基于無人機(jī)數(shù)字圖像的棉花出苗信息提取

朱松松，陳至坤，張 怡

（華北理工大學(xué) 電氣工程學(xué)院，河北 唐山 063210）

0 引 言

棉田缺苗斷壟常常影響棉花的產(chǎn)量和品質(zhì)，因此準(zhǔn)確、快速地獲取棉花出苗信息對于早期決策起著至關(guān)重要的作用。目前關(guān)于棉田出苗情況的識別以人的主觀判斷為主，耗時費力，而且受限于觀察范圍與個人經(jīng)驗，生產(chǎn)者對田間出苗情況判別的準(zhǔn)確性和精確性較低，這將不利于及時采取有效的補救措施。

隨著遙感技術(shù)的發(fā)展，無人機(jī)遙感平臺作為一種新的信息獲取手段也已經(jīng)應(yīng)用于作物的覆蓋度監(jiān)測、種植信息和產(chǎn)量信息獲取等精準(zhǔn)農(nóng)業(yè)中。無人機(jī)平臺具有效率高、成本低、操作靈活、更適合復(fù)雜農(nóng)田環(huán)境等特點，不僅克服了人工獲取影像數(shù)據(jù)的困難，還可減少人體接觸對農(nóng)作物的損害，為大范圍農(nóng)情信息獲取提供了新的技術(shù)手段。文獻(xiàn)[5]通過HIS（Hue?Intensity?Saturation）閾值法識別出棉苗數(shù)量、壯苗數(shù)量以及出苗率，但計算出苗率時棉田的棉花播種數(shù)為棉田折算平均密度，不是圖像中識別的應(yīng)出苗數(shù)目。文獻(xiàn)[6]利用腐蝕膨脹等深度優(yōu)化處理技術(shù)計算出玉米的出苗數(shù)量，同時獲得了玉米的出苗率，但播種出苗數(shù)目是通過人工調(diào)查獲得，不能滿足通過圖像直接獲得出苗率信息的要求。文獻(xiàn)[7]在棉花出苗期自動檢測時，通過霍夫變換算法檢測幼苗位置是否排列成若干直線來判斷出苗期是否到達(dá)，因此不能準(zhǔn)確獲取圖像中的出苗信息。文獻(xiàn)[9]結(jié)合顏色特征分析和Otsu自適應(yīng)閾值法實現(xiàn)棉花目標(biāo)的識別和分割，構(gòu)建基于SVM的棉株計數(shù)模型，實現(xiàn)了棉苗數(shù)量和出苗率的檢測，但棉花播種數(shù)為在研究區(qū)中設(shè)置樣方點并進(jìn)行地面數(shù)據(jù)調(diào)查獲得，不能滿足對實時性的要求。

針對棉田的無人機(jī)圖像出苗信息提取的研究較少，本文通過無人機(jī)獲取棉花出苗期圖像，使用圖像處理技術(shù)對無人機(jī)低空數(shù)字圖像進(jìn)行分割與分析，提取棉田苗行、棉花播種數(shù)和實際出苗數(shù)，為精準(zhǔn)農(nóng)業(yè)作物生產(chǎn)管理及時準(zhǔn)確地獲取信息提供數(shù)據(jù)支撐。

1 系統(tǒng)設(shè)計及出苗信息提取方法

1.1 無人機(jī)視覺系統(tǒng)搭建

機(jī)器視覺是用機(jī)器代替人眼做測量和判斷，機(jī)器視覺系統(tǒng)一般包括圖像采集系統(tǒng)、圖像處理系統(tǒng)、執(zhí)行裝置三部分。圖像采集系統(tǒng)應(yīng)用成像裝置（CMOS和CCD兩種）捕捉目標(biāo)的形狀、顏色等信息，并將目標(biāo)圖像回傳至計算機(jī)。圖像處理系統(tǒng)對圖像進(jìn)行特征提取、目標(biāo)識別等。將圖像采集設(shè)備搭載到無人機(jī)上，地面控制系統(tǒng)通過數(shù)傳模塊發(fā)送命令到無人機(jī)中控系統(tǒng)，中控系統(tǒng)將命令分發(fā)到飛控系統(tǒng)和機(jī)載相機(jī)。飛控系統(tǒng)控制無人機(jī)的平穩(wěn)飛行和定點懸停并返回?zé)o人機(jī)飛行狀態(tài)，機(jī)載相機(jī)進(jìn)行定點拍攝并將圖像通過圖傳模塊發(fā)送給地面控制系統(tǒng)。地面控制系統(tǒng)對無人機(jī)進(jìn)行航點規(guī)劃并完成圖像處理等任務(wù)。該系統(tǒng)采集圖像大小均為4 000 pixel×3 000 pixel。無人機(jī)視覺系統(tǒng)結(jié)構(gòu)如圖1所示。

