重 陽，趙建凱，馬修才

（內(nèi)蒙古自治區(qū)大氣探測技術(shù)保障中心，呼和浩特 010051）

0 引言

內(nèi)蒙古自治區(qū)是牧業(yè)大區(qū)，草原生態(tài)建設(shè)及牧業(yè)發(fā)展對氣象服務(wù)提出了更高的要求，迫切需要生態(tài)氣象、牧業(yè)氣象為草原生態(tài)建設(shè)、現(xiàn)代牧業(yè)的發(fā)展提供時效更快、內(nèi)容更多、水平更高、針對性更強的服務(wù)產(chǎn)品。因此，獲取高精度、高密度、多要素、連續(xù)穩(wěn)定的牧草觀測信息勢在必行。當(dāng)前的牧草觀測技術(shù)、手段、時效、內(nèi)容以及觀測站點密度等遠不能滿足草原生態(tài)建設(shè)、現(xiàn)代牧業(yè)氣象業(yè)務(wù)和服務(wù)發(fā)展的需求，牧草觀測自動化程度低，目前牧草觀測仍以人工和手工方式為主[1-5]，勞動強度大，費時費力；牧草觀測精度有限，可比性不強，由于觀測人員的專業(yè)素質(zhì)、熟練程度、觀測習(xí)慣和責(zé)任心等不同，造成觀測精度差別較大。當(dāng)前以目測或簡單器測、手工記錄和報表寄送、紙質(zhì)存檔等為主的牧草觀測業(yè)務(wù)[4-5]，與氣象現(xiàn)代化建設(shè)要求相差甚遠，亟需提高其自動化觀測能力。

現(xiàn)代科學(xué)技術(shù)的發(fā)展使得自動觀測能力和水平不斷提高，新設(shè)備、新方法的應(yīng)用越來越多，原有的以人工觀測為主的業(yè)務(wù)體系正在發(fā)生根本性的變革[6-10]。目前國內(nèi)在牧草觀測自動化技術(shù)發(fā)面的研究大多是采用2個網(wǎng)絡(luò)攝像頭（帶網(wǎng)絡(luò)接口的工業(yè)或民用相機）采集圖像[11-14]，通過網(wǎng)絡(luò)傳向后端（即上位機，工控機或PC），在后端進行圖像處理與模式識別[15-18]。用于觀測的傳感器并非智能圖像傳感器，未實現(xiàn)智能感知，采集到的觀測圖片完全依賴于后端計算機的圖像識別處理能力，此技術(shù)思路設(shè)計的系統(tǒng)穩(wěn)定性較差，功耗較大，數(shù)據(jù)傳輸壓力大（高分辨率原始圖片文件較大）。為滿足專業(yè)觀測業(yè)務(wù)現(xiàn)代化建設(shè)需求，實現(xiàn)為專業(yè)觀測業(yè)務(wù)提供基礎(chǔ)支撐，發(fā)展牧業(yè)、生態(tài)氣象的自動化觀測業(yè)務(wù)為目標，筆者在研究符合內(nèi)蒙古特點的牧草觀測自動化技術(shù)的基礎(chǔ)上，設(shè)計基于嵌入式技術(shù)和并行計算技術(shù)的智能傳感器的觀測系統(tǒng)，采集完成直接在本地完成處理后再將結(jié)果向后端傳輸，以適應(yīng)對體積、功耗、數(shù)據(jù)傳輸、工作環(huán)境及穩(wěn)定性要求極高的野外觀測場合。

1 系統(tǒng)結(jié)構(gòu)及原理

本研究及系統(tǒng)設(shè)計總體技術(shù)思路遵循以下原則進行：適合用于對體積、功耗、工作環(huán)境及穩(wěn)定性要求極高的野外觀測場合；在超高速圖像處理和大分辨率圖像處理方面可實現(xiàn)牧草自動連續(xù)觀測，能夠滿足實時業(yè)務(wù)要求；觀測端到應(yīng)用端可實現(xiàn)數(shù)據(jù)的高速實時傳輸。根據(jù)以上原則，本研究及系統(tǒng)設(shè)計包括算法研究設(shè)計、硬件結(jié)構(gòu)設(shè)計、軟件結(jié)構(gòu)設(shè)計。

