一種大田農(nóng)業(yè)生產(chǎn)情景感知計算方法及裝置制造方法
【專利摘要】本發(fā)明提供了一種大田農(nóng)業(yè)生產(chǎn)情景感知計算方法及裝置，該方法包括：采集作物的雙目圖像數(shù)據(jù)和生長環(huán)境數(shù)據(jù)；根據(jù)采集的雙目圖像數(shù)據(jù)，進行點云數(shù)據(jù)處理，計算出作物的株高和株行距；根據(jù)采集的雙目圖像數(shù)據(jù)，進行數(shù)字圖像處理，計算出作物的冠層郁閉度和長勢信息；計算所得的株高、株行距、冠層郁閉度和長勢作為作物的形態(tài)結構指標，對作物生長模型進行實時優(yōu)化；根據(jù)生長環(huán)境數(shù)據(jù)，結合優(yōu)化后的作物生長模型，計算作物器官的生長狀態(tài)。本發(fā)明合理集成計算機圖形圖像、視覺、自動化技術，對作物的形態(tài)結構指標進行檢測，作為輔助分析參數(shù)，對大田農(nóng)業(yè)生產(chǎn)的產(chǎn)量進行預測，增加了生產(chǎn)管理輔助決策的完整成度，從而提升了大田農(nóng)業(yè)生產(chǎn)管理效率。
【專利說明】一種大田農(nóng)業(yè)生產(chǎn)情景感知計算方法及裝置
【技術領域】
[0001]本發(fā)明涉及大田農(nóng)業(yè)生產(chǎn)領域，尤其涉及一種情景感知計算方法及裝置。
【背景技術】
[0002]農(nóng)業(yè)是我國重要的基礎產(chǎn)業(yè)，大田生產(chǎn)在我國農(nóng)業(yè)生產(chǎn)中占有很大比重，是我國糧食的主要來源，在糧食安全中占有重要的戰(zhàn)略地位。
[0003]在我國大田生產(chǎn)過程中，現(xiàn)有的技術手段主要體現(xiàn)在溫度、濕度、光照等環(huán)境參數(shù)，以及作物氮含量、氮積累量等生理指標進行監(jiān)測。
[0004]綜合我國大田生產(chǎn)情況，能夠基于環(huán)境信息進行綜合計算和分析，為生產(chǎn)管理提供輔助決策，是當前農(nóng)業(yè)信息化的發(fā)展趨勢。若只對生理指標進行監(jiān)測，則不能提供實時、準確、全面的數(shù)據(jù)支持和依據(jù)，從而影響大田農(nóng)業(yè)生產(chǎn)的生產(chǎn)管理輔助決策。
【發(fā)明內(nèi)容】
[0005](一)要解決的技術問題
[0006]本發(fā)明的主要目的是提供一種大田農(nóng)業(yè)生產(chǎn)情景感知計算方法及裝置，通過監(jiān)測作物的形態(tài)結構指標作為生產(chǎn)管理輔助決策，解決在我國大田生產(chǎn)中，通常只對作物的生理指標，而很少對作物的形態(tài)結構指標標進行檢測的薄弱環(huán)節(jié)，從而影響大田農(nóng)業(yè)生產(chǎn)的生產(chǎn)管理輔助決策。
[0007](二)技術方案
[0008]本發(fā)明的一種大田農(nóng)業(yè)生產(chǎn)情景感知計算方法，包括以下步驟:S1.采集作物的雙目圖像數(shù)據(jù)和生長環(huán)境數(shù)據(jù)；S2.根據(jù)采集的雙目圖像數(shù)據(jù)，進行點云數(shù)據(jù)處理，計算出作物的株高和株行距；S3.根據(jù)采集的雙目圖像數(shù)據(jù)，進行數(shù)字圖像處理，計算出作物的冠層郁閉度和長勢信息；S4.計算所得的株高、株行距、冠層郁閉度和長勢作為作物的形態(tài)結構指標，對作物生長模型進行實時優(yōu)化；S5.根據(jù)生長環(huán)境數(shù)據(jù)，結合優(yōu)化后的作物生長模型，計算作物器官的生長狀態(tài)。
