智能施肥机作物覆盖率测量系统设计———基于北斗导航和多媒体图像处理

郁 云，许 昌，徐 坚，魏 瑾

(1.南京信息职业技术学院 信息服务学院，南京 210046；2.河海大学 能源与电气学院，南京 211100)

智能施肥机作物覆盖率测量系统设计
———基于北斗导航和多媒体图像处理

郁 云1，许 昌2，徐 坚1，魏 瑾1

(1.南京信息职业技术学院 信息服务学院，南京 210046；2.河海大学 能源与电气学院，南京 211100)

为了提高施肥机的智能化水平，实现施肥机械的变量施肥控制，提出了一种基于北斗导航和多媒体图像处理的智能施肥机测量系统，并重点对系统作物覆盖率的测量系统进行了设计。本研究采用北斗卫星导航系统(BDS)为采棉机进行位置服务，采用 GPRS 无线通信技术，避免了通信链路小、覆盖面积小等问题，采用多媒体图像的去噪处理，提高了装置对恶劣天气的自适应能力。最后，在普通的施肥机械上搭载了智能施肥机作物覆盖面积测量系统进行了试验，结果表明：该系统可以成功地返回准确的作物覆盖率，且在雾雨天气也能够保持良好的准确性，从而验证了装置的可靠性，为现代智能的农机设计提供了较有价值的借鉴。

智能施肥；覆盖率；北斗导航；图像处理

0 引言

农机的定位和导航是实现我国精准农业的重要技术，随着现代农业中高功率作业机械、飞机施肥和喷药装置等大型农业机械化装置的使用，田间定位和导航技术越来越显得重要。在农业作业生产过程中，在农机上使用卫星定位和导航系统可以大幅度地提高其生产和作业的效率。从北斗验证系统开通到 2012 年底北斗卫星导航系统正式向亚洲地区提供服务以来，在农业、水利、通信、减灾、海事、海洋渔业、交通、勘探及森林防火等多个领域得到成功应用，具有集定位、实时、短报文通信及用户监测于一体等显著特点。将北斗导航系统使用在现代农机的导航系统中，对实现农机的自动化和智能化准确定位、提高我国农机的自主导航能力具有重要的现实意义。

1 农作物覆盖率智能化测量技术

农作物的覆盖率是表征作物生长状况的重要参数，其定义是指作物在田间的投影面积和整个农田的面积之比，能够客观地反映农作物的生长动态状况。农作物覆盖率的测量方法主要有两种，具体包括地面测量和遥感测量。

1.1 地面测量法

地面测量方法又分为3种，包括仪器测量方法、统计测量法和摄像测量方法。仪器测量是指使用专门的光照测量仪器，对植物获取的光照量进行测量，从而获得农作物的覆盖率。统计测量方法是指利用覆盖率的时空模型，在已知关联性因子和模型的情况下，利用已知的测量条件，对覆盖率进行合理的推算。摄像测量方法是指利用高清CCD摄像机对农作物进行摄影和拍照，然后利用多媒体图像处理技术对图像进行处理，对图像设置合理的RGB阈值，提取出图像的绿色像素，由不同颜色的像素可以得到农作物的具体覆盖度。

1.2 遥感测量法

遥感测量技术和地面测量技术有所不同，遥感测量技术主要是利用遥感技术获取植物的光谱信息，建立植被和光谱之间的关系模型，获取农作物的覆盖度。相对于一般的地面测量方法，遥感技术可以在大范围内测量，具有速度快、效率高、测量范围广泛等特点，最常见的是利用卫星数据提取某一个数据的NDVI值，常用的方法是物理模型方法和统计模型方法。物理模型方法主要是利用光与植被的相互作用，建立覆盖度和光谱信息的物理或者光学关系，反演出植被的覆盖度方法。统计模型法和物理模型法方法类似，该方法利用统计方法对植被的光谱信息进行分析，从而统计出作物覆盖率和光谱之间的关系模型。本研究结合地面和遥感技术，创建了施肥机施肥变量控制系统，总体框架和流程如图1所示。

图1 施肥机施肥变量控制系统Fig.1 The variable control system of fertilizer application

数据初始化完成后，首先利用北斗导航对作物进行定位，然后利用在施肥作业区内对作物的覆盖率图像进行采集。由于在采集过程中会有噪声干扰，因此需要利用图像处理技术对噪声进行处理，利用统计方法得到农作物的覆盖率，通过作物覆盖率的信息，对作物进行变量施肥控制。

2 基于北斗导航和多媒体图像去噪处理的覆盖率测量

从北斗卫星系统的开放以来，卫星导航系统已经向亚洲地区开始提供服务，并且在农业、通信、交通和勘探等领域得到了广泛的应用。为了实现施肥机的自主定位，在施肥机上搭载了北斗导航卫星定位模块，其通信模块如图2所示。

图2 基于北斗导航的定位通信模块Fig.2 The positioning communication module based on Beidou navigation

通信模块由北斗定位模块和GPRS通信模块组成。其中，GPRS模块主要完成数据的通信，由GPRS通信模块和SIM卡接口电路构成；北斗定位模块由北斗天线和外围的芯片接口电路组成，可将北斗定位信息数据输送给控制模块，从而完成施肥机械的定位和导航。

