智能施肥機作物覆蓋率測量系統(tǒng)設計
———基于北斗導航和多媒體圖像處理

郁 云，許 昌，徐 堅，魏 瑾

(1.南京信息職業(yè)技術學院 信息服務學院，南京 210046；2.河海大學 能源與電氣學院，南京 211100)

智能施肥機作物覆蓋率測量系統(tǒng)設計
———基于北斗導航和多媒體圖像處理

郁 云1，許 昌2，徐 堅1，魏 瑾1

(1.南京信息職業(yè)技術學院 信息服務學院，南京 210046；2.河海大學 能源與電氣學院，南京 211100)

為了提高施肥機的智能化水平，實現(xiàn)施肥機械的變量施肥控制，提出了一種基于北斗導航和多媒體圖像處理的智能施肥機測量系統(tǒng)，并重點對系統(tǒng)作物覆蓋率的測量系統(tǒng)進行了設計。本研究采用北斗衛(wèi)星導航系統(tǒng)(BDS)為采棉機進行位置服務，采用 GPRS 無線通信技術，避免了通信鏈路小、覆蓋面積小等問題，采用多媒體圖像的去噪處理，提高了裝置對惡劣天氣的自適應能力。最后，在普通的施肥機械上搭載了智能施肥機作物覆蓋面積測量系統(tǒng)進行了試驗，結果表明：該系統(tǒng)可以成功地返回準確的作物覆蓋率，且在霧雨天氣也能夠保持良好的準確性，從而驗證了裝置的可靠性，為現(xiàn)代智能的農機設計提供了較有價值的借鑒。

智能施肥；覆蓋率；北斗導航；圖像處理

0 引言

農機的定位和導航是實現(xiàn)我國精準農業(yè)的重要技術，隨著現(xiàn)代農業(yè)中高功率作業(yè)機械、飛機施肥和噴藥裝置等大型農業(yè)機械化裝置的使用，田間定位和導航技術越來越顯得重要。在農業(yè)作業(yè)生產過程中，在農機上使用衛(wèi)星定位和導航系統(tǒng)可以大幅度地提高其生產和作業(yè)的效率。從北斗驗證系統(tǒng)開通到 2012 年底北斗衛(wèi)星導航系統(tǒng)正式向亞洲地區(qū)提供服務以來，在農業(yè)、水利、通信、減災、海事、海洋漁業(yè)、交通、勘探及森林防火等多個領域得到成功應用，具有集定位、實時、短報文通信及用戶監(jiān)測于一體等顯著特點。將北斗導航系統(tǒng)使用在現(xiàn)代農機的導航系統(tǒng)中，對實現(xiàn)農機的自動化和智能化準確定位、提高我國農機的自主導航能力具有重要的現(xiàn)實意義。

1 農作物覆蓋率智能化測量技術

農作物的覆蓋率是表征作物生長狀況的重要參數(shù)，其定義是指作物在田間的投影面積和整個農田的面積之比，能夠客觀地反映農作物的生長動態(tài)狀況。農作物覆蓋率的測量方法主要有兩種，具體包括地面測量和遙感測量。

1.1 地面測量法

地面測量方法又分為3種，包括儀器測量方法、統(tǒng)計測量法和攝像測量方法。儀器測量是指使用專門的光照測量儀器，對植物獲取的光照量進行測量，從而獲得農作物的覆蓋率。統(tǒng)計測量方法是指利用覆蓋率的時空模型，在已知關聯(lián)性因子和模型的情況下，利用已知的測量條件，對覆蓋率進行合理的推算。攝像測量方法是指利用高清CCD攝像機對農作物進行攝影和拍照，然后利用多媒體圖像處理技術對圖像進行處理，對圖像設置合理的RGB閾值，提取出圖像的綠色像素，由不同顏色的像素可以得到農作物的具體覆蓋度。

1.2 遙感測量法

遙感測量技術和地面測量技術有所不同，遙感測量技術主要是利用遙感技術獲取植物的光譜信息，建立植被和光譜之間的關系模型，獲取農作物的覆蓋度。相對于一般的地面測量方法，遙感技術可以在大范圍內測量，具有速度快、效率高、測量范圍廣泛等特點，最常見的是利用衛(wèi)星數(shù)據提取某一個數(shù)據的NDVI值，常用的方法是物理模型方法和統(tǒng)計模型方法。物理模型方法主要是利用光與植被的相互作用，建立覆蓋度和光譜信息的物理或者光學關系，反演出植被的覆蓋度方法。統(tǒng)計模型法和物理模型法方法類似，該方法利用統(tǒng)計方法對植被的光譜信息進行分析，從而統(tǒng)計出作物覆蓋率和光譜之間的關系模型。本研究結合地面和遙感技術，創(chuàng)建了施肥機施肥變量控制系統(tǒng)，總體框架和流程如圖1所示。

