基于普通數(shù)碼影像的單株桃樹估產(chǎn)方法

劉玉嬋　胡陽

摘要：[目的]探討基于普通數(shù)碼影像的單株桃樹估產(chǎn)方法，為實(shí)現(xiàn)桃樹產(chǎn)量的高精度、低成本估測提供參考。[方法]以安徽省滁州市張山桃園為試驗(yàn)區(qū)，利用數(shù)碼相機(jī)分別從西北、東南兩個(gè)方向?qū)Τ槿〉某墒炱趩沃晏覙溥M(jìn)行拍攝，通過改進(jìn)的分割算法和特征空間的優(yōu)化進(jìn)行果實(shí)信息提取，進(jìn)而選取斑塊數(shù)量、周長和面積作為特征參數(shù)估測單株桃樹產(chǎn)量。[結(jié)果]采用雙方向拍攝的斑塊數(shù)量之和的建模（y=0.9748x+0.3995）精度最高，預(yù)測值與實(shí)際值間的決定系數(shù)（R²）達(dá)0.9049，均方根誤差（RMSE）達(dá)0.21，而僅采用西北方向拍攝的斑塊數(shù)量作為建模參數(shù)的效果最差，R²僅0.0687，RMSEJ為30.64。[結(jié)論]可以利用普通數(shù)碼影像提取斑塊數(shù)量作為特征參數(shù)構(gòu)建估產(chǎn)模型對(duì)成熟期果樹進(jìn)行產(chǎn)量預(yù)測，其精度較高，該方法具有一定科學(xué)性和應(yīng)用前景。

關(guān)鍵詞：桃樹；數(shù)碼影像；模型；估產(chǎn)

中圖分類號(hào)：S662.1 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：2095-1191（2018）03-0606-06

0引言

[研究意義]近年來，隨著我國農(nóng)業(yè)遙感等信息技術(shù)的發(fā)展，為果品的自動(dòng)化監(jiān)測提供了便利（易時(shí)來等，2009；吳尚蓉等，2013）。對(duì)果樹產(chǎn)量進(jìn)行預(yù)測可幫助果農(nóng)根據(jù)市場實(shí)際需求量制訂合理的生產(chǎn)計(jì)劃和銷售方向（劉軍弟和霍學(xué)喜，2010）。目前，果樹估產(chǎn)的準(zhǔn)確性及可推廣性仍是限制其發(fā)展與應(yīng)用的主要因素（雷彤等，2010；劉璐等，2012；盧軍和桑農(nóng)，2014）。利用普通數(shù)碼攝影技術(shù)對(duì)單株果樹產(chǎn)量進(jìn)行估測，具有操作簡單、成本低、可推廣性強(qiáng)的特點(diǎn)，可為實(shí)現(xiàn)果樹生產(chǎn)現(xiàn)代化提供科學(xué)依據(jù)。[前人研究進(jìn)展]已有學(xué)者利用普通數(shù)碼攝影技術(shù)對(duì)蘋果（Elfving and Schechter，1993；Linker et a1.，2012；程洪等，2015）、獼猴桃（Wijethunga et a1.，2008）、柑橘（張亞靜等，2009）、芒果（Payne et a1.，2013）進(jìn)行了產(chǎn)量估測研究，其結(jié)果均表明基于圖像處理技術(shù)提取的個(gè)數(shù)、面積等特征參數(shù)與產(chǎn)量問存在著較高的相關(guān)性，尤其在蘋果估產(chǎn)方面研究諸多。何傳江和唐利明（2007）通過對(duì)果樹進(jìn)行單方向攝影，提取面積、周長、個(gè)數(shù)作為特征參數(shù)，構(gòu)建單株果樹產(chǎn)量估算模型，取得了較好生產(chǎn)效益；蘇哲斌（2009）結(jié)合灰色系統(tǒng)與馬爾柯夫鏈理論，建立灰色馬爾柯夫估測模型，以陜西省為試驗(yàn)區(qū)進(jìn)行了蘋果產(chǎn)量估測；雷彤等（2010）通過實(shí)測蘋果冠層反射光譜，估測了山東省棲霞市的蘋果產(chǎn)量；Rozman等（2012）利用蘋果果樹多個(gè)時(shí)期的圖像，以提取的蘋果個(gè)數(shù)為輸入值，成功建立了基于神經(jīng)網(wǎng)絡(luò)模型的蘋果成熟期單株果樹實(shí)際產(chǎn)量估測方法；錢建平等（2013）利用圖像處理技術(shù)，對(duì)識(shí)別出的成熟期蘋果數(shù)碼影像果實(shí)圖斑構(gòu)建產(chǎn)量估測模型。[本研究切入點(diǎn)]雖然前人的研究均構(gòu)建出不同果實(shí)在特定區(qū)域的估產(chǎn)模型，但由于果實(shí)的生長存在不均衡性，單一方向的影像數(shù)據(jù)估產(chǎn)難免會(huì)產(chǎn)生較大誤差，導(dǎo)致現(xiàn)有的理論模型無法落實(shí)在具體的果樹估測應(yīng)用中。[擬解決的關(guān)鍵問題]針對(duì)當(dāng)前研究存在的不足，以桃樹為研究對(duì)象，對(duì)單株桃樹的西北、東南兩個(gè)方向的成熟期果樹進(jìn)行數(shù)碼攝影，通過分割算法的改進(jìn)和特征空間的優(yōu)化進(jìn)行果樹信息提取，進(jìn)而選取特征參數(shù)構(gòu)建單株桃樹產(chǎn)量估測模型，實(shí)現(xiàn)對(duì)桃樹產(chǎn)量的高精度、低成本估測。

