楊浩勇 朱偉 劉德營 王興盛

0 引言

江蘇是農(nóng)業(yè)大省，常年水稻種植面積在220萬hm2左右[1]，機插秧水平超過70%。水稻插秧機的作業(yè)質(zhì)量直接影響水稻產(chǎn)量和種植效益。傳統(tǒng)人工檢測方法是由工作人員選取秧苗樣本，觀察其形態(tài)，統(tǒng)計漏插率、漂秧率和傷秧率，對插秧機的作業(yè)質(zhì)量進行評價。但該方法存在工作環(huán)境差、檢測效率低、信息分享困難、結(jié)果分析滯后、對稻田具有一定的破壞性等問題，已經(jīng)跟不上時代發(fā)展需求[2-3]。本文設計開發(fā)了一套插秧機田間作業(yè)質(zhì)量檢測系統(tǒng)，通過對無人機采集到的稻田秧苗圖像進行形態(tài)識別，統(tǒng)計漏插率、漂秧率和傷秧率，實現(xiàn)對插秧機作業(yè)質(zhì)量快速準確評價。

1 秧苗圖像采集試驗

1.1 試驗準備

1）劃定待拍區(qū)域。插秧結(jié)束后，在稻田中插入旗桿，劃定待拍區(qū)域。通常來說，待拍區(qū)域要避開田間地頭，長度超過40 m，寬度不低于4 個作業(yè)幅寬。

2）無人機起飛前檢查。 在精靈4RTK 無人機起飛前，檢查飛行器電池、遙控器電池及移動智能設備的電量是否滿足起飛要求，螺旋槳葉是否安裝牢固，內(nèi)存卡剩余空間是否充足，云臺和相機是否能正常自啟。

3）觀測無人機起飛環(huán)境條件。觀察飛行區(qū)域周圍是否有大樹、高壓線，挑選平整、干凈、無雜物的起飛位置，選擇晴朗、無風的天氣飛行。

4）無人機參數(shù)設置。試驗時以無人機自動飛行為主，手動控制為輔。通過精確規(guī)劃航線，設定合理參數(shù)，讓無人機執(zhí)行規(guī)定飛行任務。航線規(guī)劃通過IQOO Neo3 安卓設備上的DJI Polit App 完成。航線規(guī)劃選擇按航點飛行，自動起飛和定點降落，飛行相對高度為3 m，速度為1 m/s，間隔3 m 添加航點，并設置航點拍照動作。在遙控器端登錄RTK-CORS 網(wǎng)絡賬號，連接無人機后提高其在田間定位精度。按照當天光照強度適當調(diào)整鏡頭參數(shù)，包括濾鏡種類、光圈大小和曝光補償?shù)?。無人機執(zhí)行飛行任務期間，云臺保持垂直向下90°。待飛行任務結(jié)束后，無人機自動返航，單次飛行時間5 min 左右，重復飛行2～3 次。

1.2 航拍圖片處理

無人機所拍圖像存儲在SD 卡內(nèi)，用數(shù)據(jù)線將開機狀態(tài)的無人機與筆記本連接，以完成數(shù)據(jù)傳輸，或者用讀卡器將卡內(nèi)秧苗圖像傳至電腦端。圖1 為航拍圖像。由圖1 可看出：稻田內(nèi)雜物較少，土地平整，秧苗排列整齊有序，間隔規(guī)律，插穴內(nèi)絕大多數(shù)存在秧苗。由于株距和行距不同，一張完整的航拍圖像，秧苗穴數(shù)在150～200 穴之間波動。秧苗圖像采集試驗結(jié)果顯示，4RTK 無人機拍照效果良好，稻苗成像符合預期。

圖1 無人機采集稻田秧苗圖像

1.3 作業(yè)質(zhì)量表征

影響插秧機田間作業(yè)質(zhì)量的因素較多，依據(jù)中華人民共和國國家標準GB/T 6243-2017《水稻插秧機試驗方法》、農(nóng)業(yè)機械推廣鑒定大綱DG/T 008-2019《水稻插秧機》，并結(jié)合實際經(jīng)驗，常采用漏插率、漂秧率和傷秧率三個指標來反映插秧機作業(yè)質(zhì)量的好壞。漂秧、傷秧、漏插、合格秧苗定義如下：

漂秧：在插穴內(nèi)，秧根未栽入泥土內(nèi)而漂浮于稻田水面的秧苗。

傷秧：在插穴內(nèi)，秧苗莖部有折傷、切斷等現(xiàn)象的秧苗。

漏插：在插穴內(nèi)無水稻秧苗的情況，屬于漏插。

合格秧苗：在插穴內(nèi)，未發(fā)生漂浮、折傷、切斷等現(xiàn)象的秧苗屬于合格秧苗。

2 軟件系統(tǒng)設計

2.1 系統(tǒng)框架

考慮到水稻插秧機作業(yè)質(zhì)量檢測系統(tǒng)的主要作用是實現(xiàn)插秧質(zhì)量評價（即對插秧機的漏插率、漂秧率、傷秧率三個指標的檢測），結(jié)合檢測流程，建立圖2 所示的軟件系統(tǒng)設計框架。該系統(tǒng)包括5 個模塊，分別是：圖像導入模塊、圖像顯示模塊、網(wǎng)絡加載模塊、軟件信息模塊和數(shù)據(jù)輸出模塊。

