本发明专利技术涉及一种基于计算机视觉技术的温室作物水肥胁迫状态识别方法，本发明专利技术以温室环境中的作物为研究对象，构造计算机视觉监测平台，研究适应自然光照变化、复杂场景下植物图像分割方法，对获得的植物叶片图像，从形态、颜色、纹理等方面提取并构造数量足够的特征集合，采用遗传算法、模拟退火算法、蚁群算法或粒子群算法等启发式搜索算法结合神经网络技术寻找最优特征子集，利用BP神经网络对作物胁迫特征进行识别。采用水平定位系统移动相机，可全方位获取植物图像。采用CUDA硬件平台实现算法运算，以满足监测的实时性要求。本发明专利技术为温室植物的水肥胁迫状态费破坏性测量提供了一种技术手段，具有广阔的应用前景。
【技术实现步骤摘要】
本专利技术属于温室植物监测领域，具体涉及一种基于计算机视觉的温室作物水肥胁迫状态识别方法。
技术介绍
设施农业作为新型的农业生产方式，已经成为解决人口、粮食、土地矛盾的重要途径。当前，我国设施农业生产中普遍存在科技含量低、劳动强度大、生产水平和效益低下，迫切需要技术改进，特别是利用现代信息技术，实现对设施温室环境进行自动控制和智能化管理，以提高我国设施农业生产技术水平，进一步提高经济效益和资源利用率。要实现温室环境的精准控制，获取作物生理状态包括水分、营养等信息是至关重要的。传统的温室环境水分、营养液控制是根据人工观测或预设参数进行，而不是针对植物特定时刻的特定需·要。接触性测量常用于确定植物的生理特征，但存在操作不方便、费时费力、具有破坏性、易受主观因素影响、不适合实时监控等特点。当作物出现水分不足、营养缺乏等胁迫特征时，会严重影响其生长。为此，必须尽早辨识甄别，以便进一步采取措施进行控制，避免遭受损失。植物胁迫状态通过叶面反映出来，如缩卷、枯萎、下垂、发黄。叶片这种结构变化会改变光的反射，引起的颜色或纹理方面的细微变化可用于监测植物的生理变化。利用计算机视觉系统对植物生长进行非接触测量具有快速无损、及时准确、全天候等特点，并且可获取作物的生长参数、整体状态信息并辨识其特殊需求，为合理灌溉和环境控制提供可靠依据，有效提高资源利用，节约能源消耗，提升产品品质，降低作业成本，达到提高产量、节约成本、保护环境的目的。(I)水分状态监测方面。植物利用水分维持叶片健康，当水分供给不足而无法满足蒸腾作用时，叶片气孔关闭，蒸腾减少，光合作用减弱，叶片枯萎。不管生理因素或非生理因素导致的作物缺水都会影响作物生长和新陈代谢，严重的会影响作物产量。作物缺水的早期诊断对于增加产量、减少损失尤为重要。叶片含水率、茎流法等由于提供了植物水分状态的直接信息而被广泛用于植物水分状态分析，但存在直接接触、破坏性采样、采集样本有限的缺点，难以获得大规模的商业推广应用。人眼对光的感知个体差异较大，而且不同人对缺水症状的颜色和样式估计就有差异，计算机视觉可以弥补这一缺陷。Seginer I等(1992)通过对完全成熟的番茄叶片的观察实验表明，叶尖的垂直运动与缺水、二氧化碳吸收率高度相关。Kurata K等(1996) 利用图像分析获取了番茄叶轴的倾角，并将其与植株水分进行关联。Revollon P等(1998) 利用观赏植物的叶尖轴线与水平线之间夹角的变化对植物缺水展开研究。Kacira M等(2002) 则利用叶冠顶部投影面积(TopProjected Canopy Area, TPCA)作为识别特征并建立植物缺水的检测指标。Foucher P等(2004) 利用神经网络分割作物图像，对TPCA计算一阶不变矩、分形维数、平均茎杆骨架长度等三个形状特征，通过对缺水和正常灌溉的两组盆栽植物的对比实验表明，通过选取合适的阈值，三个特征都可以诊断出作物的缺水症状。Ondimu S N等(2008) 从苔藓图像的灰度和彩色协方差矩阵中抽取了 6个纹理特征，并利用多层感知器神经网络对缺水状态进行识别。