基于消費級無人機監(jiān)測水稻成熟度研究

周立鳴　邵小龍　徐 文

[摘要]本文旨在探究利用消費級無人機搭載數(shù)碼相機長期監(jiān)測水稻成熟度的可行性。2018年7月—11月，監(jiān)測2個品種3個生育期的水稻生長狀況，從水稻生長的抽穗期開始每隔7d采用無人機自帶的數(shù)碼相機獲取試驗區(qū)數(shù)碼圖像，并提取5種顏色指數(shù)，同步田間取樣并檢測水稻的千粒重，淀粉、蛋白質(zhì)、水分含量及色差值等5項理化指標(biāo)作為水稻的長勢信息，探究水稻各生育期長勢信息與顏色指數(shù)之間的關(guān)系。結(jié)果表明：水稻生長過程中，色差b*值、L*值及蛋白質(zhì)含量與顏色指標(biāo)相關(guān)性較低（R2=0.143 5～0.579 6），而千粒重、含水率、色差a*值以及淀粉含量與顏色指數(shù)相關(guān)性較好（R2=0.711 3～0.908 6），本研究為利用無人機搭載數(shù)碼相機快速監(jiān)測水稻成熟度奠定了基礎(chǔ)。

[關(guān)鍵詞]水稻;理化指標(biāo);成熟度;無人機;圖像處理;顏色指數(shù)

中圖分類號：S511 文獻(xiàn)標(biāo)識碼：A DOI：10.16465/j.gste.cn431252ts.201912

水稻是我國主要的糧食作物之一[1]，大量研究表明稻谷收獲期對水稻品質(zhì)的影響是巨大的，其中包括水稻的食味品質(zhì)，以及儲藏期間的性狀變化[2-3]。而快速無損監(jiān)測水稻成熟度，能夠有效地調(diào)控水稻采后品質(zhì)。

遙感技術(shù)目前已廣泛應(yīng)用于精準(zhǔn)農(nóng)業(yè)，其具有快速無損、可持續(xù)性、可周期性觀測等特點，其常用的觀測平臺有地面平臺、無人機平臺以及航天航空平臺。地面平臺依靠手持光譜儀器，具有操作簡單、數(shù)據(jù)分辨率高等優(yōu)點[4-5]，但是數(shù)據(jù)獲取耗時耗力，測量范圍受限;航天航空遙感基于衛(wèi)星、航空飛機等平臺，具有觀測范圍廣、可持續(xù)跟蹤等優(yōu)點[6-7]，但其成本高昂，靈活性差，易受云、霧天氣等影響，導(dǎo)致作物生長的關(guān)鍵生育期數(shù)據(jù)嚴(yán)重匱乏。近年來發(fā)展的無人機遙感技術(shù)，相比地面遙感具有覆蓋面廣、效率高的優(yōu)點，相比衛(wèi)星遙感具有空間分辨率高、靈活性強的優(yōu)點。許多研究者已基于無人機圖像進(jìn)行了作物長勢的監(jiān)測研究[8-10]，如Hunt等[9]通過無人機搭載數(shù)碼相機獲取了高分辨率數(shù)碼圖像，用于估計玉米的營養(yǎng)狀況和玉米、苜蓿和大豆作物的生物量，并利用歸一化紅綠差指數(shù)NGRDI評估了其生長期間氮素營養(yǎng)狀況;Zhou等[11]使用多旋翼無人機搭載EOS 5D Mark III數(shù)碼相機獲取顏色指數(shù)對比了多光譜相機的結(jié)果，證實了無人機搭載數(shù)碼相機可應(yīng)用于水稻產(chǎn)量的預(yù)測。然而，利用無人機獲得顏色指數(shù)與作物理化指標(biāo)來估測作物成熟度的研究較少，這些顏色指數(shù)在作物長勢預(yù)測方面的性能和潛力有待進(jìn)一步檢驗。

本文利用無人機在兩個品種的水稻生長期間，以7d為單位間隔長期拍攝水稻抽穗生長期間的數(shù)碼圖像，并同步采樣測得水稻的千粒重、含水率、色差值、淀粉含量、蛋白質(zhì)含量等理化指標(biāo)作為水稻的長勢信息，在抽穗前期、后期及全生育期運用多項式函數(shù)建立各項指標(biāo)，并利用數(shù)碼圖像提取的顏色指數(shù)間的定量關(guān)系，建立基于并利用消費級無人機的水稻長勢信息監(jiān)測模型，以期為水稻成熟度的無損監(jiān)測和精確預(yù)測提供理論依據(jù)和數(shù)據(jù)支持。

