專利名稱：基于計算機視覺的作物灌溉系統的制作方法
技術領域：
本發明涉及計算機視覺及處理技術和節水灌溉領域，特別是涉及一種基于計算機視覺檢測作物形態、顏色變化并做出判斷和控制的節水灌溉方法。
背景技術：
計算機視覺是應用計算機技術模擬人的視覺機理，對所取得的視覺圖像中的事物進行識別分類的科學技術。它是集圖像的采集、圖像處理和識別、模式識別等學科為一體的交叉學科。隨著計算機軟硬件技術不斷發展，計算機視覺已逐漸進入了實際應用。
隨著科學技術的發展，農業生產也正在迅速地改變了傳統的耕作模式，現代的科學和工業技術已逐漸滲透到農業生產中，農業技術逐漸向科學化、信息化的方向發展，現代設施農業應運而生，并成為當今世界最具活力的產業之一。
農業水資源的利用一直都有著利用率低，水資源的短缺與浪費并存的現象。水資源的有效利用是當前中國灌溉農業發展面臨的主要問題，節約用水，合理灌溉，發展節水農業，是一個帶有戰略性的問題，而解決這一問題的有效途徑之一就是通過監測作物水分的虧缺程度并進行準確地判斷。
目前對作物的灌溉系統多數都是以土壤的濕度、周邊的環境溫度等環境參數作為灌溉系統的控制參數，不能真實反映作物的缺水狀態，因此控制精度低，造成了水資源的利用率低和水資源的浪費。
現在已有研究人員通過LVDT (差動變壓器式)位移傳感器對玉米、柑桔等進行測量，取得了一定的節水效果。但LVDT主要是用在機械制造領域工業計量中，測量分辨率和精度雖然可以滿足要求，但由于接觸點具有剛性，會影響作物的生長，同時也無法很好的滿足對作物測量的實際要求。也有學者利用傳感器或者千分尺對作物的果實或葉進行測量， 但這些方法都需要與作物的果實或葉片進行接觸性操作，通過傳感器或機械裝置測量植物器官的微量變化，獲得需水信息來控制灌溉系統，這些方法由于需要現場操作，費時費力， 并且由于是接觸性測量，也對作物的生長具有一定的影響。當前，國外也有學者從事利用近距離的紅外遙感圖像來檢測作物需水情況，此項技術成本非常昂貴，而且也沒有達到實用化的程度。
計算機視覺技術是一種無損測量手段，是作物生長診斷研究中的一種先進技術手段之一。作物長勢診斷是作物管理決策中的重要內容之一，這方面的研究剛剛起步。
本發明所采用的技術為基于計算機視覺的非破壞性的作物缺水檢測，結合作物生長數據模型，判斷并控制電磁閥自動完成作物的灌溉。
作物生長高度的變化、作物的葉片的生長變化和作物的水分狀況具有很大的相關性，同時作物的嫩芽、作物莖的收縮和膨脹等也與作物的水分有很強的相關性。采用計算機視覺診斷作物水分可實現對作物植株不具破壞性、連續監測記錄、準確獲取作物體內水分信息并及時進行灌溉的目標。發明內容
本發明的目的是提供一種基于計算機視覺技術的作物智能節水灌溉的方法，它能實現非接觸測量，不影響作物生長，并達到節水灌溉的目的。
針對傳統灌溉方式的不足，本發明提出的基于計算機視覺的作物智能灌溉系統， 首先利用圖像獲取設備，取得作物圖像，并通過計算機對圖像進行處理，完成圖像的顏色空間轉換，圖像的分割和特征提取，獲取作物的莖、葉、花的特征和顏色變化，結合作物生長數據模型和遺傳神經網絡，計算并判斷出作物的需水信息，通過單片機去控制電磁閥進行灌溉。系統實現了對灌溉的智能控制，對提高水資源的利用率具有重要的意義。
本發明基于計算機視覺的作物灌溉系統是由圖像獲取設備、計算機、單片機和灌溉系統組成，系統實現包含以下具體步驟
(1)獲取作物的生長原始圖像；
(2)將原始圖像進行預處理；
(3)分別對圖像進行二值化處理和從RGB顏色空間轉換到HSI顏色空間，并選取 HSI顏色空間中的H和S參數作為作物圖像的顏色特征，在HSI顏色空間的作物圖像中選擇部分像素點作為種子；
(4)種子區域進行生長，將與種子顏色性質相似的相鄰像素附加在生長區域的種子上，對整幅圖像的多個子塊進行掃描，對在顏色上相近，空間上相鄰的區域進行合并；
