張麗娜 譚 彧 蔣易宇 王 碩

(中國(guó)農(nóng)業(yè)大學(xué)工學(xué)院， 北京 100083)

0 引言

溫室穴盤(pán)育苗技術(shù)已被廣泛應(yīng)用于蔬菜生產(chǎn)中[1]，在工廠化育苗生產(chǎn)中，成苗率為80%～95%，未成苗情況主要包括缺苗、病苗等[2-4]。由于育苗過(guò)程中種子質(zhì)量、覆土深淺、基質(zhì)含水率和苗床溫度等不完全一致，幼苗實(shí)際出土快慢程度不同[5]。出苗時(shí)間較其他苗晚3 d以上時(shí)，其長(zhǎng)勢(shì)會(huì)明顯小于其他苗。穴盤(pán)苗出廠前要求長(zhǎng)勢(shì)一致，因此應(yīng)及時(shí)將這類晚出苗檢測(cè)出來(lái)，進(jìn)行移栽統(tǒng)一管理或直接剔除?，F(xiàn)在國(guó)內(nèi)育苗市場(chǎng)的幼苗管理工作多依賴人工完成，人為觀察幼苗長(zhǎng)勢(shì)存在效率低、檢測(cè)標(biāo)準(zhǔn)不統(tǒng)一等問(wèn)題[6]；莖葉、根鮮質(zhì)量可以反映黃瓜幼苗的生長(zhǎng)量[7]，但測(cè)量幼苗鮮質(zhì)量會(huì)傷害幼苗，無(wú)法實(shí)現(xiàn)無(wú)損自動(dòng)化檢測(cè)。

國(guó)外對(duì)育苗移栽相關(guān)技術(shù)的研究較早，已經(jīng)有一些國(guó)外公司開(kāi)發(fā)了穴盤(pán)幼苗質(zhì)量檢測(cè)生產(chǎn)線[8-10]，如荷蘭Visser公司開(kāi)發(fā)的Select-O-Mat移栽機(jī)將幼苗從穴盤(pán)中逐個(gè)頂出后，再利用機(jī)器視覺(jué)對(duì)每株幼苗進(jìn)行質(zhì)量檢測(cè)并分類。文獻(xiàn)[11-12]采用RGB-D相機(jī)，根據(jù)洋薊幼苗的葉面積建立了線性支持向量分類器模型，將洋薊幼苗分為了優(yōu)質(zhì)苗、中等苗、劣質(zhì)苗和無(wú)苗4種狀態(tài)。SILVA等[13]通過(guò)提取幼苗的長(zhǎng)度、寬度、偏心度等特征，建立了隨機(jī)森林、邏輯回歸等分類器模型，將幼苗分為4類，并確定了邏輯回歸分類器的分類效果最優(yōu)。ASHRAF等[14]根據(jù)幼苗的彎曲度、葉片節(jié)點(diǎn)和莖直徑對(duì)需要嫁接的番茄幼苗進(jìn)行了分級(jí)。DE MEDEIROS等[15]提出了一種用于大豆種子和幼苗質(zhì)量分類的方法。文獻(xiàn)[16-17]根據(jù)莖的直徑對(duì)嫁接前的幼苗進(jìn)行了分級(jí)。JIA等[18]研究了甘草幼苗分級(jí)標(biāo)準(zhǔn)對(duì)其品質(zhì)的效果。楊意等[19-21]提出了一種利用白掌組培苗的平面投影面積推算其葉面積和莖粗的方法，并將投影面積和苗高作為分級(jí)指標(biāo)，完成了對(duì)白掌組培苗的分級(jí)。楊斯等[22]提出了一種基于RGB-D相機(jī)的蔬菜苗株高測(cè)量方法，以幼苗出土表面至葉片最上處的距離作為株高，驗(yàn)證了該方法的可行性。王紀(jì)章等[23]基于Kinect相機(jī)實(shí)現(xiàn)了對(duì)穴盤(pán)苗的發(fā)芽率、株高和葉面積等信息的無(wú)損檢測(cè)。

