1、病虫害智能识别喷药装置设计基于PC图像处理和近红外光谱分析 汪应 罗元成 重庆工程职业技术学院 摘 要： 在自动化喷施农药过程中, 为了准确识别病虫害作物、节约农药和降低农业对环境的污染, 以及提高药物的去虫效率, 提出了一种基于 PC图像处理和近红外光谱分析的作物病虫害智能识别喷药装置。该装置分为 3个模块, 包括近红外病虫害识别模块、喷药自动化调节模块和车载设备, 其控制模块为安装在车上的 PC机, 利用近红外识别装置可以判断作物是否被病虫害污染, 并且识别作物污染的等级, 采用喷药自动化调节模块可以实现农药的定量调节, 利用车载设备实现了全自动化喷药。对装置的性能进行了测试, 结果表明:
2、采用近红外识别装置和主成分分析法可有效地识别病虫害污染的作物, 识别准确率较高;喷药自动化装置可根据病虫害的等级进行变量化喷药, 减少了农药使用量, 得到了较高的去虫率, 从而验证了装置的可行性和可靠性。关键词： PC图像处理; 近红外光谱; 主成分分析; 智能识别; 自动喷药; 作者简介：汪应 (1982-) , 男, 重庆合川人, 高级实验师, 硕士, (E-mail) 。收稿日期：2016-09-18基金：重庆市教育委员会重点项目 (1202086) Pest Recognition Spraying Device Design Based on PC Image Processing
3、and Near Infrared Spectrum AnalysisWang Ying Luo Yuancheng Chongqing Vocational Institute of Engineering; Abstract： In the automatic spraying process, in order to accurately identify the diseases and pests of crop pollution, save pesticide and reduce pollution of agriculture on the environment, whil
4、e improving the efficiency of crop to pest drugs, targeted for spraying, it proposes a PC image processing and analysis of crop diseases and insect pests based on near infrared spectroscopy and intelligent recognition of spraying device. The device is divided into three modules, including near infra
5、red pest identification module, spraying automatic control module and vehicle equipment, the control module for PC machine installed in the car. By using near infrared recognition device, it can determine whether crop pests and crop pollution, identify pollution level, adjusting the quantitative spr
6、aying automatic control the module, which can realize the pesticide by using on- board equipment to achieve a fully automated spraying. The performance of the device was tested and the test results indicate that the near infrared recognition device and method of principal component analysis can iden
7、tify the pollution of crop pests effectively, the accuracy of identification and automatic spraying device can be variable spraying according to the pest level, effectively saving the amount of pesticide use, get high the rate of worm, which verifies the feasibility and reliability of the device.Key