[0009]進一步地，所述雙目圖像數(shù)據(jù)是由雙目立體視覺系統(tǒng)徑向圓周采集的；所述生長環(huán)境數(shù)據(jù)是由氣象墑情監(jiān)測系統(tǒng)采集的。
[0010]進一步地，所述步驟S2進行點云數(shù)據(jù)處理計算之前，根據(jù)雙目圖像數(shù)據(jù)重建冠層的三維點云模型。
[0011]進步一地，所述步驟S2中點云數(shù)據(jù)處理包括:建立模型空間直角坐標系，將點云數(shù)據(jù)正上方定義為Z軸正方向；根據(jù)Z軸層次密度法提取地面區(qū)域；根據(jù)地面區(qū)域點云擬合地面，求出地面方程參數(shù)；刪除地方方程中地面區(qū)域以下的點；根據(jù)密度聚類算法刪除點云中的噪聲數(shù)據(jù)；WZ=O平面為地面進行坐標變換，提取z坐標值最大的點作為作物的株高；計算上述密度聚類法所得聚類中所有點的著生位置坐標，結合播種時設定的作物形象，計算各中心點之間的距離，作為株行距。
[0012]進一步地，所述步驟S3中數(shù)字圖像處理包括:使用RGB顏色分量表示圖像所有像素，提取顏色分量滿足方程aG>R+B;提取像素個數(shù)與總像素個數(shù)比率，作為冠層郁閉度指標，以此定義出作物長勢。
[0013]根據(jù)本發(fā)明的另一面，本發(fā)明提供了一種大田農(nóng)業(yè)生產(chǎn)計算裝置，包括以下模塊:
[0014]數(shù)據(jù)采集模塊，用于采集作物的雙目圖像數(shù)據(jù)和生長環(huán)境數(shù)據(jù)；
[0015]株高和株行距分析模塊，用計算出作物的出株高和株行距；
[0016]郁閉度和長勢信息分析模塊，用于計算出作物的冠層郁閉度和長勢信息；
[0017]生長模型優(yōu)化模塊，用于計算所得的株高、株行距、冠層郁閉度和長勢作為作物的形態(tài)結構指標，對作物生長模型進行實時優(yōu)化；
[0018]生長狀態(tài)模塊，用于根據(jù)生長環(huán)境數(shù)據(jù)，結合優(yōu)化后的作物生長模型，計算作物器官的生長狀態(tài)。
[0019]7、進一步地，所述數(shù)據(jù)采集模塊包括雙目體視覺系統(tǒng)和由氣象墑情監(jiān)測系統(tǒng)，雙目立體視覺系統(tǒng)徑向圓周采集雙目圖像數(shù)據(jù)；氣象墑情監(jiān)測系統(tǒng)采集生長環(huán)境數(shù)據(jù)。
[0020]8、進一步地，所述點株高和株行距分析模塊包括三維點云模型構建模塊，用于在進行點云數(shù)據(jù)處理計算之前，根據(jù)雙目圖像數(shù)據(jù)重建冠層三維點云模型。
[0021]9、進一步地，所述株高和株行距分析模塊包括點云數(shù)據(jù)處理模塊，用于計算作物的株高和株行距。
[0022]10、進一步地，所述郁閉度和長勢信息分析模塊包括數(shù)字圖像處理模塊，用于計算作物的郁閉度和長勢。
