基于圖像處理的育苗箱環境控制系統

李 頎，胡藝聰，武付闖

(陜西科技大學 電氣與信息工程學院，陜西 西安 710021)

基于圖像處理的育苗箱環境控制系統

李 頎，胡藝聰*，武付闖

(陜西科技大學 電氣與信息工程學院，陜西 西安 710021)

針對目前國內育苗過程中存在的設施簡陋，占用土地資源多，沒有科學的環境調控方法等問題，設計了一種育苗箱環境控制系統，提出了利用圖像處理技術對穴盤多株幼苗的莖直徑進行同時測定的方法。首先，獲取幼苗的長勢信息，采用中值濾波方法對圖像進行預處理，基于Otsu自動閾值分割法來提取目標區域，通過“疊積木”的方式實現幼苗莖部分割提取。設計以莖直徑D和莖直徑變化量ΔD為輸入的模糊推理系統，模糊推理系統的輸出作為溫度設定值；溫度控制采用PID方法，實現育苗箱內溫度的控制。試驗結果表明，該系統能夠實時地根據幼苗莖的生長情況進行相應的溫度調控，提升經濟效益，運用科學的種植模式培育優質種苗。

圖像處理；莖直徑；模糊推理；PID控制

我國是世界第一蔬菜生產大國。蔬菜幼苗期的發育情況將決定其整體質量，因此育苗便成為設施農業中的關鍵環節。莖直徑生長速率可以作為判斷幼苗生長期長勢的一個重要參數，同時也能作為幼苗是否處于正常生長狀態的反饋信息[1-3]。隨著計算機及圖像處理技術的發展，機器視覺的方法在農業領域，尤其在作物的生理信息提取方面得到了廣泛的應用[4]。曾慶斌等[5]提出了基于機器視覺的葡萄莖直徑測量方法，但必須將葡萄莖干放入光箱測量，系統缺乏一定的靈活性。杭騰等[6]提出了基于機器視覺的番茄長勢信息無損檢測的研究，但只能針對單株番茄莖進行測量，無法實現多株番茄植株莖的同時測量。李長纓等[7]利用計算機視覺技術實現對溫室植物株高、葉面積等信息的無損監測，并沒有實現對植物生長環境的反饋控制。針對作物的環境控制方面，Soldatos等[8]開發了一種非線性反饋及多因子解耦的溫室氣候控制器，用戶一旦設定變量，該控制器即能按照用戶的設定執行，完成了溫室環境溫度濕度的有效控制；Rajaoarisoa等[9]設計了一種自動溫室氣候最優控制器，通過在實驗過程中對控制器設計相關問題的討論來優化控制器的效果和穩定性；鄧璐娟等[10]針對工廠化蔬菜的生產，研制了成套裝備和溫室的自動控制系統。以上對作物環境控制方面的研究，沒有結合作物實際生長情況，忽略了作物的真實需求，不利于作物的生長。本研究提出一種基于圖像處理的育苗箱環境控制系統，采用圖像處理的方式實時地根據育苗過程中莖的生長狀態對育苗箱內整體環境作出調整，結合幼苗的實際生長情況，滿足幼苗生長的環境需求，以期通過科學的種植模式提高成苗率，提升經濟效益。

1 系統硬件設計

1， 內循環風扇；2，溫度傳感器；，3，補光燈；4，土壤濕度傳感器；5，噴淋設備；6，外循環風扇；7，半導體制冷制熱模組；8，穴盤1， Internal circulation fan；2，Temperature sensor；3，LED；4， Soil moisture sensor；5， Spray equipment；6， Outer circulation fan；7， Semiconductor refrigeration heating module；8. Plug圖1 育苗箱內部設備構造Fig.1 Nursery box internal equipment structure

