变量喷雾系统中果树冠幅检测方法研究

沈明明， 张富贵， 吴雪梅， 刘国志， 陈宇熠

（贵州大学机械工程学院，贵州 贵阳 550025）

变量喷雾系统中果树冠幅检测方法研究

沈明明， 张富贵， 吴雪梅， 刘国志， 陈宇熠

（贵州大学机械工程学院，贵州 贵阳 550025）

果树的变量喷雾系统要求快速实时地检测果树的冠幅，现有数字图像处理检测果树冠幅存在不能实现实时检测且误差大或者不能检测果树实际冠幅值的问题，本文用参照标准板与每株样本果树一起拍摄，通过求每张图像单位像素宽度的方法求取对应样本果树的实际冠幅；再将采用该数字图像检测的果树冠幅与采用手持激光测距仪检测的冠幅标准值作比较分析。试验结果表明：检测的50株样本果树中，74%的样本数利用图像处理方法所检测冠幅值与参考值的相对差值都小于20%，对果树冠幅数字图像检测值与标准值进行回归分析，R2=0.7406，因此，在变量喷雾系统中采用图像处理方式检测果树冠幅是可行的。

变量喷雾；果树冠幅；数字图像；实时检测

变量喷雾是农药喷施的重要发展方向。变量喷雾可以在保证施药效果的前提下，避免农药过量使用，降低农药残留，减少环境污染，为无公害农产品的生产奠定基础。变量喷施要求快速实时地检测果树的冠幅。果树冠幅是果数基本参数之一，反映了果树在水平方向上的最大宽度和果树在地面上的投影面积。果树冠幅的测量一般是指测量果树最大树冠直径和最小树冠直径或者多次测量树冠直径求平均值。目前，国内外许多学者利用遥感影像对森林林木冠幅信息的提取进行了相关的探索和研究，但检测都不是实时的。如Masato Katoh等[1]利用单株立木冠幅提取技术(ICT)提取出针阔混交林中单株立木树冠冠幅。冯益明等[2]以高空间分辨率遥感影像的全色波段为数据源，应用空间统计学半方差理论，对人工纯林冠幅尺寸进行估计。蔡文峰等[3]利用全数字摄影测量工作站系统数字测图方法提取了林木冠幅信息。王二丽等[4]利用子像元分类专题图，通过栅格矢量之间的转换并加入有关人工的参与，提取出上层单株针叶树木冠幅。少部分学者利用数字图像处理方法对单株树木冠幅的检测做了相关研究，如Brown等[5]利用树冠垂直照相技术获得树冠的俯视图像，再通过该图像估算树木的冠幅，通过这种方法得出的冠幅数据和手工测得的冠幅数据进行回归分析，R2值为O.54，该方法不是实时检测且误差较大。张富贵等[6]采用图像处理方法，结合人工神经网络数据融合技术来实时获得果树的冠幅，该方法为实现冠幅检测的实时性打下基础，同时也降低了检测误差。但是不能实时测量单位像素所代表的实际长度，不能检测到实际冠幅。基于上述问题，本文在采集图像时采用参照标准板来实时检测每张图像单位像素所代表的实际宽度，从而检测果树实际冠幅。采集果树图像的同时，在同一角度用激光测距仪检测冠幅作为果树冠幅参考值（以下简称参考值），将图像处理方法检测值与参考值进行比较分析，以检验数字图像检测方法的准确性。

1 材料与方法

1.1 图像的采集和果树冠幅参考值的检测

采集图像所用的相机是佳能IXUS 950 IS，设定的图片分辨率都是640像素×480像素，采集地点是贵州大学教学实验场柑橘实验基地；本文试验采集样本为挂果柑橘树50株。采集图像时间是2013年5月11日，时段是太阳光不强烈的上午8:00～11:30，此时间段可以避免强光引起反光等影响。为确保数据的准确性（即每张图像只有一棵果树），采用白色挡板将目标果树与其他果树分离。参照标准是20cm×20cm黑色板，采集图像时将制作黑色标准板与果树一起拍摄。采用这种参照标准板的方法不要求固定的成像距离，并且相机镜头的焦距可调，使果树图像更加清晰可见[7]，考虑到果园为标准化种植，行距和株距都是均匀的，本次试验手工测量果树冠幅采用的是LeicaDISTO™D5手持式激光测距仪，它的测量范围为0.05m～200m，精度是0.001m，本次试验采用水平距离测量功能。每采集完一棵果树图像时，利用激光测距仪测量果树在该角度的最大水平宽度，即为果树冠幅。手持激光测距仪测量冠幅如图1所示。