1數(shù)據(jù)來源與研究方法

1.1數(shù)據(jù)來源

試驗(yàn)區(qū)位于安徽省滁州市來安縣張山桃園，面積約5 ha，桃園內(nèi)桃樹南北縱向成行分布，樹形為改良杯狀形，大部分樹齡為5年。通過分析該桃園2012～2016年的生產(chǎn)和管理記錄，單株桃樹產(chǎn)量平均為100kg。本研究在桃樹成果期進(jìn)行圖像數(shù)據(jù)的采集，選取50株生長較好的健壯桃樹，對(duì)每株進(jìn)行編號(hào)。本研究使用佳能EOS 600D數(shù)碼相機(jī)采集數(shù)據(jù)，有效像素1800萬，傳感器尺寸22.3mm×4.9mmCMOS。于2016年9月8～9日12：00～14：00對(duì)每株桃樹分別從西北和東南方向進(jìn)行照片拍攝，要求整株果樹都能拍攝到，且焦距一致，共獲取100幅影像。為提高處理影像的效率，進(jìn)行批量裁剪以去除影像多余部分，保留目標(biāo)區(qū)域，裁剪后的像素為640x640。2016年9月12～20日采摘50株桃樹的果實(shí)，同時(shí)詳細(xì)記錄每株桃樹的實(shí)際產(chǎn)量，將50株果樹的產(chǎn)量按從低到高順序排列，并分為奇數(shù)和偶數(shù)兩組，每組各25株（表1）。

1.2基于幾何活動(dòng)輪廓模型的影像分割

幾何活動(dòng)輪廓模型（Geodesic active contour，GAC）基于水平集方法及曲線進(jìn)化理論，曲線進(jìn)化與參數(shù)無關(guān)。曲線進(jìn)化的基本原理：首先將作為零水平集的曲線插入到高一維的函數(shù)中，再對(duì)其進(jìn)行不斷更新，從而完成對(duì)其中隱含曲線的進(jìn)化。基本的GAC模型滿足以下方程：

對(duì)于傳統(tǒng)GAC模型，g函數(shù)是定義在影像梯度場上的非負(fù)單調(diào)遞減函數(shù)，其目的是使演化曲線在目標(biāo)邊界上的速度為零。然而，根據(jù)g函數(shù)的定義，演化曲線在目標(biāo)邊界上的速度不僅不會(huì)為零，還會(huì)在弱邊界上較大，造成邊界泄露，即演化曲線會(huì)陷進(jìn)目標(biāo)內(nèi)部。針對(duì)基本擴(kuò)散模型在演化曲線方面的缺陷，通過總結(jié)前人關(guān)于閾值研究的經(jīng)驗(yàn)（何傳江和唐利明，2007），本研究定義控制參數(shù)6c為0.35，β為0.55。

