基于作物表型信息獲取的多旋翼飛行器應用研究綜述

沈寶國，范月圓，楊 妍，王松濤

（江蘇航空職業技術學院鎮江市無人機應用創新重點實驗室，江蘇 鎮江212134）

0 引言

作物表型是受基因和環境因素兩方面影響，可以反映植物結構及組成、植物生長發育過程及結果的全部物理、生理、生化特征和性狀[1]。同時作物表型信息揭示作物生長發育規律、環境與管理措施等關系的重要依據，成為目前研究的熱點。

作物的表型信息主要包含葉面積指數、株數信息、生物量、葉綠素含量、產量、氮素狀況等，獲取大多還采用人工田間實測方式，具有耗時耗力、空間覆蓋有限、效率極低且準確度差等缺點，制約著當前農學、育種等作物科學研究的發展。

近年來，隨著自動控制技術、計算機技術及傳感器技術的快速發展，無人機航空技術得到了飛速發展。其性能的不斷提高以及功能的日益完善，應運而生，以無人機為代表的低空遙感監測平臺憑借機動靈活、成本低、空間覆蓋廣的優勢成為獲取田間作物表型信息的重要手段[2]。

多旋翼飛行器具有結構簡單、控制靈活和垂直起降等特點，憑借其良好的機動性、懸停能力以及低速飛行性能在目前農業中得到廣泛應用，是當前研究使用的主流。

多旋翼無人機按旋翼數目可分為四旋翼、六旋翼和八旋翼等。作物表型信息獲取平臺以大疆公司生產的四、六、八旋翼飛行器為平臺搭載可見光成像、多光譜成像、高光譜成像、熱紅外成像等不同類型的傳感器，構成無人機低空遙感監測系統，用于提獲取田間作物表型信息[3]。

1 四旋翼飛行器平臺

四旋翼飛行器是一種有4個螺旋槳且螺旋槳呈十字形交叉的飛行器。四旋翼飛行器具有成本低、體型小、強靈活性、容錯性和平衡能力強等優點，是多旋翼飛行器中最具代表性的模型。搭建四旋翼飛行器低空遙感監測系統一般會采用大疆公司生產的精靈系列和悟系列搭建平臺，其性能參數對比如表1所示。

表1 各類旋翼機的性能參數對比

比較典型的應用有：張玲等[4]采用Phantom 2+數碼相機，飛行高度120 m，獲取夏玉米5個主要時期整塊試驗田冠層圖像，提取圖像的紅光值R、綠光值G、藍光值B、亮度值L，由此計算的12個色彩參數與傳統氮素診斷指標（植株氮濃度、生物量和吸氮量）的相關性，結果顯示G/（R+G+B）、G/L可作為全生育期氮素營養動態診斷的最佳色彩參數指標，如圖1（a）所示。雷亞平等[5]采用Phantom 3 pro+數碼相機，飛行高度50 m，獲取試驗田棉花冠層RGB圖像，基于歸一化綠紅差值指數NGRDI、可見光大氣阻抗植被指數VARI、過綠指數ExG、過綠減過紅植被指數ExGR和綠葉植被指數GLI 5種常用的可見光顏色指數，研究不同植被覆蓋指數反映棉花葉面積指數的差異，結果表明NGRDI是預測棉花葉面積指數的一個優選指標，如圖1（b）所示。李曉鵬等[6]采用Inspire 1 pro+禪思X5航拍相機，分別15、20、30和40 m等4個飛行高度采集大田煙株圖像，結果表明，采用20 m的飛行高度可以兼顧圖像精度和飛行時間，并基于決策樹的植被分割算法進行煙草缺苗數的估測，如圖1（c）所示。肖武等[7]采用M100+多光譜相機，飛行高度110 m，設定航速9 m/s，地面分辨率13 cm，共獲取4980幅玉米影像，構建多元線性回歸模型和反向傳播神經網絡模型，通過決定系數、均方根誤差和估測精度3個指標篩選出最佳模型，可有效提高生物量反演模型的精度，如圖1（d）所示。

