基于無人機(jī)機(jī)器視覺的沙糖桔果園創(chuàng)新農(nóng)場管理模式

陶秀華 ，鄧心陽 ，張 軍 ，蔡紹碩

（1.中南民族大學(xué) 計算機(jī)學(xué)院，湖北 武漢 430074；2.武漢菜佰仟數(shù)字農(nóng)業(yè)科技有限公司，湖北 武漢 430074；3.青島海紋智慧農(nóng)業(yè)科技有限公司，山東 青島 266001）

我國的沙糖桔種植主要集中在嶺南地區(qū)，不利于車輛等交通工具的進(jìn)入，也不利于人力進(jìn)行管理，特別是不利于預(yù)估判斷產(chǎn)量和成熟程度，但是利用無人機(jī)機(jī)器視覺技術(shù)可以解決這些問題，實(shí)現(xiàn)種植區(qū)高質(zhì)量管理。

1 沙糖桔農(nóng)場種植環(huán)境和情況的判斷

1.1 無人機(jī)機(jī)器視覺在沙糖桔農(nóng)場管理的應(yīng)用

所謂機(jī)器視覺，就是用機(jī)器來代替人眼來進(jìn)行測量和判斷。相比通過衛(wèi)星和飛機(jī)采集的航空圖像，無人機(jī)利用攝像機(jī)實(shí)現(xiàn)機(jī)器視覺技術(shù)成本較低，可用來利用無人機(jī)遙感技術(shù)來檢測所選取種植區(qū)域的土壤情況，判斷是否適合種植，同時對采集到的沙糖桔外觀圖像進(jìn)行圖像處理和分析，還可以檢測和管理沙糖桔果樹生長時的威脅因素。

1.2 果樹生長的威脅因素及其檢測和管理

1.2.1 病蟲害威脅因素檢測和管理

基于植株遭到病蟲害會在枝丫、葉片或者果實(shí)出現(xiàn)異常顏色這一特點(diǎn)，考慮利用多光譜攝像機(jī)來獲取植物的多光譜信息來識別病蟲害。例如AlSaddik 在檢測葡萄園黃熱病的試驗(yàn)中，就利用了多光譜攝像機(jī)來監(jiān)控不同納米段范圍，它的準(zhǔn)確率超過了94%。

1.2.2 灌溉水量檢測

灌溉水不足或者過量也是果樹生長威脅因素，可通過農(nóng)作物水分脅迫指數(shù)（CWSI）的組合來檢測，基于利用熱成像對無人機(jī)獲取的圖像進(jìn)行判斷，果農(nóng)可以根據(jù)反饋情況決定增加灌溉水量或者減少灌溉水量。

1.2.3 檢測營養(yǎng)成分是否過量或缺乏

營養(yǎng)過剩或者營養(yǎng)不足，可通過檢測植物的氮元素，比如農(nóng)業(yè)專家Zaman Allah 曾研究過利用無人機(jī)多光譜相機(jī)中的NDVI 數(shù)據(jù)來顯示玉米的低氮脅迫耐受性，因而可以仿照此技術(shù)，判斷沙糖桔是否營養(yǎng)過剩或者營養(yǎng)不足，為合理施肥提供參考。

1.3 農(nóng)場雜草的檢測和管理

利用無人機(jī)拍攝種植區(qū)域的圖像，并且對圖像數(shù)據(jù)進(jìn)行預(yù)處理，從而得到其多光譜圖像，使用主成分分析法對該多光譜圖像進(jìn)行圖像切割，然后分析砂糖桔果樹的紋理特征，得到其紋理的特征參數(shù)，通過建立分類監(jiān)督模式，對比紋理來區(qū)分雜草和果樹。

2 沙糖桔偵測計數(shù)管理

2.1 無人機(jī)高空沙糖桔農(nóng)場攝像

在無人機(jī)有效載荷內(nèi)確保圖像質(zhì)量，需要合適的攝像機(jī)相關(guān)算法，搭載深度傳感器、標(biāo)準(zhǔn)RGB彩色攝像機(jī)、高光譜和多光譜攝像機(jī)等傳感器的具備高懸停能力的無人機(jī)來確保不出現(xiàn)運(yùn)動模糊。

2.2 對沙糖桔輪廓外形的偵測

2.2.1 對顏色進(jìn)行分割

應(yīng)用RGB 顏色系統(tǒng)的色差分量2R-G-B 所合成的圖像進(jìn)行Ostu自適應(yīng)閾值分割，能夠快速并且有效區(qū)分成熟沙糖桔和其背景。Ostu 的原理是假設(shè)所需要分割顏色的圖像分為前景區(qū)域和背景區(qū)域兩部分，通過算法計算不同的閾值（它的區(qū)間范圍通常為0～255）下分割結(jié)果中的前景區(qū)域和背景區(qū)域的灰度直方圖，比較這兩個之間的方差，然后方差最大化的那個灰度閾值就是所需要求得的二值化閾值，從而提取沙糖桔成熟的區(qū)域。