在技術(shù)研究及系統(tǒng)設(shè)計中，對草原地表面牧草形態(tài)進行自動識別檢測的圖像處理算法設(shè)計，是利用數(shù)理統(tǒng)計及圖像處理技術(shù)實現(xiàn)牧草密度（蓋度）的自動觀測、牧草株高的自動測量、牧草發(fā)育期圖像信息提取及定量化處理的方法。采用現(xiàn)代電子技術(shù)以及DSP技術(shù)、圖像處理技術(shù)相結(jié)合的方式研制圖像處理與模式識別的智能傳感器，實現(xiàn)牧草覆蓋度、層（株）高以及牧草生長期的自動觀測功能，觀測產(chǎn)品提供形式為OSD、圖片文件、Excel表。系統(tǒng)設(shè)計主要包括硬件系統(tǒng)和軟件系統(tǒng)2個部分的設(shè)計，硬件系統(tǒng)主要由圖像采集模塊、圖像處理模塊和網(wǎng)絡(luò)傳輸模塊組成；軟件系統(tǒng)包括下位機(DSP)程序和上位機(VC++)程序。DSP程序?qū)崿F(xiàn)圖像的實時采集，覆蓋度、株高的計算，生長發(fā)育期的判別；上位機程序?qū)崿F(xiàn)相機的遠程控制，圖像的接收、存儲，系統(tǒng)參數(shù)配置，檢測結(jié)果的顯示、記錄及數(shù)據(jù)產(chǎn)品的生成。

2 系統(tǒng)硬件設(shè)計

2.1 硬件方案選擇

按照總體設(shè)計技術(shù)思路，選擇的硬件方案應(yīng)遵循數(shù)據(jù)傳輸壓力小、適合用于對體積、功耗、工作環(huán)境及穩(wěn)定性要求極高的野外觀測場合的設(shè)計原則。采用2個200萬像素工業(yè)相機在前端采集圖像，并在前端通過DSP進行圖像處理與檢測判別，將處理后的結(jié)果再通過網(wǎng)絡(luò)傳向客戶端（即用戶，智能手機或PC）。

面向嵌入式微型化視覺圖像領(lǐng)域，系統(tǒng)由FPGA板塊和DSP板塊2塊核心板塊組成。FPGA擴展有2路Full Camera Link接口，其中一路為輸入，一路為輸出；DSP板進行圖像處理，并通過網(wǎng)絡(luò)口傳輸處理結(jié)果。2塊板卡通過FMC接口連接，相機的圖像數(shù)據(jù)先從Camera Link接口傳輸至FPGA板，F(xiàn)PGA對其進行預(yù)處理，然后通過FMC接口上的RapidIO傳輸至DSP板塊。DSP板上的網(wǎng)絡(luò)口將處理結(jié)果及圖像傳輸給遠程的客戶（PC或智能手機）。此嵌入式方案相對于采用2個帶網(wǎng)絡(luò)接口的工業(yè)相機采集圖像，通過網(wǎng)絡(luò)傳向后端（即上位機，工控機或PC），在后端進行圖像處理與檢測判別的非嵌入式方案，不但體積及功耗小、自帶多種外設(shè)、運算速度快、魯棒性好，而且能夠大大減輕數(shù)據(jù)傳輸壓力，在超高速圖像處理和大分辨率圖像處理方面具有領(lǐng)先優(yōu)勢。

2.2 硬件整體架構(gòu)

整個系統(tǒng)的硬件部分主要由圖像采集模塊、圖像處理模塊和網(wǎng)絡(luò)傳輸模塊組成，如圖1所示。工業(yè)相機通過CameraLink接口與DSP相連，相機采集到的數(shù)據(jù)通過DSP上的EDMA傳送到片外的SDRAM，以便圖像處理應(yīng)用程序使用。圖像處理應(yīng)用程序?qū)D像進行相應(yīng)的處理之后，將處理后的圖像及原圖進行JPEG壓縮，然后將JPEG圖像及處理結(jié)果通過以太網(wǎng)控制器進行網(wǎng)絡(luò)傳輸。

