基于計(jì)算機(jī)視覺技術(shù)的玉米植株高度檢測(cè)的研究

闕玲麗

(廣西工商職業(yè)技術(shù)學(xué)院 教務(wù)科研處，南寧 530008)

基于計(jì)算機(jī)視覺技術(shù)的玉米植株高度檢測(cè)的研究

闕玲麗

(廣西工商職業(yè)技術(shù)學(xué)院 教務(wù)科研處，南寧 530008)

玉米植株高度的檢測(cè)對(duì)于玉米生長(zhǎng)期間的營(yíng)養(yǎng)調(diào)控有著非常重要的意義，玉米植株高度也是玉米種植密度的重要參數(shù)，更是玉米產(chǎn)量的影響因素之一。大范圍地種植玉米，在玉米植株長(zhǎng)勢(shì)的整體控制上就會(huì)存在空白區(qū)，而引用計(jì)算機(jī)視覺技術(shù)可以全面、快速地檢測(cè)玉米植株高度，提高檢測(cè)數(shù)據(jù)的正確率，減輕測(cè)量工作需要的勞動(dòng)強(qiáng)度和縮短測(cè)量時(shí)間。為此，基于計(jì)算機(jī)視覺技術(shù)來(lái)檢測(cè)玉米植株高度，利用事先安裝在田間的帶有紅外照明的攝像頭采集白天和夜晚的玉米植株圖像，通過(guò)圖像分割、邊緣輪廓計(jì)算、圖像增強(qiáng)等方法處理圖像后，測(cè)得玉米植株白天和夜晚兩個(gè)時(shí)間段的高度，分析出植株的生長(zhǎng)情況，控制其長(zhǎng)勢(shì)。研究結(jié)果表明：相較于人眼粗略的判斷或是人工采用直尺測(cè)量，利用計(jì)算機(jī)視覺技術(shù)來(lái)測(cè)量玉米植株高度，可以大范圍測(cè)量，且測(cè)量的速度快、測(cè)量結(jié)果誤差小，最大程度地降低了人工的投入。

玉米植株高度；長(zhǎng)勢(shì)監(jiān)測(cè)；計(jì)算機(jī)視覺；圖像處理；圖像識(shí)別

0 引言

植株高度可以在一定程度上影響農(nóng)作物的產(chǎn)量，原理是節(jié)間的粗度和充實(shí)度決定了莖稈中干物質(zhì)累積和貯藏能力，而莖稈的粗細(xì)與植株的抗倒能力有著直接的關(guān)系。從光能利用的角度看，植株過(guò)矮會(huì)造成生長(zhǎng)量不足，適當(dāng)增加植株高度，有益于二氧化碳在植株內(nèi)的運(yùn)轉(zhuǎn)，且使植株下層葉片能夠接受到陽(yáng)光，對(duì)玉米植株的生長(zhǎng)是有益的。在確保玉米植株不會(huì)發(fā)生倒伏的情況下，增加玉米植株高度可在一定程度上增加玉米的產(chǎn)量。

