基于計算機視覺的無人機農田信息獲取系統研究

王 琴 ，舒曉斌 ，劉 勇

(1.漯河食品職業學院，河南 漯河 462000；2.河南科技大學，河南 洛陽 471000)

0 引言

無人機是無人駕駛航空飛行器的簡稱，誕生于1914年，發展至今已經成為了一個龐大的家族。無人機根據飛行平臺的不同主要分為固定翼無人機和旋翼無人機，它們實質上都是一個由飛行器平臺、遙控站、通訊模塊及其它部件組成的系統[1]。固定翼無人機是無人機最早的類型，最初是為軍事領域服務，用于偵查聯絡和作為靶機。后來，以美國為代表的發達國家意識到固定翼無人機的巨大軍事價值，開始大力投入并研發出了偵察打擊一體的多種無人機型號，引領了無人機的發展趨勢[2]。

與固定翼無人機相比，旋翼無人機可以垂直起降，沒有滑跑距離，因此對場地的要求低，能夠在各種地理環境和復雜條件下作業。同時，旋翼無人機還可以空中懸停，有利于獲取更加清晰、準確的地面信息。在設計難度、制造成本及負載能力上，旋翼無人機也體現出明顯的優勢[3]。旋翼無人機近些年在我國的發展迅猛，形成了以“大疆”系列為代表的多種產品，并且在國民經濟和生產的各個領域得到了應用。與固定翼無人機一樣，軍事也是旋翼無人機的應用領域之一；但是受限于飛行的高度和速度，其主要的功能是對情報的收集。

旋翼無人機在工業方面主要應用于測繪、電力和通信這3大領域。測繪領域的無人機飛行平臺上整合各種數字傳感器和攝像機，可以獲得高清圖像，再輔以快速、準確的信號傳輸能力，使測繪的實時性和準確性明顯改善。電力領域通過無人機巡視線路，不僅具有較高的效率，還能夠降低人為失誤率、危險性和成本，保證電力系統正常運行[2]。

旋翼無人機在農業方面主要用于農藥噴灑、農田信息監測和農業保險勘察這3個領域。目前，無人機在農業上最廣泛用途是噴灑農藥，其飛行速度慢、高度低，因此作業過程中定位準確、噴灑均勻，并且藥液的下降距離短，飄散導致的浪費和污染很少。另外，無人機噴藥顯著地降低了人力成本，在未來農業植保領域的市場預計超過千億[4]。無人機在農田信息監測中的用途包括作物長勢、缺水情況和病蟲害檢測，大多是通過現代遙感技術獲得的。無人機所獲得的農田信息覆蓋范圍大、實效性強且客觀準確，較傳統檢測方法具有無可比擬的優勢[5-9]。無人機在農業保險勘察中用于對大范圍的受災田塊界定面積和評估損失，機動性和定位精度高，能夠快速、高效地完成勘察工作[10]。此外，未來的無人機還可以用于播種、施肥和授粉等作業，推動農業生產方式的變革。

無人機的很多用途都是基于對其所拍攝圖像的處理分析來實現的，因此圖像分析模塊是無人機系統的重要組成部分，甚至成為其性能發揮的關鍵。計算機視覺是一種新興的圖像分析技術，其利用計算機代替人類視覺，從拍攝的圖像中提取目標信息進行分析和識別，最后得到有應用價值的結果。目前，計算機視覺在無人機上的應用是輔助無人機自主著陸、自動導航和飛行姿態監控[11-15]。在農業領域，計算機視覺可以分析無人機拍攝的農田作物圖像，獲取作物的種類和長勢、病蟲草害發生程度及水分供應信息，或者在農業保險勘測中分析估算作物受災面積。李宗南等利用無人機遙感拍攝了玉米田塊圖像，然后通過計算機視覺分析色彩和紋理特征，建立了玉米倒伏面積提取方法。

在大力發展精準農業的趨勢下，作為基礎技術的農田信息獲取顯得尤為重要。農田信息獲取的方式包括衛星遙感、大型飛機航拍、車載或手持攝像和無人機拍攝。其中，無人機拍攝適合我國單位種植面積小、農作物品種多樣的國情，若將計算機視覺與無人機結合，則有助于推動農田信息獲取方式的進步。本文基于計算機視覺，建立了一種獲取農田信息的無人機系統。無人機裝載的數碼相機拍攝農田圖像，通過無線通訊裝置發送給信息檢測中心，由圖像采集卡轉換為數字信號；計算機視覺模塊接收原始圖像依次進行預處理、灰度化和特征提取，最后根據顏色特征對農田中的作物種類、生長勢態和面積進行識別，從而獲取農田信息。利用該系統對種植不同作物的農田進行試驗，驗證系統信息獲取的準確性和實時性，以便為拓寬無人機在農業中的應用范圍提供技術支持。

1 系統的設計及組成

1.1 總體設計

農田信息獲取系統由無人機平臺、無線傳輸模塊、地面站和計算機視覺模塊4部分組成。系統的工作流程為地面站根據農田面積和形狀等特征規劃航線，通過無線傳輸裝置發送給無人機。機載相機拍攝農田圖像，回傳給地面站進行存儲并轉換為數字信號由計算機視覺模塊分析識別。核心計算機平滑圖像噪音增加可識別性，然后對輸入的圖像進行分析，提取農田信息并進行保存，如圖1所示。