8、word： PC image processing; near infrared spectroscopy; principal component analysis; intelligent recognition; automatic spraying; Received： 2016-09-180 引言目前, 对农作物预防病虫害的方法主要是观测到作物叶片、茎秆出现颜色变化等病症或者发现大量虫子后, 利用农药等化学药剂进行杀虫, 如定期对作物进行农药喷洒, 费时费力, 造成了资源浪费和农药残留。光谱分析技术被广泛地用于农业科学研究上, 其中的红外光谱、拉曼光谱和高光谱均被频繁地应用在农业检测
9、和诊断上。光谱成像技术作为一种图像及光谱的融合技术, 可以同时获取研究对象的空间及光谱信息, 并可对物体内部物理结构及化学组分进行分析, 是未来检测的一大趋势。本研究将近红外光谱检测技术应用到了车载自动化喷药设备上, 为喷药设备的自动化识别和变量控制提供了技术支持。1 智能识别喷药装置系统和结构设计在现代光谱分析技术中, 测试方法最简单、高效和环保的方法是近红外线光谱技术, 该方法的测定区域大, 最好用的快速无损检测是拉曼光谱分析技术, 由于其具有非常多的优点, 成为研究的重点。本次设计的作物病虫害智能识别喷药装置设计基于拉曼光谱分析技术, 其总体结构如图 1所示。图 1 基于红外线和图像处理
10、的作物自动喷药装置 Fig.1The crop automatic spraying device and based on infrared image processing 下载原图本次设计的作物自动喷药装置自动化程度较高, 采用车载式喷药设计方案, 喷药车装有 PC机和近红外线光谱发生散射装置, 实现了作物病虫害自动识别。为了降低农药的使用量, 提高喷药的效率和精度, 设计了流量和喷射角度可调式喷头, 设计依据农业喷射量和接受量的浓度曲线, 如图 2所示。通过改变流量和喷嘴开度, 可以喷射出不同形状的雾化效果, 从而使喷射量和接受量按照定量来喷施;而要实现全自动化调节, 需要对流量和喷嘴
11、开度进行反馈调节, 反馈调节的数据来源于作物病虫害的近红外识别装置。图 3表示近红外图像数据处理和反馈调节流程, 反馈调节的数据来源于作物病虫害的近红外识别。在智能识别时, 首先对发送的近红外光谱进行图像和特征数据的采集, 利用光谱降维和特征提取来实现图像的智能处理;最后将图像的处理结果进行可视化显示, 将是否存在作物病虫害的结果反馈给喷药装置, 喷药装置根据病虫害的严重程度来调节喷药装置的流量和角度, 完成喷药的智能化处理过程。图 2 流量角度可调式自动喷药装置 Fig.2 The flow angle adjustable automatic spraying device 下载原图图 3
12、 近红外图像数据处理和反馈调节流程 Fig.3 The data processing and feedback adjusting process of near infrared image 下载原图2 基于拉曼光谱的作物病虫害智能识别近红外光谱属于一种可吸收光谱, 是分子振动光谱的合频及倍频, 在可见光之后, 波长的范围是 7802 500nm, 波数为 12 5004 000cm。波数和波长之间的转换公式为近红外光谱包含的信息量大, 可以对有机物进行定量和定性分析, 可以反应氢基团的化学键, 如 S-H和 O-H等, 因此可以将大部分的化合物测量出来。近红外光谱在使用时可以利用其透射光
13、谱和反射光谱等, 本次使用的是漫反射光谱。吸光度的定义为其中, A 表示漫反射物质的反射吸光度。A 和 K/S的关系是一条通过零点的曲线, 在进行病虫害检测时, 如果作物正常, 则可见光波段 380700nm会被色素吸收, 因此会产生红谷和蓝边等特征。近红外线的 700780nm波段是红边主导的, 当受到病虫害污染时, 红边会向短波方向移动, 由此可以判断是否存在病虫害。当光照射到作物上时, 近红外光会发生非弹性的散射现象, 在发生碰撞过程中, 分子和光子的能量会发生改变, 进而使光子的频率发生改变, 这个过程就是拉曼散射。用图可以形象描述拉曼反射现象, 图 4为 3种反射现象。其中, A 表
