1、基于计算机视觉技术的玉米植株高度检测的研究 阙玲丽 广西工商职业技术学院教务科研处 摘 要： 玉米植株高度的检测对于玉米生长期间的营养调控有着非常重要的意义, 玉米植株高度也是玉米种植密度的重要参数, 更是玉米产量的影响因素之一。大范围地种植玉米, 在玉米植株长势的整体控制上就会存在空白区, 而引用计算机视觉技术可以全面、快速地检测玉米植株高度, 提高检测数据的正确率, 减轻测量工作需要的劳动强度和缩短测量时间。为此, 基于计算机视觉技术来检测玉米植株高度, 利用事先安装在田间的带有红外照明的摄像头采集白天和夜晚的玉米植株图像, 通过图像分割、边缘轮廓计算、图像增强等方法处理图像后, 测得玉米
2、植株白天和夜晚两个时间段的高度, 分析出植株的生长情况, 控制其长势。研究结果表明:相较于人眼粗略的判断或是人工采用直尺测量, 利用计算机视觉技术来测量玉米植株高度, 可以大范围测量, 且测量的速度快、测量结果误差小, 最大程度地降低了人工的投入。关键词： 玉米植株高度; 长势监测; 计算机视觉; 图像处理; 图像识别; 作者简介：阙玲丽 (1979-) , 女, 广西玉林人, 讲师, 硕士研究生, (E-mail) 。收稿日期：2016-09-22基金：广西高校科学技术研究项目 (KY2015YB454) Based on Computer Vision Technology to Dete
3、ct the Height of Corn PlantsQue Lingli Guangxi Vocational College of Technology and Business Academic Research Office; Abstract： Height of corn plants for the detection of nutritional regulation of corn during the growing season has a very important significance, corn planting corn plant height is a
4、n important parameter density is one of the factors that affect the yield of corn. Large-scale cultivation of corn, corn on the overall control of plant growth will be blank areas. Reference computer vision technology can quickly detect the full height of corn plants, improve the accuracy of test da
5、ta, reduce labor intensity measurements needed and reduce the measurement time. Based on computer vision technology to detect corn plant height, the use of pre-installed in the field camera with infrared lighting collection day and night to corn plants image after the adoption of image segmentation,
6、 edge contour calculation, image enhancement method for processing an image, according to established in the field of reference materials, highly corn plants day and night to two time periods calculated, analyzed the growth of plants, and control its growing conditions. The results show that the hum
7、an eye compared to roughly determine the use of artificial or ruler to measure, using computer vision technology to measure the height of corn plants, a wide range can be measured, and the measured speed measurement error is small, it is the largest degree of savings invested in labor costs.Keyword：
8、 corn plant height; growth monitoring; computer vision; image processing; image identification; Received： 2016-09-220 引言植株高度可以在一定程度上影响农作物的产量, 原理是节间的粗度和充实度决定了茎秆中干物质累积和贮藏能力, 而茎秆的粗细与植株的抗倒能力有着直接的关系。从光能利用的角度看, 植株过矮会造成生长量不足, 适当增加植株高度, 有益于二氧化碳在植株内的运转, 且使植株下层叶片能够接受到阳光, 对玉米植株的生长是有益的。在确保玉米植株不会发生倒伏的情况下, 增加玉米植株
