基于機器視覺的人工光植物工廠植物生長狀況監測系統*

楊思思， 周 泓， 虞俠挺

(浙江大學 儀器科學與工程學系，浙江 杭州 310027)

基于機器視覺的人工光植物工廠植物生長狀況監測系統*

楊思思， 周 泓， 虞俠挺

(浙江大學 儀器科學與工程學系，浙江 杭州 310027)

設計了一種基于機器視覺的人工光植物工廠植物生長狀況監測系統，主要利用機器視覺技術對植物工廠中植物生長進行無損監測，獲取植物的生長信息。同時解決了針對LED偏色光情況下，獲取植物前景圖像不完整的問題。利用該系統可以快速、準確地獲取植物生長的葉面積等參數，實現植物生長狀況的實時監測，為植物生產過程中有關作業的自動化奠定了基礎，具有廣闊的應用前景。

機器視覺； 監測系統； 人工光植物工廠； 植物生長

0 引 言

植物工廠由于受自然條件影響小、無污染、作物生產計劃性強、方便對植物進行補光等優點，成為當前設施農業的主流生產方式[1]。近年來，機器視覺與圖像處理技術的不斷發展，使得植物連續、實時、非接觸的無損監測技術也日趨成熟，從而推動了植物工廠向數字化、智能化、自動化方向的快速發展。

目前，國內外的許多學者和研究機構都開展了計算機視覺技術在植物生長監測方面的研究，主要涵蓋了三個方面：植物的葉面積、莖桿直徑等外部生長參數的檢測，果實成熟度檢測，以及作物缺水缺肥等營養成分檢測情況[2]。Mayer G E等人[3]于1987年率先開啟了利用計算機視覺技術對植物外部生長參數測量的研究，將計算機視覺技術成功引入植物種植領域；李長纓等人利用圖像處理技術，實現了對單株黃瓜幼苗株高、莖粗、葉冠投影面積等多項形態特征參數的無損測量[4]；韓國學者Choi K等人[5]則成功利用彩色圖像處理技術，根據番茄果實表面顏色的不同完成對其成熟度的檢測，同時還建立了番茄成熟度指標；胡春華等人利用黃瓜葉片的紋理和顏色特征，實現了對缺氮、缺鎂的葉片的檢測[6]。

上述研究都僅適用于普通的光照，對偏色或者近植物色的人工光無效。因此，本文提出一種基于機器視覺的人工光植物工廠植物生長狀況的監測系統，創新性應用了Kubelka-Munk[7]理論解決了LED人工光偏色帶來的檢測失效問題，實現對植物參數信息的非接觸無損獲取。實驗結果表明：整個系統易于實現，由拍攝得到的植物圖像可以獲取很多參數和信息，與人工檢驗相比具有更高的識別率和效率。

1 人工光植物工廠

采用低耗能、高效率、光質佳的人工光源，栽培具有較高經濟價值的作物，是植物工廠發展的一個重要方向。因此，根據植物對光的選擇性吸收原理，許多學者一直致力于研制某種光源，使其發射光譜最大限度地接近植物的吸收光譜以產生共振吸收，從而促使光和作用高效地進行[8]。

目前，植物工廠中的人工光源主要是白熾燈、日光燈、鈉燈、高壓汞燈等。隨著光電技術的發展，LED光源在植物栽培領域的研究逐漸受到廣泛重視。研究發現，使用紅藍光LED建立可調整光量、光譜、給光頻率與工作比的人工光源，能夠有效提高植物的生長量和品質,同時不可避免地帶來了嚴重的偏色問題：在紅藍光混合光LED下燈光偏紫色，在純藍光LED下燈光偏藍，而在紅光LED下燈光偏紅[9]。

2 基于機器視覺的監測系統設計

針對人工光植物工廠中偏色帶來的問題，本文設計了基于機器視覺的植物生長狀況監測系統，整個系統結構示意圖如圖1所示，包括計算機核心處理設備，CCD圖像采集設備以及LED人工偏色光板和培育的植物。

計算機采用Intel i3處理器，3.10 GHz， 8 GB內存的Windows 7操作系統，軟件開發平臺為VS2008。圖像采集設備為ALW—641CX，價格適中的普通攝像頭，攝像頭采用PAL制式錄制視頻，每幀圖像的分辨率為352×288。攝像機以一定高度固定在合適的角度實時采集視頻圖像，每次拍攝時保持固定焦距，然后將其送至計算機處理后，將所需信息送至顯示器顯示。光源采用LED混光燈板，通過LED燈的特定排列方式來實現光質和光周期的調節，從而產生均勻的適合植物生長用的光線，促進植物生長。

圖1 監測系統結構示意圖Fig 1 Structure diagram of monitoring system

3 圖像處理算法

利用上述監測系統獲得植物生長狀況的信息，首先需要將植物從環境背景中分離出來。偏光現象導致通用的背景減除方法失效：目標提取不完整，存在孔洞現象。針對上述問題，本文提出基于Kubelka-Munk色彩不變參數原理的背景減除方法來獲取前景植物。