整個育苗箱尺寸約為60 cm×60 cm×80 cm，整體結構如圖1所示。箱體6面全部覆蓋透光性能強的PVC板；箱內底部放置穴盤，用來育苗；箱體中部內置2個溫度傳感器，實時監測箱內溫度；箱內左側安裝補光燈進行補光；箱體后側安裝半導體制冷制熱模組與外循環風扇，進行箱內溫度的控制與促進箱體內外空氣的循環流動；箱內頂部安裝內循環風扇，用于箱內溫度和濕度的循環流動；箱內中央懸掛噴淋裝置，均勻噴淋穴盤內培育的幼苗。箱外頂部放置Uart串口屏，實時顯示箱內環境信息和幼苗相關信息如圖2所示。控制系統中，光照、土壤濕度等環境參數是利用定時器設置補光燈、噴淋裝置的開啟與關閉時間進行調控的。

控制器采用樹莓派(Raspberry Pi)，樹莓派分別連接繼電器模組、溫度傳感器、土壤濕度傳感器、時鐘模塊和Uart串口屏；繼電器模組、半導體制冷制熱模組、內外循環風機、噴淋設備以及補光燈相互連接，育苗箱硬件連接如圖3所示。樹莓派采用的是3代B型，樹莓派的處理器為主頻1.2 GHz四核Broadcom BCM2837 64位處理器。溫度傳感器采用DHT22使用單總線數字信號通信，通過I2C接口將采集溫度數據實時傳送給樹莓派。土壤濕度傳感器采用YL-69，直接插在土壤中，以數字信號的方式將濕度信息傳送給樹莓派。樹莓派沒有板載時鐘(RTC)，因此添加時鐘模塊DS1302，樹莓派通過I2C接口從RTC中讀取出里面存儲的時間，Uart串口屏通過USB2.0接口采用Uart串口通信。半導體制冷制熱模組的功率為360 W。

圖2 Uart串口屏顯示Fig.2 Uart serial screen display

圖3 育苗箱硬件連接示意圖Fig.3 Nursery box hardware connection diagram

2 基于圖像處理的莖直徑測量

以番茄育苗過程為主要研究對象，為實現番茄幼苗莖部像素平均值的測量，首先應將幼苗莖部分從整幅幼苗圖像中提取出來，主要分為兩個步驟，即實現幼苗與穴盤的分離和幼苗的莖與葉的分離。此外，還須對圖像的像素進行標定。算法在Visual Studio2010環境下進行了編程實現，對幼苗生長過程中拍攝的照片進行了測試，測量莖直徑的流程如圖4所示。

圖4 圖像處理測量莖直徑的流程圖Fig.4 Flowchart of image processing measuring stem diameter

2.1 幼苗圖像預處理

圖像采集后，必須對圖像進行預處理，消除干擾，突出幼苗莖部信息，為后期的莖寬測量打好基礎。對圖像的預處理主要包括提取圖像ROI(region of interest)、轉灰度圖、高斯濾波等幾部分。由于鏡頭架設的位置固定，即穴盤在圖像中的位置是固定的，所以通過對圖像進行ROI可以有效地實現幼苗和穴盤的分離。圖像灰度化后，本文采用5×5的模板來完成幼苗圖像的高斯濾波。幼苗預處理后的圖像如圖5-b所示。

2.2 幼苗圖像閾值分割

本文采用Otsu法進行幼苗圖像的閾值分割，Otsu算法是無參量的一種自適應閾值選取法，其首先確定整幅圖像的灰度，再利用灰度關系選取一個臨時閾值，然后對閾值兩邊的區域求灰度的方差值，遍歷整個灰度值之后，選取最大方差值的灰度值便是所要求取的圖像分割的閾值。閾值分割以后，即實現對小目標對象的去除操作，使實際測量更有價值。首先尋找連通區域，完成小目標對象的去除操作后進行圖像的重繪，重繪后的效果圖如圖5-c，d所示。

2.3 幼苗圖像的莖葉分離

幼苗葉片部分較寬，所占面積大，而莖部較窄，因此可以利用形態特征來進行幼苗的莖葉分離操作。提出了以一種“疊積木”的方式實現幼苗莖部分割提取，具體方法如下：

a， 生長圖像; b，預處理后圖像；c， 閾值分割圖；d，去除小目標對象效果圖a， Seedling growth image; b， Seedling growth image after pretreatment; c， Seedling threshold segmentation; d， Removal of small target object rendering圖5 幼苗圖像的預處理、閾值分割及去除小目標對象效果圖Fig.5 The seedling images after treatment， threshold segmentation and removal of small target object rendering