圖1 施肥機施肥變量控制系統(tǒng)Fig.1 The variable control system of fertilizer application

數(shù)據初始化完成后，首先利用北斗導航對作物進行定位，然后利用在施肥作業(yè)區(qū)內對作物的覆蓋率圖像進行采集。由于在采集過程中會有噪聲干擾，因此需要利用圖像處理技術對噪聲進行處理，利用統(tǒng)計方法得到農作物的覆蓋率，通過作物覆蓋率的信息，對作物進行變量施肥控制。

2 基于北斗導航和多媒體圖像去噪處理的覆蓋率測量

從北斗衛(wèi)星系統(tǒng)的開放以來，衛(wèi)星導航系統(tǒng)已經向亞洲地區(qū)開始提供服務，并且在農業(yè)、通信、交通和勘探等領域得到了廣泛的應用。為了實現(xiàn)施肥機的自主定位，在施肥機上搭載了北斗導航衛(wèi)星定位模塊，其通信模塊如圖2所示。

圖2 基于北斗導航的定位通信模塊Fig.2 The positioning communication module based on Beidou navigation

通信模塊由北斗定位模塊和GPRS通信模塊組成。其中，GPRS模塊主要完成數(shù)據的通信，由GPRS通信模塊和SIM卡接口電路構成；北斗定位模塊由北斗天線和外圍的芯片接口電路組成，可將北斗定位信息數(shù)據輸送給控制模塊，從而完成施肥機械的定位和導航。

施肥機的作業(yè)往往受到天氣等外部條件的影響(如雨霧天氣)，給圖像采集帶來較大的誤差，因此需要對圖像進行處理，以去除噪聲點。噪聲點一般是以孤立區(qū)存在的，需要對這些孤立區(qū)進行濾除。在采集的作物二值化圖像T中，如果要對某一像素小于N1的點進行濾除操作，可以將其設置為背景，具體操作為

T(i,j)=

(1)

對孤立點設置成為背景后需要對孔洞進行填充，圖像中的孔洞可以看成是黑色像素構成的背景塊，其閾值小于N2，將其設置為白色，方法為

T(i,j)=

(2)

在多媒體圖像去噪分割的過程中，需要結合分水嶺算法模型，其原理是參照實際的分水嶺流水過程。一維分水嶺的原理示意圖如圖3所示。

圖3 一維分水嶺算法示意圖Fig.3 Schematic diagram of one dimensional watershed algorithm

圖3中，當水線上升至L1時，只有A2盆地進水，當上升至L2時，由A1和A2盆地進水，利用這種原理可以將多種不同閾值的點進行去噪處理。圖像處理完成后，需要將數(shù)據信息傳送的圖像處理中。典型的圖像采集和處理系統(tǒng)如圖4所示。

圖4圖像采集和處理系統(tǒng)Fig.4 The image acquisition and processing system

作物的覆蓋率圖像采集和處理系統(tǒng)主要是由3部分組成，包括光照系統(tǒng)、CCD相機和數(shù)據處理模塊。該系統(tǒng)裝有圖像采集卡、圖像存儲和處理的微處理器，其作物覆蓋率測量計算總流程如圖5所示。

圖5 作物覆蓋率測量計算總流程Fig.5 The total calculation process of crop coverage

利用圖4的圖像采集系統(tǒng)采集得到的圖像需要利用相機進行標定，然后去除光照部分，剩下的便是作物的覆蓋率。為了提高統(tǒng)計計算的準確性，需要對圖像進行去噪聲處理，總體覆蓋率的確定需要對全部統(tǒng)計的覆蓋率進行匯總處理，根據覆蓋率信息，可以實現(xiàn)施肥機的施肥量的變量控制和調節(jié)。

3 施肥機試驗研究

為了驗證北斗導航和多媒體圖像處理系統(tǒng)在智能變量施肥機上使用的可行性，將作物覆蓋率測量系統(tǒng)搭載到了普通的小麥施肥作業(yè)機械上，其試驗作業(yè)場景如圖6所示。