9、高度可在一定程度上增加玉米的产量。农业作为人类生存的最基本要素, 将智能化引入农业生产中而形成一种新型的农业生产结构, 这就是精细农业, 从种子的挑选、发育、植株的生长、采摘到后续的加工中都从精细方面控制。计算机视觉技术在植物生长状态的采集、共享农业资源信息的建设、农副产品等级区分和质量检测等方面得到广泛的应用。其中, 植物生长状态信息的采集因其自动和高效等优势得到广泛的推广应用。目前, 我国玉米的种植面积在 0.2 亿 hm 左右, 是仅次于水稻、小麦的粮食作物, 在全球的范围中仅次于美国。玉米大面积种植导致植株生长信息很难全面掌控, 计算机视觉技术的应用可帮助人们全面掌控植物的生长信息,
10、根据植株的长势情况进行调控施肥、灌水等操作。在玉米生长周期内, 对植株高度进行生产调控是关键环节之一。玉米植株高度检测指对植株的高度及其变化的宏观监测。由于植株高度可以间接地估算生物量积累, 从而估计玉米产量, 因此通过检测玉米植株高度指标可以定性和定量评价玉米的群体长势状况。现今在很多研究已将计算机视觉技术应用在植株高度检测中。Casady 等利用机器视觉技术, 依据水稻与其土质背景在采集图像中的对比度差异进行灰度级分割, 从而采集到水稻的长势信息1, 将采集的图像处理后可以获取植株的茎高, 进而将植株高度值作为作物生长率的监控参考指标, 并应用数学形态学方法消除阴影及噪声, 通过二值化图像
11、提取水稻高度2。美国学者 Trooien and Heermann 设计并实验了基于数字图像处理技术来检测土豆的方法:首先, 提取土豆的图像, 从顶部图像中获取土豆的叶面积;接着对图像采用中值滤波、二值化处理提取计算出株高;最后, 再与人工测量方法比较3。李长缨等利用数字图像处理技术实现了温室内作物的无损监测, 从图像中取得株高等长势信息4。白景峰等5提出了基于目标图像特征标志点和边缘标志点矩阵的计算机视觉特征提取方法, 通过相应算法计算出苗高、地径等 12 个视觉特征量。随着配有计算机和摄像头的田间服务器的广泛使用, 各种作物长势图像信息采集监控将会呈 G 级增长, 为农业生产提供宏观和微观
12、的指导。目前, 不但直接从事农业生产的部门和个人需要监测的结果, 其他涉及农业、教育、研究机构及政府等部门也同样需要这些信息6。采用计算机视觉技术检测农作物长势对于农业精细化的生产有着非常重要的作用。利用数字图像识别与分析处理技术对农作物长势信息跟踪监测已成为现在农作物发展研究的主要趋势7-9, 故本文研究采用计算机视觉技术监控玉米植株高度。1 系统设计1.1 总体设计基于计算机视觉的玉米植株高度检测系统由参照物、红外照明设备、摄像头、图像采集卡和计算机构成。工作时, 首先在试验田安装参照物、红外照明设备和摄像头, 在自然条件下拍摄白天玉米图像, 在晚上打开红外照明设备拍摄夜晚玉米图像;将采集
13、的图像汇集在采集卡中, 传输至电脑进行分析计算, 得到植株高度, 完成测量工作。其总体设计原理图如图 1 所示。图 1 总体设计原理图 下载原图1.2 工作原理玉米植株高度的测量是玉米种植过程中持续很长时间的工作, 采用人工方法测量工作繁重。因此, 以计算机视觉为基础, 在合适的位置安装摄像机, 在有条件的情况下安装可转向摄像头, 尽可能地全面覆盖玉米种植田;在摄像机前面安置参照物, 将采集的图像汇集于图像卡中, 传输至计算机, 通过计算机中事先安装的软件分析图像提取植株高度数值 h 玉米 和图像中参照物的高度 l 参照 , 田间设置的参照物高度 L 参照 可以直接获得, 就可以得出玉米植株的
14、实际高度 H 玉米 , 计算公式为此时的测量植株高度是指玉米从地面到自然状态的最高点距离。本文中的图像是在玉米自然状态下拍摄采集的, 图像处理是需要排除玉米叶片对植株测量高度的影响, 减少测量误差, 控制检测结果的准确性。采集图像时, 由摄像头自动控制快门速度和色彩平衡, 不用闪光灯。为减少因为阳光直射角和光线强弱造成的影响拍照效果, 图像拍摄时间控制在中午11:00-13:00, 且选择在阴天或多云天气进行, 减弱光线直接照射造成的反光效应。由于玉米冠层较高, 很难全面拍摄玉米植株的后期图像, 特定制了一个调节自有高度的升降杆的三脚架, 用于固定调节摄像头的拍摄角度, 保证可以拍摄到玉米和对
15、照杆, 以达到玉米植株高度的检测目的, 完成实验。本研究以“郑单 958”玉米作为实验对象, 通过计算机视觉采集图像, 通过图像分割、边缘轮廓计算、图像增强等方法处理图像后, 测得玉米植株白天和夜晚两个时间段的高度;同时, 考察测量效果, 分析计算机视觉技术检测玉米高度的测量准确性, 检测该技术运用于农业生产的合理性, 分析该技术的运用价值。2 图像识别处理通过摄像头采集的图像需要经处理才能进行分析, 而玉米的背景比较复杂、模糊。例如, 图像中叶片的背景可能会被误识为玉米的顶端, 从而导致后期测量数据产生误差, 进而影响以玉米植株高度为参考的后期数据分析。人眼只能识别几十个灰度级, 而计算机可
