基于計(jì)算機(jī)視覺(jué)技術(shù)的棉花長(zhǎng)勢(shì)監(jiān)測(cè)系統(tǒng)構(gòu)建.pdf

1、基于計(jì)算機(jī)視覺(jué)技術(shù)的作物長(zhǎng)勢(shì)監(jiān)測(cè)與診斷是近年來(lái)農(nóng)業(yè)信息技術(shù)研究的主要方向與發(fā)展趨勢(shì)。其快速、高效、實(shí)用的監(jiān)測(cè)方法為農(nóng)作物精準(zhǔn)監(jiān)測(cè)提供新的理論基礎(chǔ)和技術(shù)支撐，對(duì)于推動(dòng)現(xiàn)代農(nóng)業(yè)近地面遙感監(jiān)測(cè)技術(shù)的實(shí)際應(yīng)用具有一定的學(xué)術(shù)價(jià)值與社會(huì)價(jià)值。因此，構(gòu)建基于計(jì)算機(jī)視覺(jué)技術(shù)的作物長(zhǎng)勢(shì)監(jiān)測(cè)與診斷系統(tǒng)具有極其深遠(yuǎn)的意義。本研究采用數(shù)碼相機(jī)或CCD數(shù)字?jǐn)z像頭在棉田進(jìn)行實(shí)時(shí)跟蹤監(jiān)測(cè)，通過(guò)數(shù)字圖像分割技術(shù)對(duì)棉花群體冠層圖像進(jìn)行分析，篩選棉花長(zhǎng)勢(shì)監(jiān)測(cè)與N素營(yíng)養(yǎng)診斷

2、反應(yīng)敏感的特征顏色參數(shù)，主要目的旨在構(gòu)建不同特征顏色參數(shù)與棉花農(nóng)學(xué)參數(shù)間的關(guān)系模型，并通過(guò)高產(chǎn)田獨(dú)立試驗(yàn)對(duì)模型進(jìn)行檢驗(yàn)，力圖搭建基于計(jì)算機(jī)視覺(jué)技術(shù)的棉花長(zhǎng)勢(shì)監(jiān)測(cè)與N素營(yíng)養(yǎng)診斷遠(yuǎn)程服務(wù)平臺(tái)，實(shí)現(xiàn)對(duì)棉花生長(zhǎng)信息和氮素營(yíng)養(yǎng)狀況進(jìn)行快速準(zhǔn)確的監(jiān)測(cè)與診斷。本研究主要內(nèi)容包括：
　?、挪煌靥幚砻藁ㄈ后w冠層圖像顏色特征動(dòng)態(tài)變化規(guī)律。選用北疆2棉花主栽品種新陸早43號(hào)（XLZ43）和新陸早48號(hào)（XLZ48）為試驗(yàn)材料，于2010年和2011

3、年開(kāi)展5個(gè)N素水平的小區(qū)試驗(yàn)，應(yīng)用數(shù)碼相機(jī)獲取棉花群體冠層圖像，通過(guò)數(shù)字圖像識(shí)別系統(tǒng)（DIRS）提取各處理棉花群體冠層圖像的顏色特征參數(shù)R、G、B、H、I、S值，探討各顏色分量在棉花生育期內(nèi)的動(dòng)態(tài)變化。分析結(jié)果表明，基于RGB模型的R分量值、G分量值和基于HIS模型的亮度I值能充分反應(yīng)棉花群體生長(zhǎng)發(fā)育規(guī)律，且相關(guān)性好，其動(dòng)態(tài)模擬曲線的函數(shù)通式為：y=a-b×ln(x+c)，因此R、G和I能作為棉花群體監(jiān)測(cè)的量化指標(biāo)；基于HIS模型的色度

