基于計算機視覺的無人機農(nóng)田信息獲取系統(tǒng)研究

王 琴 ，舒曉斌 ，劉 勇

(1.漯河食品職業(yè)學院，河南 漯河 462000；2.河南科技大學，河南 洛陽 471000)

0 引言

無人機是無人駕駛航空飛行器的簡稱，誕生于1914年，發(fā)展至今已經(jīng)成為了一個龐大的家族。無人機根據(jù)飛行平臺的不同主要分為固定翼無人機和旋翼無人機，它們實質(zhì)上都是一個由飛行器平臺、遙控站、通訊模塊及其它部件組成的系統(tǒng)[1]。固定翼無人機是無人機最早的類型，最初是為軍事領(lǐng)域服務(wù)，用于偵查聯(lián)絡(luò)和作為靶機。后來，以美國為代表的發(fā)達國家意識到固定翼無人機的巨大軍事價值，開始大力投入并研發(fā)出了偵察打擊一體的多種無人機型號，引領(lǐng)了無人機的發(fā)展趨勢[2]。

與固定翼無人機相比，旋翼無人機可以垂直起降，沒有滑跑距離，因此對場地的要求低，能夠在各種地理環(huán)境和復雜條件下作業(yè)。同時，旋翼無人機還可以空中懸停，有利于獲取更加清晰、準確的地面信息。在設(shè)計難度、制造成本及負載能力上，旋翼無人機也體現(xiàn)出明顯的優(yōu)勢[3]。旋翼無人機近些年在我國的發(fā)展迅猛，形成了以“大疆”系列為代表的多種產(chǎn)品，并且在國民經(jīng)濟和生產(chǎn)的各個領(lǐng)域得到了應用。與固定翼無人機一樣，軍事也是旋翼無人機的應用領(lǐng)域之一；但是受限于飛行的高度和速度，其主要的功能是對情報的收集。

旋翼無人機在工業(yè)方面主要應用于測繪、電力和通信這3大領(lǐng)域。測繪領(lǐng)域的無人機飛行平臺上整合各種數(shù)字傳感器和攝像機，可以獲得高清圖像，再輔以快速、準確的信號傳輸能力，使測繪的實時性和準確性明顯改善。電力領(lǐng)域通過無人機巡視線路，不僅具有較高的效率，還能夠降低人為失誤率、危險性和成本，保證電力系統(tǒng)正常運行[2]。

旋翼無人機在農(nóng)業(yè)方面主要用于農(nóng)藥噴灑、農(nóng)田信息監(jiān)測和農(nóng)業(yè)保險勘察這3個領(lǐng)域。目前，無人機在農(nóng)業(yè)上最廣泛用途是噴灑農(nóng)藥，其飛行速度慢、高度低，因此作業(yè)過程中定位準確、噴灑均勻，并且藥液的下降距離短，飄散導致的浪費和污染很少。另外，無人機噴藥顯著地降低了人力成本，在未來農(nóng)業(yè)植保領(lǐng)域的市場預計超過千億[4]。無人機在農(nóng)田信息監(jiān)測中的用途包括作物長勢、缺水情況和病蟲害檢測，大多是通過現(xiàn)代遙感技術(shù)獲得的。無人機所獲得的農(nóng)田信息覆蓋范圍大、實效性強且客觀準確，較傳統(tǒng)檢測方法具有無可比擬的優(yōu)勢[5-9]。無人機在農(nóng)業(yè)保險勘察中用于對大范圍的受災田塊界定面積和評估損失，機動性和定位精度高，能夠快速、高效地完成勘察工作[10]。此外，未來的無人機還可以用于播種、施肥和授粉等作業(yè)，推動農(nóng)業(yè)生產(chǎn)方式的變革。

無人機的很多用途都是基于對其所拍攝圖像的處理分析來實現(xiàn)的，因此圖像分析模塊是無人機系統(tǒng)的重要組成部分，甚至成為其性能發(fā)揮的關(guān)鍵。計算機視覺是一種新興的圖像分析技術(shù)，其利用計算機代替人類視覺，從拍攝的圖像中提取目標信息進行分析和識別，最后得到有應用價值的結(jié)果。目前，計算機視覺在無人機上的應用是輔助無人機自主著陸、自動導航和飛行姿態(tài)監(jiān)控[11-15]。在農(nóng)業(yè)領(lǐng)域，計算機視覺可以分析無人機拍攝的農(nóng)田作物圖像，獲取作物的種類和長勢、病蟲草害發(fā)生程度及水分供應信息，或者在農(nóng)業(yè)保險勘測中分析估算作物受災面積。李宗南等利用無人機遙感拍攝了玉米田塊圖像，然后通過計算機視覺分析色彩和紋理特征，建立了玉米倒伏面積提取方法。