1)標記幼苗圖像中的各個連通域(即標記圖中的各個幼苗莖)(圖6)；

2)定義“積木”為圖像某連通域中的一行，進行“疊積木”過程，即將幼苗莖看作是由無數塊小的“積木”疊加而成的；

3)進行掃描，獲取各個“積木”的起點和終點位置，判斷此“積木”屬于哪個連通域(圖7)；

圖6 幼苗莖部分割二值圖Fig.6 Seedling stem segmentation binary graph

圖7 莖部檢測結果示意圖Fig.7 Schematic diagram of stem detection

4)遍歷過程中判斷是否到達“臨界區”(即定義為出現的新“積木”的寬度大于以往一個“積木”寬度的3倍)；

5)一個連通域中每個“積木”起點到終點的距離求和除以總的“積木”個數求得的平均值即為一株幼苗的莖寬像素平均值；

6)依次循環各個連通域，得到圖像中每株幼苗莖寬的像素平均值。

2.4幼苗莖部圖像像素的標定

標定的內容即圖像中的一個像素所代表的實際寬度δ，因此它的單位是mm·pix-1。像素的標定方法較多，綜合考慮精度與可行性的要求，本文所采用的方法是在需要被攝取的幼苗放置標定板，標定板上張貼一標準寬度的白色紙條，標定的具體實施方法如圖8所示。紙條的標準寬度除以像素點個數即得到一個像素所代表的寬度。圖像處理方法與實際測量方法所得的莖直徑比較結果見表1。

3 模糊推理系統的設計

由于目前國內外研究人員通過對作物的生長分析建立了作物生長模型，從而控制作物生長每一階段的環境參數，但大多模型的建立都較為復雜，實用性欠佳[11-12]。因此，提出模糊推理控制的方法來調控育苗箱內溫度，可以有效解決幼苗生長過程中模型不確定的問題。模糊推理系統的輸入量是莖直徑D和莖直徑變化量ΔD，模糊推理系統的輸出量作為溫度設定值。輸入的莖直徑及莖直徑變化量由圖像處理單元獲得，由于輸出要求精確量，所以系統最后還要進行解模糊，得到精確的輸出量來控制執行機構(半導體制冷制熱模組)。本研究所建立的模糊推理過程框圖如圖9所示。

圖8 幼苗標定方法示意圖Fig.8 Schematic diagram of seedling calibration method

表1兩種方法測得幼苗莖直徑比較

Table1Comparison of two methods of measuring the stem diameter of seedlings

莖寬Stemwidth/mm圖像處理法Imageprocessingmethod實際測量Actualmeasurement莖直徑Stemdiameter/mm圖像處理法Imageprocessingmethod實際測量Actualmeasurement幼苗1Seedling11.651.79幼苗7Seedling72.362.47幼苗2Seedling22.242.32幼苗8Seedling81.821.70幼苗3Seedling33.693.53幼苗9Seedling92.572.69幼苗4Seedling41.992.13幼苗10Seedling103.243.32幼苗5Seedling53.873.97幼苗11Seedling111.871.99幼苗6Seedling64.134.03幼苗12Seedling124.374.45

圖9 模糊推理過程框圖Fig.9 Block diagram of fuzzy inference

3.1輸入輸出變量的變化論域

本模糊推理系統每隔6 h監測一次番茄幼苗莖直徑值，通過300組實驗累計數據觀察，當幼苗的莖直徑大于4.5 mm時可以考慮移栽，因此取幼苗莖寬的變化范圍是[0.5 mm，4.5 mm]，同時培育番茄幼苗適宜的日溫范圍為20～30 ℃[13]，輸入輸出變量的變化論域見表2。

由于晝夜溫差也會對幼苗的發育產生顯著的影響，因此在培育過程中需保持一定的晝夜溫差，以有利于幼苗的生長發育和品質。番茄幼苗生長發育的適宜夜溫在18 ℃左右[13]。因此，將育苗箱內夜溫設置為18 ℃，晝溫以模糊推理系統輸出的溫度設定值進行調整；晝夜時間段的劃分是通過樹莓派讀取DS1302時鐘模塊存儲的時間編程實現(晝夜時間段劃分分別為7:00—18:00、19:00—次日6:00)。