14、示瑞利散射, B 表示斯托克斯散射, C 表示反斯托克斯拉曼反射。图 4 3种反射对比示意图 Fig.4The schematic diagram of three kinds of reflection contrast 下载原图当近红外光入射到作物试样时, 一部分光会被透射, 另一部分光会被吸收, 还有一部分光被散射。近红外光在散射过程中, 由于一部分分子发生振动和转动, 波长产生偏移形成拉曼光谱。利用拉曼光谱对作物进行病虫害检测时, 在光谱图中能够发现特征峰值, 通过峰值强度的对比, 便可以得到病虫害的存在和强度等级。为了提高病虫害的诊断精度, 可以结合主成分分析方法, 通过主成分分析对
15、数据进行压缩操作, 利用尽可能少数含有特征的数据可以反应出原始特征数据, 利用 PCA将光谱矩阵分解成个向量的外积之和, 即其中, t 表示等分向量;p 表示主成分因子;E 表示误差矩阵。其中, k 的值不能太大, 只有这样才能达到压缩数据的目的。基于拉曼光谱的作物病虫害智能识别流程如图 5所示。图 5 基于拉曼光谱的作物病虫害智能识别流程 Fig.5The process of intelligent identification of crop pests based on Raman spectroscopy 下载原图为了实现喷药装置的病虫害智能识别, 可以采用车载自动化喷药装置, 装置
16、上搭载光谱分析仪, 可以实现作物的拉曼光谱分析。在进行分析时, 首先建立样品的检测模型, 然后根据检测模型建立病虫害样本数据库。在实际测试时, 将特征数据和病虫害样本数据库进行比对, 从而确定作物是否存在病虫害及病虫害的等级等数据。3 智能识别喷药装置测试测试作物病虫害近红外智能识别喷药装置使用的是普通的自动化喷药车辆, 安装了 Advantage785型近红外拉曼光谱仪及 PC处理器, 如图 6所示。图 6 作物病虫害近红外智能识别喷药装置 Fig.6The spraying device of crop pests near infrared intelligent identificat
17、ion 下载原图该装置处理器使用 Nuspec数据采集软件, 在远程端使用 Origin Pro 8数据智能分析软件, 从而在远程端得到作物的近红外光谱曲线, 如图 7所示。本次采集得到的病虫害作物和正常作物的近红外光谱曲线。图 7 健康与受害作物的原始平均光谱 Fig.7The average spectra of healthy and injured crops 下载原图由图 7可以看出:叶片拉曼光谱具有较明显的谱线特性, 这可能和作物受害后水分、叶绿素含量减少等变化有关。其中, 受害作物的拉曼光谱强度要明显比正常作物的光强高, 并具有明显的峰值, 从而可以有效地识别受病虫害污染的作物。
18、通过对作物病虫害近红外智能识别喷药装置的多次测试, 得到了如表 1所示的病虫害识别准确率测试结果。由结果的对比可以发现:采用 PCA主成分分析不管对于正常作物还是受害作物, 其识别率都较高。表 1 作物病虫害识别准确率测试 Table 1The accuracy rate of crop diseases and insect pests identification 下载原表 在准确识别病虫害污染的作物后, 为了节约农药、降低农业对环境的污染, 同时提高药物的去虫效率, 需要对作物有针对性的进行喷药。本次选择了两个不同病虫害级别的作物作为喷施对象, 通过近红外线病虫害等级识别装置对其等级进行
19、了识别, 然后将识别信息作物反馈调节信息传递给了药物喷射量的自动调节装置, 得到了如图 8所示的喷药控制效果图。由测试结果可以看出:喷药自动化装置可以根据病虫害的等级进行变量化喷药, 实现了不同等级病虫害作物的定量喷药。图 8 喷药自动化控制测试结果 Fig.8 The test results of spraying automatic control 下载原图对作物病虫害近红外智能识别喷药装置的除虫效果进行了测试, 通过测试得到了如表 2所示的测试结果。测试结果表明:利用近红外智能识别喷药装置可以有效地降低农药的使用量, 得到较高的去虫率, 提高了喷药装置的作业效率和作业质量。表 2 作物
20、病虫害近红外智能识别喷药装置测试结果 Table 2 The test results for crop pests near infrared intelligent identification spraying device 下载原表 4 结论根据作物叶片拉曼光谱具有较明显的谱线特性原理, 结合农药喷施自动化调节装置, 设计了一种新的车载式作物病虫害近红外智能识别喷药装置。为了验证装置的可靠性, 首先对近红外装置的识别准确率进行了测试, 测试结果表明:采用近红外识别装置可以有效地识别病虫害污染的作物, 且使用主成分分析法后, 病虫害的识别准确率得到了有效的提高。对自动化喷药装置进行了测试
