一種基于視覺檢測的農作物生長情況監測物聯網系統的制作方法
【技術領域】
[0001] 本發明涉及農作物監控技術領域，尤其涉及一種基于視覺檢測的農作物生長情況 監測物聯網系統。
【背景技術】
[0002] 中國作為農業大國，各種農作物種植范圍非常廣大，同時，各種對農作物進行改善 的研究也層出不窮。為了確保農作物的生長狀態，以便提供合理的照顧，對農作物的實時監 測十分重要，尤其是試驗田中的試產農作物，更是需要實時監測，獲得詳細數據以便作為實 驗依據。
[0003] 目前，對農作物生長狀態的監測，多是通過工作人員實地觀察來實現，如此，工作 強度大，費時費力，工作效率難以提高。
【發明內容】
[0004] 基于【背景技術】存在的技術問題，本發明提出了一種基于視覺檢測的農作物生長情 況監測物聯網系統。
[0005] 本發明提出的一種基于視覺檢測的農作物生長情況監測物聯網系統，包括株高監 測子系統、倒伏監測子系統和葉面積指數監測子系統；
[0006] 株高監測子系統用于獲取包含有高度參照標志的農作物圖像，并根據農作物頂端 與高度參照標志之間的距離判斷農作物高度；
[0007] 倒伏監測子系統用于獲取農作物圖像，并將農作物圖像進行灰化處理與二值化處 理，從而根據圖像紋理判斷農作物倒伏區域，并推算農作物倒伏率；
[0008] 葉面積指數監測子系統與株高監測子系統連接，用于獲取從不少于兩個角度拍攝 的農作物圖像，并通過RGB顏色分解計算每一副圖像綠色覆蓋度，然后綜合多個綠色覆蓋度 計算綜合覆蓋度，并根據農作物高度和綜合覆蓋度計算葉面積指數。
[0009] 優選地，還包括綜合評估模塊，綜合評估模塊分別與株高監測子系統、倒伏監測子 系統和葉面積指數監測子系統連接，其根據農作物高度、倒伏率和葉面積指數對農作物的 生長狀況進行評估。
[0010] 優選地，綜合評估模塊針對農作物不同的生長階段設置有多個分別對應農作物高 度、倒伏率和葉面積指數的閾值，綜合評估模塊將獲取的農作物高度、倒伏率和葉面積指數 分別與對應的閾值比較，并根據差值判斷農作物生長情況。
[0011]優選地，還包括圖像采集子系統，其包括圖像采集模塊和圖像緩存模塊，圖像采集 模塊用于從多個角度實時采集農作物圖像并發送到圖像緩存模塊進行存儲，圖像采集模塊 分別與株高監測子系統、倒伏監測子系統和葉面積指數監測子系統連接。
[0012] 優選地，株高監測子系統包括:高度參照標志、圖像處理模塊、映射數據庫和數據 處理模塊；
[0013] 高度參照標志包括不少于一個高度基準點；
[0014] 圖像處理模塊與圖像緩存模塊連接，其從圖像緩存模塊調取包含有高度參照標志 的農作物圖像，并提取待檢測農作物頂端與最接近并高于農作物頂端的高度基準點之間圖 像距離；
[0015] 映射數據庫內部預設有距離高度映射集，距離高度映射集中包括多對參照映射 對，每一個參照映射對中包含一個距離值和一個與距離值相對應的農作物高度值，距離值 為農作物頂端與高度參照標志之間的距離；
[0016] 數據處理模塊分別與圖像處理模塊和映射數據庫連接，其根據圖像距離推斷實際 距離值，并從距離高度映射集中調取對應實際距離值的農作物高度值作為目標高度值。
[0017] 優選地，高任意兩個高度基準點可通過顏色、長度或形狀進行區分。
[0018] 優選地，倒伏監測子系統包括包括:灰化處理模塊、高斯模糊模塊、二值化處理模 塊和倒伏計算模塊;其中，