綜上可知，葉面積、株高等特征是用于評(píng)價(jià)植物長(zhǎng)勢(shì)的主要參數(shù)[24]，在整個(gè)育苗周期內(nèi)，晚出苗的葉面積和株高均明顯小于其他幼苗。本文以黃瓜穴盤(pán)幼苗為研究對(duì)象，將葉面積和株高的乘積作為分級(jí)系數(shù)，以整盤(pán)穴盤(pán)幼苗分級(jí)系數(shù)的均值與標(biāo)準(zhǔn)差的差值作為該穴盤(pán)的晚出苗分級(jí)閾值；利用RGB-D相機(jī)搭建穴盤(pán)幼苗點(diǎn)云采集平臺(tái)，采集整盤(pán)幼苗的點(diǎn)云，并提取出每株幼苗的葉片點(diǎn)云，計(jì)算得到每株幼苗的葉面積與株高，完成長(zhǎng)勢(shì)信息的自動(dòng)獲取；基于晚出苗分級(jí)閾值對(duì)穴盤(pán)幼苗中的晚出苗進(jìn)行自動(dòng)檢測(cè)，并通過(guò)試驗(yàn)驗(yàn)證該方法的可行性。

1 分級(jí)系數(shù)與晚出苗分級(jí)閾值確定

隨機(jī)選取50盤(pán)50規(guī)格的穴盤(pán)幼苗，苗期基本達(dá)到子葉期，兩片子葉完全展開(kāi)、第一片真葉陸續(xù)吐心的狀態(tài)；基本達(dá)到某一苗期是指該穴盤(pán)中50%以上幼苗達(dá)到某一苗期的階段[25]。穴盤(pán)苗進(jìn)入一葉期后，逐漸長(zhǎng)成大苗，葉片遮擋逐漸嚴(yán)重，難以進(jìn)行自動(dòng)檢測(cè)，因此對(duì)晚出苗的檢測(cè)及管理應(yīng)在子葉期內(nèi)完成。

基本所有穴盤(pán)均存在長(zhǎng)勢(shì)不均的問(wèn)題，對(duì)穴盤(pán)幼苗的株高和葉面積進(jìn)行測(cè)量。株高的測(cè)量可直接使用游標(biāo)卡尺來(lái)完成，以幼苗底部與基質(zhì)交界處至兩片子葉交界處的距離作為真實(shí)的株高；黃瓜穴盤(pán)幼苗葉片形狀不規(guī)則，主要采用網(wǎng)格法、紙樣稱量法、葉面積儀法等[26]進(jìn)行葉面積測(cè)量，其中紙樣稱量法操作簡(jiǎn)單且準(zhǔn)確性高[27]，本文采用紙樣稱量法對(duì)葉面積進(jìn)行測(cè)量。具體步驟為：①選用標(biāo)準(zhǔn)A4紙，用精度為0.001 g的天平準(zhǔn)確稱量后，得到A4紙的面積質(zhì)量比。②選用標(biāo)準(zhǔn)A4紙，裁剪一些標(biāo)準(zhǔn)形狀的紙片，計(jì)算面積并稱量，得到各紙片的面積質(zhì)量比。③對(duì)A4紙、各紙片的面積質(zhì)量比求均值，作為最終的面積質(zhì)量比標(biāo)準(zhǔn)。④將黃瓜葉片摘下，用筆在紙上準(zhǔn)確勾勒出每片黃瓜葉片的形狀后剪出并稱量，經(jīng)過(guò)換算得到葉片面積，為葉片面積真值。

對(duì)所有穴盤(pán)幼苗的葉面積和株高進(jìn)行測(cè)量，研究發(fā)現(xiàn)每個(gè)穴盤(pán)幼苗中，出土較晚的晚出苗其葉面積和株高的乘積均小于正常生長(zhǎng)的幼苗。本文將幼苗葉面積和株高的乘積定義為分級(jí)系數(shù)，計(jì)算公式為