圖1 硬件結(jié)構(gòu)

系統(tǒng)的硬件部分包括2臺200萬像素智能工業(yè)相機（工業(yè)相機內(nèi)自帶DSP），2個200萬像素C口鏡頭，1臺交換機，1臺服務(wù)器（可用PC機代替），以及支架、光源、相機防護罩等其他設(shè)備。其中工業(yè)智能相機內(nèi)有1個網(wǎng)口，通過DSP編程對圖像進行采集、處理，并通過網(wǎng)口傳向遠端的服務(wù)器端（上位機端），服務(wù)器端將2路信號進行同步、綜合分析后再通過網(wǎng)絡(luò)傳給客戶端。

2.3 電源

硬件系統(tǒng)共有3種供電方式，采用12 V 1.0 A直流電源供電，采用外接170～264 V 50/60 Hz的交流電源供電，實際在野外使用時采用太陽能供電。

3 系統(tǒng)軟件設(shè)計

3.1 軟件整體架構(gòu)

軟件系統(tǒng)包括下位機(DSP)程序和上位機(VC++)程序。上位機與下位機之間通過TCP/IP協(xié)議進行網(wǎng)絡(luò)通信。下位機由2部完全相同的智能工業(yè)相機構(gòu)成，2部相機的圖像采集、牧草檢測、網(wǎng)絡(luò)傳輸?shù)菵SP程序基本相同，不同在于圖像處理算法程序不同。2部相機的軟件實現(xiàn)任務(wù)及分工如表1所示。

表1 系統(tǒng)2部相機任務(wù)劃分

下位機的DSP程序的軟件架構(gòu)采用了TI的RF5參考框架。在本系統(tǒng)中，圖像數(shù)據(jù)的壓縮采用JPEG壓縮算法。網(wǎng)絡(luò)傳輸采用TI公司專門為C6000 DSP推出的NDK(Network Developer′s Kit)網(wǎng)絡(luò)開發(fā)包。在操作系統(tǒng)方面，采用了基于DSP/BIOS的實時操作系統(tǒng)。首先，在DSP/BIOS配置工具中靜態(tài)建立3個任務(wù)線程，包括圖像采集線程、圖像處理線程、網(wǎng)絡(luò)初始化線程，如圖2所示。網(wǎng)絡(luò)傳輸線程由網(wǎng)絡(luò)初始化線程在程序中動態(tài)創(chuàng)建。

圖2 DSP任務(wù)線程

main函數(shù)主要完成整個程序的初始化工作，如片上L2緩存的分配，目標板的初始化，RF5模塊的初始化，視頻采集和顯示的初始化與啟動等。然后DSP把程序的控制權(quán)交給DSP/BIOS線程調(diào)度器(scheduler)，由調(diào)度器按線程的優(yōu)先級來調(diào)度執(zhí)行。系統(tǒng)線程關(guān)系圖如圖2所示，線程之間通過RF5中的SCOM模塊(synchronized communication)進行同步通信。圖像幀在各個任務(wù)之間的傳遞是通過指針實現(xiàn)的，即通過SCOM消息將圖像數(shù)據(jù)的指針（首地址）傳遞到下一個任務(wù)。

3.2 牧草模式識別算法設(shè)計

牧草模式識別是對草原地表面牧草形態(tài)的識別檢測，其算法研究設(shè)計主要包括設(shè)計一套利用數(shù)理統(tǒng)計及圖像處理技術(shù)實現(xiàn)牧草蓋度的自動觀測、牧草株高的自動測量、牧草發(fā)育期圖像信息提取及定量化處理的方法。

3.2.1 牧草的檢測 由相機采集的圖像中的像素是否具備某些特征，從而直接在RGB空間上轉(zhuǎn)換成二值化圖像，分割出牧草與非牧草區(qū)域。這些特征應(yīng)既考慮牧草的色度信息又考慮牧草的光照信息，這些特征由用戶根據(jù)4個參數(shù)來定義，如表2。