1 試驗概述

1.1 試驗設(shè)計

水稻試驗于2018年7月—2018年11月在常州市新北區(qū)孟河鎮(zhèn)仁厚村的水稻種植田開展，該地位于32°01，N，119°47′E，海拔高度10m，氣候類型屬于典型的亞熱帶季風(fēng)氣候，夏季高溫多雨，冬季溫和干燥。水稻品種分別為南梗5055和軟玉，6月15日移植插秧，種植密度27穴/m2，9月15日全田抽穗80%后開始田間隨機取樣，之后每隔7d一次，試驗期間氣候正常，采樣時間截至11月17日，覆蓋水稻抽穗期、開花期，將9月15日—10月13日設(shè)為抽穗前期，10月20日—11月17日設(shè)為抽穗后期，整個生長期設(shè)為全生育期。

1.2 試驗儀器

TP-214型分析天平;JE602型電子天平;CM-5型色差儀;GNP-9160型隔水式恒溫培養(yǎng)箱;FW100型高速萬能磨粉機;Buchi 凱氏定氮儀 K-360;101-電熱恒溫鼓風(fēng)干燥箱。

1.3 試驗方法

（1）千粒重測定。隨機選取1 000顆帶殼新鮮籽粒，通過分析天平測定重量。

（2）淀粉測定。水稻籽粒烘干至恒重之后，帶殼磨粉過80目篩，得到粉末樣品，再根據(jù)《食品安全國家標(biāo)準(zhǔn) 食品中淀粉的測定》（GB 5009.9-2016），通過酶解法測定樣品中淀粉含量。

（3）蛋白質(zhì)測定。根據(jù)《食品安全國家標(biāo)準(zhǔn) 食品中蛋白質(zhì)的測定》（GB 5009.5-2016），通過凱氏定氮法測定樣品的蛋白質(zhì)含量。

（4）水分測定。根據(jù)《食品安全國家標(biāo)準(zhǔn) 食品中水分的測定》（GB 5009.3-2016），經(jīng)過預(yù)處理后在105℃烘干至恒重，測定樣品的水分含量。

（5）表面色差測定。用CM-5色差儀測定水稻籽粒的明度（L*）、紅綠色調(diào)（a*）和黃藍(lán)色調(diào)（b*），根據(jù)公式（1）計算色差（△E*值）。

（6）無人機圖像數(shù)據(jù)的獲取與處理。本研究采用大疆Mavic Pro旋翼式無人機（DJI-Innovations Inc.，Shenzhen，China）。無人機凈重約734g，續(xù)航時間約23min，配備慣性測量單元（inertial measurement unit，IMU）和全球定位系統(tǒng)（Global Position System，GPS），可以記錄無人機姿態(tài)信息和地理位置信息。其搭載的相機主要參數(shù)：1/2.3英寸CMOS，光圈f/2.2，總像素1 271萬，獲取影像分辨率為4 000×3 000，圖片以JPG格式存儲。

無人機遙感試驗于當(dāng)天上午太陽光輻射強度穩(wěn)定，天氣晴朗無云時開展，飛行高度分別為80m和450m，地面分辨率0.028m，航向重疊率為60%，旁向重疊率為60%，拍攝時感光度ISO、快門速度Shutter、光圈F、曝光值EV均為全自動，拍攝時停頓2～5s讓相機獲取最佳曝光條件。使用Photoshop（Photoshop CC 2017，Adobe Systems，America）對圖像進(jìn)行裁剪，獲得試驗區(qū)水稻無人機數(shù)碼圖像，見圖1。采用Matlab軟件（Matlab R2016a，MathWorks，America）提取水稻圖像紅、藍(lán)、綠通道像元（gray level）值，計算其平均值分別定義為R、G、B值，歸一化處理后得到各通道標(biāo)準(zhǔn)值，分別定義為r、g、b，其標(biāo)準(zhǔn)化公式如（2）～（4）所示?；诂F(xiàn)有研究成果，利用r，g，b可以構(gòu)建以下5種顏色指數(shù)（見表1），對水稻長勢進(jìn)行估測。

1.4 數(shù)據(jù)統(tǒng)計

使用SPSS 24.0（SPSS Inc.，Chicago，Illinois，USA）對5種顏色指數(shù)與各理化指標(biāo)進(jìn)行相關(guān)性分析和方差分析。采用Microsoft Excel 2016（Microsoft Corporation，Redmond，WA，USA）繪制圖表。