T=AH

(1)

式中T——幼苗分級(jí)系數(shù)，cm3

A——幼苗葉片面積，cm2

H——幼苗株高，cm

針對(duì)每個(gè)穴盤(pán)中的幼苗進(jìn)行分析并總結(jié)規(guī)律，發(fā)現(xiàn)在顯著性水平取0.05時(shí)，每盤(pán)中的幼苗分級(jí)系數(shù)顯著地來(lái)自正態(tài)分布總體，晚出苗的分級(jí)系數(shù)總小于當(dāng)前穴盤(pán)分級(jí)系數(shù)均值u與標(biāo)準(zhǔn)差σ差值，因此，本文將當(dāng)前穴盤(pán)幼苗分級(jí)系數(shù)均值u與標(biāo)準(zhǔn)差σ差值作為該穴盤(pán)的晚出苗分級(jí)閾值，計(jì)算公式為

M=u-σ

(2)

(3)

(4)

式中M——當(dāng)前穴盤(pán)晚出苗分級(jí)閾值，cm3

u——當(dāng)前穴盤(pán)中所有幼苗分級(jí)系數(shù)均值，cm3

σ——當(dāng)前穴盤(pán)中所有幼苗分級(jí)系數(shù)標(biāo)準(zhǔn)差，cm3

Ti——當(dāng)前穴盤(pán)中第i個(gè)幼苗分級(jí)系數(shù)，cm3

n——當(dāng)前穴盤(pán)幼苗總數(shù)

在50盤(pán)幼苗中，隨機(jī)選取4盤(pán)，4盤(pán)幼苗的長(zhǎng)勢(shì)情況見(jiàn)圖1，共有30株晚出苗，135株正常苗，隨機(jī)選取部分正常苗和晚出苗進(jìn)行對(duì)比，如圖2所示, 圖中方框內(nèi)的為晚出苗。對(duì)每盤(pán)中的每株幼苗的分級(jí)系數(shù)進(jìn)行計(jì)算，然后采用Shapiro-Wilk檢驗(yàn)進(jìn)行正態(tài)檢驗(yàn)，顯著性水平取0.05的情況下，顯著性檢驗(yàn)p值均大于0.05，即在0.05水平下，數(shù)據(jù)顯著來(lái)自正態(tài)分布總體。各穴盤(pán)繪制的正態(tài)分布密度函數(shù)如圖3所示，若幼苗的分級(jí)系數(shù)小于所在穴盤(pán)晚出苗分級(jí)閾值時(shí)，則判定為晚出苗。

圖1 幼苗的長(zhǎng)勢(shì)情況統(tǒng)計(jì)Fig.1 Growth situation statistics of plug seedlings

圖2 正常苗與晚出苗對(duì)比Fig.2 Comparison of strong and late emergence seedlings

圖3 幼苗的概率分布Fig.3 Probability distributions of plug seedlings

2 穴盤(pán)幼苗長(zhǎng)勢(shì)信息自動(dòng)獲取

2.1 整盤(pán)幼苗點(diǎn)云采集

RGB-D相機(jī)能夠同時(shí)生成彩色圖像和深度圖像，被廣泛應(yīng)用于作物表型信息研究領(lǐng)域[28-31]。Kinect V2相機(jī)采用TOF結(jié)構(gòu)光測(cè)量原理，精度為2 mm[32]，本文采用該相機(jī)搭建穴盤(pán)幼苗點(diǎn)云采集平臺(tái)自動(dòng)獲取整盤(pán)幼苗的點(diǎn)云信息。Kinect V2相機(jī)的坐標(biāo)系如圖4所示，穴盤(pán)處于相機(jī)正下方，在X軸方向?qū)?yīng)穴盤(pán)的行方向，Y軸方向?qū)?yīng)穴盤(pán)的列方向，在Z軸方向與相機(jī)的位置保持固定。整盤(pán)幼苗點(diǎn)云俯視圖和側(cè)視圖如圖5所示，該點(diǎn)云不僅包含穴盤(pán)幼苗的彩色信息，還包含三維坐標(biāo)信息。

