發(fā)布時間：2020-02-20所屬分類：農(nóng)業(yè)論文瀏覽：1次
摘 要： 摘要:為全面預(yù)防和降低我國農(nóng)作物倒伏帶來的產(chǎn)量與經(jīng)濟損失，利用先進(jìn)的圖像邊緣檢測技術(shù)，對作物倒伏面積評估系統(tǒng)進(jìn)行了設(shè)計。在深度理解圖像邊緣檢測機理的基礎(chǔ)上，結(jié)合作物具備的本體圖像紋理特征建立作物倒伏面積評估理論模型，實現(xiàn)作物倒伏圖像及面積的
摘要:為全面預(yù)防和降低我國農(nóng)作物倒伏帶來的產(chǎn)量與經(jīng)濟損失，利用先進(jìn)的圖像邊緣檢測技術(shù)，對作物倒伏面積評估系統(tǒng)進(jìn)行了設(shè)計。在深度理解圖像邊緣檢測機理的基礎(chǔ)上，結(jié)合作物具備的本體圖像紋理特征建立作物倒伏面積評估理論模型，實現(xiàn)作物倒伏圖像及面積的準(zhǔn)確化檢測，并進(jìn)行面積評估試驗。試驗結(jié)果表明:該系統(tǒng)可以實時掌握作物的生長狀態(tài)，對倒伏狀態(tài)進(jìn)行預(yù)判定，并可以提供完整的作物倒伏面積評估與分布情況，圖像檢測成功率較傳統(tǒng)倒伏面積評估法可控制在78%以上，整體面積評估誤差率可控制在10%以內(nèi)，驗證了基于圖像邊緣檢測作物倒伏面積評估系統(tǒng)設(shè)計的可行性。
關(guān)鍵詞:作物倒伏;圖像邊緣檢測;紋理特征;評估理論模型;評估誤差率
0引言
經(jīng)不完全統(tǒng)計，每年因作物面積倒伏影響產(chǎn)量的損失可達(dá)21.5%左右，為有效降低作物倒伏事件發(fā)生帶來的人力、機械及收獲產(chǎn)量的損失，致力于研究作物倒伏面積的預(yù)測與評估系統(tǒng)尤為重要。近年來，相關(guān)學(xué)者已經(jīng)利用遙感技術(shù)等對作物倒伏的信息進(jìn)行提前預(yù)知性獲取，以便采取相關(guān)防控措施，筆者在借鑒關(guān)鍵研究成果的基礎(chǔ)上，采取邊緣數(shù)據(jù)信息的獲取、濾波、處理、增強等手段，利用圖像邊緣檢測技術(shù)對作物倒伏信息及圖像特征展開了研究。
1圖像邊緣檢測原理
圖像邊緣檢測技術(shù)原理可簡要描述為:在處理器中央控制調(diào)節(jié)之下，由高清晰度的攝像裝置實現(xiàn)作物田間圖像信息的采集，核心控制算法經(jīng)不同要求的處理與篩選，獲取檢測所需數(shù)據(jù)。其中，檢測過程中若發(fā)生圖像相異的區(qū)域邊界，則呈現(xiàn)出圖像灰度變化梯度性，需進(jìn)一步進(jìn)行作物倒伏面積成像識別。表1為常規(guī)性作物(玉米)在倒伏狀態(tài)下的圖像特征指標(biāo)。其主要包括紅色灰度、綠色灰度、藍(lán)色灰度、色度、亮度和飽和度6大關(guān)鍵指標(biāo)，將其與正常生長狀態(tài)下的圖像特征進(jìn)行對比可知:在倒伏狀態(tài)下的均值、方差及變異系數(shù)等都存在明顯的對比性，這一特點便于整體圖像邊緣檢測系統(tǒng)的融入與利用。
為了準(zhǔn)確利用圖像邊緣檢測技術(shù)進(jìn)行作物的倒伏面積評估系統(tǒng)設(shè)計，明確農(nóng)作物單體圖像檢測跟蹤流程(見圖1):首先通過作物所具備的本體特征序列和圖像檢測合力傳送至作物目標(biāo)位置獲取模塊，經(jīng)關(guān)鍵參數(shù)初始化和核心算法跟蹤匹配后，進(jìn)而篩選出作物倒伏類似目標(biāo)，并進(jìn)行圖像的檢測匹配，實現(xiàn)圖像檢測準(zhǔn)確跟蹤。
2作物倒伏面積系統(tǒng)評估
2.1理論模型建立
進(jìn)行作物倒伏面積系統(tǒng)的識別與評估，設(shè)置核心算法，以對圖像灰度變化進(jìn)行跟蹤為原則，充分體現(xiàn)圖像邊緣檢測技術(shù)的準(zhǔn)確性與單像素邊緣控制性。
2.2倒伏評估系統(tǒng)硬件配置
倒伏面積評估系統(tǒng)硬件配置以傳感器控制為機理，壓力與傾角為測定參數(shù)，作物倒伏面積評估系統(tǒng)中嵌入檢測平臺，如圖3所示。