2 結(jié)果與分析

2.1 影響因素分析

將影響因素分為80m和450m兩個飛行高度，南梗5055和軟玉兩個水稻品種，全生育期分為前后兩個抽穗期，以這三個因素對理化指標(biāo)千粒重、水分含量、淀粉、蛋白質(zhì)和L*、a*、b*以及△E*值，以及圖像參數(shù)r、g、b值進(jìn)行統(tǒng)計分析，見表2，結(jié)果表明：在不同品種間，水分含量未達(dá)到極顯著水平，總淀粉達(dá)到顯著水平（P<0.05），其余指標(biāo)均達(dá)到極顯著差異水平（P<0.01），圖像參數(shù)中除g值外均達(dá)到極顯著差異水平（P<0.01）;在不同生育期，除色差L*值外理化指標(biāo)和圖像指標(biāo)均達(dá)到極顯著差異水平;在不同飛行高度下，理化指標(biāo)間的差異并不顯著（P>0.05），僅圖像參數(shù)達(dá)到極顯著差異水平。由表2可知，品種和生育期是對研究理化指標(biāo)和圖像參數(shù)之間關(guān)系的極顯著因素。

2.2 理化指標(biāo)與顏色指數(shù)的模型建立

將試驗數(shù)據(jù)以品種分為軟玉和南梗5055，在整個生育期對基于無人機RGB圖像提取的5種顏色指數(shù)分別與千粒重、含水率、L*值、a*值、b*值、△E*值、總淀粉含量、蛋白質(zhì)含量等理化指標(biāo)進(jìn)行相關(guān)性分析，根據(jù)相關(guān)系數(shù)（r）的大小選取與各項理化指標(biāo)相關(guān)性最好的顏色指數(shù)，將整個生育期分為抽穗前期和抽穗后期，分別建立基于優(yōu)選顏色指數(shù)的各項長勢指標(biāo)的監(jiān)測模型。

2.2.1 南梗5055的理化指標(biāo)與顏色指數(shù)相關(guān)性分析

由表3可知，當(dāng)水稻品種為南梗5055時，千粒重與歸一化綠減紅差值指數(shù)NGRDI極顯著負(fù)相關(guān)（P<0.01），含水率與NGRDI極顯著正相關(guān)（P<0.01），這表明隨著水稻生長，NGRDI指數(shù)呈逐步降低趨勢，稻谷顏色由綠變黃，水稻千粒重逐漸上升，含水率下降。色差數(shù)值中，明度（L*）值與可見光大氣阻抗指數(shù)VARI極顯著負(fù)相關(guān)（P<0.01），紅綠色調(diào)（a*）值與NGRDI指數(shù)極顯著負(fù)相關(guān)（P<0.01），黃藍(lán)色調(diào)（b*）值與綠葉指數(shù)GLI極顯著正相關(guān)（P<0.01），△E*與任何指數(shù)都不相關(guān)，這表明隨著水稻生長，水稻顆粒明度下降，表面顏色由綠變黃，而總色差幾乎不變?？偟矸叟cGLI極顯著負(fù)相關(guān)（P<0.01），蛋白質(zhì)含量與超綠指數(shù)ExG顯著正相關(guān)（P<0.05），這表明隨著長勢增加，淀粉含量逐漸上升，蛋白質(zhì)含量緩慢下降。

2.2.2 南梗5055長勢模型的建立

基于相關(guān)性分析，將所有水稻長勢指標(biāo)與其對應(yīng)的最優(yōu)顏色指數(shù)進(jìn)行數(shù)據(jù)擬合，在抽穗前期、抽穗后期以及全生育期構(gòu)建監(jiān)測模型，見表4，多項式函數(shù)擬合效果最佳。7項建模在抽穗前期的R2最低值屬于蛋白質(zhì)-ExG一項，僅0.088 2，R2最高值屬于含水率-NGRDI一項，為0.891;在抽穗后期的R2最低值也屬于蛋白質(zhì)-ExG一項，為0.034 1，R2最高值屬于b*-GLI一項，為0.529 1;在全生育期，R2最低值仍屬于蛋白質(zhì)-ExG一項為0.143 5，R2最高值屬于含水率-NGRDI，為0.890 2。由表4可知，生長期的不同對于數(shù)據(jù)擬合的影響極大，在抽穗前期擬合效果較好的指標(biāo)，在抽穗后期擬合效果會變差，反之，在抽穗前期擬合效果較差的指標(biāo)，在抽穗后期會變好。其中，蛋白質(zhì)-ExG一項的擬合效果最差，在三個生育期都無法獲得較好的擬合效果。其他所有指標(biāo)至少在一個生育期都獲得了較好的擬合效果，并且在全生育期也獲得了最低大于0.624 1（b*-GLI）的R2，其中，含水率-NGRDI的R2高達(dá)0.890 2，擬合效果最佳。