圖1 四旋翼平臺

2 六旋翼飛行器平臺

六旋翼飛行器每隔60°放置一個旋翼，共六個旋翼作為飛行器的動力源。搭建六旋翼飛行器低空遙感監測系統一般會采用大疆公司生產的經緯系列搭建平臺。比較典型的應用有：張智韜等[8，9]采用M600+禪思XT熱紅外成像測溫儀，飛行高度15 m，獲取棉花冠層高分辨率熱紅外影像，計算棉花冠層溫度特征數，其冠層溫度特征數與棉花葉片氣孔導度、蒸騰速率、水分脅迫指數和作物根系活動層土壤體積含水率具有較強的相關關系，通過驗證與分析得出棉花的冠層溫度特征數可以作為診斷棉花花鈴期的水分脅迫狀況，如圖2（a）所示。陳俊英等[10]采用M600+多光譜相機，飛行高度50 m，獲取棉花花蕾期不同時刻冠層多光譜遙感圖像，提取其冠層光譜反射率信息，并同步測定棉花冠層葉片的凈光合速率、蒸騰速率、氣孔導度和胞間二氧化碳濃度等4個光合參數，進而利用多種回歸分析方法建立了4種光合參數的反演模型，均取得了較高的精度，說明該方法通過反演作物的光合參數是可行的，如圖2（a）所示。蘭玉彬等[11]采用M600 Pro+高光譜成像儀，飛行高度60 m，飛行速度為4～5 m/s，獲取柑橘果園的高光譜影像，分別提取并計算健康和感染柑橘黃龍病（HLB）植株冠層的感興趣區域的平均光譜，并對初始光譜進行處理，得到原始光譜、一階導數光譜和反對數光譜3種光譜，分別采用k近鄰和支持向量機進行建模和分類，其分類準確率達到94.7%，表明低空高光譜遙感監測柑橘HLB的手段具有可行性，如圖2（b）所示。

圖2 六旋翼平臺

3 八旋翼飛行器平臺

八旋翼飛行器每隔45°放置一個旋翼，共八個旋翼作為飛行器的動力源。隨著旋翼數量的增加，多旋翼飛行器平臺越容易得到好的控制效果，穩定性得到進一步提升，因此八旋翼飛行器在飛行穩定性能方面強于六旋翼飛行器和四旋翼飛行器。搭建八旋翼飛行器低空遙感監測系統一般會采用大疆公司生產的筋斗云系列搭建平臺。比較典型的應用有：楊貴軍等[12-15]采用S1000+高清數碼相機，飛行高度60 m，獲取玉米育種材料試驗田各個時期的高清數碼影像，提取其數碼影像變量（R、G、B 及 r、g、b），并用逐步回歸分析方法進行了葉面積指數的估測，得到最優的估測變量為r和r/b；飛行高度40 m，獲取玉米苗期影像，變換優選HSV顏色模型對影像前景與背景進行分割，然后利用數學形態學流程提取玉米苗形態，Harris角點檢測算法提取玉米苗期影像的株數信息，將目前傳統影像識別精度提高了約3%，結果表明該方法提取玉米苗期作物準確數目是可行的；飛行高度50 m，獲取覆蓋小麥育種基地的高清數碼影像，采用監督分類-最大似然法對小麥葉色進行提取和分類，分類精度達到80%以上，證明此分類方法獲取小麥的葉色差異是可行的；飛行高度100 m，獲取大豆育種材料試驗區的3個關鍵生育期的高清數碼影像，進行了數碼影像變量與大豆育種材料葉面積指數LAI的相關性分析，并構建了LAI的一元線性回歸、逐步回歸、全子集回歸、偏最小二乘回歸、支持向量機回歸和隨機森林回歸估測模型，篩選估測LAI的最佳模型，研究表明全子集回歸模型中采用4個數碼影像變量B、R GBVI、GLA和B/（R+G+B）的多元線性回歸模型對大豆育種材料LAI的解析精度最優，如圖3。楊琦等[16]采用S1000+數碼相機，飛行高度50m，獲取糖料蔗全生育期的高清數碼影像，利用高清數碼影像計算了6種可見光植被指數并建立LAI估算模型，綠紅植被指數對糖料蔗伸長末期以前的LAI的估測效果最好，如圖3。

圖3 八旋翼平臺（S1000）

4 結論

以多旋翼飛行器為代表的低空遙感監測平臺具有機動靈活、適合復雜農田環境、及時的數據采集、效率高和成本低等優勢，可以快速、無損和高效的獲取田間作物表型信息。

由于作物圖像信息內容豐富且圖像處理算法較為成熟，目前在獲取田間作物表型信息的研究中，搭載在多旋翼飛行器平臺的傳感器以數碼相機為主、其他傳感器為輔的組合方式。

與六旋翼飛行器和四旋翼飛行器相比，八旋翼飛行器在飛行穩定性能和有效負載能力方面具有較大優勢；同時數碼相機具有成本低、直觀便捷的獲取作物表型信息的優勢，八旋翼飛行器搭建數碼相機將會在提獲取田間作物表型信息得到更為廣泛的應用。