在大力發(fā)展精準農(nóng)業(yè)的趨勢下，作為基礎(chǔ)技術(shù)的農(nóng)田信息獲取顯得尤為重要。農(nóng)田信息獲取的方式包括衛(wèi)星遙感、大型飛機航拍、車載或手持攝像和無人機拍攝。其中，無人機拍攝適合我國單位種植面積小、農(nóng)作物品種多樣的國情，若將計算機視覺與無人機結(jié)合，則有助于推動農(nóng)田信息獲取方式的進步。本文基于計算機視覺，建立了一種獲取農(nóng)田信息的無人機系統(tǒng)。無人機裝載的數(shù)碼相機拍攝農(nóng)田圖像，通過無線通訊裝置發(fā)送給信息檢測中心，由圖像采集卡轉(zhuǎn)換為數(shù)字信號；計算機視覺模塊接收原始圖像依次進行預處理、灰度化和特征提取，最后根據(jù)顏色特征對農(nóng)田中的作物種類、生長勢態(tài)和面積進行識別，從而獲取農(nóng)田信息。利用該系統(tǒng)對種植不同作物的農(nóng)田進行試驗，驗證系統(tǒng)信息獲取的準確性和實時性，以便為拓寬無人機在農(nóng)業(yè)中的應用范圍提供技術(shù)支持。

1 系統(tǒng)的設(shè)計及組成

1.1 總體設(shè)計

農(nóng)田信息獲取系統(tǒng)由無人機平臺、無線傳輸模塊、地面站和計算機視覺模塊4部分組成。系統(tǒng)的工作流程為地面站根據(jù)農(nóng)田面積和形狀等特征規(guī)劃航線，通過無線傳輸裝置發(fā)送給無人機。機載相機拍攝農(nóng)田圖像，回傳給地面站進行存儲并轉(zhuǎn)換為數(shù)字信號由計算機視覺模塊分析識別。核心計算機平滑圖像噪音增加可識別性，然后對輸入的圖像進行分析，提取農(nóng)田信息并進行保存，如圖1所示。

圖1 農(nóng)田信息獲取系統(tǒng)的工作流程

1.2 組成部分

無人機平臺為大疆精靈Phantom 4 Advanced型四旋翼型無人機，滿載質(zhì)量5kg，續(xù)航時間30min。其能夠采用GPS/GLONASS雙模式定位，安裝前視視覺裝置，無線傳輸速度可以達到Class10，最遠傳輸距離7km。數(shù)碼相機為尼康COOLPIX P60型，安裝在無人機的下方，光軸與豎直方向夾角為40°，寬度和高度上的像素分別為3 264點和2 448點，拍攝生成JPEG格式的圖像。

無線傳輸模塊采用Wifi無線通訊方式，其通訊帶寬大，數(shù)據(jù)實時傳輸能力強。模塊可以通過PID控制方法將設(shè)定的飛行路徑發(fā)送給無人機，并利用紅外無線傳輸控制其飛行速度和方向，同時實時接收相機拍攝的畫面并傳送給圖像采集卡。圖像采集卡為天創(chuàng)UB570型，將相機拍攝的JPEG格式圖像轉(zhuǎn)換為數(shù)字信號以供核心計算機分析。

地面站安裝大疆DJIGS Pro專業(yè)版軟件，用于設(shè)計無人機的飛行航路，控制飛行速度、高度、姿態(tài)和相機拍攝時機。核心計算機為聯(lián)想揚天M4700型臺式計算機，硬件配置Intel i6中央處理器和10GB的DDR4內(nèi)存，運行快速，性能穩(wěn)定。安裝Windows10操作系統(tǒng)和MatLab工具箱，可以滿足圖像實時處理和信息存儲的要求。

2 圖像處理

2.1 圖像的采集和預處理

以水稻田為例，無人機保持4m/s速度和10m高度沿田埂飛行，啟動相機拍攝圖像。相機與稻田之間處于相對運動的狀態(tài)，再加上拍攝瞬間可能出現(xiàn)的抖動，導致稻田圖像中含有噪音，對成像質(zhì)量和后續(xù)分析造成了影響。這里對圖像通過5×5的中值濾波進行平滑處理，去除噪音，得到稻田的原始圖像，如圖2所示。由于相機在高處俯視拍攝，其光軸與豎直方向存在一定的夾角，使得各個距離上的物體在圖像上存在不同程度的畸變，會影響后續(xù)作物面積計算結(jié)果的準確性。文本參考紀壽文等的方法，對圖像的畸變進行矯正[16]。