2.2.2 對沙糖桔果實(shí)特征的提取

Sobel算子的原理是對所傳進(jìn)來的圖像像素做卷積，卷積的實(shí)質(zhì)就是求梯度值，或者說是給了一個加權(quán)平均值，其權(quán)值就是我們所說的卷積核，然后再對生成的新像素灰度值做閾值運(yùn)算，從而確定邊緣信息。沙糖桔果實(shí)輪廓的提取就是利用了Sobel 算子。但是不僅要提取果實(shí)的輪廓，還要提取它的特征參數(shù)，這就要用到圓形霍夫變換。霍夫圓變換就是將二維圖像空間中的一個圓轉(zhuǎn)換為這個圓的半徑、圓心的橫縱坐標(biāo)所確定的三維參數(shù)空間中一個點(diǎn)的過程，圓周上任意3 個點(diǎn)所確定的圓經(jīng)過Hough 變換后在三維參數(shù)空間應(yīng)對應(yīng)一點(diǎn)。通過這個算法能夠正確的找到果實(shí)的中心，計算出的擬合圓的半徑和果實(shí)的半徑基本上符合。

2.2.3 識別未成熟的綠色果實(shí)

要識別出綠色果實(shí)，需要利用Faster Rcnn 目標(biāo)檢測算法，這個算法包含識別、分割、分類三大主要步驟。識別是為了獲取感興趣的區(qū)域。識別的第1 步就是在卷積層提取特征，然后每個特征都生成有anchor，再把生成的anchor 再Region Proposal做識別，提取部分anchor獲得感興趣區(qū)域。分割是通過縮放，得到感興趣區(qū)域相對于特征圖的位置，并把特征圖上對應(yīng)的特征給提取出來。分類是在獲得感興趣區(qū)域的特征之后，把特征輸入全連接層做分類。在自然條件下，利用Faster Rcnn 目標(biāo)檢測算法對未成熟的沙糖桔進(jìn)行顏色特征分析，從而計算出未成熟果實(shí)的數(shù)量。

2.2.4 偵測沙糖桔的流程

先利用Ostu 原理求得二值化閾值，將成熟的沙糖桔區(qū)域劃分出來，用Sobel 算子原理對圖像像素進(jìn)行卷積處理，得到沙糖桔的輪廓，再用霍夫圓變換精確找到果實(shí)的中心，最后用Faster Rcnn目標(biāo)檢測算法識別出綠色沙糖桔。

3 試驗(yàn)過程及其結(jié)果

3.1 試驗(yàn)的過程

將RGB 相機(jī)裝備到無人機(jī)上獲取RGB 圖像，分別對RGB 顏色空間的分量“R（紅色）”“G（綠色）”“B（藍(lán)色）”進(jìn)行分析，還要分析Lab顏色空間的分量“L”“a”和“b”，得到的“a”分量可以很容易的將成熟沙糖桔的顏色和它的背景顏色區(qū)分開來。所以可以將分量“a”中的圖片通過沙糖桔的輪廓特征，利用霍夫圓變換，識別出成熟的沙糖桔并且對其進(jìn)行計數(shù)處理。為了更好地預(yù)估沙糖桔產(chǎn)量，再利用Faster Rcnn 目標(biāo)檢測算法進(jìn)行識別、分割和分類處理對未成熟的綠色沙糖桔果實(shí)進(jìn)行計數(shù)。

3.2 試驗(yàn)結(jié)果

上述試驗(yàn)中可得成熟與未成熟的沙糖桔數(shù)量，進(jìn)而精確預(yù)估果園的真實(shí)產(chǎn)量，見表1。但由于由于果實(shí)密度不同，會出現(xiàn)果實(shí)重疊、覆蓋的情況，所以會導(dǎo)致測得的正確率存在差異。

4 結(jié)語

本研究提出的沙糖桔果園創(chuàng)新農(nóng)場管理模式，通過試驗(yàn)證明，利用無人機(jī)的機(jī)器視覺技術(shù)，在種植區(qū)域的土壤情況偵測、病蟲害生長、產(chǎn)量預(yù)測等方面，均可極大地減少人力、物力、財力的成本，實(shí)現(xiàn)農(nóng)場管理效益最大化。