4、H值，隨不同施N量的增加，擬合參數(shù)呈現(xiàn)規(guī)律性變化，且相關(guān)性顯著，其動(dòng)態(tài)曲線滿足通式：y=a+bx+cx2。然而模型中藍(lán)色分量B值其動(dòng)態(tài)變化雖然滿足二次函數(shù)關(guān)系，但不同N素水平間擬合參數(shù)值波動(dòng)性大，規(guī)律不明顯；顏色分量S值動(dòng)態(tài)模擬結(jié)果不理想，無(wú)規(guī)律可循。
　?、苹诟采w度CC的棉花長(zhǎng)勢(shì)監(jiān)測(cè)與氮素營(yíng)養(yǎng)狀況診斷模型。通過(guò)數(shù)字圖像分割法提取各試驗(yàn)中棉花全生育期內(nèi)群體冠層圖像特征參數(shù)值，運(yùn)用顏色特征法將棉花冠層圖像分割為冠層和土壤層，通過(guò)閾

5、值分割法和四分量分割法將棉花冠層圖像分為4層，即：冠層圖像分割為光照冠層（Sunlit canopy，SC）與陰影冠層（Shaded canopy，ShC）；土壤層分割為光照土壤層（Sunlit soil，SS）和陰影土壤層（Shaded soil，ShS）。為了減小圖像處理誤差，采用MATLAB圖像處理軟件和VC++計(jì)算機(jī)程序語(yǔ)言以及2種方法求出棉花冠層覆蓋度CC。應(yīng)用手持冠層光譜儀GreenSeekerTM測(cè)量棉花冠層的NDVI值與

6、RVI值，分析比較CC與NDVI和RVI之間的關(guān)系，研究結(jié)果表明，CC與NDVI具有顯著的線性正相關(guān)（R2>0.914，P<0.01），與RVI具有顯著的線性負(fù)相關(guān)（R2>0.826，P<0.05）；這充分說(shuō)明CC同NDVI有類似的光譜反射特性，能較好的診斷與評(píng)估棉花長(zhǎng)勢(shì)信息和N素營(yíng)養(yǎng)狀況；通過(guò)分析CC與棉花3農(nóng)學(xué)參數(shù)（棉株地上部N累積量、LAI和地上部生物量）間的關(guān)系，建立了CC與3農(nóng)學(xué)參數(shù)間動(dòng)態(tài)模擬模型，研究結(jié)果表明，指數(shù)函數(shù)能準(zhǔn)確

7、描述CC與棉花3農(nóng)學(xué)參數(shù)間的動(dòng)態(tài)變化規(guī)律，且CC與棉株地上部N累積量指數(shù)函數(shù)模型相關(guān)性最高。其決定系數(shù)R2=0.978，根均方差RMSE=1.479 g m-2；最后利用3個(gè)不同生態(tài)點(diǎn)高產(chǎn)棉田試驗(yàn)數(shù)據(jù)對(duì)模型進(jìn)行了檢驗(yàn)，檢驗(yàn)結(jié)果表明，CC與棉株地上部總N累積量間精確度R2值為0.926，準(zhǔn)確度RMSE值為1.631 g m-2。因此可以推斷，CC可作為棉花長(zhǎng)勢(shì)監(jiān)測(cè)與N素營(yíng)養(yǎng)診斷的最佳參變量。
　　⑶基于不同特征顏色參數(shù)的棉花長(zhǎng)勢(shì)監(jiān)測(cè)

8、與氮素營(yíng)養(yǎng)評(píng)價(jià)模型。棉株地上部N累積量、LAI和地上部生物量是衡量棉花長(zhǎng)勢(shì)狀況的主導(dǎo)因素和重要指標(biāo)，不同N素水平棉花群體冠層圖像顏色特征不同，而不同的顏色特征反映出不同顏色參數(shù)值，針對(duì)棉花冠層顏色的這種特點(diǎn)和潛在規(guī)律，分析各顏色特征參數(shù)與3農(nóng)學(xué)參數(shù)的相關(guān)性，結(jié)果表明，顏色參數(shù)G-R、2g-r-b和G/R與3個(gè)農(nóng)學(xué)參數(shù)間相關(guān)性均達(dá)極顯著水平，其中G-R與3者之間相關(guān)系數(shù)依次分別為0.945**、0.968**、0.935**；2g-r-b