農(nóng)業(yè)作為人類生存的最基本要素，將智能化引入農(nóng)業(yè)生產(chǎn)中而形成一種新型的農(nóng)業(yè)生產(chǎn)結(jié)構(gòu)，這就是精細(xì)農(nóng)業(yè)，從種子的挑選、發(fā)育、植株的生長(zhǎng)、采摘到后續(xù)的加工中都從精細(xì)方面控制。計(jì)算機(jī)視覺技術(shù)在植物生長(zhǎng)狀態(tài)的采集、共享農(nóng)業(yè)資源信息的建設(shè)、農(nóng)副產(chǎn)品等級(jí)區(qū)分和質(zhì)量檢測(cè)等方面得到廣泛的應(yīng)用。其中，植物生長(zhǎng)狀態(tài)信息的采集因其自動(dòng)和高效等優(yōu)勢(shì)得到廣泛的推廣應(yīng)用。目前，我國(guó)玉米的種植面積在0.2億hm2左右，是僅次于水稻、小麥的糧食作物，在全球的范圍中僅次于美國(guó)。玉米大面積種植導(dǎo)致植株生長(zhǎng)信息很難全面掌控，計(jì)算機(jī)視覺技術(shù)的應(yīng)用可幫助人們?nèi)嬲瓶刂参锏纳L(zhǎng)信息，根據(jù)植株的長(zhǎng)勢(shì)情況進(jìn)行調(diào)控施肥、灌水等操作。在玉米生長(zhǎng)周期內(nèi)，對(duì)植株高度進(jìn)行生產(chǎn)調(diào)控是關(guān)鍵環(huán)節(jié)之一。玉米植株高度檢測(cè)指對(duì)植株的高度及其變化的宏觀監(jiān)測(cè)。由于植株高度可以間接地估算生物量積累，從而估計(jì)玉米產(chǎn)量，因此通過(guò)檢測(cè)玉米植株高度指標(biāo)可以定性和定量評(píng)價(jià)玉米的群體長(zhǎng)勢(shì)狀況?，F(xiàn)今在很多研究已將計(jì)算機(jī)視覺技術(shù)應(yīng)用在植株高度檢測(cè)中。Casady 等利用機(jī)器視覺技術(shù)，依據(jù)水稻與其土質(zhì)背景在采集圖像中的對(duì)比度差異進(jìn)行灰度級(jí)分割，從而采集到水稻的長(zhǎng)勢(shì)信息[1]，將采集的圖像處理后可以獲取植株的莖高，進(jìn)而將植株高度值作為作物生長(zhǎng)率的監(jiān)控參考指標(biāo)，并應(yīng)用數(shù)學(xué)形態(tài)學(xué)方法消除陰影及噪聲，通過(guò)二值化圖像提取水稻高度[2]。美國(guó)學(xué)者Trooien and Heermann 設(shè)計(jì)并實(shí)驗(yàn)了基于數(shù)字圖像處理技術(shù)來(lái)檢測(cè)土豆的方法：首先，提取土豆的圖像，從頂部圖像中獲取土豆的葉面積；接著對(duì)圖像采用中值濾波、二值化處理提取計(jì)算出株高；最后，再與人工測(cè)量方法比較[3]。李長(zhǎng)纓等利用數(shù)字圖像處理技術(shù)實(shí)現(xiàn)了溫室內(nèi)作物的無(wú)損監(jiān)測(cè)，從圖像中取得株高等長(zhǎng)勢(shì)信息[4]。白景峰等[5]提出了基于目標(biāo)圖像特征標(biāo)志點(diǎn)和邊緣標(biāo)志點(diǎn)矩陣的計(jì)算機(jī)視覺特征提取方法，通過(guò)相應(yīng)算法計(jì)算出苗高、地徑等12 個(gè)視覺特征量。

隨著配有計(jì)算機(jī)和攝像頭的田間服務(wù)器的廣泛使用，各種作物長(zhǎng)勢(shì)圖像信息采集監(jiān)控將會(huì)呈G級(jí)增長(zhǎng)，為農(nóng)業(yè)生產(chǎn)提供宏觀和微觀的指導(dǎo)。目前，不但直接從事農(nóng)業(yè)生產(chǎn)的部門和個(gè)人需要監(jiān)測(cè)的結(jié)果，其他涉及農(nóng)業(yè)、教育、研究機(jī)構(gòu)及政府等部門也同樣需要這些信息[6]。采用計(jì)算機(jī)視覺技術(shù)檢測(cè)農(nóng)作物長(zhǎng)勢(shì)對(duì)于農(nóng)業(yè)精細(xì)化的生產(chǎn)有著非常重要的作用。利用數(shù)字圖像識(shí)別與分析處理技術(shù)對(duì)農(nóng)作物長(zhǎng)勢(shì)信息跟蹤監(jiān)測(cè)已成為現(xiàn)在農(nóng)作物發(fā)展研究的主要趨勢(shì)[7-9]，故本文研究采用計(jì)算機(jī)視覺技術(shù)監(jiān)控玉米植株高度。

1 系統(tǒng)設(shè)計(jì)

1.1 總體設(shè)計(jì)

基于計(jì)算機(jī)視覺的玉米植株高度檢測(cè)系統(tǒng)由參照物、紅外照明設(shè)備、攝像頭、圖像采集卡和計(jì)算機(jī)構(gòu)成。工作時(shí)，首先在試驗(yàn)田安裝參照物、紅外照明設(shè)備和攝像頭，在自然條件下拍攝白天玉米圖像，在晚上打開紅外照明設(shè)備拍攝夜晚玉米圖像；將采集的圖像匯集在采集卡中，傳輸至電腦進(jìn)行分析計(jì)算，得到植株高度，完成測(cè)量工作。其總體設(shè)計(jì)原理圖如圖1所示。