(5)完成作物的分割和作物生長特征參數的提取；
(6)將各種特征參數與作物生長數據模型進行數據比較與計算，找出差異值；
(7)基于遺傳神經網絡進行計算和判決；
(8)根據計算機判決結果，由單片機控制電磁閥，完成作物的灌溉。
本發明建立了作物生長數據模型，通過對作物的實驗和檢測，研究了作物的葉、 莖、花的形態和顏色變化、作物的生長高度等對缺水所表現出現的現象，找出作物對水分虧缺反應的規律，建立了作物形態變化與水分缺失之間的關系，從而制定了相應的灌溉控制指標。
本發明的系統硬件主要由圖像獲取設備、計算機、單片機和灌溉系統組成，本發明的計算機圖像處理，主要由圖像預處理、圖像二值化、圖像HSI顏色空間變換、圖像分割、區域提取和計算等步驟構成。圖像處理主要是完成作物的葉、花的顏色特征和作物的生長狀態的特征參數的提取，提取出顏色和形態特征參數作為判斷灌溉所需要的指標。再結合作物生長數據模型對所獲得的特征參數進行計算和分析，得到判斷作物是否缺水相應指標， 最后通過遺傳神經網絡，給出灌溉的決策輸出。
農作物在生長過程中，植株形態、植株高低、葉片和花形的大小和顏色、果形等方面的變化均與作物的水分需求和供給緊密相關。本發明建立了合理的多種作物生長特征參數作為灌溉指標，主要參數有
(1)作物高度參數。作物的生長速度與作物的水份需要有很大的關系，水分的多少影響作物的光合作用，影響作物內營養物質的吸收和轉運，作物高度則是作物生長的重要參數。
(2)葉面積參數。葉片變化也是作物生長的一個非常直觀而又重要的特征，作物的枝葉生長對水分虧缺很敏感，較輕度的缺水時葉的生長就已受抑，葉片擴展生長提早停止。
(3)幼嫩葉參數。當水分供應不足時，新葉發生速率減緩，因而發生萎蔫，從而引起葉片的曲卷變化。
(4)莖葉的顏色參數。當缺水時植物生長緩慢，葉綠素濃度相對增加，葉色變深，莖葉顏色變紅，反映作物受旱時碳水化合物分解大于合成，細胞中積累較多的可溶性糖并轉化形成花色素，從而引起莖葉顏色的變化。
(5)莖葉形態參數。同時實驗表明，作物水分的水分過高或過低，會影響作物莖的生長，會造成葉片的運動，如莖粗、葉片的最大展開度、葉片傾角、節距等參數的變化。
本發明采用了 HSI顏色空間來對作物的顏色進行判別。通常從圖像獲取設備獲取的圖像信息是由RGB分量表示的，而作物圖像中的RGB值的分布并無明顯的規律可循，直接利用這些分量往往不能得到所需的效果，不利于直接用作識別特征參數。而HSI顏色空間的優點在于它將亮度antensity)與反映色彩本質特性的兩個參數——色度(Hue)和飽和度(Saturation)分開，色彩表達更接近于人眼的觀察，且光線對識別的影響小。
在對作物顏色特征參數的提取中，實驗中選取與顏色相關的H和S參數來作為特征參數，對H和S參數采用直方圖計算。
記Sum(P，Xi)為圖像中某一特征值(如Hue)為Xi的像素數，N為區域P中的總像素數，則區域P的該特征的直方圖為
H(P) = (hxl，hx2，........hxi. . . hj
其中=^^1
并計算出標準差如(Hue) Sh 二^^諷-肝
式中，應為色度均值，Hi為圖像中某像素點的色度值，S參數的直方圖計算類同。
要了解作物的缺水狀態，則必需先掌握作物的正常生長狀態，在本發明中，建立了作物生長數據模型，對作物生長的特征參數進行了多次試驗和數據分析，提出如下作物生長數據模型。
(1)作物高度與時間的關系模型
Y = -~-^f
式中Y是作物的生長高度，X是累積生長度日(OTD)，A，B，C是作物模型參數，模型參數與作物的種類和生長階段有關。
(2)作物的葉形關系模型
在作物的生長過程中，作物的葉的生長與水之間的關系也非常緊密，作物的葉形由沿伸展方向的葉寬變化而改變，葉寬Iw與葉長11具有一定的函數關系，可用下式表示γ π Zw , Il \2 n Il