在試驗過程中，選擇了地勢較為平坦的小麥作業(yè)區(qū)，對小麥的覆蓋率進行測量，并返回測量過程中的多媒體處理圖像。為了測量覆蓋面積，需要對圖像進行二值化處理，結果如圖7所示。

圖6 搭載作物覆蓋率測量系統(tǒng)的施肥機械Fig.6 The fertilizer machine with crop coverage measurement system

圖7圖像處理結果Fig.7 The results of image processing

由圖7處理結果可知：采用第2節(jié)的圖像處理方法可以有效去除土壤背景的影響，從而有效提高圖像數(shù)據采集的準確性。

同一區(qū)域、不同時刻覆蓋度測量結果如圖8所示。

圖8 去噪聲前覆蓋度測量Fig.8 The coverage measurement of before denoising

由圖8可以看出：由于受到雨霧天氣的影響，在不同時刻采集到的結果出現(xiàn)了偏差；試驗階段，由于霧較大，誤差顯得特別大。

圖9表示去噪聲后覆蓋度測量結果。由圖9可以看出：在不同時刻測得的覆蓋度的結果相對穩(wěn)定，波動小，沒有出現(xiàn)較大的偏差，從而驗證了多媒體圖像處理去噪方法的可靠性。

圖9 去噪聲后覆蓋度測量Fig.9 The coverage measurement of after denoising

表1為覆蓋度預測準確性的數(shù)據統(tǒng)計。由表1可以看出：通過和地面測量方法相比較，遙感測量方法的誤差不大，與地面測量方法較為接近，且比地面測量方法具有更高的精度。

表1 覆蓋度預測準確率統(tǒng)計

4 結論

為了實現(xiàn)施肥機械的施肥量的變量調節(jié)，提高施肥效率，基于北斗導航和多媒體圖像處理技術，設計了一種新的以作物覆蓋率為依據的變量施肥控制系統(tǒng)，并重點對作物覆蓋率測量系統(tǒng)進行了設計。為了驗證系統(tǒng)的可靠性，對系統(tǒng)圖像處理水平和覆蓋率預測的準確性進行了測試，結果表明：采用圖像處理系統(tǒng)可以有效去除土壤背景和天氣因素干擾的影響，提高圖像數(shù)據采集的準確性。在惡劣天氣條件下，采用圖像處理后測得的覆蓋度結果更加穩(wěn)定，與地面測量方法相比較，遙感測量方法誤差不大，測量精度相對較高，可以滿足施肥機變量調節(jié)系統(tǒng)的需要。

[1] 錢建平,楊信廷,吳曉明,等.自然場景下基于混合顏色空間的成熟期蘋果識別方法[J].農業(yè)工程學報, 2012, 28(17):137-142.

[2] 顧寶興,姬長英,王海青,等.智能移動水果采摘機器人設計與試驗[J].農業(yè)機械學報,2012,43(6):153-160.

[3] 侯茗耀,王庫,黨帥.黃瓜采摘機器人嵌入式系統(tǒng)的設計與實現(xiàn)[J].農機化研究,2009,31(8):57-60.

[4] 劉瓊,安濤,金鋼,等.基于DM642 視頻采集處理系統(tǒng)硬件設計[J].微計算機信息,2007,11(2):180-182.

[5] 張永光,張曉蕾,徐健健.DM642 圖像數(shù)據傳輸?shù)膶崿F(xiàn)和優(yōu)化[J].科學技術與工程,2007,9(17):4484-4486.

[6] 李立君,李昕,高自成,等.基于偏好免疫網絡的油茶果采摘機器人圖像識別算法[J].農業(yè)機械學報, 2012,43(11):209-213.

[7] 王輝,毛文華,劉剛,等.基于視覺組合的蘋果作業(yè)機器人識別與定位[J].農業(yè)機械學報,2012,43(12): 165-170.

[8] 袁挺,紀超,陳英,等.基于光譜成像技術的溫室黃瓜識別方法[J].農業(yè)機械學報,2011,42(S1):172-176.

[9] 熊俊濤,鄒湘軍,陳麗娟,等.采摘機械手對擾動荔枝的視覺定位[J].農業(yè)工程學報,2012,28(14):36-41.

[10] 呂繼東,趙德安,姬偉,等.采摘機器人振蕩果實動態(tài)識別[J].農業(yè)機械學報,2012,43(5):173-196.