圖1 總體設(shè)計(jì)原理圖

1.2 工作原理

玉米植株高度的測(cè)量是玉米種植過(guò)程中持續(xù)很長(zhǎng)時(shí)間的工作，采用人工方法測(cè)量工作繁重。因此，以計(jì)算機(jī)視覺為基礎(chǔ)，在合適的位置安裝攝像機(jī)，在有條件的情況下安裝可轉(zhuǎn)向攝像頭，盡可能地全面覆蓋玉米種植田；在攝像機(jī)前面安置參照物，將采集的圖像匯集于圖像卡中，傳輸至計(jì)算機(jī)，通過(guò)計(jì)算機(jī)中事先安裝的軟件分析圖像提取植株高度數(shù)值h玉米和圖像中參照物的高度l參照，田間設(shè)置的參照物高度L參照可以直接獲得，就可以得出玉米植株的實(shí)際高度H玉米，計(jì)算公式為

H玉米=(L參照/l參照)·h玉米

(1)

此時(shí)的測(cè)量植株高度是指玉米從地面到自然狀態(tài)的最高點(diǎn)距離。本文中的圖像是在玉米自然狀態(tài)下拍攝采集的，圖像處理是需要排除玉米葉片對(duì)植株測(cè)量高度的影響，減少測(cè)量誤差，控制檢測(cè)結(jié)果的準(zhǔn)確性。

采集圖像時(shí)，由攝像頭自動(dòng)控制快門速度和色彩平衡，不用閃光燈。為減少因?yàn)殛?yáng)光直射角和光線強(qiáng)弱造成的影響拍照效果，圖像拍攝時(shí)間控制在中午11：00-13：00，且選擇在陰天或多云天氣進(jìn)行，減弱光線直接照射造成的反光效應(yīng)。由于玉米冠層較高，很難全面拍攝玉米植株的后期圖像，特定制了一個(gè)調(diào)節(jié)自有高度的升降桿的三腳架，用于固定調(diào)節(jié)攝像頭的拍攝角度，保證可以拍攝到玉米和對(duì)照桿，以達(dá)到玉米植株高度的檢測(cè)目的，完成實(shí)驗(yàn)。

本研究以“鄭單958”玉米作為實(shí)驗(yàn)對(duì)象，通過(guò)計(jì)算機(jī)視覺采集圖像，通過(guò)圖像分割、邊緣輪廓計(jì)算、圖像增強(qiáng)等方法處理圖像后，測(cè)得玉米植株白天和夜晚兩個(gè)時(shí)間段的高度；同時(shí)，考察測(cè)量效果，分析計(jì)算機(jī)視覺技術(shù)檢測(cè)玉米高度的測(cè)量準(zhǔn)確性，檢測(cè)該技術(shù)運(yùn)用于農(nóng)業(yè)生產(chǎn)的合理性，分析該技術(shù)的運(yùn)用價(jià)值。

2圖像識(shí)別處理

通過(guò)攝像頭采集的圖像需要經(jīng)處理才能進(jìn)行分析，而玉米的背景比較復(fù)雜、模糊。例如，圖像中葉片的背景可能會(huì)被誤識(shí)為玉米的頂端，從而導(dǎo)致后期測(cè)量數(shù)據(jù)產(chǎn)生誤差，進(jìn)而影響以玉米植株高度為參考的后期數(shù)據(jù)分析。人眼只能識(shí)別幾十個(gè)灰度級(jí),而計(jì)算機(jī)可以分辨所有的灰度級(jí)，區(qū)分出圖像中玉米頂端和其他背景,故以計(jì)算機(jī)視覺技術(shù)為手段,可以分析玉米田各種環(huán)境中的各種影響因素。經(jīng)過(guò)處理圖像中玉米植株輪廓線突顯，通過(guò)處理圖像方法可以使采集的圖像更易于分析和鑒別，消除不需要的背景，使圖像中植株輪廓線突顯，提高圖像中植株高度檢測(cè)效果。本文采用的圖像處理方法有：①灰度等級(jí)直方圖方法。分割控制圖像灰度值，使灰度值在需要的區(qū)間內(nèi)。②消除干擾抑制。通過(guò)空間域法中具有代表性的算法有局部求平均值法和中值濾波(取局部鄰域中的中間像素值)法等，來(lái)消除或減少圖像上噪聲和干擾背景。③邊緣強(qiáng)化。通過(guò)高通濾波或某種變動(dòng)，使圖形中玉米植株的輪廓線邊緣突顯，便于測(cè)量。另外，本研究中還需要采集夜晚圖像，而借助紅外照明拍攝的圖像會(huì)使得圖像無(wú)色模糊，因此需要進(jìn)行偽彩色處理，將圖像中的玉米植株轉(zhuǎn)變?yōu)橛猩摹?/p>

