基于數(shù)字圖像的冬小麥、夏玉米長勢遠程動態(tài)監(jiān)測技術(shù)研究.pdf

1、隨著全球信息化的發(fā)展,數(shù)字農(nóng)業(yè)成為了現(xiàn)代農(nóng)業(yè)發(fā)展的新潮流。它通過對農(nóng)業(yè)產(chǎn)前、產(chǎn)中、產(chǎn)后過程進行數(shù)字化設(shè)計、可視化表達和智能化控制,形成精準(zhǔn)選種、精準(zhǔn)播種、精準(zhǔn)施肥、精準(zhǔn)灌溉、分級收儲、動態(tài)監(jiān)控、適時調(diào)節(jié)的“鏈條”,以獲取最佳的投入產(chǎn)出比,對于實現(xiàn)農(nóng)業(yè)的可持續(xù)發(fā)展有著十分重要的意義。
　　 本研究以“基于嵌入式網(wǎng)絡(luò)技術(shù)和CDMA服務(wù)的遠程農(nóng)田信息監(jiān)控系統(tǒng)"為工具來實現(xiàn)華北平原某農(nóng)場冬小麥、夏玉米長勢的實時圖像獲取和信息的遠程自動無

2、線傳輸,以數(shù)字圖像處理技術(shù)為手段,實現(xiàn)該農(nóng)場冬小麥、夏玉米株高的遠程實時動態(tài)監(jiān)測,為該農(nóng)場冬小麥、夏玉米的精準(zhǔn)管理、數(shù)字化管理提供技術(shù)支撐。進而為華北平原冬小麥、夏玉米的精細化管理提供決策依據(jù)。
　　 Visual C++6.0編程,利用“雙目立體視覺”的基本原理來處理動態(tài)傳輸?shù)浇K端服務(wù)器的大田冬小麥、夏玉米實時雙目圖像對,經(jīng)過攝像機標(biāo)定,圖像分割,噪聲去除,區(qū)域網(wǎng)格化,區(qū)域匹配等過程來獲得左右圖像中目標(biāo)點的對應(yīng)關(guān)系,然后構(gòu)建物

3、體的三維信息,近似于人類視覺系統(tǒng)的立體感知過程,從而快捷得出冬小麥、夏玉米的實時株高信息。
　　 主要研究結(jié)果如下:
　　 (1)攝像機標(biāo)定采用采集標(biāo)定桿圖像的方法進行攝像機標(biāo)定,在攝像機監(jiān)控區(qū)域插4根標(biāo)定桿,分別位于1m2正方形的四個角。把標(biāo)定桿的顏色涂為紅色,在標(biāo)定桿的頂部、中部和底部貼白色標(biāo)定點,共12個標(biāo)定點。標(biāo)定桿設(shè)置好后,以標(biāo)定桿為聚焦目標(biāo)來調(diào)節(jié)左右攝像機,使其12個標(biāo)定點都落入圖像中,且左右圖像大致相同。攝

4、像機調(diào)試好后,采集標(biāo)定桿的左右圖像對,利用線性法進行攝像機標(biāo)定。經(jīng)試驗發(fā)現(xiàn),標(biāo)定的標(biāo)準(zhǔn)偏差在誤差的允許范圍之內(nèi),是一種快捷、有效的攝像機標(biāo)定方法。
　　 (2)對于冬小麥、夏玉米的中后期圖像,使用G分量灰度化圖像后,最大類間方差自動尋找閾值能夠很好的分割出作物。對于前期的冬小麥、夏玉米圖像,使用G分量灰度化圖像后,難以分割出目標(biāo)。經(jīng)試驗研究發(fā)現(xiàn):受光照影響較小或者陰天采集的苗期冬小麥、夏玉米圖像,采用加權(quán)值(2G-R-B)灰度化

5、圖像,最大類間方差自動尋找閾值也能夠分割出目標(biāo)。但是,受光照影響強烈的冬小麥、夏玉米苗期圖像來說,沒有尋找出較好的分割辦法。
　　 (3)針對群體作物雜亂無章、相互遮擋、圖像分辨率較差的特點,本研究嘗試對左右投影區(qū)域進行網(wǎng)格化匹配。首先,由高度標(biāo)定桿上被作物遮擋的某點來初步確定投影區(qū)域的高度。其次,對投影區(qū)域進行網(wǎng)格化處理。接著對網(wǎng)格化后的二值圖像進行網(wǎng)格化匹配。只對感興趣的白色部分(作物)進行匹配,對于全部為白色像素的網(wǎng)格直接

6、完成匹配,對于不全為白色像素的網(wǎng)格,設(shè)置了一定的匹配準(zhǔn)則,當(dāng)某網(wǎng)格中白色像素占網(wǎng)格內(nèi)總像素的比例達到一定數(shù)值后,該網(wǎng)格成功完成匹配,否則作為背景放棄。然后提取成功匹配網(wǎng)格的質(zhì)心,對質(zhì)心點進行三維重建。質(zhì)心點的Y值作為本試驗的株高。
　　 (4)依據(jù)上述方法對冬小麥、夏玉米圖像進行株高解析,圖像解析結(jié)果達到了一定的精度。生育期實測株高與對應(yīng)的圖像解析株高的相關(guān)性分別達到:0.9129和0.9848。冬小麥、夏玉米株高圖像解析結(jié)果與

7、實測結(jié)果相關(guān)性最好的分別表現(xiàn)為30(0.1)和10(0.1)組合,實測值與圖像解析結(jié)果擬合的方程分別為:y=1.1178x+6.2503；y=0.9585x+50.857。模型檢驗中,冬小麥的最大相對誤差為8.37％,最小為2.58％；夏玉米的最大相對誤差為8.84％,最小為0.11％。綜合實驗結(jié)果,可以得出本試驗的株高解析思路具有可行性,達到一定的精度。操作過程中,對于冬小麥來說,區(qū)域網(wǎng)格不可以劃太少。對于夏玉米來說,區(qū)域網(wǎng)格維持在1