表2 牧草檢測圖像參數(shù)

對綠色植被來說，dominant RGB component與dominated RGB component分別對應(yīng)G(green)通道和B(blue)通道；而shadow和light代表了2個亮度門限值，這2個門限值能夠?qū)⑻?≤shadow)或太亮的(≥light)像素濾除掉。對于綠色和黃色，分別采用圖3和圖4的邏輯來檢測[19]。

圖3 綠色檢測邏輯

圖4 黃色檢測邏輯

通過上述方法，將牧草區(qū)域用白色表示，非牧草區(qū)域用黑色表示，這樣檢測出牧草區(qū)域。light典型值取200，shadow典型值取50。此算法具有很好的通用性，只需根據(jù)要檢測的特定目標調(diào)整相應(yīng)的主導(dǎo)成分、受控成分、最小亮度和最大亮度，即可檢測出黃色、紫色、紅色等各種植被目標。

3.2.2 覆蓋度檢測 根據(jù)3.2.1小節(jié)方法檢測出牧草后，再統(tǒng)計出圖像中牧草區(qū)域的像素個數(shù)，與總像素的比值即為牧草（綠草）的覆蓋度[20-22]。

3.2.3 層高與株高檢測 對牧草層高的檢測采用4個步驟實現(xiàn)。

（1）用一個相機水平放置（略偏上）拍攝牧草，要求能拍到天空背景。

（2）采用3.2.1節(jié)的方法將RGB圖像轉(zhuǎn)化為二值圖[23]，在二值圖中用黑色(0)表示綠草區(qū)域，白色(255)表示非綠草區(qū)域。通過顏色空間提取到的綠草（里面混著非綠草的干擾以及不連通的綠草）如圖5所示。

圖5 通過顏色空間提取到的綠草示例

（3）通過每行綠色像素點數(shù)量的變化曲線（如圖6所示）獲得最高一層的高度信息，同時以橫坐標為參考點，獲得每個（每列）最高點的高度信息（最高的行號）。

圖6 每行綠色像素點數(shù)量的變化

圖6中橫坐標是行號，縱坐標是該行的綠色像素的點數(shù)（圖5圖像左上角為第1行第1列，右下角是最后一行最后一列）。圖5從最上面的第1行到最高點（最高行）置為255（非目標的白色），通過這種方法可以將非綠草的干擾濾除，濾波后的圖像如圖7所示。

圖7 濾除非綠草干擾后

（4）計算每一列中最下一行到該列最高點的行的長度（即為這一列的綠草的高度），然后求所有列的平均高度，根據(jù)式(1)求出草的平均高度。

根據(jù)式(1)計算出圖7中草的層高為95.3760個像素。當(dāng)然，牧草可能不會這么密集，可能某些地方出現(xiàn)間斷，因此圖像中不是所有列都有牧草像素，此時若直接采用圖像的寬度作為分母來獲取牧草的層高顯然會使其值偏大。為了解決這個問題，可以在程序中設(shè)置一個閥值，當(dāng)該列的綠色像素個數(shù)少于該閥值時認為該列不應(yīng)參與層高的運算。

注意這種方法得到的層高的單位是像素數(shù)，即圖7中草的層高是N個像素的高度，每個像素的高度為H μm（這個由相機的CCD參數(shù)決定），因此圖像中的層高為層高的像素數(shù)與像素高度的乘積，單位為μm。其實際高度需要相機標定后通過標定后的空間關(guān)系得到[24-25]。設(shè)一個由像高轉(zhuǎn)物高的轉(zhuǎn)換系數(shù)depthscale，則以mm為單位的層高為層高×轉(zhuǎn)換系數(shù)。