21、, 测试结果表明:喷药自动化装置可以根据病虫害的等级进行变量化喷药, 实现了不同等级病虫害作物的定量喷药。最后, 对作物病虫害近红外智能识别喷药装置的除虫效果进行了测试, 测试结果表明:利用近红外智能识别喷药装置可以有效地降低农药的使用量, 得到较高的去虫率, 从而提高了喷药装置的作业效率和作业质量。参考文献1姚霞, 田永超, 倪军, 等.水稻叶片色素含量近红外光谱估测模型研究J.分析化学研究报告, 2012, 40 (4) :589-595. 2王爽, 马占鸿, 王学进, 等.小麦条锈病单叶片光谱和叶绿素含量关系分析J.中国农业大学学报, 2012, 17 (1) :60-64. 3杨铭,
22、陈佳蕾.基于遗传算法结合最小二乘支持向量机的秦皮提取液快速定量分析方法J.中国医院药学杂志, 2012, 32 (2) :113-116. 4刘燕德, 张光伟, 蔡丽君.基于高光谱的 GA和 SPA算法对赣南脐橙叶绿素定量分析J.光谱学与光谱分析, 2012, 32 (12) :3377-3380. 5李江波, 饶秀勤, 应义斌.农产品外部品质无损检测中高光谱成像技术的应用研究进展J.光谱学与光谱分析, 2011, 31 (8) :2021-2026. 6梁亮, 杨敏华, 张连蓬, 等.小麦叶面积指数高光谱反演J.光谱学与光谱分析, 2011, 31 (6) :1658-1662. 7石吉勇,
23、 绉小波, 赵杰文, 等.高光谱图像技术检测黄瓜叶片的叶绿素叶面分布J.分析化学研究简报, 2011, 39 (2) :243-247. 8柴阿丽, 廖宁放, 田立勋, 等.基于高光谱成像和判别分析的黄瓜病害识别J.光谱学与光谱分析, 2010, 30 (5) :1357-1361. 9程术希, 邵咏妮, 吴迪, 等.稻叶瘟染病程度的可见-近红外光谱检测方法J.浙江大学学报:农业与生命科学版, 2011 (37) :307-311. 10吕太国.静电喷雾系统特性研究J.农机化研究, 2009, 31 (5) :54-70. 11燕明德, 贾卫东, 张斌, 等.国内外静电喷雾施药技术及机具研究J
24、.农业机械, 2008 (8) :53-54. 12刘金龙, 丁为民, 邓巍.果园对靶喷雾红外探测系统的设计与试验J.江苏农业科学, 2012, 40 (12) :370-372. 13李丽, 李恒, 何雄奎.红外靶标自动探测器的研制及试验J.农业工程学报, 2012, 28 (12) :159-162. 14裴文超, 陈树人, 尹东富.基于 DSP和单片机的实时对靶喷施除草系统J.农机化研究, 2012, 34 (1) :149-153. 15张俊雄, 马锃宏, 李伟, 等.基于土壤基质的播种精度检测试验研宄J.农业机械学报, 2012, 43 (12) :62-66. 16马锃宏, 李南,
25、 王汉斌, 等.温室株间电驱锄草控制系统设计与试验J.农业机械学报, 2015, 46 (1) :89-93. 17张二鹏, 马锃宏, 耿长兴, 等.温室悬挂喷施机跨垄作业控制系统设计J.中国农业大学学报, 2013, 18 (6) :170-174. 18马锃宏, 李南, 李涛, 等.钵体苗带式供苗移栽机的设计与试验J.中国农业大学学报, 2015, 20 (3) :216-222. 19隋学艳, 李少昆, 张晓冬, 等.棉花叶片厚度的高光谱测试方法J.农业工程学报, 2010, 26 (1) :262-266. 20王平, 刘湘南, 黄方.受污染胁迫玉米叶绿素含量微小变化的高光谱反演模型J
26、.光谱学与光谱分析, 2010, 30 (1) :197-201. 21杨杰, 田永超, 姚霞, 等.利用高光谱参数反演水稻叶片类胡萝卜素含量J.植物生态学报, 2010, 34 (7) :854. 22乔永亮, 何东键, 赵川源, 等.基于多光谱图像和 SVM的作物田间杂草识别J.农机化研究, 2013, 35 (8) :30-34. 23姬长英, 周俊.农业机械导航技术发展分析J.农业机械学报, 2014, 45 (9) :44-54. 24郭辉, 韩长杰.精确施药技术的研究与应用现状J.农业技术与装备, 2009 (10) :42-46. 25孟庆宽, 何洁, 仇瑞承, 等.基于机器视觉的自然环境下作物行识别与导航线提取J.光学学报, 2014, 34 (7) :1-7. 26刘金龙, 郑泽锋, 丁为民, 等.对靶喷雾红外探测器的设计与探测距离测试J.江苏农业科学, 2013, 41 (7) :368-370. 27傅锡敏, 薛新宇.基于我国施药技术与装备现状的发展思路J.中国农机化, 2008 (6) :72-76. 28傅泽田, 祁力钧, 王俊红.精确施药拉术研究进展与对策J.农业机械学报, 2007, 38 (1) :189-192.