表2輸入輸出變量的變化論域

Table2Change field of input and output variables

輸入輸出變量Inputandoutputvariables莖直徑Stemdiameter/mm莖直徑變化量Diameterchangeofstemdiameter/mm溫度設定值Temperaturesetpoint/℃最小值Minimumvalue0.5020最大值Maximumvalue4.50.130

3.2 輸入輸出變量的隸屬度矢量值

隸屬度函數的選擇對模糊推理系統的性能影響較大。為了推理簡單，本系統選用三角形隸屬度函數，輸入、輸出變量的模糊隸屬度矢量值見表3、表4、表5。

3.3 模糊規則及模糊控制表

本研究所設計的模糊推理系統是雙輸入、單輸出的模糊推理系統。為使推理結果準確，把莖直徑D劃分為7個語言變量，莖直徑變化量ΔD劃分為6個語言變量，輸出變量溫度設定值劃分為6個語言變量。因此，該模糊推理系統共有42條規則。

表3莖直徑D的隸屬度矢量值

Table3Stem diameterDmembership value vector value

D等級Degree0.51.01.52.02.53.03.54.04.5NB0.51.00.50NM00.51.00.50NS00.51.00.50ZO00.51.00.50PS00.51.00.50PM00.51.00.50PB00.51.00.5

表4莖直徑變化量ΔD的隸屬度矢量值

Table4Stem diameter change amount ΔDmembership value vector value

ΔD等級Degree00.020.040.060.080.10NB1.00.50NS0.51.00.50NZ00.51.00.50PZ00.51.00.50PS00.51.00.5PB00.51.0

表5溫度設定值的隸屬度矢量值

Table5Temperature setpoint membership value vector value

T等級Degree202224262830NB1.00.50NS0.51.00.50NZ00.51.00.50PZ00.51.00.50PS00.51.00.5PB00.51.0

舉例來說，如果莖直徑D為負大，莖直徑變化量ΔD為負大，則應盡量提高溫度，如果莖直徑D為負大，莖直徑變化量ΔD為正小，則需要適當降低溫度，相應的控制規則為：

If (D=NB) and (ΔD=NB) then (T=PB)

If (D=NB) and (ΔD=PS) then (T=NS)

同理，通過實驗數據以及種植經驗得到模糊控制規則，見表6。

3.4 解模糊

模糊決策中模糊交運算(AND)采用最小化(MIN)方法，模糊或運算(OR)采用最大化(MAX)方法。由于控制器(制冷制熱模組)需要獲得精確物理量，即溫度設定值，所以要進行解模糊。解模糊方法采用重心法，該方法是取隸屬度函數曲線與橫坐標圍成面積的重心為模糊推理的最終輸出值，即：

(1)

表6模糊控制規則

Table6Fuzzy control rules

溫度設定值Temperaturesetpoint(T)莖直徑Stemdiameter(D)莖直徑變化量NBNMNSZOPSPMPBDiameterchangeofstemdiameter(ΔD)NBPBPBPBPSPSPSPZNSPBPBPBPSPSPZPZNZPSPSPSPSPZPZNZPZNSNZPSPZPZNZNSPSNSNSPZNZNZNSNBPBNBNBNSNSNSNBNB

解模糊控制規則三維圖如圖10所示：

圖10 模糊控制規則三維圖Fig.10 Fuzzy control rules 3D graphs

4 溫度的PID控制及仿真實驗

PID控制器是將偏差的比例、積分和微分通過線性組合構成控制量，對被控對象進行控制。在溫度控制系統中將溫度傳感器實時采集的溫度值與模糊推理系統輸出的溫度設定值比較，差值作為PID功能塊的輸入。PID控制系統原理框圖如圖11所示。

溫度控制采用制冷/制熱片作為控制對象，溫度的傳遞函數可以表示為：

(2)

式中：k為靜態增益；T為時間常數；τ為滯后時間。

這里選取溫度的傳遞函數為：

(3)