2結(jié)果與分析

2.1特征空間構(gòu)建及果實(shí)信息提取

顏色信息、形狀信息和紋理信息是識(shí)別果實(shí)目標(biāo)與背景的重要因子，也是遙感數(shù)據(jù)識(shí)別的基礎(chǔ)。通過選取顏色、形狀和紋理信息構(gòu)建特征空間，可準(zhǔn)確、有效地將果實(shí)從背景中識(shí)別出來。本研究選取比值特征（某波段影像斑塊的均值光譜除以全部波段的斑塊均值光譜之和）和亮度特征（將光譜層的均值亮度與影像對(duì)象數(shù)量相除）作為顏色指標(biāo)；選取斑塊周長、面積、最小外接矩形長和寬及圓形度等作為形狀指標(biāo)；選取小梯度優(yōu)勢、梯度不均勻性、灰度均方差、慣性、灰度不均勻性、能量不均勻性、相關(guān)和逆差距等作為紋理指標(biāo)。對(duì)成熟期的桃樹利用改進(jìn)GAC模型的影像分割方法進(jìn)行影像分割，得到分割后的果實(shí)信息提取結(jié)果如圖1所示。

2.2特征參數(shù)選取及單株產(chǎn)量估測模型構(gòu)建

基于前人采用影像分割結(jié)果的斑塊個(gè)數(shù)、周長和總面積等3個(gè)特征參數(shù)對(duì)單株果實(shí)產(chǎn)量進(jìn)行估測研究（張亞靜等，2009），其中，識(shí)別斑塊個(gè)數(shù)是從圖像中識(shí)別到的成熟桃數(shù)量，即從數(shù)量方面反映桃的產(chǎn)量；識(shí)別總周長是圖像中識(shí)別到的桃子輪廓像素和；識(shí)別面積是圖像中識(shí)別到的桃子面積。周長越長、面積越大，桃子的體積可能就越大，即以重量反映桃子的產(chǎn)量。綜上所述，本研究提出以下9個(gè)特征參數(shù)為自變量：（1）從西北方向提取的斑塊數(shù)；（2）從東南方向提取的斑塊數(shù)；（3）從西北和東南方向提取的斑塊數(shù)之和；（4）從西北方向提取的斑塊周長；（5）從東南方向提取的斑塊周長；（6）從西北和東南方向提取的斑塊周長之和；（7）從西北方向提取的斑塊面積；（8）從東南方向提取的斑塊面積；（9）從西北和東南方向提取的斑塊面積之和。同時(shí)，采用奇數(shù)組的25株實(shí)測桃樹單株產(chǎn)量作為因變量，構(gòu)建桃樹單株產(chǎn)量估測回歸模型。

本研究采用預(yù)測值與實(shí)際值問的決定系數(shù)R²和均方根誤差RMSE兩個(gè)指標(biāo)來評(píng)價(jià)估產(chǎn)模型的性能，R²越大表明預(yù)測值與實(shí)際值相關(guān)性越好，RMSE越小說明估算模型估測精度越高。計(jì)算公式如下：式中，y_i為樣本實(shí)際產(chǎn)量，y_ie為樣本預(yù)測產(chǎn)量。由構(gòu)建的模型（圖2）及評(píng)價(jià)結(jié)果（表2）可知，采用斑塊數(shù)量為估產(chǎn)建模參數(shù)時(shí)，總體效果比斑塊面積和斑塊周長優(yōu)，其中，采用東南和西北雙方向拍攝斑塊數(shù)量之和的建模精度最高，R²達(dá)0.9049，RMSE達(dá)0.21，通過F=O.01顯著性檢驗(yàn)；而僅采用西北方向的斑塊數(shù)量作為建模參數(shù)時(shí)效果最差，R²僅為0.0687，RMSE為0.64。在采用斑塊面積作為建模參數(shù)時(shí)，不管是采用西北或東南單方向的斑塊面積，還是雙方向斑塊面積之和，建模的效果相差不明顯；而采用其他兩種參數(shù)建模時(shí)，西北方向參數(shù)的建模效果明顯比東南方向和雙方向之和參數(shù)的建模效果差。其原因可能是拍攝果樹影像時(shí)，東南方向獲取的影像光線較佳，果實(shí)斑塊識(shí)別更準(zhǔn)確；也可能是樹木本身的生長特性所致，東南方向果實(shí)的生長較好，該方向的影像能反映整棵果樹的大致產(chǎn)量。