首先,根據Kubelka-Munk理論對采集到的RGB圖像的形成過程進行物理建模

(1)

(2)

在該模型空間中，定義了色彩不變性特征參數H,Wx,Wy如下式

(3)

然后,取連續10幀背景圖像作為背景參考幀用來背景建模，過程如圖2所示。分別計算每幀RGB圖像的每個像素的特征參數H,Wx,Wy，從而獲得每幀圖像的特征參數平面，分別為H平面、Wx平面、Wy平面。然后再用單高斯分布建模每個特征平面中的每個像素在10幀背景參考幀的分布，公式如下

(4)

其中，i,j為當前像素在圖像中的位置；N為輸入的背景參考幀數量；μH，μWx,μWy為連續10幀背景在位置(i,j)像素點H,Wx,Wy的平均值；σH,σWx,σWy為連續10幀背景在位置(i,j)像素點H,Wx,Wy的標準差。

圖2 背景建模過程Fig 2 Process of background modeling

計算當前視頻輸入幀的每個像素的H,Wx,Wy參數，與背景模型比較，根據預設的判斷準則判定當前像素屬于背景像素或者植物像素。最后根據公式(5)將3個差值特征平面進行融合，從而獲得一幀總的背景減除差值圖

(5)

其中，CH(i,j),CWx(i,j),CWy(i,j)分別為3個特征平面的差值平面。整個過程的處理結果如圖3所示。

圖3 前景提取的過程Fig 3 Process of foreground extraction

最后,經過一系列的后處理并實現二值化，獲得的最終前景提取圖如圖4所示?？梢赃M一步計算其葉面面積來實現對其生長狀況進行監測：由于植物培養采用統一的容器，故可以根據先驗知識，去除容器部分，獲得只包含植物的二值圖像。在該二值圖像中，白色區域表示被監測的植物，黑色區域則代表背景。葉面積可以通過統計白色區域的像素個數來獲得。

圖4 最終分割結果圖Fig 4 Final segmentation result image

4 結 論

針對現有研究的不足，本文設計了一種基于機器視覺的人工光植物工廠植物生長狀況監測系統，可以解決偏色情況造成的植物提取不完整問題，從而實現了對植物參數信息非接觸、無損、準確的獲取。利用該系統實現植物生長狀況的實時監測，與人工檢驗相比具有更高的識別率和效率，具有廣闊的應用前景。

[1] 張曉慧,周增產,王峻峰,等.植物工廠關鍵技術的研究與應用[J].北方園藝,2010(4):204-207.

[2] 林開顏,徐立鴻,吳軍輝.計算機視覺技術在作物生長監測中的研究進展[J].農業工程學報,2004,20(2):279-283.

[3] Meyer G E,Davison D A. An electronic image plant growth mea-surement system[J].Transactions of the ASAE,1987,30(1):242-248.

[4] 武聰玲,滕光輝,李長纓.黃瓜幼苗生長信息的無損監測系統的應用與驗證[J].農業工程學報,2005,21(4):109-112.

[5] Choi K,Lee G,Han Y J,et al.Tomato maturity evaluation using color image analysis[J].Transactions of the ASAE,1995,38(1):171-176.

[6] 胡春華,李萍萍.基于圖像處理的黃瓜缺氮與缺鎂判別的研究[J].江蘇大學學報:自然科學版,2004,25(1):9-12.

[7] Geusebroek J M,Van den Boomgaard R,Smeulders A W M,et al.Color invariance[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence,2001,23(12):1338-1350.

[8] 魏靈玲,楊其長,劉水麗.LED 在植物工廠中的研究現狀與應用前景[J].中國農學通報,2007,23(11):408-411.

[9] 虞俠挺.基于嵌入式的蘭科植物組培智能化控制系統[D].杭州：浙江大學,2012.

Plant growth condition monitoring system of artificial light plant factory based on machine vision*

YANG Si-si, ZHOU Hong， YU Jia-ting

(Department of Instrument Science and Engineering,Zhejiang University,Hangzhou 310027,China)

A plant growth condition monitoring system of artificial light plant factory based on machine vision is designed,which is used for plant growth nondestructive monitoring,get growth information with machine vision technology.The problem that the plant foreground image is incomplete aiming at LED cast light is solved.The system can quickly and accurately obtain the plant growth parameters such as leaf area,which achieves real-time monitoring on plant growth conditions and laid the foundation for automation of plant production process,has broad application prospect.

machine vision; monitoring system; artificial light plant factory; plant growth

10.13873/J.1000—9787(2014)12—0088—03

2014—03—21

國家“863”計劃資助項目(2013AA103001)

TP 391

A

1000—9787(2014)12—0088—03

楊思思(1989-),女，河北張家口人，碩士研究生，主要從事嵌入式系統和圖像處理研究。