2.2.3 軟玉的理化指標(biāo)與顏色指數(shù)相關(guān)性分析

由表5可知，當(dāng)水稻品種為軟玉時，千粒重與超紅指數(shù)ExR極顯著正相關(guān)（P<0.01），含水率與綠葉指數(shù)GLI極顯著正相關(guān)（P<0.01），這表明隨著水稻生長，ExR呈上升趨勢，水稻千粒重逐漸上升，GLI呈下降趨勢，水稻含水率隨生長時間下降。色差數(shù)值中，明度（L*）值與可見光大氣阻抗指數(shù)VARI極顯著負(fù)相關(guān)（P<0.01），紅綠色調(diào)（a*）值與GLI極顯著正相關(guān)（P<0.01），黃藍(lán)色調(diào)（b*）值與任何指數(shù)都不相關(guān)（P>0.05），△E*與ExR極顯著正相關(guān)（P<0.01），這表明隨著水稻生長，水稻顆粒明度變暗，表面顏色變綠，總色差逐漸上升?？偟矸酆颗cGLI極顯著負(fù)相關(guān)（P<0.01），蛋白質(zhì)含量與ExR極顯著負(fù)相關(guān)（P<0.01），這表明隨著長勢增加，淀粉含量逐漸上升，蛋白質(zhì)含量緩慢下降。

2.2.4 軟玉長勢模型的建立

與南梗5055相同，基于相關(guān)性分析，將所有水稻長勢指標(biāo)與其對應(yīng)的最優(yōu)顏色指數(shù)進(jìn)行數(shù)據(jù)擬合，在抽穗前期、抽穗后期以及全生育期構(gòu)建監(jiān)測模型，見表6，多項式函數(shù)擬合效果最佳。7項建模在抽穗前期的R2最高值屬于含水率-GLI一項，為0.908 6，R2最低值屬于蛋白質(zhì)-ExR一項，僅0.227 3;在抽穗后期R2最高值也屬于含水率-GLI一項，但也僅有0.184 8，最低值屬于a*-GLI一項，僅0.007 5;在全生育期，R2最高值屬于a*-GLI一項，為0.88，最低值屬于蛋白質(zhì)-ExR一項，僅0.151 7。由表6可知，除了蛋白質(zhì)一項在三個生育期表現(xiàn)都較差，剩余幾項至少在2個生育期都獲得了較好的擬合效果。

3 結(jié) 論

本文利用無人機數(shù)碼圖像為數(shù)據(jù)源，在水稻關(guān)鍵生育期拍攝并提取RGB灰度值構(gòu)建的5種數(shù)字圖像顏色指數(shù)，結(jié)合了以水稻的千粒重、含水率、色差值、淀粉含量、蛋白質(zhì)含量幾項理化指標(biāo)以及抽穗時間作為長勢指標(biāo)的相關(guān)性分析，最終與優(yōu)選的顏色指數(shù)進(jìn)行數(shù)據(jù)擬合，結(jié)果表明對于兩種水稻，蛋白質(zhì)都不能很好地與任何一個顏色指數(shù)建模，而色差指標(biāo)中，a*值相較于L*值、b*值與顏色指數(shù)擬合較好，△E*不能作為參考色差值，而千粒重、含水率、淀粉含量與顏色指數(shù)關(guān)聯(lián)性較好，可以很好地作為水稻的長勢指標(biāo)：一方面，這四項理化參數(shù)隨生育期變化的同時，歸一化值r、g、b和顏色指數(shù)也表現(xiàn)出規(guī)律性的變化;另一方面，歸一化值和顏色指數(shù)在不同的品種和全生育期下都與理化參數(shù)顯著性相關(guān)?？紤]到光線條件變化、灌溉土壤管理差異對作物長勢的影響[16]，R2精度從0.71～0.9波動在合理范圍內(nèi)。本實驗證明了消費級無人機可以用來實現(xiàn)長期監(jiān)測水稻生長情況的目的，可以用來建立最優(yōu)監(jiān)測模型的理化指標(biāo)。由于建模僅基于同一試驗田，因此往后需要更多的試驗田對長勢監(jiān)測模型進(jìn)行完善和驗證，提高普適性。

參考文獻(xiàn)

[1] 實時實地氮肥管理對水稻產(chǎn)量和氮素利用率的影響[J].中國農(nóng)業(yè)科學(xué)，2003（12）：36-41.