圖1 農田信息獲取系統的工作流程

1.2 組成部分

無人機平臺為大疆精靈Phantom 4 Advanced型四旋翼型無人機，滿載質量5kg，續航時間30min。其能夠采用GPS/GLONASS雙模式定位，安裝前視視覺裝置，無線傳輸速度可以達到Class10，最遠傳輸距離7km。數碼相機為尼康COOLPIX P60型，安裝在無人機的下方，光軸與豎直方向夾角為40°，寬度和高度上的像素分別為3 264點和2 448點，拍攝生成JPEG格式的圖像。

無線傳輸模塊采用Wifi無線通訊方式，其通訊帶寬大，數據實時傳輸能力強。模塊可以通過PID控制方法將設定的飛行路徑發送給無人機，并利用紅外無線傳輸控制其飛行速度和方向，同時實時接收相機拍攝的畫面并傳送給圖像采集卡。圖像采集卡為天創UB570型，將相機拍攝的JPEG格式圖像轉換為數字信號以供核心計算機分析。

地面站安裝大疆DJIGS Pro專業版軟件，用于設計無人機的飛行航路，控制飛行速度、高度、姿態和相機拍攝時機。核心計算機為聯想揚天M4700型臺式計算機，硬件配置Intel i6中央處理器和10GB的DDR4內存，運行快速，性能穩定。安裝Windows10操作系統和MatLab工具箱，可以滿足圖像實時處理和信息存儲的要求。

2 圖像處理

2.1 圖像的采集和預處理

以水稻田為例，無人機保持4m/s速度和10m高度沿田埂飛行，啟動相機拍攝圖像。相機與稻田之間處于相對運動的狀態，再加上拍攝瞬間可能出現的抖動，導致稻田圖像中含有噪音，對成像質量和后續分析造成了影響。這里對圖像通過5×5的中值濾波進行平滑處理，去除噪音，得到稻田的原始圖像，如圖2所示。由于相機在高處俯視拍攝，其光軸與豎直方向存在一定的夾角，使得各個距離上的物體在圖像上存在不同程度的畸變，會影響后續作物面積計算結果的準確性。文本參考紀壽文等的方法，對圖像的畸變進行矯正[16]。

2.2 圖像的灰度化

根據水稻田圖像受光照強度影響較大的實際特點，選用HSI模型的顏色空間分析圖像，分別對色調H、飽和度S和亮度I分量進行處理，得到在HSI顏色空間下對I分量灰度化的圖像，如圖3所示。

圖2 水稻田的原始圖像

圖3 水稻田的灰度化圖像

2.3 農田信息獲取

水稻田圖像由水稻、雜草和工作行組成。其中，雜草為淺綠色，兩行水稻之間預留的工作行為黑色。水稻按照長勢分為兩種，揚花期水稻為黃綠色，分蘗期水稻為深綠色。大部分水稻雜草也是禾本科植物，葉片形狀與水稻相似，計算機視覺的區分難度較大。因此，利用各組成部分的顏色差異將它們分離出來。

圖像分割的計算簡單，運行速度快，是利用顏色特征對圖像各組成部分進行識別的有效方法。在色調H、飽和度S和亮度I這3個分量中，水稻和雜草的顏色特征受亮度I影響最小。因此，將I分量效果圖和灰度圖分別做最大類間方差分析后再進行二值化，通過分析直方圖獲得最大閾值T1、T2和T3，經過閾值分割得到雜草、揚花期水稻、分蘗期水稻和工作行的圖像區域，如圖4所示。統計各圖像區域范圍內的像素點數，通過標定像素當量與拍攝距離之間的關系，便可以計算得到各圖像區域的實際面積。

圖4 水稻田的圖像分割

3 試驗結果和分析

在本單位的試驗基地內分別選擇水稻、小麥、玉米和大豆的代表性田塊，用無人機拍攝圖像，然后進行計算機視覺分析。4種作物的圖像分別在當季拍攝，設置相同的無人機飛行速度、高度和拍攝角度以保證外部條件盡量一致。圖像分析后獲取作物、雜草和工作行的區域面積，與人工測量的實際值比較，計算相對誤差，用以評價系統獲取信息的準確性。相對誤差計算公式為

式中δ——相對誤差，一般用百分數表示；

△——絕對誤差；

L——實際測量值。

系統對4種作物農田信息獲取結果的準確性如表1所示。在水稻田和大豆田中獲取的目標作物面積較為準確，雜草和工作行面積的相對誤差較大，都超過10%。小麥田的各項相對誤差較小，都沒有超過10%，表現出很高的準確性。玉米田的各項相對誤差都較大，其中工作行達到23.68%，準確性最低。綜合分析發現：作物植株太高會形成遮擋，降低農田信息獲取的準確性。田間雜草的葉片形態和顏色與目標作物接近時，識別的難度也會增加。系統從拍攝圖像到輸出結果的整個過程耗時2s，可以實現農田信息的實時獲取和處理。

表1 系統獲取的各區域面積相對誤差

4 結論

基于計算機視覺技術，建立了一種用于獲取農田信息的無人機系統。無人機拍攝農田圖像，發送給信息檢測中心，轉換為數字信號后由計算機視覺模塊處理，根據顏色特征識別農田作物種類和生長勢態，并計算各區域面積。試驗結果表明:系統對水稻、小麥和大豆田的信息獲取較為準確，玉米田由于作物植株太高形成遮擋，降低了農田信息獲取的準確性。系統從拍攝圖像到輸出結果的整個過程耗時2s，具有較強的實時性，可以為拓寬無人機在農業中的應用范圍提供技術支持。