對于株高的計算，可以采用二項式擬合的方式得到。即設(shè)y1=ax2+bx+c，其中x為層高，通過以上方法由系統(tǒng)直接得到；y1為株高，a、b、c為擬合系數(shù)。首先由本系統(tǒng)直接得到層高（x以mm為單位），然后人工測出與該圖像對應(yīng)的株高（以mm為單位）y。通過這種方法測得多組數(shù)據(jù)，例如12組，然后將x、y數(shù)據(jù)（分別有12個）代入到Matlab函數(shù)p=polyfit(x,y,2)中，這樣就可得到了擬合系數(shù)，即a=p(1)，b=p(2)，c=p(3)。

3.2.4 生長發(fā)育期檢測 生長發(fā)育期的檢測利用水平和垂直2個方向上的特征提取。由水平放置的相機獲取的綠色像素的密度、黃色像素的密度與垂直放置的相機獲取的綠色覆蓋度、黃色覆蓋度，根據(jù)預(yù)設(shè)的閥值共同確定牧草的當(dāng)前生長發(fā)育期。本研究需要實現(xiàn)牧草中返青、抽穗（或花序形成）、開花、種子成熟、黃枯的檢測。春天牧草返青，然后經(jīng)歷抽穗（花序形成）、開花、種子成熟，秋天進入黃枯期。這5個生長發(fā)育期基本上是連續(xù)觀測的一個生長周期，也是大部分牧草的發(fā)育期。但具體要判別所處發(fā)育期要按照牧草的種類確定。

檢測牧草的生長發(fā)育期時需要采用數(shù)理統(tǒng)計的方法事先設(shè)置各個生長發(fā)育期的判別閥值。發(fā)育期的各個階段條件設(shè)置如表3所示，表中g(shù)v0、gh1、gh4、yv2、yh2、yh3、yh4表示算法中預(yù)先設(shè)置的判別閾值（通過實驗得到）。

表3 牧草發(fā)育期階段判別

3.3 軟件接口

遠端相機采集的圖像可以在上位機的控制下保存為bayer格式(RAW)圖片、YUV格式圖片以及JPEG圖片。由于算法是在RGB彩色空間上處理的，為了降低數(shù)據(jù)量，減少網(wǎng)絡(luò)傳輸壓力，將DSP上圖像處理的結(jié)果先轉(zhuǎn)換成yuv420格式，然后通過jpeg壓縮變成數(shù)據(jù)流，接著通過UDP或FTP將數(shù)據(jù)流傳輸?shù)缴衔粰C，由上位機保存為jpeg圖片文件。圖像處理過的圖片文件以jpg格式保存，其文件命名方式為：垂直放置的相機采集的圖片以“年月日-時分秒-毫秒_V.jpg”方式，水平放置的相機采集的圖片以“年月日-時分秒-毫秒_H.jpg”方式。

DSP處理后的結(jié)果（牧草自動化觀測結(jié)果）以如下3種方式呈現(xiàn)，以便于后端的數(shù)據(jù)產(chǎn)品開發(fā)。

（1）OSD方式?？梢栽谇岸耍―SP端）將檢測結(jié)果（高度、覆蓋度、發(fā)育期）直接疊加在圖片上。除了疊加檢測結(jié)果外，還可以疊加采集時間、站點等信息，疊加在圖片上的位置、字符的顯示顏色等均可以設(shè)置。

（2）存放于jpeg文件尾部。在DSP端將檢測的結(jié)果存放于jpeg數(shù)據(jù)流的尾部。jpeg文件以“FF D9”結(jié)束，而“FF D9”之后的數(shù)據(jù)就是要通過網(wǎng)絡(luò)傳輸給上位機的數(shù)據(jù)。通過WinHex軟件讀取jpeg文件，“FF D9”之后的最開始4個字節(jié)表示該結(jié)果數(shù)據(jù)的傳輸相機。“48 00 00 00”表示數(shù)據(jù)0x48，而0x48即為字符“H”的ASCII碼，表示水平放置的相機，如這4個字節(jié)為56 00 00 00，則表示是垂直放置的相機（0x56即為“V”）；緊接著的第2個4字節(jié)66 86 5E 41（0x415E8666，即為浮點數(shù)據(jù)13.90781），表示水平相機檢測出的綠色像素密度；第3個4字節(jié)89 68 E9 40（0x40E96889，即浮點數(shù)7.294011）表示水平相機檢測出的黃色像素密度；第4個4字節(jié)C2 17 16 40（0x401617C2，即浮點數(shù)2.3452）表示層高（單位為mm）；最后一個4字節(jié)15 02 00 00(0x0215)表示一定點數(shù)據(jù)(533)，代表以像素數(shù)為單位的層高。