[2] 劉兵，汪楠，邵小龍，等.不同收獲期對兩種粳稻綜合品質(zhì)的影響分析[J].食品科學(xué)，2017（19）：113-121.

[3] 汪楠，邵小龍，時小轉(zhuǎn)，等.稻谷低溫低濕干燥特性與水分遷移分析[J].食品工業(yè)科技，2017（5）：72-77.

[4] Xiaojun L， Richard F， Hengbiao Z， et al. Using an Active-Optical Sensor to Develop an Optimal NDVI Dynamic Model for High-Yield Rice Production （Yangtze， China）[J].Sensors，2017，17（4）：672.

[5] 陳青春，田永超，顧凱健，等.基于多種光譜儀的水稻前期植株氮積累量監(jiān)測[J].農(nóng)業(yè)工程學(xué)報，2011，27（1）：223-229.

[6] Wang J， Huang J F， Wang X Z， et al. 基于環(huán)境減災(zāi)衛(wèi)星及Landsat-8 衛(wèi)星的植被指數(shù)時間序列的水稻物候期提取研究（英文）[J].Journal of Zhejiang University-SCIENCE B，2015，16（10）：832-844.

[7] 陳鵬飛，楊飛，杜佳.基于環(huán)境減災(zāi)衛(wèi)星時序歸一化植被指數(shù)的冬小麥產(chǎn)量估測[J].農(nóng)業(yè)工程學(xué)報，2013（11）：132-139.

[8] Zhang J， Yang C， Zhao B， et al. Crop Classification and LAI Estimation Using Original and Resolution-Reduced Images from Two Consumer-Grade Cameras[J]. Remote Sensing，2017，9（10）：1054.

[9] Hunt E R， Cavigelli M， Daughtry C S T， et al. Evaluation of Digital Photography from Model Aircraft for Remote Sensing of Crop Biomass and Nitrogen Status[J].Precision Agriculture，2005，6（4）：359-378.

[10] Lee K J， Lee B W. Estimation of rice growth and nitrogen nutrition status using color digital camera image analysis[J].European Journal of Agronomy，2013， 48：57-65.

[11] Zhou X， Zheng H B， Xu X Q， et al. Predicting grain yield in rice using multi-temporal vegetation indices from UAV-based multispectral and digital imagery[J]. ISPRS Journal of Photogrammetry and Remote Sensing， 2017（130）：246-255.

[12] Woebbecke D M， Meyer G E， Von Bargen K， et al. Color indices for weed identification under various soil， residue， and lighting conditions[J].Transactions of the ASAE，1995，38（1）：259-269.

[13] Meyer G E，Hindman T W，Laksmi K.Machine vision detection parameters for plant species identification[J].Proceedings of SPIE - The International Society for Optical Engineering， 1999：3543.

[14] Louhaichi M， Borman M M， Johnson D E. Spatially Located Platform and Aerial Photography for Documentation of Grazing Impacts on Wheat[J].Geocarto International，2001，16（1）：65-70.

收稿日期：2019-09-18

基金項目：江蘇省研究生科研與實踐創(chuàng)新計劃項目（KYCX18-1415）。

作者簡介：周立鳴，男，碩士，研究方向為糧食無損檢測。

通信作者：邵小龍，男，博士，副教授，研究方向為無損檢測技術(shù)，糧油儲運工程和食品機械設(shè)備。

Monitoring the Growth Status of Rice Based on Consumer UAV

Zhou Liming，Shao Xiaolong，Xu Wen

（College of Food Science and Engineering， Nanjing University of Finance and Economics，Nanjing，Jiangsu 210023）

Abstract：The purpose of this paper is to explore the feasibility of using a consumer-grade drone to carry digital cameras for long-term monitoring of rice growth. From July to November 2018， the rice growth status of two varieties in three growth stages was monitored. From the heading period of rice growth， digital images of the test area were obtained using drone own digital camera every 7 days. Five kinds of color indexes were extracted， and five physical and chemical indicators such as 1000-grain weight， starch， protein， moisture content and color difference of rice were detected as the growth information of rice， and the relationship between growth information and color index of rice growth stages was explored. The results showed that the color difference b* value， L* value and protein and color index were low （R2=0.1435～0.5796）， while 1000-grain weight， water content， color difference a* value and starch content were related to color index. The performance is good （R2=0.7113～0.9086）. This study laid the foundation for the rapid monitoring of rice growth by using digital cameras equipped with drones.

Key Words：rice， physical and chemical indicators， growth status， unmanned aerial vehicles， image processing， vegetation indices