在MATLAB R2013b的Simulink環境下，搭建如圖12所示的仿真模型：

具體參數設置如下：PID的初始參數Kp=0.53，Ki=0.058，Kd=0.653，系統的仿真結果如圖13所示。

圖11 PID控制系統原理框圖Fig.11 Block diagram of PID control system

5 結果與分析

從圖14中可看出，相對于傳統蔬菜培育方式，本文的環境控制系統取得的效果更優，相同一段時間內，莖直徑的變化量更大，仔細分析可得到如下結論：相對于傳統溫室環境控制中溫度一經設定一成不變的缺點，本文環境控制系統可以根據幼苗的實時生長狀態靈活調控育苗溫度；相對于以往蔬菜育苗受季節限制的特點，本文環境控制系統可一定程度解除季節限制的制約條件；以上試驗結果證明了本系統檢測結果準確、控制效果良好，具有一定的可行性和實用價值。

圖12 PID仿真結構框圖Fig.12 Block diagram of PID simulation

圖13 PID控制仿真結果圖Fig.13 Simulation results of PID control

圖14 本文控制系統與傳統培育方式結果比較Fig.14 Comparison on the results of the control system with the traditional cultivation methods

[1] 盧白娥. 我國蔬菜生產現狀與育苗問題探討[J]. 現代農業科技， 2008 (23):126.

LU B E. China’s vegetable production status and nursery problems[J].ModernAgriculturalScienceandTechnology， 2008 (23): 126.(in Chinese)

[2] 孟兆江， 段愛旺， 劉祖貴， 等. 根據植株莖直徑變化診斷作物水分狀況研究進展[J]. 農業工程學報， 2005， 21(2):30-33.

MENG Z J， DUAN A W， LIU Z G， et al. Advances on diagnosis of crop moisture content from changes in stem diameters of plants[J].TransactionsoftheChineseSocietyofAgriculturalEngineering， 2005， 21 (2): 30-33.(in Chinese with English abstract)

[3] 王曉森， 孟兆江， 段愛旺，等. 基于莖直徑變化監測番茄水分狀況的機理與方法[J]. 農業工程學報， 2010， 26(12):107-113.

WANG X S， MENG Z J， DUAN A W， et al. Mechanism and methodology for monitoring tomato water content based on stem diameter variation[J].TransactionsoftheChineseSocietyofAgriculturalEngineering， 2010， 26(12):107-113. (in Chinese with English abstract)

[4] 孫紅， 孫明， 王一鳴. 植物生長機器視覺無損測量研究綜述[J]. 農業機械學報， 2006， 37(10):181-185.

SUN H， SUN M， WANG Y M， et al. Status and trend of research on non-destructive measurement of plant growth based on machine vision[J].TransactionsoftheChineseSocietyforAgriculturalMachinery， 2006， 37(10): 181-185. (in Chinese with English abstract)

[5] 曾慶兵， 劉成良， 苗玉彬，等. 基于計算機視覺的葡萄莖直徑高精度測量方法[J]. 農業機械學報， 2009， 40(12):182-185.

ZENG Q B， LIU C L， MIAO Y B， et al. High accuracy measurement of grape stem diameter based on computer vision[J].TransactionsoftheChineseSocietyforAgriculturalMachinery， 2009， 40 (12): 182-185. (in Chinese with English abstract)

[6] 杭騰， 毛罕平， 張曉東，等. 基于機器視覺的番茄長勢信息無損檢測的研究[J]. 農機化研究， 2015(11):192-197.

HANG T， MAO H P， ZHANG X D， et al. Nondestructive testing of tomato growth information based on machine vision[J].JournalofAgriculturalMechanizationResearch， 2015 (11): 192-197. (in Chinese with English abstract)

[7] 李長纓， 滕光輝， 趙春江，等. 利用計算機視覺技術實現對溫室植物生長的無損監測[J]. 農業工程學報， 2003， 19(3):140-143.