圖4 穴盤(pán)幼苗點(diǎn)云采集平臺(tái)Fig.4 Point cloud collection platform for plug seedlings1.Kinect V2深度相機(jī) 2.穴盤(pán)幼苗點(diǎn)云采集終端 3.黃瓜穴盤(pán)幼苗

圖5 整盤(pán)幼苗點(diǎn)云Fig.5 Point clouds of seedlings

2.2 穴盤(pán)幼苗葉片點(diǎn)云分割

整盤(pán)幼苗點(diǎn)云信息中，地面穴盤(pán)上表面和基質(zhì)等背景均屬于無(wú)關(guān)點(diǎn)云數(shù)據(jù)，首先采用條件濾波去除大部分背景，采用兩次統(tǒng)計(jì)濾波去除噪點(diǎn)，然后采用歐氏聚類算法分割得到每株黃瓜幼苗的點(diǎn)云，最后基于α-shape算法和主曲率計(jì)算獲取每株黃瓜幼苗的葉面積和株高。

2.2.1條件濾波去除背景

采用條件濾波去除背景，預(yù)試驗(yàn)結(jié)果表明，設(shè)置X、Y、Z軸的閾值分別為X∈[-0.15 m,0.30 m]、Y∈[-0.35 m,0.35 m]、Z∈[0,0.681 m]時(shí)效果較好，可去除大部分背景，條件濾波后整盤(pán)幼苗點(diǎn)云如圖6所示。本文點(diǎn)云處理結(jié)果均從相機(jī)拍攝視角顯示。

圖6 條件濾波效果Fig.6 Conditional filtering effect

2.2.2統(tǒng)計(jì)濾波去除噪點(diǎn)

如圖6所示，條件濾波后葉片周圍仍然存在很多噪點(diǎn)，此類噪點(diǎn)主要是由于設(shè)備、光線被測(cè)物體表面材質(zhì)等多種因素造成的葉片邊緣離群點(diǎn)，特點(diǎn)是分布離散、數(shù)量較少、與葉片點(diǎn)云之間的距離較近，采用統(tǒng)計(jì)濾波[33]去除噪點(diǎn)，其基本原理為：

(1)設(shè)置鄰域點(diǎn)數(shù)量m和標(biāo)準(zhǔn)差倍數(shù)w。

(2)遍歷點(diǎn)云，計(jì)算點(diǎn)云中每一個(gè)點(diǎn)Pj(j=1，2，…，N)與其鄰域點(diǎn)Pk(k=1，2，…，m)之間的平均距離dj，計(jì)算公式為

(5)

式中xj——點(diǎn)Pj的x坐標(biāo)

yj——點(diǎn)Pj的y坐標(biāo)

zj——點(diǎn)Pj的z坐標(biāo)

xk——點(diǎn)Pk的x坐標(biāo)

yk——點(diǎn)Pk的y坐標(biāo)

zk——點(diǎn)Pk的z坐標(biāo)

(3)假設(shè)計(jì)算的結(jié)果符合正態(tài)分布，將點(diǎn)云中平均距離dj大于v+ws之外的點(diǎn)定義為噪點(diǎn)，并從數(shù)據(jù)中去除，其中v和s為全部點(diǎn)云中平均距離的均值和標(biāo)準(zhǔn)差。

經(jīng)過(guò)預(yù)試驗(yàn)發(fā)現(xiàn)，m取10、w取0.2時(shí)可將葉片周圍的噪點(diǎn)很好地去除，濾波效果如圖7所示。