3 試驗(yàn)與結(jié)果

3.1 試驗(yàn)基本條件

以品種為“鄭單958”玉米為試驗(yàn)對(duì)象，采用平原種植，種植密度為4 300株/667m2，每穴留單株，試驗(yàn)田大小為0.13hm2，在玉米生長(zhǎng)后期進(jìn)行測(cè)量；將攝像機(jī)拍攝的圖像中隨機(jī)取8株；人工直尺測(cè)量3次。圖像采集如圖2、圖3所示。

圖2圖像采集示意圖

圖3 采集圖像區(qū)域

將采集的圖像輸送到計(jì)算機(jī)上，利用軟件將圖像原圖(見圖4)采用灰度等級(jí)直方圖方法，消除干擾抑制；邊緣強(qiáng)化等方法處理圖像識(shí)別處理，提取出可以用于軟件識(shí)別計(jì)算的玉米圖像(見圖5)；同圖像中玉米和對(duì)照桿的對(duì)比，分析出玉米高度，根據(jù)玉米高度分析出玉米的長(zhǎng)勢(shì)情況。

圖4圖像原圖

圖5圖像處理結(jié)果

3.2 試驗(yàn)設(shè)計(jì)

為了檢測(cè)采用計(jì)算機(jī)視覺信息技術(shù)的玉米植株高度的有效性，與人工測(cè)量做對(duì)比。首先，采用直尺來(lái)測(cè)量玉米植株自然狀態(tài)下的高度，人工測(cè)量進(jìn)行3次，分白天和夜晚檢測(cè)；然后采用計(jì)算機(jī)視覺技術(shù)在試驗(yàn)田進(jìn)行檢測(cè)，也分為白天和夜晚測(cè)量。白天測(cè)量時(shí)間段為11：00-13：00，夜晚測(cè)量時(shí)間段為1：00-3：00。人工測(cè)量結(jié)果如表1、表2所示，機(jī)器測(cè)量結(jié)果如表3所示，人工測(cè)量與機(jī)器測(cè)量的相對(duì)誤差分析如表4所示。通過(guò)比較人工測(cè)量結(jié)果和機(jī)器測(cè)量結(jié)果，分析測(cè)量準(zhǔn)確性。

表1 人工測(cè)量玉米植株高度數(shù)據(jù)(白天) cm

續(xù)表1

表2 人工測(cè)量玉米植株高度數(shù)據(jù)(夜晚) cm

表3 計(jì)算機(jī)視覺測(cè)量玉米植株高度數(shù)據(jù) cm

表4 人工測(cè)量與計(jì)算機(jī)測(cè)量相對(duì)誤差 %

續(xù)表4

從表1～表4可以看出：利用計(jì)算機(jī)視覺技術(shù)檢測(cè)值和人工直尺檢測(cè)值的相對(duì)誤差較小，最大值為3.58%，最小值僅為0.93%。因光照條件的限制，對(duì)機(jī)器測(cè)量會(huì)存在一定的影響，但整體相對(duì)誤差都比較小，影響程度較輕。從整體數(shù)據(jù)的相對(duì)誤差統(tǒng)計(jì)可以看出，占據(jù)數(shù)據(jù)87%的計(jì)算機(jī)視覺技術(shù)測(cè)量得到的數(shù)值其相對(duì)誤差小于2%。這種測(cè)量精度完全在可以接受的范圍內(nèi)，采用機(jī)器視覺技術(shù)來(lái)測(cè)量玉米植株高度的方法是可行的。

4 結(jié)論

基于計(jì)算機(jī)視覺的玉米植株高度的檢測(cè)，通過(guò)采集圖像分析可以很好地實(shí)時(shí)檢測(cè)玉米植株高度，在玉米的生長(zhǎng)過(guò)程中監(jiān)控玉米的長(zhǎng)勢(shì)，通過(guò)玉米長(zhǎng)勢(shì)情況判斷玉米的生長(zhǎng)狀況，根據(jù)玉米的營(yíng)養(yǎng)需要決定要采取的措施。種植戶通常都是通過(guò)眼睛或是借助直尺來(lái)判斷玉米的長(zhǎng)勢(shì)，勞動(dòng)量大，過(guò)程繁瑣，且需要多次進(jìn)行，增加了種植戶的投入成本。

利用計(jì)算機(jī)視覺技術(shù)檢測(cè)玉米植株高度的方法是智能化農(nóng)業(yè)的延伸，隨著計(jì)算機(jī)技術(shù)的高速發(fā)展，在農(nóng)業(yè)生產(chǎn)中的更多工作可以由計(jì)算機(jī)代替，增加農(nóng)業(yè)生產(chǎn)的效率。

[1] Casady W W, Singh N, Costello T A. Machine vision for measurement of rice canopydimensions[J].Transactions of the ASAE, 1996, 39(5): 1891-1898.

