基于视觉的棉花发育状态自动检测技术研究

发布时间：2020-09-19 10:23

　　智慧农业是现代农业发展的必然趋势,而农业机械化和信息智能化将起到核心作用。然而,当前农业信息智能化的发展速度较慢、自动化水平较低。作物发育期信息作为各阶段农事管理的重要科学指导依据,其观测手段仍然主要依赖于人工观测,耗时耗力、主观性强。因此,亟需采用自动化观测手段克服由人工观测带来的“看不全”、“测不准”等问题,为机械化农事操作提供可靠的信息,为增产和解放劳动力提供可能。本文以我国重要的经济作物和天然纤维原料——棉花作为研究对象,采用地面室外观测的方式,探究如何利用计算机视觉技术表征实际农田中棉花的发育状态,并结合农业气象观测人员的实地观测经验,自动检测棉花的关键发育期。由于在裂铃期和吐絮期内的田间管理与农事操作直接影响棉花的产量与品质,本文将这两个发育期的自动检测方法作为重点研究内容,具体如下:针对棉花裂铃期自动检测中棉桃姿态各异、尺度变化较大的问题,提出了一种基于多尺度特征编码与形态学变换的裂铃期自动检测方法。基于裂铃期观测定义和图像特点,该方法被分为棉桃检测和棉桃裂铃状态检测两个部分。通过将基于局部约束线性编码和空间金字塔匹配模型的图像表达向量送入支撑向量机中,可实现棉桃的检测。其中,具有空间和语义信息的图像表达向量可提高棉桃检测的准确率。对于棉桃裂铃状态的检测,可利用形态学变换方法提取已检测到的棉桃子块图像中的裂缝,最终实现棉花裂铃期的自动检测。通过与人工观测记录做对比,可以验证所提方法在棉花裂铃期自动检测上的准确性和有效性。针对以往棉花分割方法鲁棒性差、不适用于农田复杂场景的问题,提出了一种基于区域语义信息分割的吐絮期自动检测方法。该方法通过融合超像素的无监督区域生成、区域特征提取和基于随机森林的有监督语义标记,首次从区域层面对棉花分割问题进行了思考。其中,无监督区域生成是利用超像素分割和基于测度学习的密度聚类方法实现图像的区域化表达,旨在保持边缘细节信息和考虑密度对比分布。棉花分割数据集上的对比实验结果表明,该方法能较好地适应复杂的农田环境,取得较好的棉花分割结果;通过与人工观测记录做对比,也可验证所提方法在棉花吐絮期自动检测上的准确性和有效性。针对人工设计特征表达能力弱、不适用于天气多变的复杂场景的问题,提出了一种基于全卷积神经网络的吐絮期自动检测方法。与手工设计的特征不同,卷积神经网络以数据驱动的方式,同时提取棉花的底层信息(颜色、形状等)和深层语义信息,具有十分强大的特征表达能力。因此,本文率先将深度学习用于农田棉花分割,采用由粗到精的策略,在由具有强大特征表达和回归能力的全卷积神经网络得到的棉花初始分割图像上,结合上下文信息对其进行优化,最终得到棉花分割图像。本文的对比实验结果表明,所提方法不仅在不同的自然条件和单(多)目标图像中均可取得较好的棉花分割结果,而且可有效提升棉花吐絮期自动检测的准确性。为了实现棉花各关键发育期信息的智能化,本文设计了一套能够自动观测、分析和记录棉花实时发育状态的农业生产智能辅助系统——棉花发育期自动观测集成软件系统。该系统集成了本文提出的棉花各关键发育期的自动检测方法,经过实验验证,该系统可获得与人工观测记录相当的自动观测结果,具有应用推广和实际使用价值。
【学位单位】：华中科技大学
【学位级别】：博士
【学位年份】：2018
【中图分类】：TP391.41;S562
【部分图文】：

示意图,棉花,示意图,铃期

文献 14 16分别对我国四大经济作物中的玉米、水稻和小麦全生长周期内的关键发育期自动检测方法进行了研究。同属于我国四大经济作物，棉花的关键发育期自动检测也具有极强的研究价值。如图1-1所示，棉花的关键发育期有七个，其中裂铃期和吐絮期作为棉田管理的重要时期，直接影响棉花产量和品质的形成。当棉花长至裂铃期和吐絮期时，可及时进行如浇水防涝、整枝、增铃重和治虫防病等促早熟防早1

自动观测,方式,高空观测,作物

以不同频次获取丰富而多源的农业大数据。成像传感技术的不断发展也使得作物观测的手段逐步从人工转向自动化，避免了在人工观测中因干扰作物自身生长发育环境而带来的破坏性。如图1-2所示，根据观测距离的不同，作物自动观测方式可以被分为高空观测、低空观测和地面观测三类。针对由不同作物观测方式采集到的图像，可利用计算机视觉和遥感技术进行分析，从而得到作物的生长发育信息，实现作物的自动观测。（1）高空观测高空观测是指利用搭载在卫星上的各类遥感器获取农田遥感光谱数据，并通过分析不同地物的光谱特性监测大面积农田作物长势并进行产量预估[17 19]。在上世纪 70年代末，欧美各国就已经开始尝试利用卫星、遥感等技术进行高空观测，并建立了多个农业遥感数据库，其中 Land TM 和 SPOT VEGETAITON 可用于作物面积的遥感监测；低分辨率的 NOAA AVHRR 以及国产的风云气象卫星遥感数据可用于大范围的农业遥感监测；MODIS 数据可用于土地利用及覆盖研究；CBERS 数据可以广泛的用于

系统流程图,图像采集系统,地面观测,棉田

1.3 基于地面观测的棉田图像采集系统本文的棉田图像采集系统位于中国最大的产棉基地——新疆维吾尔自治区。所有图像都由如图1-3所示的基于地面观测的棉田图像采集系统获取，整个系统包括太阳能板、图像采集控制模块、Wi-Fi 数据传输和服务器这四个部分。其中，图像采集控图 1-3 基于地面观测的棉田图像采集系统(a) 系统流程图；(b) 太阳能板；(c) 图像采集控制模块设备；(d) 服务器。制模块中的监测设备是由一个挡雨防风装置和一个焦距设为 16 mm 的照相机（奥林9

【参考文献】