施肥机的作业往往受到天气等外部条件的影响(如雨雾天气)，给图像采集带来较大的误差，因此需要对图像进行处理，以去除噪声点。噪声点一般是以孤立区存在的，需要对这些孤立区进行滤除。在采集的作物二值化图像T中，如果要对某一像素小于N1的点进行滤除操作，可以将其设置为背景，具体操作为

T(i,j)=

(1)

对孤立点设置成为背景后需要对孔洞进行填充，图像中的孔洞可以看成是黑色像素构成的背景块，其阈值小于N2，将其设置为白色，方法为

T(i,j)=

(2)

在多媒体图像去噪分割的过程中，需要结合分水岭算法模型，其原理是参照实际的分水岭流水过程。一维分水岭的原理示意图如图3所示。

图3 一维分水岭算法示意图Fig.3 Schematic diagram of one dimensional watershed algorithm

图3中，当水线上升至L1时，只有A2盆地进水，当上升至L2时，由A1和A2盆地进水，利用这种原理可以将多种不同阈值的点进行去噪处理。图像处理完成后，需要将数据信息传送的图像处理中。典型的图像采集和处理系统如图4所示。

图4图像采集和处理系统Fig.4 The image acquisition and processing system

作物的覆盖率图像采集和处理系统主要是由3部分组成，包括光照系统、CCD相机和数据处理模块。该系统装有图像采集卡、图像存储和处理的微处理器，其作物覆盖率测量计算总流程如图5所示。

图5 作物覆盖率测量计算总流程Fig.5 The total calculation process of crop coverage

利用图4的图像采集系统采集得到的图像需要利用相机进行标定，然后去除光照部分，剩下的便是作物的覆盖率。为了提高统计计算的准确性，需要对图像进行去噪声处理，总体覆盖率的确定需要对全部统计的覆盖率进行汇总处理，根据覆盖率信息，可以实现施肥机的施肥量的变量控制和调节。

3 施肥机试验研究

为了验证北斗导航和多媒体图像处理系统在智能变量施肥机上使用的可行性，将作物覆盖率测量系统搭载到了普通的小麦施肥作业机械上，其试验作业场景如图6所示。

在试验过程中，选择了地势较为平坦的小麦作业区，对小麦的覆盖率进行测量，并返回测量过程中的多媒体处理图像。为了测量覆盖面积，需要对图像进行二值化处理，结果如图7所示。

图6 搭载作物覆盖率测量系统的施肥机械Fig.6 The fertilizer machine with crop coverage measurement system

图7图像处理结果Fig.7 The results of image processing

由图7处理结果可知：采用第2节的图像处理方法可以有效去除土壤背景的影响，从而有效提高图像数据采集的准确性。

同一区域、不同时刻覆盖度测量结果如图8所示。

图8 去噪声前覆盖度测量Fig.8 The coverage measurement of before denoising

由图8可以看出：由于受到雨雾天气的影响，在不同时刻采集到的结果出现了偏差；试验阶段，由于雾较大，误差显得特别大。

图9表示去噪声后覆盖度测量结果。由图9可以看出：在不同时刻测得的覆盖度的结果相对稳定，波动小，没有出现较大的偏差，从而验证了多媒体图像处理去噪方法的可靠性。

图9 去噪声后覆盖度测量Fig.9 The coverage measurement of after denoising

表1为覆盖度预测准确性的数据统计。由表1可以看出：通过和地面测量方法相比较，遥感测量方法的误差不大，与地面测量方法较为接近，且比地面测量方法具有更高的精度。

表1 覆盖度预测准确率统计

4 结论

为了实现施肥机械的施肥量的变量调节，提高施肥效率，基于北斗导航和多媒体图像处理技术，设计了一种新的以作物覆盖率为依据的变量施肥控制系统，并重点对作物覆盖率测量系统进行了设计。为了验证系统的可靠性，对系统图像处理水平和覆盖率预测的准确性进行了测试，结果表明：采用图像处理系统可以有效去除土壤背景和天气因素干扰的影响，提高图像数据采集的准确性。在恶劣天气条件下，采用图像处理后测得的覆盖度结果更加稳定，与地面测量方法相比较，遥感测量方法误差不大，测量精度相对较高，可以满足施肥机变量调节系统的需要。

[1] 钱建平,杨信廷,吴晓明,等.自然场景下基于混合颜色空间的成熟期苹果识别方法[J].农业工程学报, 2012, 28(17):137-142.

[2] 顾宝兴,姬长英,王海青,等.智能移动水果采摘机器人设计与试验[J].农业机械学报,2012,43(6):153-160.

[3] 侯茗耀,王库,党帅.黄瓜采摘机器人嵌入式系统的设计与实现[J].农机化研究,2009,31(8):57-60.

[4] 刘琼,安涛,金钢,等.基于DM642 视频采集处理系统硬件设计[J].微计算机信息,2007,11(2):180-182.