[2] Shimizu H, Heins R D. Computer vision based system for plant growth analysis[J].Transactionsof the ASAE, 1995, 38(3): 958-964.

[3] Trooien T P,Heermann D F.Measuiement and simulation of Potato Leaf Area Using Image Processing.III Measruremengt [J].Transactions of the ASAE,1992,35(5)：1719-1721.

[4] 李長(zhǎng)纓，滕光輝．利用計(jì)算機(jī)視覺技術(shù)實(shí)現(xiàn)對(duì)溫室植物生長(zhǎng)的無(wú)損監(jiān)測(cè)[J]．農(nóng)業(yè)工程學(xué)報(bào)，2003,19(3):140-43.

[5] 白景峰，趙學(xué)增.針葉苗木計(jì)算機(jī)視覺特征提取方法[J].東北林業(yè)大學(xué)學(xué)報(bào)，2000，28(5):94-96．

[6] 劉繼承,姬長(zhǎng)英. 作物長(zhǎng)勢(shì)監(jiān)測(cè)的應(yīng)用研究現(xiàn)狀與展望[J].江西農(nóng)業(yè)學(xué)報(bào),2007(3):17-20,28.

[7] 吳雪梅,程堯,韋龍琴.在MATLAB環(huán)境中基于計(jì)算機(jī)視覺的番茄識(shí)別研究[J].農(nóng)業(yè)裝備技術(shù),2005(4):15-17.

[8] 耿楠,何東健,王婧,等.小麥生長(zhǎng)信息計(jì)算機(jī)視覺檢測(cè)技術(shù)研究[J].農(nóng)業(yè)工程學(xué)報(bào)，2001(1):136-139.

[9] 林開顏,徐立鴻,吳軍輝.計(jì)算機(jī)視覺技術(shù)在作物生長(zhǎng)監(jiān)測(cè)中的研究進(jìn)展[J].農(nóng)業(yè)工程學(xué)報(bào),2004(2):279-283.

更 正

本刊2017年第8期147-153頁(yè)《基于TDR的土壤水分傳感器設(shè)計(jì)與試驗(yàn)》一文中(作者姜明梁，方嫦青，馬道坤)，由于投稿作者的疏忽大意，導(dǎo)致基金項(xiàng)目填寫錯(cuò)誤，現(xiàn)將基金項(xiàng)目更正為： 國(guó)家高技術(shù)研究發(fā)展計(jì)劃(863計(jì)劃)項(xiàng)目(2011AA100502)。另外，在英文翻譯部分，作者“方嫦青”被錯(cuò)譯成“Fang Eqing”，應(yīng)改為“Fang Changqing”。

Based on Computer Vision Technology to Detect the Height of Corn Plants

Que Lingli

( Guangxi Vocational College of Technology and Business Academic Research Office， Nanning 530008，China)

Height of corn plants for the detection of nutritional regulation of corn during the growing season has a very important significance, corn planting corn plant height is an important parameter density is one of the factors that affect the yield of corn. Large-scale cultivation of corn, corn on the overall control of plant growth will be blank areas. Reference computer vision technology can quickly detect the full height of corn plants, improve the accuracy of test data, reduce labor intensity measurements needed and reduce the measurement time. Based on computer vision technology to detect corn plant height, the use of pre-installed in the field camera with infrared lighting collection day and night to corn plants image after the adoption of image segmentation, edge contour calculation, image enhancement method for processing an image, according to established in the field of reference materials, highly corn plants day and night to two time periods calculated, analyzed the growth of plants, and control its growing conditions. The results show that the human eye compared to roughly determine the use of artificial or ruler to measure, using computer vision technology to measure the height of corn plants, a wide range can be measured, and the measured speed measurement error is small, it is the largest degree of savings invested in labor costs.

corn plant height; growth monitoring; computer vision； image processing; image identification

2016-09-22

廣西高?？茖W(xué)技術(shù)研究項(xiàng)目(KY2015YB454)

闕玲麗(1979-)，女，廣西玉林人，講師，碩士研究生，(E-mail)quelingli0608@163.com。

S513；TP391.41

A

1003-188X(2017)12-0219-05