圖7 統(tǒng)計(jì)濾波效果Fig.7 Effect of statistical filtering

2.2.3歐氏聚類分割單株幼苗葉片點(diǎn)云

常用的點(diǎn)云分割方法有基于區(qū)域增長(zhǎng)的分割算法、基于K-means聚類的分割算法和基于歐氏聚類的分割算法等。基于區(qū)域增長(zhǎng)的分割算法中，種子點(diǎn)是隨機(jī)選取的，容易導(dǎo)致分割效果不穩(wěn)定[34]； 基于K-means聚類的分割算法需要人為指定聚類個(gè)數(shù)，不適于聚類個(gè)數(shù)未知的情況[35]?；跉W氏聚類的分割算法在距離閾值選取合適的情況下可達(dá)到較好的聚類效果，選取基于歐氏聚類的分割算法提取單株黃瓜幼苗點(diǎn)云。其基本原理為：①在黃瓜點(diǎn)云中隨機(jī)選取一個(gè)種子點(diǎn)P11，利用kd-tree對(duì)種子點(diǎn)進(jìn)行半徑r鄰域搜索,若鄰域內(nèi)存在點(diǎn)P12、P13、P14等與P11的歐氏距離小于閾值r，則將這些點(diǎn)與種子點(diǎn)歸為同一聚類簇Q。②在聚類簇Q中選取新的種子點(diǎn)，繼續(xù)執(zhí)行步驟①，找到新的點(diǎn)繼續(xù)放入聚類簇Q中。③若Q中點(diǎn)數(shù)不再增加，則Q聚類結(jié)束。④設(shè)置聚類點(diǎn)數(shù)閾值區(qū)間[N1,N2]，若聚類簇Q中點(diǎn)數(shù)在閾值區(qū)間內(nèi)，則保存聚類結(jié)果。⑤在剩余點(diǎn)云中選取新的種子點(diǎn)，繼續(xù)執(zhí)行以上步驟，直到遍歷完成點(diǎn)云中所有點(diǎn)。

距離閾值對(duì)歐氏聚類的效果影響較大，距離閾值過(guò)小，容易將一株幼苗點(diǎn)云苗分割成多株，造成過(guò)度分割，如圖8a中圓圈內(nèi)所標(biāo)注的幼苗被過(guò)度分割；距離閾值過(guò)大，容易將多株幼苗點(diǎn)云合并成一株，造成欠分割，如圖8b中方框內(nèi)所標(biāo)注的多株幼苗被誤分割為一株。經(jīng)過(guò)預(yù)試驗(yàn)，設(shè)定N1=20、N2=1 000、r=0.004 m時(shí)分割效果最優(yōu)，可以分割出穴盤(pán)中的所有幼苗，將分割的幼苗按照從左至右、從下至上的順序進(jìn)行編號(hào)，分割效果如圖9所示。

圖8 不同距離閾值對(duì)歐氏聚類的影響Fig.8 Effect of different distance thresholds on Euclidean clustering