中国专利“基于计算机视觉的作物需水信息检测新方法”(申请号200510041045)，利用参考物来测量作物茎杆尺寸和果实大小的新方法，用于检测作物需水信息，检测系统由大小适当的参考物、图像采集设备、图像采集卡和计算机组成；利用计算机视觉非接触测量作物茎杆和果实，通过把参照物放置在待测的作物茎杆和果实附近，通过相应的图像处理算法得到作物茎杆尺寸和果实大小，从而得到作物需水信息。“基于计算机视觉的灌溉水车系统”(申请号2006100287346)，包括一合包含数据库中心以及用以监控及实时显示信息的远程监控机；一个嵌入式单板机、可编程序控制器以及数显设备构成的灌溉控制箱；一个进行实时图像采集的CCD摄像机；一个控制水车行走速度和启停的变频调速器以及与变频调速器连接的继电器、电磁阀和执行机构；以及用于获取当前水车行走速度和行走距离的光电脉冲编码器和获取当前灌溉量的脉冲式流量计；进行实时无线通信的无线以太网装置；用于控制微喷喷头开关的电磁阀以及灌溉水车的行走轨道等组成。根据获取的植物大小与数据库中存储的历史信息比较，确定灌溉量。·(2)缺素监测方面。氮、钙等元素对植物的生长非常重要，但对土壤缺乏有效信息导致的过度施肥经常出现，给环境造成很大威胁。另外，在温室栽培中，植物通常会有营养缺乏症状，特别是在开花和结果时期，严重影响作物的产量和质量。对作物缺素的早期诊断并及时处理潜在问题如叶尖枯萎，可以提升资源使用效率，提高农产品的质量和产量。缺素的早期症状并不明显，即便是经验丰富的专家也难以确切诊断出来。鉴定植物是否缺氮要通常依赖于叶片颜色变化的识别，作物营养不良主要通过叶片反映出来，而且主要通过颜色和纹理体现出来。Ahmad I S等(1996) 利用颜色特征来表示植物缺水或缺素水平，利用R (红色)、G (绿色)、H (色调)分量的平均值区分作物的低、中氮水平。Borhan M S等(2004) 基于彩色图像的R、G分量和多光谱像的灰度直方图，提取了均值、偏差、能量、熵等四个特征，利用多元线性回归进行分析，对植物叶绿素和氮水平进行预测，识别结果优于人工观察。Xu G L等(2011)利用CIE颜色空间中b*分量的直方图特征，结合傅立叶变换和小波分析对植物叶片缺素进行识别，为了避光线及其它环境因素的影响，图像获取是在一个封闭的采样箱中进行。David Story等(2010) 在LED为照射光源的可控环境中，利用植物叶片的I个形态特征、2个颜色及4个纹理特征对莴苣缺钙进行识别，结果显示计算机视觉可比人工视觉早1-2天发现缺素状态。国内，李长缨等(2003) 利用叶冠投影面积的变化来反映植物的缺肥情况，由于叶冠投影面积的计算易受外界条件干扰(如风速)，限制了该方法的应用。毛罕平等(2003) 提取叶片颜色和纹理的12个特征对番茄缺素进行了识别。计算机视觉技术在作物胁迫特征监测方面取得了很大进展，但是，还存在一些问题，(I)由于农业作物环境光照不均、自然光照变化大、成像条件不理想、背景复杂、分割困难，大部分研究在光照可控的实验室条件下进行，以使目标作物和背景的灰度差异较大，适应自然光照变化、复杂背景图像的目标分割问题未能得到有效解决；(2)视觉系统中的图像处理算法是为特定对象定制，条件变化时缺乏鲁棒性，面对不同问题时难以进行扩展和重用；(3)以往的研究是针对植物的单一胁迫特征(如缺水或缺氮)进行监测，而一套成功的视觉监控系统要求能对多个胁迫特征能同时进行识别；(4)图像分割后提取一个或多个特征进行识别，不同作物不同状态的胁迫特征是不一样的，如何针对不同作物、从形态、颜色、纹理等方面构造识别胁迫特征所需的、数量足够大的特征集合，并自适应进行优化选择缺乏有效性方法；(5)图像处理算法耗时，如何选择经济、合理、高效的硬件平台上实现快速运算以满足实时监控的要求也是一个问题。本专利技术针对以上问题，通过构建计算机视觉监测平台，以温室环境中的作物为研究对象，开发适应自然光照变化、复杂场景下植物图像分割方法，以及构造数量足够大的特征集合、并自适应选择最优特征子集进行作物水本文档来自技高网...