[0019] 灰化處理模塊用于從圖像緩存模塊獲取農作物的原始圖像，并將原始圖像轉換成 灰度圖像；
[0020] 高斯模糊模塊中預設有一系列的高斯函數，任意兩個高斯函數的松弛參數σ不同； 高斯模糊模塊與灰化處理模塊連接，其接收灰度圖像，并將灰度圖像分別和每一個松弛參 數〇"對應的高斯模糊函數進行卷積預算，獲得多個模糊圖像g n;
[0021] 二值化處理模塊與高斯模糊模塊連接，其內部預設有多個與模糊圖像gn-一對應 的分界閾值，并用于根據對應的分界閾值分別對模糊圖像gn進行二值化處理，獲得多個二 值化圖像gbn;
[0022] 倒伏計算模塊與二值化處理模塊連接，其內部預設有第一計算模型和第二計算模 型;倒伏計算模塊將多個二值化結果gbn代入第一計算模型進行綜合運算，獲得二值化的倒 伏圖像R(x，y)，然后根據第二計算模型和倒伏圖像R(x，y)來計算倒伏率R rite3。
[0023] 優選地，第一計算模型為：
預設常數;第二計算模型為：
[0024] 優選地，葉面積指數監測子系統包括RGB分解模塊、綠色覆蓋度計算模塊和葉面積 指數計算模塊；
[0025] RGB分解模塊用于從圖像緩存模塊獲取不少于兩張原始圖像，任意兩張原始圖像 的采集角度不同，RGB分解模塊從原始圖像中提取目標圖像，并對目標圖像進行RGB顏色分 解，根據G值對目標圖像進行二值化處理，生成二值化圖像；
[0026]綠色覆蓋度計算模塊與RGB分解模塊連接，其根據攝影幾何原理，計算每一副二值 化圖像的綠色覆蓋度Rn，并根據多個綠色覆蓋度Rn計算綜合覆蓋度Rr_lt;
[0027] 葉面積指數計算模塊分別與綠色覆蓋度計算模塊和株高監測子系統連接，其根據 株高h和綜合覆蓋度Rrasult判斷目標區域的葉面積指數BI。
[0028] 本發明的株高監測子系統通過預設高度參照標志，獲得農作物與高度參照標志的 相對距離，然后根據相對距離與實際農作物高度的映射關系，獲得農作物的實際高度。
[0029] 本發明的倒伏監測子系統對原始圖像依次進行灰化處理、高斯模糊處理、二值化 處理，然后根據二值化處理結果計算倒伏圖像，并進一步計算倒伏率。通過自動化的圖像分 析方式，有利于提尚精度與效率。
[0030] 本發明的葉面積指數監測子系統通過對目標圖像進行二值化處理，對綠色點和偏 綠色點進行突出顯示，然后根據二值化圖像進行綠色覆蓋度的計算，智能化程度高，且，通 過第一模型的設置，可以根據需要對綠色尤其是偏綠色的定義進行調節，靈活程度高。本發 明中，獲得綠色覆蓋度后，結合多幅圖像的綠色覆蓋度計算獲得綜合覆蓋度，并根據綜合覆 蓋度和株高計算葉面積指數，充分考慮到了農作物生長過程中，其葉面積與其高度緊密相 連的關系，有利于提高葉面積計算的合理性與準確性。
[0031] 本發明通過遠程采集圖像，以圖像處理的方式建立一套全自動化的檢測裝置，用 于完成大范圍全時間段的信息檢測和記錄任務，智能的檢測植物的生物狀態參數包括株 高、綠色覆蓋度、葉面積指數。通過本發明可建立一套基于物聯網的農作物生物狀態指標監 測系統，其自動化程度高，不需要人工實地檢測，可通過攝像裝置遠程監控農作物的生長情 況，勞動輕度低，監控范圍廣。
【附圖說明】
[0032] 圖1為本發明提出的一種基于視覺檢測的農作物生長情況監測物聯網系統結構示 意圖。
【具體實施方式】