2.3單株產(chǎn)量估測模型分析

2.3.1模型驗(yàn)證 基于前期試驗(yàn)中構(gòu)建的9個(gè)特征參數(shù)模型，采用精度最高的雙方向斑塊數(shù)量之和為特征參數(shù)，對(duì)奇數(shù)組的25株果樹的產(chǎn)量進(jìn)行預(yù)測，同時(shí)利用實(shí)際產(chǎn)量進(jìn)行精度驗(yàn)證，結(jié)果如圖3所示。由圖3可知，總體上果樹產(chǎn)量預(yù)測值與實(shí)際產(chǎn)量值差距較小，單株果樹實(shí)際產(chǎn)量平均值為56.3kg，預(yù)測產(chǎn)量平均值為56.1kg，二者基本一致。但單株果樹產(chǎn)量預(yù)測值與實(shí)際產(chǎn)量值問仍存在或大或小的差異，其中，編號(hào)為11的果樹差異最明顯，預(yù)測值比實(shí)際產(chǎn)量低12.0kg，其次是編號(hào)為17的果樹，預(yù)測值比實(shí)際產(chǎn)量高11.0kg。

2.3.2模型誤差分析 從整體上看，單株果樹產(chǎn)量預(yù)測值偏低的有14株，偏高的有11株。通過對(duì)研究過程進(jìn)行分析，認(rèn)為產(chǎn)生誤差的因素大致分為以下幾種：（1）對(duì)于預(yù)測產(chǎn)量偏低的情況：一方面可能是果實(shí)被樹葉遮擋使得影像無法識(shí)別果實(shí)斑塊；另一方面可能是若干果實(shí)擠在一起生長使得影像分割時(shí)將其識(shí)別為一個(gè)整體斑塊（圖4-a）；（2）對(duì)于預(yù)測產(chǎn)量偏高的情況：一方面是由于雙方向影像采集時(shí)，會(huì)將同一果實(shí)進(jìn)行重復(fù)數(shù)據(jù)獲取，導(dǎo)致重復(fù)計(jì)算；另一方面是由于單個(gè)果實(shí)被樹枝或樹葉遮擋，在影像分割時(shí)將單個(gè)果實(shí)識(shí)別為多個(gè)斑塊（圖4-b）。

3討論

本研究以桃樹為研究對(duì)象，利用數(shù)碼相機(jī)分別從西北、東南兩個(gè)方向?qū)Τ墒炱诘膯沃晏覙溥M(jìn)行數(shù)碼拍照，通過改進(jìn)后的分割算法和特征空間的優(yōu)化，進(jìn)行果實(shí)信息提取，選取了斑塊數(shù)量、斑塊周長、斑塊面積作為特征參數(shù)，進(jìn)行單株桃樹產(chǎn)量估測。結(jié)果表明，在單株桃樹產(chǎn)量估測模型構(gòu)建時(shí)采用斑塊數(shù)量作為估產(chǎn)建模參數(shù)效果最優(yōu)，其中采用雙方向斑塊數(shù)量之和的建模精度最高，R²達(dá)0.9049，RMSE達(dá)0.21，其模型為y=0.9748x+0.3995。因此，本研究選用y=0.9748x+0.3995模型作為單株桃樹產(chǎn)量預(yù)測模型。

在前人關(guān)于構(gòu)建特征空間研究的基礎(chǔ)上，本研究選取顏色、形狀、紋理指標(biāo)作為特征空間構(gòu)建因子，研究結(jié)果與以往單純依靠圖像中的果實(shí)個(gè)數(shù)與大小信息構(gòu)建的估測模型（周嶸，2011；程洪等，2015）相比，提取的準(zhǔn)確度有所提高，且更加全面地反映了果實(shí)信息。從與桃樹的實(shí)際產(chǎn)量比較來看，總體上預(yù)測值與實(shí)際值基本一致，說明利用普通數(shù)碼相機(jī)對(duì)成熟期果樹進(jìn)行產(chǎn)量預(yù)測的方法具有一定的科學(xué)性和良好的應(yīng)用前景，預(yù)測結(jié)果可為果農(nóng)根據(jù)市場實(shí)際需求量提前制訂合理的生產(chǎn)計(jì)劃和銷售方向，從而增加經(jīng)濟(jì)收益。但針對(duì)單株果樹產(chǎn)量預(yù)測仍存在部分誤差，因此，該模型在今后研究中需結(jié)合多種誤差因素，進(jìn)一步提高本模型預(yù)測準(zhǔn)確度，修正和完善估產(chǎn)模型。

4結(jié)論

利用普通數(shù)碼像片提取斑塊數(shù)量作為特征參數(shù)構(gòu)建估產(chǎn)模型對(duì)成熟期果樹進(jìn)行產(chǎn)量預(yù)測，其精度較高，該方法具有一定科學(xué)性和應(yīng)用前景。

（責(zé)任編輯 鄧慧靈）