LI C Y， TENG G H， ZHAO C J， et al. Development of non-contact measurement on plant growth in greenhouse using computer vision[J].TransactionsoftheChineseSocietyofAgriculturalEngineering， 2003， 19 (3): 140-143. (in Chinese with English abstract)

[8] SOLDATOS A G， ARVANITIS K G， DASKALOV P I， et al. Nonlinear robust temperature-humidity control in livestock buildings[J].Computers&ElectronicsinAgriculture， 2005， 49(3):357-376.

[9] RAJAOARISOA L H， M’SIRDI N K， BALMAT J F. Micro-climate optimal control for an experimental greenhouse automation[C]// International Conference on Communications， Computing and Control Applications. IEEE， 2012：1-6.

[10] 鄧璐娟， 張侃諭， 龔幼民，等. 溫室環境多級控制系統及優化目標值設定的初步研究[J]. 農業工程學報， 2005， 21(5):119-122.

DENG L J， ZHANG K Y， GONG Y M， et al. Preliminary study on hierarchical greenhouse environment control system and setting of the optimized target values[J].TransactionsoftheChineseSocietyofAgriculturalEngineering， 2005， 21 (5): 119-122. (in Chinese with English abstract)

[11] VANTHOOR B H E， VISSER P H B D， STANGHELLINI C， et al. A methodology for model-based greenhouse design: Part 2， description and validation of a tomato yield model[J].BiosystemsEngineering， 2011， 110(4):378-395.

[12] 員玉良 盛文溢. 基于主成分回歸的莖直徑動態變化預測[J]. 農業機械學報， 2015，46(1):306-314.

YUAN Y L， SHENG W Y. Prediction of stem diameter variations based on principal component regression[J].TransactionsoftheChineseSocietyforAgriculturalMachinery， 2015，46(1):306-314 . (in Chinese with English abstract)

[13] 齊藤隆， 片崗節男. 番茄生理基礎[M]. 上海：上海科學技術出版社， 1981.

[14] 鄭小東， 王曉潔， 趙中堂. 基于形狀特征的植物葉柄與葉片分割算法[J]. 計算機工程與設計， 2010， 31(4):918-920.

ZHENG X D， WANG X J， ZHAO Z T. Segmentation algorithm of leafstalk and lamina based on shape feature[J].ComputerEngineeringandDesign， 2010， 31 (4): 918-920.(in Chinese with English abstract)

(責任編輯張 韻)

Environmentcontrolsystemofseedlingboxbasedonimageprocessing

LI Qi， HU Yicong*， WU Fuchuang

(CollegeofElectrical&InformationEngineering，ShaanxiUniversityofScience&Technology，Xi’an710021，China)

In the process of raising seedlings in the domestic market， there are many problems， such as poor facilities， occupying more land resources， and no scientific method of environmental regulation， a kind of environment control system for seedling growing box was designed， and a method for simultaneous determination of stem diameter of multi-seedling was proposed by image processing technique. Firstly， the growth information of seedlings was obtained， the median filter method was used to preprocess the image， and the target area was extracted based on the Otsu automatic threshold segmentation method， through the “stacked wood” way to achieve seedling stem segmentation extraction. Stem diameterDand stem diameter variation ΔDwere the input of fuzzy inference system， the output of the fuzzy inference system was the temperature setting value. Temperature was controlled by PID method to achieve the control of the temperature inside the nursery box. The experimental results showed that the system can adjust the temperature of the seedlings in real time according to the growth of the seedlings， reflect the scientific planting pattern and enhance the economic benefit， and promote the cultivation of high quality seedlings.

image processing; stem diameter; fuzzy inference; PID control

李頎，胡藝聰，武付闖. 基于圖像處理的育苗箱環境控制系統[J].浙江農業學報，2017，29(11)： 1912-1919.

10.3969/j.issn.1004-1524.2017.11.19

2017-02-22

陜西省科技廳農業科技攻關計劃項目(2015NY028)；西安市未央區科技計劃項目(201305)；陜西科技大學博士科研啟動基金項目(BJ13-15)

李頎(1973—)，女，陜西西安人，博士，教授，主要從事工業自動化與智能控制等方面的教學與科研工作。E-mail: 979959980@qq.com

*通信作者，胡藝聰，E-mail: 819649869@qq.com

TP391.41

A

1004-1524(2017)11-1912-08