基于無人飛行器的水稻蟲害監(jiān)測系統(tǒng)

摘 要：該系統(tǒng)利用GPS與GIS（地理信息系統(tǒng)）相結(jié)合的方法，為無人飛行器提供地理位置信息，實現(xiàn)四旋翼飛行器的自動飛行；利用WiFi網(wǎng)絡(luò)把采集的圖片傳輸?shù)降孛嬲?，通過VC++中OpenCV的視覺庫對圖片進(jìn)行圖像增強、圖像濾波、邊緣檢測和圖像分割，檢測到害蟲后，啟動預(yù)警模塊。

關(guān)鍵詞：無人飛行器；圖像處理；OpenCV

1 概述

水稻是中國重要的糧食作物之一，我國危害水稻的有害生物很多，據(jù)記載，水稻病害有61種，水稻害蟲有78種。其中，蟲害明顯重于病害，部分病害由蟲害引發(fā)[1]。蟲害的發(fā)生會嚴(yán)重影響到水稻產(chǎn)量，并且使得高效低毒農(nóng)藥的需求不斷增大，給稻米質(zhì)量安全帶來了一定的安全隱患?？梢?，有效防治水稻害蟲對水稻高產(chǎn)與穩(wěn)產(chǎn)具有重要意義。李繼宇、張鐵民等就在2009年提出了將小型無人機在農(nóng)田信息監(jiān)測系統(tǒng)中的應(yīng)用，以小型無人機的靈活、不受地域及環(huán)境的限制來獲取高分辨率圖像，從而達(dá)到機動快速的農(nóng)情監(jiān)測系統(tǒng)[2]。本研究基于無人飛行器搭建稻田蟲害監(jiān)測系統(tǒng)，具有監(jiān)測范圍廣，不受地形限制，效率高，速度快等優(yōu)點；利用WiFi傳輸圖像具有設(shè)備成本低，傳輸速率高，傳輸距離較遠(yuǎn)，覆蓋范圍大等優(yōu)點。

2 硬件系統(tǒng)設(shè)計

飛行器采用四旋翼飛行器。四旋翼具有很強的穩(wěn)定性，且能夠?qū)崿F(xiàn)超低空飛行和空中懸停，對采集高清圖像及精確的信息有很大的幫助，不僅如此，四旋翼還具有極大的負(fù)載量，可以負(fù)載較多信息采集傳感器而不影響速度和穩(wěn)定性。四軸飛行器采用四個旋翼作為飛行的直接動力源，旋翼對稱分布在機體的前后、左右四個方向，四個旋翼處于同一高度平面，且四個旋翼的結(jié)構(gòu)和半徑都相同，旋翼1和旋翼3逆時針旋轉(zhuǎn)，旋翼2和旋翼4順時針旋轉(zhuǎn)，四個電機對稱的安裝在飛行器的支架端，支架中間空間安放飛行控制計算機和外部設(shè)備。四旋翼飛行器的結(jié)構(gòu)形式如圖1所示。

電機1和電機3逆時針旋轉(zhuǎn)的同時，電機2和電機4順時針旋轉(zhuǎn)，因此當(dāng)飛行器平衡飛行時，陀螺效應(yīng)和空氣動力扭矩效應(yīng)均被抵消。與傳統(tǒng)的直升機相比，四旋翼飛行器有下列優(yōu)勢：各個旋翼對機身所施加的反扭矩與旋翼的旋轉(zhuǎn)方向相反，因此當(dāng)電機1和電機3逆時針旋轉(zhuǎn)的同時，電機2和電機4順時針旋轉(zhuǎn)，可以平衡旋翼對機身的反扭矩。

系統(tǒng)所采用的四軸飛行器由主控制模塊、飛行控制器、無線通信模塊、驅(qū)動電機、遙控器等結(jié)構(gòu)組成，如圖2所示。

3 軟件系統(tǒng)設(shè)計

地面站的設(shè)計基于MFC平臺，用于無人飛行器的地面控制與管理。地面站與無人機直接通過WiFi進(jìn)行數(shù)據(jù)通訊，地面站軟件實時接收由WiFi傳來的各種狀態(tài)數(shù)據(jù)，實時解析處理后顯示在界面上；同時可以根據(jù)操作員的命令向無人機發(fā)送各種預(yù)定義的指令來對無人機進(jìn)行控制。

4 圖像處理模塊設(shè)計

當(dāng)?shù)孛嬲窘邮盏斤w機傳回的圖像時，將啟動圖像處理模塊，該模塊式基于OpenCV視覺庫的數(shù)字圖像處理，通過圖像濾波、背景分割、特征識別、特征提取、雜點計數(shù)，統(tǒng)計害蟲數(shù)量，當(dāng)數(shù)量達(dá)到一定值時啟動預(yù)警模塊。

使用OpenCV處理圖像的優(yōu)勢在于支持可嵌入性。OpenCV圖像處理算法庫在VC++編譯環(huán)境下運行，為數(shù)字圖像的處理提供了極大的便利，它包含了豐富的各類圖像處理及識別的函數(shù)。在稻田蟲害圖像處理中，運用OpenCV中的函數(shù)實現(xiàn)包括彩色轉(zhuǎn)換為灰度、高斯平滑、形態(tài)學(xué)操作、閾值二值化和邊緣提取等。

絕大多數(shù)水稻病蟲害的原因都是水稻的葉子出現(xiàn)黑斑或黃斑。OpenCV提供了blob斑點檢測方法的相應(yīng)接口，先將圖像進(jìn)行高斯模糊，再對scale-space作用拉普拉斯算子，然后利用拉普拉斯梯度在blob的中心取得最大值，從而提取blob斑點。同時設(shè)置最大斑點半徑，從而過濾掉圖像背景陰影部分，最終標(biāo)記全部斑點并計數(shù)，當(dāng)斑點數(shù)達(dá)到閾值時進(jìn)行預(yù)警。

重要的步驟：（1）生成log sigma；（2）生成LOG卷積后的scale_space；（3）檢測所有可能的blob：（4）刪除重疊度大的blob。

圖3、圖4為圖像處理前后的對比，水稻上的黑斑被一一標(biāo)出，達(dá)到預(yù)期效果。

5 結(jié)束語

本研究以無人飛行器為研究載體，通過地面站的控制以及各種圖像處理的算法，實現(xiàn)了對蟲害的檢測。所做設(shè)計可以從以下幾個思路進(jìn)行完善：（1）路徑跟蹤：將每次系統(tǒng)啟動后的路徑記錄，以備查看。（2）實時導(dǎo)航：可以根據(jù)GPS提供的坐標(biāo)點位提供移動的方向、最大速度和跟蹤時間等信息。

參考文獻(xiàn)

[1]楊玲玲，丁為民，劉德營，等.水稻飛虱圖像幾何形狀特征的提取[J].農(nóng)機化研究，2008（6）：180-183.

[2]李繼宇，張鐵民，等.小型無人機在農(nóng)田信息監(jiān)測系統(tǒng)中的應(yīng)用[J].農(nóng)機化研究，2010（5）：183-186.

作者簡介：鐘澤宇（1995-），男，浙江紹興人，本科生，研究方向：嵌入式。