[0023]11、進一步地，所述雙目立體視覺系統(tǒng)包括:支撐立柱，用于支撐和固定轉(zhuǎn)動支撐平臺；無線網(wǎng)絡發(fā)射模塊，用于無線傳輸雙目圖像數(shù)據(jù)到計算機的服務器；轉(zhuǎn)動支撐平臺，安裝在支撐立柱上，用于承載水平橫梁導軌、導軌滑塊和雙目立體相機；水平橫梁導軌，安裝在移動支撐平臺上，用于使移動支撐平臺繞支撐立柱在水平面內(nèi)轉(zhuǎn)動；導軌滑塊，安裝在水平橫梁導軌上，用于沿導軌徑向移動；雙目立體相機，安裝在導軌滑塊上，用于拍攝作物的雙目圖像。
[0024](三)有益效果
[0025]根據(jù)本發(fā)明的技術方案，實現(xiàn)了在大田農(nóng)業(yè)生產(chǎn)中，對作物的形態(tài)結構指標監(jiān)測，計算出株高、株行距、長勢和郁閉度作為校驗值，優(yōu)化作物生長模型，綜合作物的形態(tài)結構指標和生理指標對生產(chǎn)管理決策分析提供出實時、準確、全面的數(shù)據(jù)支持和決策依據(jù)，避免了只對作物的生理指標進行檢測，導致數(shù)據(jù)不全面，影像生產(chǎn)管理輔助決策分析。
【專利附圖】
【附圖說明】
[0026]圖1是發(fā)明實施例1提供的一種大田農(nóng)業(yè)生產(chǎn)情景感知計算方法流程圖；
[0027]圖2是發(fā)明實施例2提供的另一種大田農(nóng)業(yè)生產(chǎn)情景感知計算方法流程圖；
[0028]圖3是發(fā)明實施例3提供的一種大田農(nóng)業(yè)生產(chǎn)情景感知計算裝置結構示意圖；
[0029]圖4是發(fā)明實施例4提供的數(shù)據(jù)采集模塊的一種大田農(nóng)業(yè)生產(chǎn)情景感知數(shù)據(jù)采集裝置；
【具體實施方式】[0030]下面結合附圖和實施例，對本發(fā)明的【具體實施方式】作進一步詳細描述。以下實施例用于說明本發(fā)明，但不用來限制本發(fā)明的范圍。
[0031]實施例1:
[0032]本發(fā)明實施例提供了一種大田農(nóng)業(yè)生產(chǎn)情景感知計算方法，參見圖1，該方法包括:
[0033]步驟S1.采集作物的雙目圖像數(shù)據(jù)和生長環(huán)境數(shù)據(jù)。利用雙目立體視覺系統(tǒng)對作物進行雙目圖像拍攝，采集作物的圖像數(shù)據(jù)，；同時利用氣象墑情監(jiān)測系統(tǒng)監(jiān)測作物的生長環(huán)境數(shù)據(jù)，包括光照、溫度、水分、土壤參數(shù)等指標；
[0034]步驟S2.根據(jù)采集的雙目圖像數(shù)據(jù)，進行點云數(shù)據(jù)處理，計算出作物的株高和株行距；
[0035]步驟S3.根據(jù)采集的雙目圖像數(shù)據(jù)，進行數(shù)字圖像處理，計算出作物的冠層郁閉度和長勢信息；
[0036]步驟S4.計算所得的株高、株行距、冠層郁閉度和長勢作為作物的形態(tài)結構指標，對作物生長模型進行實時優(yōu)化。其中，形態(tài)結構指標作為校驗值，對作物生長模型參數(shù)進行線性優(yōu)化；
[0037]步驟S5.根據(jù)生長環(huán)境數(shù)據(jù)，結合優(yōu)化后的作物生長模型，計算作物器官的生長狀態(tài)。利用大田生產(chǎn)環(huán)境監(jiān)測數(shù)據(jù)，包括光照、溫度、水分、土壤等參數(shù)，結合優(yōu)化后的作物生長模型，算作物生長過程中的主要器官的生長狀態(tài)，及各主要器官的形態(tài)結構參數(shù)，如節(jié)長、葉長、株高等；以玉米為例，典型的玉米生長模型包括展開葉葉片長度(MLDL)與葉序(N)的關系模型、展開葉葉片寬度(MLDW)與葉序(N)的關系模型、展開葉葉形關系模型、展開葉葉鞘長度(MLSL)與葉序(N)的關系模型、已伸長節(jié)間長度(MINL)與葉序(N)的關系模型、器官同伸關系模型等，根據(jù)環(huán)境因素和品種參數(shù)以及栽培管理措施計算出可見葉片之展開葉片的葉序、葉長、節(jié)間長、以及各器官之間的相互關系，從而計算出株高、長勢等指標。