圖9 歐氏聚類效果Fig.9 Euclidean clustering effect

2.3 穴盤(pán)幼苗葉面積與株高自動(dòng)獲取

2.3.1穴盤(pán)幼苗葉面積自動(dòng)獲取

由于Kinect相機(jī)生成的點(diǎn)云無(wú)序，彼此之間沒(méi)有拓?fù)潢P(guān)系，需將三維點(diǎn)云通過(guò)法線投影到二維平面，然后對(duì)平面內(nèi)的點(diǎn)云進(jìn)行三角化，可得到各個(gè)點(diǎn)的連接關(guān)系。EDELSBRUNNER等[36]提出了一種基于α-shape算法的點(diǎn)云曲面重構(gòu)方法，該方法首先對(duì)點(diǎn)云進(jìn)行Delaunay 三角剖分，然后通過(guò)定義一個(gè)球在點(diǎn)云集中滾動(dòng)，該球的半徑為α，對(duì)剖分結(jié)果中的每個(gè)單純形(四面體、三角面片、邊和頂點(diǎn))，分別計(jì)算其屬于α-shape的取值區(qū)間，若α位于該取值區(qū)間內(nèi)則保留該單純形，若α不在該取值區(qū)間內(nèi)則刪除該單純形，該算法可以很好地實(shí)現(xiàn)對(duì)曲面的重建，其所建的曲面基本不含孔洞。經(jīng)過(guò)預(yù)試驗(yàn)，設(shè)定α為0.003 5時(shí)，曲面重建效果較好，重建后的幼苗葉片點(diǎn)云由許多具有拓?fù)潢P(guān)系的三角面片組合構(gòu)成(圖10)，通過(guò)海倫公式計(jì)算得到每個(gè)三角面片的面積，所有三角面片的面積之和即為幼苗葉片點(diǎn)云的面積。

圖10 由具有拓?fù)潢P(guān)系的三角面片組合構(gòu)成幼苗葉片點(diǎn)云Fig.10 Point cloud of seedling leaves composed by triangular patches with topological relationship

將基于α-shape算法自動(dòng)獲取的葉面積計(jì)算值與真值進(jìn)行線性擬合，得到線性回歸方程

y=0.219x+1.848

(6)

式中y——葉面積擬合值，cm2

x——α-shape算法計(jì)算的面積，cm2

擬合結(jié)果如圖11所示，決定系數(shù)R2=0.89，擬合程度較高，因此可用式(6)對(duì)葉面積進(jìn)行擬合。

圖11 葉面積真實(shí)值與計(jì)算值線性擬合結(jié)果Fig.11 Linear fitting results between true values and calculated values of leaf area

2.3.2穴盤(pán)幼苗株高自動(dòng)獲取

幼苗株高即穴盤(pán)上表面與苗莖頂部位置之間的距離，以葉片的交界處作為苗莖頂部位置。穴盤(pán)幼苗點(diǎn)云中每一個(gè)點(diǎn)都包含X、Y、Z信息以及法線信息、曲率信息等，其中Z表示該點(diǎn)與相機(jī)坐標(biāo)系原點(diǎn)的距離，通過(guò)自動(dòng)尋找每株幼苗的苗莖頂部位置，即可自動(dòng)獲取幼苗株高。觀察大量的穴盤(pán)幼苗，發(fā)現(xiàn)幼苗葉片的交界處基本都是黃瓜幼苗葉片點(diǎn)云中主曲率最大的點(diǎn)。因此，本文基于主曲率來(lái)定位每株幼苗莖頂部位置，進(jìn)而獲取幼苗株高。

經(jīng)過(guò)曲面上某個(gè)點(diǎn)具有無(wú)窮個(gè)正交曲率，其中存在一條曲線使得該曲線的曲率為極大值K1，垂直于極大曲率面的曲率為極小值K2，這兩個(gè)曲率屬性為主曲率[37]，表示法曲率的極值。通過(guò)調(diào)用NormalEstimation和PrincipalCurvaturesEstimation函數(shù)可以計(jì)算每個(gè)點(diǎn)云的法線和主曲率。

計(jì)算單株黃瓜幼苗的所有點(diǎn)云的主曲率，對(duì)比得到主曲率最大的點(diǎn)作為幼苗莖頂部位置。在50盤(pán)幼苗中，隨機(jī)采集1 000株幼苗的點(diǎn)云圖像進(jìn)行測(cè)試，通過(guò)主曲率正確定位到莖部的幼苗共有988株，定位錯(cuò)誤的幼苗共有12株，定位準(zhǔn)確率為98.8%，如圖12 所示，圓點(diǎn)為通過(guò)主曲率定位的苗莖頂部位置，方框內(nèi)部為苗莖頂部定位錯(cuò)誤的苗。分析發(fā)現(xiàn)定位錯(cuò)誤的主要原因?yàn)閭€(gè)別幼苗葉片畸形導(dǎo)致，但實(shí)際生產(chǎn)中葉片畸形的幼苗占比很小，因此通過(guò)主曲率定位幼苗莖頂部位置的方法可行。

