4 圖像上傳流程

3 圖像的預處理與特征的獲取

3.1 OpenCV 與圖像信息處理

在使用紅外攝像頭與OpenCV 獲取圖像的過程中，后面要對其進行處理來獲取圖像的RGB 信息[3]，更加準確的一個方法是將二維像素坐標轉(zhuǎn)換為三維點云空間坐標。 由于具有內(nèi)參矩陣，所以每一個在該空間點的位置和像素坐標都能夠用一個簡單的矩陣形式來說明，如公式（1）所示。

式中，參數(shù)矩陣C如公式(2)所示。 ［u,v,d］是圖像中的像素坐標，其中d指深度數(shù)據(jù)。 空間點［x,y,z］和像素坐標［u,v,d］的對應關(guān)系如公式（3）所示。

式中，fx、fy是指相機在下x、y兩個軸上的焦距，cx、cy指相機的光圈中心，s指深度圖的縮放因子。 最后，可以獲得三維點云的空間坐標，如公式（4）所示。

3.2 特征點的提取與匹配

特征點的提取與匹配關(guān)系到圖像配準的精度與整體算法的效率， 該處理使用 SURF 算法進行特征點的提取與匹配， 主要由4 個步驟組成： 第一步是Hessian 矩陣及尺度空間的構(gòu)建； 第二步是找到定位特征點；第三步是給特征點方向賦值；第四步是得到特征點描述因子。

對于各個像素點都能夠得到一個與其對應的Hessian 矩陣， 其中x表示特征點的坐標，σ表示尺度，如公式（5）所示。

匹配特征點時提取出來的特征向量中的歐式距離有一個相關(guān)性，但是想要提高整個匹配的精準度，就要剔除一些點 （最近鄰歐氏距離和次近鄰歐氏距離的比值大于閾值T的點）， 即需要滿足圖5 為閾值T=0.5 的SURF 特征點匹配示例。

圖5 閾值T=0.5 的SURF 特征點匹配示例

3.3 基于RANSAC 的特征點篩選與影像配準

在完成特征點的匹配之后， 就要從這些所得的匹配點中獲取影像的變換矩陣， 這時候圖像才能夠配準。 但是過程中難免會出現(xiàn)誤匹配點，致使所得到的矩陣有些誤差。剔除誤差時，本研究采用RANSAC算法來進行匹配點篩選并計算出影像變換矩陣。RANSAC 算法的核心在于2 個點集的配準過程，如下表示：pt=Rps+T。 其中，pt與ps為一組對應點,R與T為變換矩陣。

該算法通過一部分“模內(nèi)點集”迭代估計數(shù)學模型的參數(shù)，得到一個包含最多點集的最優(yōu)數(shù)學模型。RANSAC 算法具有不確定性， 需要增加迭代次數(shù)來提高配準的精度。 對于農(nóng)作物這種需要長時間記錄并不斷受自然環(huán)境影響的情況， 可以嘗試多次迭代來提高所需圖像的精準度。

4 結(jié)論分析

按照流程，硬件與軟件都準備好之后，接通電源就可以看到樹莓派系統(tǒng)正常運行， 然后進行軟件程序的測試，設(shè)置定時拍照時間間隔為3 min，拍照完成之后實時上傳圖片，設(shè)置每天1:06 重啟樹莓派，樹莓派本地內(nèi)存卡保存的照片見圖6， FFmpeg 將圖片合成視頻的結(jié)果見圖7。

圖6 樹莓派本地圖片

圖7 合成視頻

本設(shè)計以樹莓派微核心進行拍照和上傳， 樹莓派通過OpenCV 實現(xiàn)對作物進行拍照再通過OSS C++ SDK 實時將拍攝到的圖片上傳到對象存儲OSS中， 在電腦端通過OSS 控制臺或OSS 圖形化界面（OSS-browser）觀察到樹莓派上傳的照片[4]。如果想將一段時間內(nèi)拍到的照片以視頻的形式呈現(xiàn)出來，可以使用FFmpeg 軟件將多張圖片轉(zhuǎn)換成視頻。當視頻性能穩(wěn)定時，可以將視頻講解切割，所分割的分辨率不超過 320×180 像素，單聲道 96 kbps 音質(zhì)，控制每個文件尺寸不超過10 M， 就可以根據(jù)需要觀察作物生長的情況。

考慮到長時間后自然環(huán)境對該設(shè)備的影響，可以通過把紅外攝像頭及OpenCV 所獲取的圖像信息提取，并且轉(zhuǎn)換得到該圖像的RGB 信息來進行坐標的計算，緊接著就是特征點的提取來進行特征匹配。整體工作是使用SURF 算法和RANSAC 算法來消除一些影響因素， 得到后續(xù)所需要的農(nóng)作物在自然條件影響下的生長環(huán)境狀況的圖像。

通過圖和視頻這種直觀性的敘述， 保證了監(jiān)測到的農(nóng)作物生長環(huán)境的真實性和準確性， 同時節(jié)省了大量的人力與物力資源， 避免了各種外界因素的影響， 由此用戶可以對農(nóng)作物的生長環(huán)境進行實時監(jiān)測，以此可以及時對此進行各種改善。 從測試的結(jié)果來看，它極大地降低了信息的存儲空間，提高了信息的共享能力，使作物的生長過程表現(xiàn)地更加直觀。此種監(jiān)測方法能夠?qū)崿F(xiàn)農(nóng)作物生長中大范圍內(nèi)的監(jiān)測。 之后還可以通過增加其他的一些傳感器等智能化模塊對其進行完善，進而實現(xiàn)更完整的監(jiān)測，能夠更好地應用到生產(chǎn)生活中。