圖1 無人機(jī)視覺系統(tǒng)結(jié)構(gòu)

1.2 數(shù)據(jù)采集區(qū)介紹

棉田鋪設(shè)地膜為黑色，膜寬為80 cm，棉田為1膜2行種植方式，株距約為33 cm，膜距大約40 cm，相鄰地膜左側(cè)邊界距離大約100 cm，采用先鋪地膜后在膜上開孔播種的方式，2020年4月24日播種。圖像拍攝于2020年5月1日上午，天氣晴朗，地面控制系統(tǒng)規(guī)劃出5個采樣點進(jìn)行拍攝，設(shè)定飛行高度為5 m。

1.3 出苗信息提取方法研究

圖像的分割方法大致分為四類，即閾值分割法、邊緣提取分割算法、分水嶺分割算法和一些其他的分割算法。閾值分割法是一種簡單、易于理解、容易操作的方法，特別是圖像中目標(biāo)和背景存在很大差異時，能夠達(dá)到較好的分割效果。

棉花幼苗呈現(xiàn)嫩綠色，與周圍環(huán)境中的土壤以及地膜顏色差距較大，超綠指數(shù)ExG（超綠算法）一般用來增強(qiáng)圖像中綠色部分，抑制其他顏色成分。應(yīng)用超綠算法對圖像進(jìn)行灰度化處理，圖像中棉苗區(qū)域的亮度值明顯大于周圍區(qū)域，手動選擇固定閾值為0.2，實現(xiàn)圖像的二值化分割。根據(jù)分割出區(qū)域的形狀，計算棉苗所在二值區(qū)域質(zhì)心，質(zhì)心數(shù)即為分割出棉苗數(shù)。棉田的背景復(fù)雜，二值圖中存在一些細(xì)小干擾。形態(tài)學(xué)操作一般作用于二值化圖像，連接相鄰的元素或分離成獨立的元素。采用長度為3的方形結(jié)構(gòu)元素對圖像進(jìn)行開運算，消除細(xì)小干擾，彌合相近分割區(qū)域間的縫隙。

棉苗種植在地膜上，因此通過檢測不同壟的地膜區(qū)域?qū)崿F(xiàn)棉苗區(qū)域的劃分，進(jìn)而進(jìn)行苗行檢測。對原圖像進(jìn)行去相關(guān)拉伸（Decorrelation Stretch），然后刪除各干擾點實現(xiàn)圖像的預(yù)處理。通過K均值（K?means）算法實現(xiàn)對圖像中地膜的分割，如圖2a）所示，白色部分為地膜。地膜二值圖像在垂直方向上進(jìn)行投影，地膜所在區(qū)域在灰度投影圖中形成具有一定寬度的凸峰，地膜的壟數(shù)與灰度投影統(tǒng)計圖中波峰數(shù)目一致，如圖2b）所示。對灰度投影統(tǒng)計曲線進(jìn)行濾波，檢測波峰數(shù)即地膜壟數(shù)。

將圖像平均分為上下兩部分，分別進(jìn)行灰度投影統(tǒng)計并計算邊界點，然后通過上下邊界點求得地膜左右邊界直線。圖2c）為地膜區(qū)域?qū)γ廾缳|(zhì)心點的規(guī)劃，每組直線之間區(qū)域為地膜規(guī)劃區(qū)，從而將不同行的棉苗劃分到不同的區(qū)域。根據(jù)棉苗都在地膜區(qū)域的先驗知識，地膜規(guī)劃區(qū)之外的點均為誤檢測點，以此對棉苗數(shù)量進(jìn)行修正。

圖2 質(zhì)心規(guī)劃

根據(jù)地膜規(guī)劃區(qū)左右邊界線，進(jìn)一步將每壟地膜上的棉苗分行。在中心線檢測方面，主要檢測方法有最小二乘法（LSM）、Hough變換法等。Hough變換方法對噪聲不敏感，在缺株情況下也能較準(zhǔn)確地檢測出作物行，具有較強(qiáng)的抗干擾性和魯棒性，但其計算量較大，比較耗時。最小二乘法的優(yōu)點是檢測速度快、精度高，但是只能對點集擬合出一條直線，在進(jìn)行最小二乘擬合直線時需先對點集進(jìn)行分組預(yù)處理。

最小二乘法做直線擬合，就是要找到一條直線，讓這個點與直線的殘差平方和最小。設(shè)直線方程為=+，因此殘差為y -=y -?x -，因此最小二乘的目標(biāo)函數(shù)為：

根據(jù)式（1）可以觀察出，對于單變量（和）是一個開口向上的拋物線，對式（1）求偏導(dǎo)，導(dǎo)數(shù)為0的點是極值點，即拋物線的最小值，從而求得和。對每組質(zhì)心點進(jìn)行最小二乘法直線擬合，得到直線如圖3所示。