—- = a'(—f + β'— + γLW LL LL
式中LL是葉片的長度；LW是葉片的最大寬度；Iw —葉片在長度為11處的葉片寬度；α，β，Υ為模型參數。
(3)作物的面積關系模型
葉面積與葉長、葉寬之積成正比，可用下式表示
LA = j X Lff X LL
式中，j為校正系數，其數值與葉片形態相關，隨作物品種和葉序略有變化，一般取值范圍為0. 6 0. 9。
(4)作物的葉片顏色特征模型
Cy =K1-Wr + ^
其中Cy為單位重量葉片所含葉綠素總量的值，仏為葉片圖像H分量的均值，K1和 K2是模型參數。
本發明采用了結合遺傳算法的遺傳神經網絡來進行訓練和判別。根據對實際判別過程模擬與預測的復雜性及其神經網絡模型的結構特性，將遺傳算法 (GeneticAlgorithms)與神經網絡相結合，利用遺傳算法對神經網絡進行訓練，取得了較好的效果。
本發明中，設計采用了遺傳算法來實現3層神經網絡的學習與設計。
(1)遺傳算法中個體的變量為神經元網絡權值，采用十進制編碼方式，每個個體的維數為Μ(Ν+0)，其中M, N, 0分別為隱層、輸入層和輸出層神經元個數。
(2)確定網絡權值和初始化種群，若W = (Wl，w2，......, wn), η為種群數，確定目標函數E為Λ R mγ
E = —ΣΣ[/(0-Χ0]2 ，而取適應度函數為/ =上^k R=I i=lE
其中R為訓練樣本對總數，m為網絡節點數，y⑴是第i個訓練樣本的期望網絡輸出值，1’ (i)是第i個訓練樣本的網絡輸出值，L為模型參數；
(3)進行種群復制，同時保持種群規模的一致性，對適應度值從大到小進行排序， 保留最優個體不進行交叉和變異操作。對剩余個體按照交叉算子Pc和變異算子Pm進行交叉和變異操作，重復直到組成新一代種群。
圖1作物灌溉系統的結構圖
圖2作物圖像處理的結構圖
圖3神經網絡結構圖具體實施方式
本發明的系統先由工業攝像頭或數碼相機得到連續的作物生長情況的圖像，由計算機進行圖像預處理、圖像二值化、圖像分割、區域提取和計算等步驟得到作物的莖桿直徑、嫩芽形態和葉片顏色等作物生長狀態參數，結合作物生長數據模型，綜合作出缺水判斷，并由單片機控制電磁閥進行放水灌溉。
利用圖像采集設備采集作物的作物圖像時，為了解決測量中圖像的歸一化問題， 在測量作物的后部放置座標紙，并在座標紙上進行等距的黑點標注，以便于后期圖像的特征參數的處理。
系統硬件主要由計算機和ATMEGAU8或M430F2131型微處理器構成、控制電路由 AT45DB161存儲芯片、DS1302時鐘芯片和MAX232串行通信芯片等組成。〔0064〕 為準確的獲取作物的生長參數，試驗期間可每隔10分鐘、半小時、1小時等不同的 時間間隔進行圖像的獲取，連續自動監測一次作物的高度、莖直徑、葉生長等變化。準確得 出作物的生長變化狀態。使顏色、形態指標的觀察及時、快速，即在出現輕微的形態變化時 就采取措施。由于不同作物生長的特征參數變化不同，所以對作物生長數據模型，要不斷實 踐和總結規律，用作物比較敏感的形態和顏色變化來判斷，如花生的心尾葉呈暗綠色表示 缺水，黃麻尾梢直，葉脈明顯表示缺水。
在實際的作物顏色的檢測過程中，采用把I顏色空間，呢8與！131按下列公式轉換
211-0-3
〔0066〕 『^ 310005
尺-⑦2尺―灼…—召)
3〉(
而只、3、1分別為丑促6
0 ^ 3 ！！^!^尺,(？，萬)
0 ^ 1 ―‘
11 + 0 + 3 11 + 0 + 3
3
本發明的系統可以及時獲取作物需水信息，并實現及時的精量灌溉，很好的提高 了水資源的利用率。系統具有魯棒性好、擴展靈活等優點。具有很好的實用性，可以應用于 溫室、農田、苗圃等作物種植區域。〔0065〕
權利要求