[11] 王志,艾延廷,沙云東.基于BP神經網絡的航空發(fā)動機整機振動故障診斷技術研究[J].儀器儀表學報,2007,28(4): 168-171.

[12] 劉佳,崔濤,張東興,等.玉米種子分級處理對氣力式精量排種器播種效果的影響[J].農業(yè)工程學報,2010,26(9):109-113.

[13] 劉立晶,劉忠軍,李長榮,等.玉米精密排種器性能對比試驗[J].農機化研究,2011,33(4):155-157.

[14] 李文鳳,彭智勇,李德毅,等.不確定性Top-k查詢處理[J].軟件學報,2012,23(6):1542-1560.

[15] 張曉輝,李瑩,王華勇,等.應用特征聚合進行中文文本分類的改進KNN算法[J].東北大學學報,2003, 24(3):229-233.

[16] 王海青,姬長英,顧寶興,等.基于機器視覺和支持向量機的溫室黃瓜識別[J].農業(yè)機械學報,2012,43(3): 163-167.

[17] 王輝,毛文華,劉剛,等.基于視覺組合的蘋果作業(yè)機器人識別與定位[J].農業(yè)機械學報,2012,43(12): 165-170.

[18] 魏澤鼎,賈俊國,王占永.基于視覺傳感器的棉花果實定位方法[J].農機化研究,2012,34(6):66-68,112.

[19] 王鐵固,趙新亮,張懷勝,等.玉米產量的邊際效應及與主要農藝性狀的相關分析[J].中國農學通報,2012, 28(18):122-126.

[20] 曹冬梅,丁明亞,方繼友.行端邊際效應對玉米品種試驗造成的誤差[J].中國種業(yè),2008(8):52-53.

[21] 金衡模,高煥文.玉米精播機漏播補償系統(tǒng)設計[J].農業(yè)機械學報,2002,33(5):44-47.

[22] 張曉輝,趙百通.播種機自動補播式監(jiān)控系統(tǒng)的研究[J].農業(yè)工程學報,2008,24(7):119-123.

[23] 韓建國,王金斌,于磊.補償式玉米精密播種機的研究[J].農業(yè)裝備與車輛工程,2010(8):10-12.

[24] 周利明,王書茂,張小超,等.基于電容信號的玉米播種機排種性能監(jiān)測系統(tǒng)[J].農業(yè)工程學報,2012, 28(13):16-21.

[25] 李建江,崔健,王聃，等.MapReduce并行編程模型研究綜述[J].電子學報,2011,39(11):2635-2642.

[26] 高春城.我國農業(yè)發(fā)展的資源環(huán)境問題與展望[J].當代生態(tài)農業(yè),2013,3(4):151-154.

[27] 莊衛(wèi)東,汪春.農業(yè)直線行走作業(yè)DGPS導航算法研究[J].黑龍江八一農墾大學學報,2006,18(6):94-98.

Crop Coverage Measurement System Design for Intelligent Fertilizing Machine—Based on Beidou Navigation and Multimedia Image Processing

Yu Yun1, Xu Chang2, Xu Jian1, Wei Jin1

(1.Department of Information Service, Nanjing College of Information Technology, Nanjing 210046, China; 2.College of Energy and Electrical Engineering, Hohai University, Nanjing 211100, China)

In order to improve the level of intelligent fertilizing machine, realize the variable fertilization machinery control, it put forward a kind of Beidou navigation and multimedia image processing system based on intelligent fertilizing machine measurement system, and focuses on the crop coverage rate measurement system. This research used the Beidou satellite navigation system (BDS) location service for cotton picker by using GPRS wireless communication technology to avoid the problem of communication link.Small coverage area is small by the use of multimedia image denoising, which can improve the adaptive ability of bad weather device. Finally, it studied the ordinary fertilizer machinery equipped with intelligent fertilizing machine crop cover area measurement system. The experimental results showed that the system can successfully return accurate crop coverage, and maintain a good accuracy in the fog rain weather also, so as to verify the reliability of the device, which can provide more valuable reference for the design of modern intelligent agricultural machinery.

intelligent fertilization; coverage rate; Beidou navigation; image processing

2016-12-11

南京信息職業(yè)技術學院院基金項目(YK20140601)；科技部中丹國際合作項目(2014DFG62530)；江蘇省自然基金面上項目(BK20131369)

郁 云(1981-)，女，南京人，講師，碩士，(E-mail) yuyunyy2008@sina.cn。

S275.6；TP273

A

1003-188X(2018)02-0226-05