9、與者之間相關(guān)系數(shù)依次分別為0.906**、0.935**、0.898**；G/R與3者之間相關(guān)系數(shù)依次分別為0.859**、0.889**、0.892**。建立基于G-R、2g-r-b和G/R分別與3農(nóng)學(xué)參數(shù)間的關(guān)系模型，結(jié)果表明，G-R、2g-r-b和G/R與3農(nóng)學(xué)參數(shù)間的動(dòng)態(tài)模型變化關(guān)系類似于CC與3農(nóng)學(xué)參數(shù)間的動(dòng)態(tài)關(guān)系，均滿足指數(shù)函數(shù)模型，其函數(shù)模型通式為：y=kebx。通過(guò)對(duì)3個(gè)不同特征的顏色參數(shù)與3農(nóng)學(xué)屬性間模型的建立與檢驗(yàn)，

10、結(jié)果表明，對(duì)于特征顏色參數(shù)G-R和2g-r-b對(duì)LAI監(jiān)測(cè)精度高于地上部N累積量和地上部生物量；對(duì)于特征顏色參數(shù)G/R來(lái)說(shuō)，棉花地上部生物量的監(jiān)測(cè)精度高于其他2農(nóng)學(xué)參數(shù)。
　?、然谳棢岱eTEP的棉花地上部生物量累積模型。為進(jìn)一步探討應(yīng)用計(jì)算機(jī)視覺(jué)技術(shù)分析棉花群體冠層的空間分布、光輻射和熱量等環(huán)境生態(tài)因素對(duì)棉花群體的影響。本研究獲取2品種5氮素水平棉花各生育期地上部生物量，記錄并測(cè)量棉花全生育期的光合有效輻射PAR和溫度，計(jì)算棉花

11、各生育期與全生育期TEP值，運(yùn)用歸一化分析方法，建立基于相對(duì)生物量累積（RAGBA）和相對(duì)輻熱積（RTEP）的棉花地上生物量累積動(dòng)態(tài)模型，得到8個(gè)模擬精確度較高的模型，再通過(guò)求極限值法篩選出最優(yōu)模型。結(jié)果表明：棉花RAGBA和 RTEP間的動(dòng)態(tài)關(guān)系最佳模型是Richards模型，其表達(dá)式為RABGA=1.024/(1+e6.646-10.115RTEP)1/1.417，（r=0.9813，s=0.0426）；通過(guò)3個(gè)不同生態(tài)點(diǎn)獨(dú)立的高產(chǎn)

12、田試驗(yàn)對(duì)模型檢驗(yàn)，結(jié)果表明，RTEP所對(duì)應(yīng)的RAGBA觀測(cè)值與模擬值之間的RMSE為0.659 t hm-2，相對(duì)誤差RE為5.34％，一致性系數(shù)COC為0.998，決定系數(shù)R2為0.996；最后定量分析了模型動(dòng)態(tài)變化過(guò)程和模型各參數(shù)特征，根據(jù)模型生物量累積速率方程將其積累過(guò)程劃分為2個(gè)拐點(diǎn)3個(gè)階段，得出棉花地上生物量最大累積速率及其對(duì)應(yīng)的相對(duì)輻熱積和相對(duì)地上生物量積累量分別為2.299、0.623和0.549。這說(shuō)明變量參數(shù)TEP具有

13、很強(qiáng)的應(yīng)用價(jià)值，能評(píng)價(jià)棉花地上部生物量累積過(guò)程，也能通過(guò)Richards模型反映棉花物質(zhì)生產(chǎn)狀況和經(jīng)濟(jì)產(chǎn)量，為數(shù)字化棉花生產(chǎn)提供理論依據(jù)。
　?、苫谳棢岱eTEP的棉花葉面積指數(shù)動(dòng)態(tài)模擬模型。為凸顯計(jì)算機(jī)視覺(jué)技術(shù)對(duì)棉花生長(zhǎng)監(jiān)測(cè)的實(shí)用性，分析輻熱積TEP與LAI之間動(dòng)態(tài)變化規(guī)律尤為重要。本節(jié)研究增設(shè)了2品種（石雜2、新陸早43）4氮素水平小區(qū)試驗(yàn)，通過(guò)歸一化處理，用Curve Expert軟件或Origin8.5軟件對(duì)相對(duì)葉面積指數(shù)