[0038]可選地，雙目圖像數(shù)據(jù)是由雙目立體視覺徑向系統(tǒng)采集的；生長環(huán)境數(shù)據(jù)是由氣象墑情監(jiān)測系統(tǒng)采集的。
[0039]可選地，在進行點云數(shù)據(jù)處理計算之前，根據(jù)雙目圖像數(shù)據(jù)重建冠層的三維點云模型。利用雙目立體視覺方法，通過立體相機參數(shù)標定，計算視域空間的三維空間坐標系，利用雙目圖像重建大田生產(chǎn)環(huán)境和作物冠層的三維點云模型。
[0040]可選地，點云數(shù)據(jù)處理包括:
[0041]建立模型空間直角坐標系，將點云數(shù)據(jù)正上方定義為Z軸正方向；根據(jù)Z軸層次密度法提取地面區(qū)域。沿Z軸方向，在[-4000,4000](單位為毫米)范圍內(nèi)，以200為Z軸計算范圍，10為步長，依次計算每個區(qū)域內(nèi)的點云密度，即計算每200mm內(nèi)的點云密度，每次偏移量取10mm。取200是根據(jù)立體視覺系統(tǒng)重建三維點云模型的地面誤差范圍。取得做大密度的范圍即為地面點云分布的范圍；
[0042]根據(jù)地面區(qū)域點云擬合地面，求出地面方程參數(shù)。用點(Xi，yi，Zi)，i=0，l^"，n-l ；擬合地面方程Ax+By+Cz+D=0 ;定義:
[0043]
【權利要求】
1.一種大田農(nóng)業(yè)生產(chǎn)情景感知計算方法，其特征在于，所述方法包括以下步驟: 51.采集作物的雙目圖像數(shù)據(jù)和生長環(huán)境數(shù)據(jù)； 52.根據(jù)采集的雙目圖像數(shù)據(jù)，進行點云數(shù)據(jù)處理，計算出作物的株高和株行距； 53.根據(jù)采集的雙目圖像數(shù)據(jù)，進行數(shù)字圖像處理，計算出作物的冠層郁閉度和長勢信息； 54.計算所得的株高、株行距、冠層郁閉度和長勢作為作物的形態(tài)結構指標，對作物生長模型進行實時優(yōu)化； 55.根據(jù)生長環(huán)境數(shù)據(jù)，結合優(yōu)化后的作物生長模型，計算作物器官的生長狀態(tài)。
2.根據(jù)權利要求1所述的方法，其特征在于，所述步驟SI中，雙目圖像數(shù)據(jù)是由雙目立體視覺系統(tǒng)徑向圓周采集的；生長環(huán)境數(shù)據(jù)是由氣象墑情監(jiān)測系統(tǒng)采集的。
3.根據(jù)權利要求1所述的方法，其特征還在于: 所述步驟S2進行點云數(shù)據(jù)處理計算之前，根據(jù)雙目圖像數(shù)據(jù)重建冠層的三維點云模型。
4.根據(jù)權利要求1所述的方法，其特征在于，在所述步驟S2中點云數(shù)據(jù)處理包括: 建立模型空間直角坐標系，將點云數(shù)據(jù)正上方定義為Z軸正方向；根據(jù)Z軸層次密度法提取地面區(qū)域； 根據(jù)地面區(qū)域點云擬合地面，求出地面方程參數(shù)； 刪除地方方程中地面區(qū)域以下的點； 根據(jù)密度聚類算法刪除點云中的噪聲數(shù)據(jù)； 以Z=O平面為地面進行坐標變換，提取Z坐標值最大的點作為作物的株高； 計算上述密度聚類法所得聚類中所有點的著生位置坐標，結合播種時設定的作物行向，計算各中心點之間的距離，作為株行距。