16、以分辨所有的灰度级, 区分出图像中玉米顶端和其他背景, 故以计算机视觉技术为手段, 可以分析玉米田各种环境中的各种影响因素。经过处理图像中玉米植株轮廓线突显, 通过处理图像方法可以使采集的图像更易于分析和鉴别, 消除不需要的背景, 使图像中植株轮廓线突显, 提高图像中植株高度检测效果。本文采用的图像处理方法有: (1) 灰度等级直方图方法。分割控制图像灰度值, 使灰度值在需要的区间内。 (2) 消除干扰抑制。通过空间域法中具有代表性的算法有局部求平均值法和中值滤波 (取局部邻域中的中间像素值) 法等, 来消除或减少图像上噪声和干扰背景。 (3) 边缘强化。通过高通滤波或某种变动, 使图形中玉米
17、植株的轮廓线边缘突显, 便于测量。另外, 本研究中还需要采集夜晚图像, 而借助红外照明拍摄的图像会使得图像无色模糊, 因此需要进行伪彩色处理, 将图像中的玉米植株转变为有色的。3 试验与结果3.1 试验基本条件以品种为“郑单 958”玉米为试验对象, 采用平原种植, 种植密度为 4 300 株/667m, 每穴留单株, 试验田大小为 0.13hm, 在玉米生长后期进行测量;将摄像机拍摄的图像中随机取 8 株;人工直尺测量 3 次。图像采集如图 2、图 3 所示。图 2 图像采集示意图 下载原图图 3 采集图像区域 下载原图将采集的图像输送到计算机上, 利用软件将图像原图 (见图 4) 采用灰度
18、等级直方图方法, 消除干扰抑制;边缘强化等方法处理图像识别处理, 提取出可以用于软件识别计算的玉米图像 (见图 5) ;同图像中玉米和对照杆的对比, 分析出玉米高度, 根据玉米高度分析出玉米的长势情况。图 4 图像原图 下载原图图 5 图像处理结果 下载原图3.2 试验设计为了检测采用计算机视觉信息技术的玉米植株高度的有效性, 与人工测量做对比。首先, 采用直尺来测量玉米植株自然状态下的高度, 人工测量进行 3 次, 分白天和夜晚检测;然后采用计算机视觉技术在试验田进行检测, 也分为白天和夜晚测量。白天测量时间段为 11:00-13:00, 夜晚测量时间段为 1:00-3:00。人工测量结果如
19、表 1、表 2 所示, 机器测量结果如表 3 所示, 人工测量与机器测量的相对误差分析如表 4 所示。通过比较人工测量结果和机器测量结果, 分析测量准确性。表 1 人工测量玉米植株高度数据 (白天) 下载原表 表 1 人工测量玉米植株高度数据 (白天) 下载原表 表 2 人工测量玉米植株高度数据 (夜晚) 下载原表 表 3 计算机视觉测量玉米植株高度数据 下载原表 表 4 人工测量与计算机测量相对误差 下载原表 表 4 人工测量与计算机测量相对误差 下载原表 从表 1表 4 可以看出:利用计算机视觉技术检测值和人工直尺检测值的相对误差较小, 最大值为 3.58%, 最小值仅为 0.93%。因光
20、照条件的限制, 对机器测量会存在一定的影响, 但整体相对误差都比较小, 影响程度较轻。从整体数据的相对误差统计可以看出, 占据数据 87%的计算机视觉技术测量得到的数值其相对误差小于 2%。这种测量精度完全在可以接受的范围内, 采用机器视觉技术来测量玉米植株高度的方法是可行的。4 结论基于计算机视觉的玉米植株高度的检测, 通过采集图像分析可以很好地实时检测玉米植株高度, 在玉米的生长过程中监控玉米的长势, 通过玉米长势情况判断玉米的生长状况, 根据玉米的营养需要决定要采取的措施。种植户通常都是通过眼睛或是借助直尺来判断玉米的长势, 劳动量大, 过程繁琐, 且需要多次进行, 增加了种植户的投入成
21、本。利用计算机视觉技术检测玉米植株高度的方法是智能化农业的延伸, 随着计算机技术的高速发展, 在农业生产中的更多工作可以由计算机代替, 增加农业生产的效率。参考文献1Casady W W, Singh N, Costello T A.Machine vision for measurement of rice canopydimensionsJ.Transactions of the ASAE, 1996, 39 (5) :1891-1898. 2Shimizu H, Heins R D.Computer vision based system for plant growth analysi
22、sJ.Transactionsof the ASAE, 1995, 38 (3) :958-964. 3Trooien T P, Heermann D F.Measuiement and simulation of Potato Leaf Area Using Image Processing.III MeasruremengtJ.Transactions of the ASAE, 1992, 35 (5) :1719-1721. 4李长缨, 滕光辉.利用计算机视觉技术实现对温室植物生长的无损监测J.农业工程学报, 2003, 19 (3) :140-43. 5白景峰, 赵学增.针叶苗木计算机视觉特征提取方法J.东北林业大学学报, 2000, 28 (5) :94-96. 6刘继承, 姬长英.作物长势监测的应用研究现状与展望J.江西农业学报, 2007 (3) :17-20, 28. 7吴雪梅, 程尧, 韦龙琴.在 MATLAB 环境中基于计算机视觉的番茄识别研究J.农业装备技术, 2005 (4) :15-17. 8耿楠, 何东健, 王婧, 等.小麦生长信息计算机视觉检测技术研究J.农业工程学报, 2001 (1) :136-139. 9林开颜, 徐立鸿, 吴军辉.计算机视觉技术在作物生长监测中的研究进展J.农业工程学报, 2004 (2) :279-283.