圖12 主曲率定位的苗莖頂部位置及其原圖Fig.12 Position of seedling stem top located by principal curvature and its original drawing

在此基礎(chǔ)上進(jìn)一步計(jì)算獲取幼苗株高。苗莖頂部位置的Z信息，表示該位置與相機(jī)坐標(biāo)系原點(diǎn)的距離。如圖13所示，以穴盤(pán)上表面與苗莖頂部位置之間的距離作為幼苗的株高H，則株高計(jì)算公式為

圖13 穴盤(pán)幼苗株高計(jì)算示意圖Fig.13 Schematic of plant height calculation for plug seedling

H=H1-H2-H3

(7)

式中H1——深度相機(jī)到地面的距離，cm

H2——深度相機(jī)到苗莖頂部位置的距離，cm

H3——地面到穴盤(pán)頂部的距離，cm

2.4 穴盤(pán)幼苗葉面積與株高自動(dòng)獲取準(zhǔn)確性分析

2.4.1穴盤(pán)幼苗葉面積計(jì)算值準(zhǔn)確性分析

將通過(guò)式(6)擬合的葉面積與真實(shí)值進(jìn)行對(duì)比，如圖14所示，兩者平均誤差為0.75 cm2，平均相對(duì)誤差為8.51%，準(zhǔn)確率較高，因此本文直接將擬合后的葉面積用于分級(jí)系數(shù)和晚出苗分級(jí)閾值的計(jì)算。

圖14 葉面積真實(shí)值與擬合值對(duì)比Fig.14 Comparison between true values and fitting values of leaf area

2.4.2穴盤(pán)幼苗株高計(jì)算值準(zhǔn)確性分析

將基于主曲率定位幼苗莖頂部位置自動(dòng)獲取的株高計(jì)算值與真實(shí)值進(jìn)行對(duì)比，如圖15所示，計(jì)算值與真實(shí)值之間平均誤差為0.359 cm，平均相對(duì)誤差為9.32%，準(zhǔn)確率較高，因此本文直接采用自動(dòng)獲取的株高計(jì)算值用于分級(jí)系數(shù)和晚出苗分級(jí)閾值的計(jì)算。

圖15 株高的真實(shí)值與計(jì)算值對(duì)比Fig.15 Comparison between true values and calculated values of plant height

3 穴盤(pán)晚出苗自動(dòng)檢測(cè)方法

通過(guò)處理整盤(pán)幼苗的點(diǎn)云可自動(dòng)獲取每株幼苗的葉面積與株高，進(jìn)一步計(jì)算出每株幼苗的分級(jí)系數(shù)、整盤(pán)幼苗分級(jí)系數(shù)的均值和標(biāo)準(zhǔn)差、晚出苗分級(jí)閾值，基于此，即可完成對(duì)穴盤(pán)晚出苗的自動(dòng)檢測(cè)?；邳c(diǎn)云處理的穴盤(pán)晚出苗檢測(cè)方法流程見(jiàn)圖16。

圖16 基于點(diǎn)云處理的穴盤(pán)晚出苗檢測(cè)方法流程圖Fig.16 Flow chart of detection method for late emergence seedlings in plug trays based on point cloud processing