圖2 軟件系統(tǒng)設計框架

在圖像導入模塊中自動選中水稻秧苗圖像，在顯示模塊中查看圖像，經(jīng)確認無誤后，按照圖像名稱依序處理，保存每張圖像中秧苗行數(shù)、穴數(shù)、質(zhì)心、相鄰秧苗間距、漏插穴數(shù)等數(shù)據(jù)。加載網(wǎng)絡模型來逐一識別秧苗形態(tài)，其間，可通過軟件信息模塊實時查看數(shù)據(jù)和軟件運行情況。在數(shù)據(jù)輸出模塊中，將統(tǒng)計數(shù)據(jù)保存、打包。

2.2 功能設計

水稻插秧機作業(yè)質(zhì)量檢測系統(tǒng)主要由登錄頁面、主頁面、副頁面組成。在檢測系統(tǒng)登錄頁面輸入賬號及密碼，點擊“登錄”按鈕，即可跳轉(zhuǎn)至系統(tǒng)主頁面。如圖3 所示。主頁面上方設置“打開”“菜單”兩個按鈕。點擊“打開”按鈕，彈出“文件”“文件夾”。如果是單一圖片，選擇“文件”即可，如果是多張圖片，則選擇“文件夾”。正常情況下，無人機執(zhí)行一次飛行任務得到的航拍圖像都在20 張以上，所以，一般選擇“文件夾”。

圖3 軟件系統(tǒng)主頁面

點擊主頁面旁邊的按鈕“副頁面1”，可以發(fā)現(xiàn)，文件夾內(nèi)圖片已經(jīng)全部顯示在圖片列表中，表明文件夾導入成功。此時，點擊“菜單”，出現(xiàn)“神經(jīng)網(wǎng)絡”按鈕，“神經(jīng)網(wǎng)絡”是本軟件系統(tǒng)的核心部分，是提前制作好的秧苗形態(tài)模型。點擊此按鈕，彈出提示“選擇要打開的文件”，選擇提前制作好的神經(jīng)網(wǎng)絡模型Riceseedlingsnet.mat 文件。此時，再點擊本頁面“處理1”按鈕，彈出提示“正在處理圖像……”，如圖4 所示。

圖4 軟件系統(tǒng)圖像處理

圖像處理完成后，從“副頁面1”返回主頁面，此時漏插率、漂秧率、傷秧率已經(jīng)計算出結(jié)果，對插秧機作業(yè)質(zhì)量實現(xiàn)評價，如圖5 所示。接下來補充相關的插秧機、無人機等信息。

圖5 軟件系統(tǒng)數(shù)據(jù)輸出

3 田間試驗

2021 年6 月25 日，項目組成員攜帶精靈4RTK無人機和水稻插秧機作業(yè)質(zhì)量檢測系統(tǒng)前往丹陽市京口區(qū)章村開展田間試驗。本次試驗用水稻插秧機為江蘇沃得高新農(nóng)業(yè)裝備有限公司樣機，型號為2ZGF-6E，產(chǎn)品規(guī)格如表1 所示。

表1 水稻插秧機產(chǎn)品規(guī)格表

當天環(huán)境溫度27℃，濕度72%。試驗稻田長97 m、寬60 m，形狀為長方形，土壤質(zhì)地為黏土。機耕后泡田5 d，田間水深3～5 cm，泥腳深度17～19 cm。秧苗類型為淮稻5 號，人工方式育秧，秧齡20 d。插秧機在專業(yè)機手操作下，以1.3 m/s的速度勻速前進，機旁噪聲約53.8 dB（A）。

人工對比試驗：4 名項目組成員穿戴工作服和雨靴走進稻田，3 人檢測1 人記錄，對插秧機的作業(yè)質(zhì)量進行人工檢測。檢測人員在試驗測區(qū)內(nèi)隨機挑選3 行，每行選取50 穴，將秧苗從插穴中取出，觀察并報告秧苗形態(tài)，最后計算漏插率、傷秧率和漂秧率。

軟件系統(tǒng)測定結(jié)果和人工檢測結(jié)果見表2。軟件系統(tǒng)測定結(jié)果與傳統(tǒng)人工檢測結(jié)果相比，漏插率、漂秧率和傷秧率誤差均在0.5%以內(nèi)，其中漏插率誤差最小，僅為0.13%。本次田間試驗，水稻插秧機作業(yè)質(zhì)量檢測系統(tǒng)檢測將樣本量擴大了20 倍，使得數(shù)據(jù)更具有說服力。

表2 插秧機作業(yè)質(zhì)量軟件系統(tǒng)測定與人工檢測結(jié)果

4 結(jié)論

針對目前插秧質(zhì)量評價方法檢測效率低、工作環(huán)境差、勞動強度高、信息分享困難等問題，開發(fā)了一套插秧機田間作業(yè)質(zhì)量檢測系統(tǒng)。田間試驗結(jié)果表明，該系統(tǒng)操作簡單便捷、運行穩(wěn)定可靠、檢測結(jié)果準確，能降低勞動強度，提高工作效率。該系統(tǒng)的設計開發(fā)，為插秧機作業(yè)質(zhì)量評價提供了新方法。