1.一種基于計算機視覺的作物灌溉系統，其特征是系統由圖像獲取設備、計算機、單片機和灌溉系統組成，系統實現包含以下具體步驟(1)獲取作物的生長原始圖像；(2)將原始圖像進行預處理；(3)分別對圖像進行二值化處理和從RGB顏色空間轉換到HSI顏色空間，并選取HSI顏色空間中的H和S參數作為作物圖像的顏色特征，在HSI顏色空間的作物圖像中選擇部分像素點作為種子；(4)種子區域進行生長，將與種子顏色性質相似的相鄰像素附加在生長區域的種子上， 對整幅圖像的多個子塊進行掃描，對在顏色上相近，空間上相鄰的區域進行合并；(5)完成作物的分割和作物生長特征參數的提取；(6)將各種特征參數與作物生長數據模型進行數據比較與計算，找出差異值；(7)基于遺傳神經網絡進行計算和判決；(8)根據計算機判決結果，由單片機控制電磁閥，完成作物的灌溉。
2.根據權利要求1所述的基于計算機視覺的作物灌溉系統，其特征是在步驟(3)選取 H和S參數作為顏色特征參數的計算中，采取直方圖計算方法，區域P的直方圖(如H參數) 計算為H(P) = (hxl, hx2，........hxi. · · hj其中t = S。,Sum (P, Xi)為圖像中某一特征值為Xi的像素數，N為區域P中的總像素數，并計算出(如Hue)標準差式中，及為色度均值，Hi為圖像中某像素點的色度值，S參數的直方圖計算類同。
3.根據權利要求1所述的基于計算機視覺的作物灌溉系統，其特征是在步驟(5)中的作物生長特征參數有作物高度參數、葉面積參數、幼嫩葉參數、莖葉的顏色參數和莖葉形態參數。
4.根據權利要求1所述的基于計算機視覺的作物灌溉系統，其特征是在步驟(6)的作物生長數據模型的建立中，主要建立了如下的模型(1)作物高度與時間的關系模型 y= ^\ + B-ecx式中Y是作物的生長高度，X是累積生長度日(⑶D)，A，B，C是作物模型參數；(2)作物的葉形關系模型作物葉寬Iw與葉長11具有一定的函數關系，用下式表示Iw , Il ^ Il-=a (—) + β·— + γLW LL LL式中LL是葉片的長度；LW是葉片的最大寬度；Iw —葉片在長度為11處的葉片寬度； α, β, Y為模型參數；(3)作物的面積關系模型葉面積與葉長、葉寬之積成正比，可用下式表示LA = j X Lff X LL其中，j為校正系數，與葉片形態相關，隨作物品種的不同而有變化；(4)作物的葉片顏色特征模型Cr=K1-W^K2其中Cy為單位重量葉片所含葉綠素總量的值，巧為葉片圖像H分量的均值，K1和K2是模型參數。
5.根據權利要求1所述的基于計算機視覺的作物灌溉系統，其特征是在步驟(7)的遺傳神經網絡設計中，具體有如下設計特征(1)遺傳算法中個體的變量為神經元網絡權值，采用十進制編碼方式，每個個體的維數為Μ(Ν+0)，其中M, N, 0分別為隱層、輸入層和輸出層神經元個數；(2)確定網絡權值和初始化種群，若W= (wi; w2,......, wn), η為種群數，確定目標函數E為
全文摘要
本發明涉及圖像處理技術和節水灌溉領域，公開一種基于計算機視覺的作物灌溉方法，本發明所采用的技術為基于計算機視覺的非破壞性的作物缺水檢測，并結合作物生長數據模型，最后自動判斷并控制電磁閥完成作物的灌溉。系統首先通過作物圖像的獲取、顏色空間的轉換、圖像的分割、特征參數的提取等步驟，然后結合生長數據模型進行特征參數的計算，通過遺傳神經網絡完成判決，最后根據判決結果控制單片機去驅動電磁閥，完成作物的灌溉。本發明的系統可以及時獲取作物需水信息，并實現及時的準確灌溉，很好的提高了水資源的利用率。該系統有很好的實用性，可以應用于溫室、農田、苗圃等作物種植區域。
文檔編號A01G25/16GK102524024SQ201210035509
公開日2012年7月4日 申請日期2012年2月16日 優先權日2012年2月16日
發明者張懷渝, 曾憲垠, 杜世平, 汪建, 王開明 申請人:四川農業大學, 汪建