（3）檢測結(jié)果直接存儲在Excel文件中。DSP檢測的結(jié)果也可以直接保存到Excel文件result.xls中。這樣更加有利于后端檢測數(shù)據(jù)的可視化、分析統(tǒng)計以及相關(guān)數(shù)據(jù)產(chǎn)品生成。Excel文件中A列表示提供結(jié)果數(shù)據(jù)的相機，1表示垂直相機，2表示水平相機；B列表示數(shù)據(jù)產(chǎn)生的時間，用“年月日-時分秒”表示；C～F列分別是垂直相機產(chǎn)生的綠色覆蓋度、黃色覆蓋度以及水平相機產(chǎn)生的綠色密度、黃色密度；G、H列分別是以像素數(shù)為單位和以mm為單位的層高；第I列表示由第H列進行二項式擬合得到的以mm為單位的株高；最后一列表示檢測判別出的當(dāng)前牧草所處的生長發(fā)育期，0表示返青期、1表示抽穗期（或花序形成期）、2表示開花期、3表示種子成熟期、4表示枯黃期。

4 系統(tǒng)測試

選擇一種天然牧草品種為自動觀測研究對象，以其發(fā)育期、生長高度、及牧草覆蓋度為主要觀測要素運行本系統(tǒng)，測試本系統(tǒng)的軟硬件及算法的正確性、實時性、穩(wěn)定性。用本系統(tǒng)運行結(jié)果與人工檢測結(jié)果進行對比，將本系統(tǒng)運行結(jié)果與實測覆蓋度數(shù)值、實測株高數(shù)值進行顯著相關(guān)檢驗。

4.1 算法仿真驗證

在matlab中運行算法仿真程序，對提供的多張已知檢測結(jié)果（已人工檢測并給出檢測結(jié)果）的圖片進行算法驗證，示例結(jié)果如圖8～11所示，圖中左圖為原圖，右圖為對應(yīng)二值圖。

圖8 示例1檢測綠草覆蓋度(30.8245)

大量檢測數(shù)據(jù)結(jié)果表明，圖像處理與實測覆蓋度數(shù)值顯著相關(guān)檢驗R0.05＞0.90，圖像處理與實測株高數(shù)值顯著相關(guān)檢驗R0.05＞0.85。

圖9 示例2檢測綠草覆蓋度(74.1079)

圖10 示例3檢測綠草覆蓋度(18.5507)

4.2 DSP程序RGB轉(zhuǎn)換正確性測試

相機采集的是Bayer格式（每個像素只有R、G、B中的一個通道），通過內(nèi)插，轉(zhuǎn)換得到RGB圖像（以便圖像處理），圖像處理后再轉(zhuǎn)回yuv格式以便OSD以及jpeg壓縮，在上位機這一端先jpeg解壓才能顯示圖像。本研究基于RGB彩色空間進行檢測，因此RGB轉(zhuǎn)換的正確性很重要。檢測DSP程序正確性時先檢測RGB轉(zhuǎn)換是否成功。方法是先注釋掉圖像處理算法，觀察顯示的結(jié)果是否與原圖一致。經(jīng)檢測，基本無差別，表明RGB轉(zhuǎn)換成功。

4.3 DSP圖像處理程序正確性測試

檢測DSP圖像處理算法移植是否成功。方法是采集一張原圖（圖12a），然后將圖像處理算法加入得到DSP處理后的圖像（圖12b）。再將相機采集的原圖用Matlab仿真程序運行，得到matlab處理后的圖像（圖12c），將2種方法得到的處理結(jié)果、圖片進行比較。在shadow=35、light=200時，dsp處理的覆蓋度為39.58，matlab處理的覆蓋度為41.5015。經(jīng)比較，一般dsp處理的結(jié)果比matlab處理的結(jié)果稍偏小，差別不大，表明算法移植正確。