該系統(tǒng)的電壓轉(zhuǎn)換控制電路一方面直接將信號傳遞至MTK嵌入式檢測平臺，另一方面通過壓力與傾角傳感經(jīng)相應(yīng)的信號處理轉(zhuǎn)換電路后到達(dá)MTK嵌入式檢測平臺，內(nèi)部具有PID自適應(yīng)的圖像數(shù)據(jù)對比與調(diào)整。
為進(jìn)一步提高作物倒伏圖像識別與處理的準(zhǔn)確性，對采集到的初始圖像進(jìn)行功能化的增強，加入噪聲調(diào)節(jié)和徑向模糊處理技術(shù)，對一些明顯圖像不平衡板塊進(jìn)行簡化;同時，對于需要重點處理位置進(jìn)行圖像增強，降低擬合的過度現(xiàn)象發(fā)生。圖4為作物倒伏面積評估系統(tǒng)的GS變換融合簡圖。由圖4可知:在多光譜影像識別與全色影像的配合下進(jìn)行GS變換，變換的核心控制環(huán)節(jié)在于高分辨率全色波段的插入，與第一主分量實現(xiàn)波段高度匹配進(jìn)而進(jìn)行參數(shù)替換，實現(xiàn)GS逆變換全過程。此變換融合是后期圖像檢測與面積評估的重要條件之一。
2.3倒伏評估系統(tǒng)軟件運行
根據(jù)實際作物倒伏的不同程度，作物倒伏面積評估系統(tǒng)檢測的對象選擇為重度與中度倒伏的場合。進(jìn)行軟件系統(tǒng)配置首先需要創(chuàng)建核心控制服務(wù)器，之后選擇藍(lán)牙通信方式將作物圖像采集裝置與后臺軟件顯示界面實現(xiàn)實時溝通連接;然后，依照系統(tǒng)運行過程中對作物倒伏圖像及面積的識別檢測流程(見圖5)，給定準(zhǔn)確的作物倒伏特征信息，再經(jīng)過OTSU閾值處理與二值化圖像操作化，結(jié)合作物形態(tài)控制學(xué)計算，得到匹配度符合要求的新二值化圖像，從而實現(xiàn)農(nóng)作物倒伏圖像分割與檢測，并最終實現(xiàn)倒伏面積的估算處理。
3、基于圖像邊緣檢測的評估試驗
3.1條件設(shè)置
在保證評估系統(tǒng)界面友好性的基礎(chǔ)上，以VisualBasic2010環(huán)境為試驗載體，進(jìn)行識別處理模塊的性能參數(shù)設(shè)置，如表2所示。
選定主要顏色波段6項，確定各自的中心波長和半最大值寬度指標(biāo)進(jìn)行作物倒伏面積評估系統(tǒng)的檢測試驗。
3.2過程分析
在圖像檢測的濾波環(huán)節(jié)，通過給定指令輸出如圖6所示的農(nóng)作物倒伏面積評估系統(tǒng)的圖像濾波處理界面，通過該界面可以對作物的圖像特征進(jìn)行掌握和觀測。當(dāng)濾波出現(xiàn)與正常邏輯判斷相異，則表示倒伏現(xiàn)象發(fā)生，從而連鎖其他相關(guān)的圖像處理算法進(jìn)行個別化輸出。
待整體倒伏面積評估試驗完畢可輸出整體倒伏面積分布圖，如圖7所示。圖7為兩塊試驗面積，左側(cè)占60%以上的灰色部分為作物倒伏，右側(cè)10%左右的灰色部分為作物倒伏，通過該倒伏面積評估系統(tǒng)可以清晰了解及預(yù)測倒伏的位置及分布。
對比作物圖像的紋理特征數(shù)據(jù)，并進(jìn)行倒伏面積圖像的檢測成功率測算，形成如表3所示的關(guān)鍵評價參數(shù)對比。在忽略影響度較小的作物生長環(huán)境因素前提下，基于圖像邊緣檢測技術(shù)的面積評估誤差率可控制在10%以內(nèi)，此時作物倒伏圖像的檢測成功率也保持在78%以上，相比較傳統(tǒng)的人工預(yù)估與面積評估方法精確度得到明顯提高。
4結(jié)論
1)以作物本體圖像紋理特征、單體圖像跟蹤原理為出發(fā)點，建立作物倒伏面積評估理論模型，規(guī)劃圖像邊緣檢測對作物倒伏應(yīng)用的識別與跟蹤流程。
2)針對該作物倒伏面積評估系統(tǒng)，進(jìn)行硬件配置與軟件運程序控制設(shè)計，實現(xiàn)作物倒伏圖像及面積的準(zhǔn)確化檢測，并進(jìn)行面積評估試驗。試驗表明:該評估系統(tǒng)下的圖像檢測成功率較高，倒伏面積評估誤差率可控制在3%～10%范圍內(nèi)，評估系統(tǒng)運行可靠。