2.2 圖像的灰度化

根據(jù)水稻田圖像受光照強度影響較大的實際特點，選用HSI模型的顏色空間分析圖像，分別對色調(diào)H、飽和度S和亮度I分量進行處理，得到在HSI顏色空間下對I分量灰度化的圖像，如圖3所示。

圖2 水稻田的原始圖像

圖3 水稻田的灰度化圖像

2.3 農(nóng)田信息獲取

水稻田圖像由水稻、雜草和工作行組成。其中，雜草為淺綠色，兩行水稻之間預留的工作行為黑色。水稻按照長勢分為兩種，揚花期水稻為黃綠色，分蘗期水稻為深綠色。大部分水稻雜草也是禾本科植物，葉片形狀與水稻相似，計算機視覺的區(qū)分難度較大。因此，利用各組成部分的顏色差異將它們分離出來。

圖像分割的計算簡單，運行速度快，是利用顏色特征對圖像各組成部分進行識別的有效方法。在色調(diào)H、飽和度S和亮度I這3個分量中，水稻和雜草的顏色特征受亮度I影響最小。因此，將I分量效果圖和灰度圖分別做最大類間方差分析后再進行二值化，通過分析直方圖獲得最大閾值T1、T2和T3，經(jīng)過閾值分割得到雜草、揚花期水稻、分蘗期水稻和工作行的圖像區(qū)域，如圖4所示。統(tǒng)計各圖像區(qū)域范圍內(nèi)的像素點數(shù)，通過標定像素當量與拍攝距離之間的關(guān)系，便可以計算得到各圖像區(qū)域的實際面積。

圖4 水稻田的圖像分割

3 試驗結(jié)果和分析

在本單位的試驗基地內(nèi)分別選擇水稻、小麥、玉米和大豆的代表性田塊，用無人機拍攝圖像，然后進行計算機視覺分析。4種作物的圖像分別在當季拍攝，設(shè)置相同的無人機飛行速度、高度和拍攝角度以保證外部條件盡量一致。圖像分析后獲取作物、雜草和工作行的區(qū)域面積，與人工測量的實際值比較，計算相對誤差，用以評價系統(tǒng)獲取信息的準確性。相對誤差計算公式為

式中δ——相對誤差，一般用百分數(shù)表示；

△——絕對誤差；

L——實際測量值。

系統(tǒng)對4種作物農(nóng)田信息獲取結(jié)果的準確性如表1所示。在水稻田和大豆田中獲取的目標作物面積較為準確，雜草和工作行面積的相對誤差較大，都超過10%。小麥田的各項相對誤差較小，都沒有超過10%，表現(xiàn)出很高的準確性。玉米田的各項相對誤差都較大，其中工作行達到23.68%，準確性最低。綜合分析發(fā)現(xiàn)：作物植株太高會形成遮擋，降低農(nóng)田信息獲取的準確性。田間雜草的葉片形態(tài)和顏色與目標作物接近時，識別的難度也會增加。系統(tǒng)從拍攝圖像到輸出結(jié)果的整個過程耗時2s，可以實現(xiàn)農(nóng)田信息的實時獲取和處理。

表1 系統(tǒng)獲取的各區(qū)域面積相對誤差

4 結(jié)論

基于計算機視覺技術(shù)，建立了一種用于獲取農(nóng)田信息的無人機系統(tǒng)。無人機拍攝農(nóng)田圖像，發(fā)送給信息檢測中心，轉(zhuǎn)換為數(shù)字信號后由計算機視覺模塊處理，根據(jù)顏色特征識別農(nóng)田作物種類和生長勢態(tài)，并計算各區(qū)域面積。試驗結(jié)果表明:系統(tǒng)對水稻、小麥和大豆田的信息獲取較為準確，玉米田由于作物植株太高形成遮擋，降低了農(nóng)田信息獲取的準確性。系統(tǒng)從拍攝圖像到輸出結(jié)果的整個過程耗時2s，具有較強的實時性，可以為拓寬無人機在農(nóng)業(yè)中的應用范圍提供技術(shù)支持。