4 試驗(yàn)驗(yàn)證

在50盤(pán)幼苗中，隨機(jī)選取7盤(pán)子葉期的幼苗，命名為穴盤(pán)5～11，對(duì)穴盤(pán)5～11中每株幼苗的總鮮質(zhì)量(莖葉鮮質(zhì)量與根鮮質(zhì)量之和)進(jìn)行測(cè)量，將計(jì)算的分級(jí)系數(shù)與總鮮質(zhì)量進(jìn)行對(duì)比。其中穴盤(pán)5的對(duì)比結(jié)果如圖17所示，兩者變化趨勢(shì)基本一致，總鮮質(zhì)量更小的晚出苗其計(jì)算的分級(jí)系數(shù)明顯更小，表明本文所提出的分級(jí)系數(shù)有效。

圖17 分級(jí)系數(shù)與總鮮質(zhì)量對(duì)比Fig.17 Comparison between grading coefficient and total fresh weight

盤(pán)中共有331株幼苗，其中根據(jù)鮮質(zhì)量判斷出的晚出苗共60株。基于此，進(jìn)行穴盤(pán)晚出苗自動(dòng)檢測(cè)試驗(yàn)，結(jié)果如表1所示，正確檢測(cè)出晚出苗57株，成功率為95%，因此本文所提出的檢測(cè)方法可以較好地對(duì)晚出苗進(jìn)行檢測(cè)。穴盤(pán)5、穴盤(pán)7和穴盤(pán)9各有1株晚出苗檢測(cè)失敗，如圖18所示，方框內(nèi)為檢測(cè)出的晚出苗，圓圈內(nèi)為未被檢測(cè)出的晚出苗。觀察自動(dòng)檢測(cè)失敗的3株晚出苗，原因?yàn)椋貉ūP(pán)5中的晚出苗葉面積和株高計(jì)算出現(xiàn)了累計(jì)誤差，穴盤(pán)7和穴盤(pán)9的2株晚出苗的葉面積或株高過(guò)小，在檢測(cè)過(guò)程中被當(dāng)作噪點(diǎn)進(jìn)行了去除。

圖18 穴盤(pán)晚出苗自動(dòng)檢測(cè)效果Fig.18 Automatic detection effects for late emergence seedlings in plug trays

表1 穴盤(pán)晚出苗自動(dòng)檢測(cè)試驗(yàn)結(jié)果Tab.1 Test results of automatic detection for late emergence seedlings in plug trays

5 結(jié)束語(yǔ)

通過(guò)分析研究大量的穴盤(pán)幼苗長(zhǎng)勢(shì)情況并總結(jié)規(guī)律，將葉面積和株高的乘積作為分級(jí)系數(shù)，以整盤(pán)幼苗分級(jí)系數(shù)的均值與標(biāo)準(zhǔn)差的差值作為晚出苗分級(jí)閾值。利用RGB-D相機(jī)搭建穴盤(pán)幼苗點(diǎn)云采集平臺(tái)，采集整盤(pán)幼苗的點(diǎn)云，通過(guò)條件濾波、統(tǒng)計(jì)濾波和歐氏聚類分割出穴盤(pán)幼苗葉片點(diǎn)云。采用基于α-shape算法和擬合的方法計(jì)算獲取穴盤(pán)幼苗葉面積，擬合值和真實(shí)值平均誤差為0.75 cm2，平均相對(duì)誤差為8.51%。采用基于主曲率定位幼苗莖頂部位置的方法計(jì)算獲取幼苗株高，真值與計(jì)算值的平均誤差為0.359 cm，平均相對(duì)誤差為9.32%。將計(jì)算的分級(jí)系數(shù)與幼苗的總鮮質(zhì)量進(jìn)行對(duì)比，分級(jí)系數(shù)與幼苗總鮮質(zhì)量的變化趨勢(shì)基本一致，總鮮質(zhì)量較小的晚出苗其分級(jí)系數(shù)明顯小于其他正常苗，本文提出的分級(jí)系數(shù)能夠有效地描述幼苗生長(zhǎng)情況。隨機(jī)選取7盤(pán)子葉期的幼苗進(jìn)行穴盤(pán)晚出苗自動(dòng)檢測(cè)試驗(yàn)，晚出苗檢測(cè)成功率為95%。