14、（RLAI）和相對(duì)輻熱積（RTEP）動(dòng)態(tài)數(shù)據(jù)進(jìn)行擬合，得出7個(gè)精度較高的模型，其中Rational function函數(shù)模型最能準(zhǔn)確描述棉花LAI的動(dòng)態(tài)變化規(guī)律，相關(guān)系數(shù)r=0.9459，反映出極強(qiáng)的生物學(xué)意義。利用本研究2品種5氮素水平的核心試驗(yàn)數(shù)據(jù)和3個(gè)不同生態(tài)點(diǎn)獨(dú)立的高產(chǎn)田試驗(yàn)對(duì)模型進(jìn)行多重檢驗(yàn)，其置信度（α）分別為0.1686、0.0771、0.1706；決定系數(shù)（R2）分別為0.9477、0.9640、0.9708；一致性系數(shù)

15、（COC）分別為0.9867、0.9908、0.9891；相對(duì)誤差（RE）分別為6.4928%、4.3709%、7.5403%；回歸估計(jì)標(biāo)準(zhǔn)誤差根均方差（RMSE）分別為0.1883、0.1425、0.2267。進(jìn)一步證明Rational function函數(shù)模型能夠準(zhǔn)確反映RTEP與RLAI間的動(dòng)態(tài)變化規(guī)律。最后分析不同施N量對(duì)棉花全生育期的物質(zhì)生產(chǎn)潛力，結(jié)果表明：不同施N量對(duì)棉花LAI動(dòng)態(tài)具有調(diào)控作用，尤其平均葉面積指數(shù)（MLAI）

16、、最大葉面積指數(shù)（LAImax）和二者的比值等特征參數(shù)，對(duì)N肥用量反映敏感，可作為改善棉花葉片光輻射特性的重要指標(biāo)，從而提高產(chǎn)量。本研究對(duì)于棉花生長(zhǎng)發(fā)育進(jìn)程中TEP的定量計(jì)算具有重要意義，為進(jìn)一步拓展數(shù)字圖像在棉花冠層光輻射與空間分布理論研究做鋪墊。
　　⑹基于計(jì)算機(jī)視覺(jué)技術(shù)的棉花長(zhǎng)勢(shì)監(jiān)測(cè)與氮素診斷遠(yuǎn)程服務(wù)平臺(tái)。本平臺(tái)集成了數(shù)碼相機(jī)和CCD數(shù)字?jǐn)z像頭成像技術(shù)，融合了基于數(shù)字圖像識(shí)別分割處理技術(shù)、農(nóng)業(yè)物聯(lián)網(wǎng)與Web遠(yuǎn)程控制技術(shù)、信息

17、傳輸服務(wù)技術(shù)和數(shù)據(jù)庫(kù)管理技術(shù)于一體的遠(yuǎn)程服務(wù)系統(tǒng)平臺(tái)，初步實(shí)現(xiàn)了對(duì)棉花群體長(zhǎng)勢(shì)情況遠(yuǎn)程監(jiān)測(cè)與N素營(yíng)養(yǎng)狀況診斷。該平臺(tái)為了滿足用戶需求和方便使用，其客戶端為PC機(jī)用戶和智能手機(jī)（Android系統(tǒng)）用戶，遠(yuǎn)程終端采用B/S結(jié)構(gòu)，該平臺(tái)由棉花長(zhǎng)勢(shì)長(zhǎng)相監(jiān)測(cè)中心（田間監(jiān)測(cè)）、網(wǎng)絡(luò)信息服務(wù)控制中心（服務(wù)器）、圖像分析與數(shù)據(jù)處理中心、決策診斷與評(píng)價(jià)中心以及用戶瀏覽中心構(gòu)成。搭建了一個(gè)大型的環(huán)式的集棉花監(jiān)測(cè)管理于一體的“一網(wǎng)三層五中心”監(jiān)測(cè)診斷體系，