[0033] 參照圖1，本發明提出的一種基于視覺檢測的農作物生長情況監測物聯網系統，包 括圖像采集子系統、株高監測子系統、倒伏監測子系統、葉面積指數監測子系統和綜合評估 豐旲塊。
[0034]圖像采集子系統包括圖像采集模塊和圖像緩存模塊，圖像采集模塊用于從多個角 度實時采集農作物圖像并發送到圖像緩存模塊進行存儲，圖像采集模塊分別與株高監測子 系統、倒伏監測子系統和葉面積指數監測子系統連接。
[0035] 株高監測子系統從圖像緩存模塊獲取包含有高度參照標志的農作物圖像，并根據 農作物頂端與高度參照標志之間的距離判斷農作物高度。株高監測子系統包括:高度參照 標志、圖像處理模塊、映射數據庫和數據處理模塊。
[0036] 高度參照標志包括不少于一個高度基準點，例如，通過設置石碑，可在石碑的不同 高度線上刻畫標志線作為高度基準點。其中，任意兩個高度基準點可通過顏色、長度或形狀 進行區分。多個高度基準點的設置，有利于提高高度測量的精度。
[0037]圖像處理模塊與圖像緩存模塊連接，其從圖像緩存模塊調取包含有高度參照標志 的農作物圖像，并提取待檢測農作物頂端與最接近并高于農作物頂端的高度基準點之間圖 像距離。
[0038]映射數據庫內部預設有距離高度映射集，距離高度映射集中包括多對參照映射 對，每一個參照映射對中包含一個距離值和一個與距離值相對應的農作物高度值，距離值 為農作物頂端與高度參照標志之間的距離；
[0039]數據處理模塊分別與圖像處理模塊和映射數據庫連接，其根據圖像距離推斷實際 距離值，并從距離高度映射集中調取對應實際距離值的農作物高度值作為目標高度值。 [0040]由于任意兩個高度基準點可通過顏色、長度或形狀進行區分，故而，可以清晰地獲 知每一個高度基準點指示的高度。通過獲取最接近并高于農作物頂端的高度基準點之間圖 像距離，可避免由于高度基準點被農作物遮蓋時導致的不可用性，又可以避免農作物較矮 時由于距離高度基準點的距離較大，從而放大誤差。
[0041]本實施方式中，在距離高度映射集中搜索與實際距離值的差值不大于預設浮動值 的距離值作為目標距離值。預設浮動值越小，越有利于提高計算精度，具體地，預設浮動值 可小于或等于1〇_，本實施方式中，預設浮動值為零。預設浮動值的設置有利于減小距離高 度映射集的數據存儲壓力。
[0042]倒伏監測子系統用于獲取農作物圖像，并將農作物圖像進行灰化處理與二值化處 理，從而根據圖像紋理判斷農作物倒伏區域，并推算農作物倒伏率。
[0043]倒伏監測子系統包括包括:灰化處理模塊、高斯模糊模塊、二值化處理模塊和倒伏 計算模塊。
[0044] 灰化處理模塊用于從圖像緩存模塊獲取至少一副農作物的原始圖像，并將原始圖 像轉換成灰度圖像。
[0045] 高斯模糊模塊中預設有一系列的高斯函數，任意兩個高斯函數的松弛參數〇不同。
[0046]
，是一種常用的圖像處理函數，松弛 參數σ決定了二維高斯函數的形狀。本實施方式中，多個松弛參數ση的選取滿足以下原則：
[0047] 〇n=2〇n-i = 22〇n-2=......= 2"〇。，其中 0。為常數。
[0048] 本實施方式中，首先根據成像倍率的大小和實際圖像選取松弛參數然后根據〇0 和以上公式依次獲得σι、〇2、σ3......〇n-：L、On，并依次將0^02^3......〇 n-：L、On代入高斯函數中的 σ，獲得一系列的高斯函數。具體實施時，也可以選擇〇〇=1。
[0049]