圖11 示例4檢測綠草覆蓋度(26.8432)

圖12 DSP圖像處理算法移植效果對比

結(jié)果差異較大可能是光線過暗或過亮，因此需要調(diào)整參數(shù)shadow與light。shadow不能設(shè)置得太高，否則有些本來是綠草目標，但由于亮度太低，而門限值(shadow)設(shè)置得太高，從而將很多本來是綠草的目標剔除掉了。

4.4 DSP程序?qū)崟r性測試

在程序中設(shè)置一個計時器，在需要測試運行時間的代碼塊前后通過PRD_getticks()函數(shù)得到運行代碼前后的計時值，2個值相減即為這段代碼運行的時間。經(jīng)測試，運行覆蓋度檢測算法需要大約838個時鐘周期。由于DSP的主頻是600 MHz，因此覆蓋度檢測算法所需的時間大約為2 μs。

此外，也可以采用全幀連續(xù)方式觸發(fā)，采用軟件JPEG輸出，啟用OSD的時間標記功能，然后選中圖像預(yù)覽功能，在預(yù)覽窗口中觀察每幀圖像時間字符串的變化，發(fā)現(xiàn)它們按照3 s左右變化，這個時間包括圖像的采集、圖像處理、jpeg編碼、網(wǎng)絡(luò)傳輸以及上位機的jpeg解碼、圖像顯示，也就是說整個過程只需要3 s左右時間。因此處理速度能達到自動化觀測要求，實時性較好。

5 結(jié)語

筆者根據(jù)草原生態(tài)及牧業(yè)氣象業(yè)務(wù)服務(wù)需求，以內(nèi)蒙古自治區(qū)特色的牧業(yè)氣象觀測項目——牧草觀測為研究內(nèi)容，依據(jù)牧草觀測業(yè)務(wù)服務(wù)重點和觀測要求，設(shè)計牧草模式識別算法與自動觀測系統(tǒng)架構(gòu)，以獲取高精度、高密度、多要素、連續(xù)穩(wěn)定的牧草觀測信息，實現(xiàn)遠距離、多樣區(qū)、高精度自動監(jiān)測，相比人工觀測具有省時、省工、客觀性強等優(yōu)點，對提高觀測資料的客觀性、數(shù)據(jù)質(zhì)量和降低觀測人員野外勞動強度和工作量、提高觀測效率等具有重要意義。

基于嵌入式技術(shù)和并行計算技術(shù)的系統(tǒng)設(shè)計相對于在后端PC系統(tǒng)進行圖像處理的同類型自動化觀測系統(tǒng)設(shè)計，不但運算速度快、魯棒性好，而且能夠大大減輕數(shù)據(jù)傳輸壓力，并適合用于體積、功耗、工作環(huán)境及穩(wěn)定性要求極高的場合。

該技術(shù)研究及系統(tǒng)設(shè)計是根據(jù)內(nèi)蒙古牧業(yè)氣象觀測和草地生態(tài)系統(tǒng)觀測內(nèi)容，以牧業(yè)生產(chǎn)、草原生態(tài)環(huán)境保護提供氣象服務(wù)為出發(fā)點開展的，初步研究設(shè)計主要針對影響牧業(yè)生產(chǎn)和草原生態(tài)的牧草生長狀態(tài)的自動化觀測，但不能涵蓋所規(guī)定的所有牧草觀測項目。目前，牧草的覆蓋度與層高檢測較準確，其中圖像處理與實測覆蓋度數(shù)值顯著相關(guān)檢驗R0.05＞0.90，圖像處理與實測株高數(shù)值顯著相關(guān)檢驗R0.05＞0.85。

由于生長發(fā)育期需要連續(xù)觀測至少1個周期（1年），且具體判別所處發(fā)育期要按照牧草的種類確定，因此還需大量連續(xù)觀測實驗才能確定牧草發(fā)育各個階段的參數(shù)閾值，這也是今后的重點研究內(nèi)容。