5.根據(jù)權利要求1所述的方法，其特征在于，在所述步驟S3中數(shù)字圖像處理包括: 使用RGB顏色分量表示圖像所有像素，提取顏色分量滿足方程aG>R+B ； 提取像素個數(shù)與總像素個數(shù)比率，作為冠層郁閉度指標，以此定義出作物長勢。
6.一種基于情景感知的大田農(nóng)業(yè)生產(chǎn)計算裝置，其特征在于，所述裝置包括以下模塊: 數(shù)據(jù)采集模塊，用于采集作物的雙目圖像數(shù)據(jù)和生長環(huán)境數(shù)據(jù)； 株高和株行距分析模塊， 用計算出作物的株高和株行距； 郁閉度和長勢信息分析模塊，用于計算出作物的冠層郁閉度和長勢信息； 生長模型優(yōu)化模塊，用于計算所得的株高、株行距、冠層郁閉度和長勢作為作物的形態(tài)結構指標，對作物生長模型進行實時優(yōu)化； 生長狀態(tài)模塊，用于根據(jù)生長環(huán)境數(shù)據(jù)，結合優(yōu)化后的作物生長模型，計算作物器官的生長狀態(tài)。
7.根據(jù)權利要求6所述的大田農(nóng)業(yè)生產(chǎn)計算裝置，其特征在于，所述數(shù)據(jù)采集模塊包括雙目體視覺系統(tǒng)和由氣象墑情監(jiān)測系統(tǒng)，雙目立體視覺系統(tǒng)徑向圓周采集雙目圖像數(shù)據(jù)；氣象墑情監(jiān)測系統(tǒng)采集生長環(huán)境數(shù)據(jù)。
8.根據(jù)權利要求6所述的大田農(nóng)業(yè)生產(chǎn)計算裝置，其特征在于，所述點株高和株行距分析模塊包括三維點云模型構建模塊，用于在進行點云數(shù)據(jù)處理計算之前，根據(jù)雙目圖像數(shù)據(jù)重建冠層三維點云模型。
9.根據(jù)權利要求6所述的大田農(nóng)業(yè)生產(chǎn)計算裝置，其特征在于，所述株高和株行距分析模塊包括點云數(shù)據(jù)處理模塊，用于計算作物的株高和株行距。
10.根據(jù)權利要求6所述的大田農(nóng)業(yè)生產(chǎn)計算裝置，其特征在于，所述郁閉度和長勢信息分析模塊包括數(shù)字圖像處理模塊，用于計算作物的郁閉度和長勢。
11.根據(jù)權利要求7所述大田農(nóng)業(yè)生產(chǎn)計算裝置，其特征在于，所述雙目立體視覺系統(tǒng)包括: 支撐立柱，用于支撐和固定轉(zhuǎn)動支撐平臺； 無線網(wǎng)絡發(fā)射模塊，用于無線傳輸雙目圖像數(shù)據(jù)到計算機的服務器； 轉(zhuǎn)動支撐平臺，安裝在支撐立柱上，用于承載水平橫梁導軌、導軌滑塊和雙目立體相機； 水平橫梁導軌，安裝在移動支撐平臺上，用于使移動支撐平臺繞支撐立柱在水平面內(nèi)轉(zhuǎn)動； 導軌滑塊，安裝在水平橫梁導軌上，用于沿導軌徑向移動； 雙目立體相機，安裝在導軌滑塊上，用于拍攝作物的雙目圖像。
【文檔編號】G06Q50/02GK103914786SQ201410086008
【公開日】2014年7月9日 申請日期:2014年3月10日 優(yōu)先權日:2014年3月10日
【發(fā)明者】郭新宇, 肖伯祥, 王傳宇, 吳升, 溫維亮, 陸聲鏈 申請人:北京農(nóng)業(yè)信息技術研究中心