【技术保护点】
一种基于计算机视觉的温室作物胁迫状态识别方法，其特征在于具体步骤如下：（1）构建计算机视觉监测平台，所述监测平台由CCD相机(1)、支架(9)、计算机(3)、步进电机控制器(4)、X方向电机(5)、Y方向电机(6)、X方向导轨(7)和Y方向导轨(8)组成相机水平定位系统，其中：导轨(8)位于温室顶部前后两侧，导轨(7)两端位于导轨(8)上；Y方向电机(6)控制X方向导轨(7)在导轨(8)上沿Y方向运动；CCD相机(1)通过支架(9)安装于X方向导轨(7)上，X方向电机(5)控制支架(9)在导轨(7)上沿X方向来回移动，CCD相机(1)位于温室作物上方；CCD相机(1)通过图像采集卡(2)连计算机(3)的输入端，计算机(3)的输出端连接步进电机控制器(4)的输入端，步进电机控制器(4)的输出端分别连接X方向电机(5)和Y方向电机(6)；计算机通过向步进电机控制器(4)发出指令，实现CCD相机在温室上方的水平定位，依次采集作物图像；计算机具有CUDA硬件平台，用于实现复杂图像处理运算；电机(5)、电机(6)均为步进电机；（2）对获取的图像，选择归一化颜色空间用于聚类分割，以消除自然光照变化对分割结果的影响；在颜色量化的基础上，利用模糊C均值聚类算法进行图像分割，将植物叶片图像和土壤等背景分离；对分割后图像，利用数学形态学运算进行处理，去除噪声；对去噪后图像，运用像素标记算法标记图像并进行BLOB分析，根据BLOB分析结果去除杂草，填充叶片孔洞，抽取场景中的所有叶片图像用于后续处理；（3）对植物叶片图像，从形态、颜色和纹理等方面构造数量足够大的胁迫特征集合；对获取的每个植物叶片，抽取叶片的周长、形心、面积、高度、宽度、内切椭圆长轴、内切椭圆短轴、面积周长比、紧致度、伸长率、长宽比对数、周长宽度比、周长长度比13个形态特征，颜色通常描述为三维空间的一个向量，即每个颜色为颜色空间中的一个坐标；获取图像数据是RGB格式，HSI符合人眼感知心理，CIE(L*a*b*)是均匀颜色空间可以用欧式距离测量小的色差；获取R、G、B、H、S、L、a*、b*每个颜色分量的均值及灰度均值作为颜色特征；纹理是反映目标表面亮度特征变化的测度；二维灰度共生矩阵用于纹理分析，熵用来描述灰度分布的随机性，当作物营养不足，表面复杂度降低，熵也会降低；能量是反映灰度亮度一个指标，当缺水时，叶片发黄，亮度增加，能量也增加，对比度提高；与灰度图像相比，彩色图像在可见光谱中提供了更多的颜色特征，据此，本项目拟利用彩色共生矩阵进行彩色纹理分析；对于R、G、B、H、S、I、L*、a*、b*的每个分量，根据距离为1角度为0的空间关系计算共生矩阵，计算能量、熵、对比度、均匀性、倒数差分矩、互相关、均值和、方差、类趋势、最大概率和每个分量计算10个Haralick纹理特征，共90个特征；（4）对构造的特征集合，利用启发式搜索算法结合神经网络选择水、肥状态最优特征子集；（5）根据选出的水、肥状态最优特征子集，利用BP神经网络对作物胁迫特征进行识别。...
【技术特征摘要】
【专利技术属性】
技术研发人员：林开颜，司慧萍，吴军辉，陈杰，林振坤，
申请(专利权)人：同济大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。