圖3 苗行檢測

棉花播種株穴距離固定，每行中已出棉苗最小距離為株穴之間距離，且株穴之間距離小于地膜寬度，因此可以通過每行質(zhì)心點距離得到株距。每一行棉苗數(shù)據(jù)中存在不符合分布規(guī)律的雜草，計算每一行中棉苗之間的距離，并從每組中選取三個最小值作為最小值數(shù)據(jù)集，觀察最小值數(shù)據(jù)集極差較大，對最小值數(shù)據(jù)集排序，前后各去掉1 3數(shù)據(jù)并對中間1 3數(shù)據(jù)求取均值作為棉苗株距。

通過每行質(zhì)心點擬合出直線，實現(xiàn)作物的行中心線檢測。直線與圖像的上邊界和下邊界分別相交，可以得到直線長度。圖中每行棉花播種數(shù)（行棉花播種數(shù)）、質(zhì)心點的數(shù)目、圖像中播種棉苗數(shù)和出苗率計算如下：

2 出苗信息提取結(jié)果與分析

棉田中設(shè)置了5個采樣點~，對采樣點區(qū)域進(jìn)行數(shù)據(jù)調(diào)查，數(shù)據(jù)如表1所示，其中P代表人工統(tǒng)計，I代表圖像檢測，錯檢數(shù)為雜草數(shù)目。通過地膜二值圖垂直投影圖，可以準(zhǔn)確得到圖像中地膜的壟數(shù)和棉苗的行數(shù)，誤差為0。準(zhǔn)確地規(guī)劃出地膜區(qū)域，是將棉苗進(jìn)行分組的基礎(chǔ)。

表1 出苗信息統(tǒng)計

人工統(tǒng)計棉苗時，棉苗破土即認(rèn)定為已出苗，在對圖像進(jìn)行超綠灰度化和膨脹腐蝕時，黃色弱苗以及剛破土葉片還未伸展棉苗等不能識別，出苗率誤差達(dá)到15.02%。圖像拍攝時，棉田剛開始進(jìn)入出苗期，棉田內(nèi)棉苗子葉還未全部展開，當(dāng)棉苗子葉展開，顏色由嫩綠色轉(zhuǎn)為深綠色時，出苗率誤差將會進(jìn)一步降低。

通過膨脹和腐蝕、圖像的差分處理、地膜區(qū)域規(guī)劃等操作，刪除了大部分雜草的誤檢點，出苗錯檢率最低可達(dá)到0.6%，錯檢點均為地膜上的雜草?？梢愿鶕?jù)棉苗株距固定的先驗知識，進(jìn)一步去檢測地膜規(guī)劃區(qū)中不符合規(guī)律的雜草，實現(xiàn)棉苗的精確檢測。

將檢測到的棉苗質(zhì)心點根據(jù)地膜規(guī)劃進(jìn)行分組，并根據(jù)已出棉苗分布的規(guī)律，求得棉苗之間的距離和圖像中播種棉苗數(shù)，播種數(shù)誤差最高為5%。雖然棉苗的株距固定，但棉苗并不是按照擬合直線的起點開始等差分布，每行棉苗都一定概率比計算棉苗少1株，從而產(chǎn)生累計誤差。

3 結(jié) 論

本文對棉花出苗期無人機(jī)低空數(shù)字圖像進(jìn)行研究，通過K均值聚類對圖像中地膜進(jìn)行分割，通過超綠灰度化和手動閾值分割算法，實現(xiàn)對圖像中棉苗的分割，通過地膜規(guī)劃區(qū)域去除區(qū)域外雜草，對棉苗進(jìn)行分組并應(yīng)用最小二乘法進(jìn)行苗行檢測，從而獲得棉苗行數(shù)、出苗數(shù)、棉花播種數(shù)、出苗率等棉花出苗信息。該研究可以在較短時間內(nèi)快速、準(zhǔn)確地獲取棉花出苗信息，為棉田精細(xì)化管理提供技術(shù)支持。主要結(jié)論如下：

1）通過對地膜垂直投影圖分析，可以精確得到圖像中棉苗行數(shù)。

2）利用地膜規(guī)劃區(qū)域?qū)砰g雜草的去除，可以更準(zhǔn)確地獲得出苗數(shù)目。

3）先對棉苗進(jìn)行分組，再利用最小二乘法進(jìn)行苗行檢測，可以得到精確的苗行直線和棉花播種數(shù)。

農(nóng)田應(yīng)用背景復(fù)雜，對不同的拍攝高度、角度等其他因素的考慮，并將這些研究應(yīng)用到真實場景中是下一步研究的方向。