[5] 张永光,张晓蕾,徐健健.DM642 图像数据传输的实现和优化[J].科学技术与工程,2007,9(17):4484-4486.

[6] 李立君,李昕,高自成,等.基于偏好免疫网络的油茶果采摘机器人图像识别算法[J].农业机械学报, 2012,43(11):209-213.

[7] 王辉,毛文华,刘刚,等.基于视觉组合的苹果作业机器人识别与定位[J].农业机械学报,2012,43(12): 165-170.

[8] 袁挺,纪超,陈英,等.基于光谱成像技术的温室黄瓜识别方法[J].农业机械学报,2011,42(S1):172-176.

[9] 熊俊涛,邹湘军,陈丽娟,等.采摘机械手对扰动荔枝的视觉定位[J].农业工程学报,2012,28(14):36-41.

[10] 吕继东,赵德安,姬伟,等.采摘机器人振荡果实动态识别[J].农业机械学报,2012,43(5):173-196.

[11] 王志,艾延廷,沙云东.基于BP神经网络的航空发动机整机振动故障诊断技术研究[J].仪器仪表学报,2007,28(4): 168-171.

[12] 刘佳,崔涛,张东兴,等.玉米种子分级处理对气力式精量排种器播种效果的影响[J].农业工程学报,2010,26(9):109-113.

[13] 刘立晶,刘忠军,李长荣,等.玉米精密排种器性能对比试验[J].农机化研究,2011,33(4):155-157.

[14] 李文凤,彭智勇,李德毅,等.不确定性Top-k查询处理[J].软件学报,2012,23(6):1542-1560.

[15] 张晓辉,李莹,王华勇,等.应用特征聚合进行中文文本分类的改进KNN算法[J].东北大学学报,2003, 24(3):229-233.

[16] 王海青,姬长英,顾宝兴,等.基于机器视觉和支持向量机的温室黄瓜识别[J].农业机械学报,2012,43(3): 163-167.

[17] 王辉,毛文华,刘刚,等.基于视觉组合的苹果作业机器人识别与定位[J].农业机械学报,2012,43(12): 165-170.

[18] 魏泽鼎,贾俊国,王占永.基于视觉传感器的棉花果实定位方法[J].农机化研究,2012,34(6):66-68,112.

[19] 王铁固,赵新亮,张怀胜,等.玉米产量的边际效应及与主要农艺性状的相关分析[J].中国农学通报,2012, 28(18):122-126.

[20] 曹冬梅,丁明亚,方继友.行端边际效应对玉米品种试验造成的误差[J].中国种业,2008(8):52-53.

[21] 金衡模,高焕文.玉米精播机漏播补偿系统设计[J].农业机械学报,2002,33(5):44-47.

[22] 张晓辉,赵百通.播种机自动补播式监控系统的研究[J].农业工程学报,2008,24(7):119-123.

[23] 韩建国,王金斌,于磊.补偿式玉米精密播种机的研究[J].农业装备与车辆工程,2010(8):10-12.

[24] 周利明,王书茂,张小超,等.基于电容信号的玉米播种机排种性能监测系统[J].农业工程学报,2012, 28(13):16-21.

[25] 李建江,崔健,王聃，等.MapReduce并行编程模型研究综述[J].电子学报,2011,39(11):2635-2642.

[26] 高春城.我国农业发展的资源环境问题与展望[J].当代生态农业,2013,3(4):151-154.

[27] 庄卫东,汪春.农业直线行走作业DGPS导航算法研究[J].黑龙江八一农垦大学学报,2006,18(6):94-98.

Crop Coverage Measurement System Design for Intelligent Fertilizing Machine—Based on Beidou Navigation and Multimedia Image Processing

Yu Yun1, Xu Chang2, Xu Jian1, Wei Jin1

(1.Department of Information Service, Nanjing College of Information Technology, Nanjing 210046, China; 2.College of Energy and Electrical Engineering, Hohai University, Nanjing 211100, China)

In order to improve the level of intelligent fertilizing machine, realize the variable fertilization machinery control, it put forward a kind of Beidou navigation and multimedia image processing system based on intelligent fertilizing machine measurement system, and focuses on the crop coverage rate measurement system. This research used the Beidou satellite navigation system (BDS) location service for cotton picker by using GPRS wireless communication technology to avoid the problem of communication link.Small coverage area is small by the use of multimedia image denoising, which can improve the adaptive ability of bad weather device. Finally, it studied the ordinary fertilizer machinery equipped with intelligent fertilizing machine crop cover area measurement system. The experimental results showed that the system can successfully return accurate crop coverage, and maintain a good accuracy in the fog rain weather also, so as to verify the reliability of the device, which can provide more valuable reference for the design of modern intelligent agricultural machinery.

intelligent fertilization; coverage rate; Beidou navigation; image processing

2016-12-11

南京信息职业技术学院院基金项目(YK20140601)；科技部中丹国际合作项目(2014DFG62530)；江苏省自然基金面上项目(BK20131369)

郁 云(1981-)，女，南京人，讲师，硕士，(E-mail) yuyunyy2008@sina.cn。

S275.6；TP273

A

1003-188X(2018)02-0226-05