图1 手持激光测距仪测量冠幅示意

1.2 图像处理

1.2.1 参照标准板的提取

参照标准板的提取就是利用图像处理方法将参照标准板有效分割，其分割的准确性直接影响后续计算的精确度。李明等[8]利用参照物和背景的灰度值的显著差异，采用直方图双峰法进行参照标准板与背景的分割。本文为了确保能有效地将参照标准板提取，在进行图像分割之前先用Photoshop将参照标准板的颜色加深，确保每张图像中参照标准板的颜色都为纯黑色，如图2(a)所示，因为图像是在露天采集，难以避免阳光等外界因素的干扰。将经Photoshop预处理后的图像进行图像灰度化，如图2(b)所示。计算灰度图像的百分率直方图，如图2(c)所示。直方图出现了明显的双峰特性，采用双峰法可以将参照标准板有效分割出来。分割出来的参照标准板还存在由于叶片边缘或局部反光造成的一些细小的噪声，如图2(d)所示。采用中值滤波能有效去除此类噪声，如图2(f)所示。综上所述，就能将参照标准板从背景中有效分割如图2(e)所示。计算出参照标准板的像素宽度，即每张图像单位像素所代表的实际宽度=参照标准板的实际宽度(0.2m)/参照标准板像素宽度。

图2 参照标准板提取

1.2.2 果树图像的提取

将果树图像提取出来，需根据所采集图像特点选择合适而有效的分割技术。本试验采集的图像来源于标准化种植果园，采集图像中主要是果树、参照标准板和土壤，而参照标准板和土壤与果树最大的差异是色彩差异，采集果树图像如图3(a)所示。图像处理时常将彩色图像的RGB各个分量进行适当组合运算，以增强目标物，抑制背景，超绿色法是识别作物和杂草最常用方法[9-13]。

果树图像经超绿色法灰度化的结果如图3(b)所示，超绿色法能较好的提取绿色的果树图像，参照标准板和土壤能被明显的抑制，使果树图像更为突出。

为清晰地分割出果树图像，需要确定一个适合的分割阈值，按照阈值将每个像素划分为果树图像或土壤。Ostu算法被认为是图像分割中阈值选取的最佳算法，计算简单。其原理如下：设灰度图像灰度级是L，则灰度范围为，利用Ostu算法计算图像的最佳阈值t为：

式(2)中的变量说明：当分割的阈值为t时，w0为背景比例，u0为背景均值，w1为前景比例，u1为前景均值，u为整幅图像的均值。

对经过超绿色法灰度化的果树图像采用Ostu法计算的最佳分割阈值且二值化的结果如图3(c)所示。

由图3(c)可看出，分割后的图像存在噪声、残留土壤以及将颜色较暗的树叶树干部分分割为背景等问题，这些将影响计算果树树叶稀密程度的精确度。中值滤波只能去除噪声，不能去除表示残留土壤的白色独立像素点，果树图像的二值化图经中值滤波效果如图3(d)所示。开启运算是形态学中的重要运算之一即先腐蚀后膨胀，其作用是使图像的轮廓变得光滑，断开狭窄的间断和消除细的突出物，还能不改变原有图像的面积。本文根据开启运算的原理，将中值滤波后的果树图像经相同倍数连续4次腐蚀与膨胀后结果分别如图3(e)、图3(f)所示。

图3 果树图像提取

1.3 果树冠幅的检测

根据果树冠幅的定义可知，通过检测树冠直径可以得出果树冠幅，而树冠直径从水平方向来看，就是果树的横向最大宽度。在采集的果树图像中，冠幅即为图像中树叶(干)像素点所构成的图像区域在水平方向的最大像素距离所表示的最大水平距离，即果树冠幅=每张图像单位像素所代表的实际宽度×图像中树叶（干）像素点所构成的图像区域在水平方向的最大像素距离。

果树冠幅的检测步骤如下：

1） 读入经过图像处理后的二值果树图像f(x, y)；

2） 设f(x, y)的大小等于M×N；且i=1, 2,…, M; j=1, 2, …, N。f(i, j)=1的点表示果树树叶或树干图像的点。从f(i,1)开始直至f(i, N)，统计每一行的像素点为1的像素的位置（列坐标）序列H，1≤H≤N；

3） 对每一行像素，都求得第一次出现1的所在位置的列数 f(i,first)与最后出现 1的位置所在列数f(i, end)的差值Di，

4） 求出Di中的最大值Dh，即为图像中树叶（干）像素点所构成的图像区域在水平方向的最大像素距离；

5） 求果树冠幅，即果树冠幅=每张图像单位像素所代表的实际宽度×Dh；

以上图像处理，都是利用MATLAB R2008a编程实现的。

2 结果与分析

表1是按图像处理方法检测的果树冠幅值和参考值。 由表1可知，在试验的50株果树样本中，图像处理方法检测的果树冠幅值与参考值间有一定的差值，但差值很小，最小相对差值为0.48%，折合成相应的冠幅值为0.007m，最大相对差值为 33.88%，折合成相应的冠幅值为0.430m。50株试验果树冠幅数字图像检测值与参考值相对差值统计如表2所示。由表2可知，在检测的50株样本果树中，总样本数的74%所检测到的冠幅值与参考值相对差值都集中在 20%以下。对于果树参数检测而言，这样的误差完全是满足测量精度要求的。对果树冠幅数字图像检测值与参考值进行回归分析，R2=0.7406。两种检测值的相关性较高，表明数字图像处理方法检测果树冠幅误差较小，可以用于果树冠幅的实时检测。

表1 果树冠幅检测与参考值

表2 图像检测冠幅值与参考值相对差值统计

3 结 论

1） 在参照板和果树的有效提取过程中，采用直方图双峰法、超绿色法并结合 Ostu算法以及形态学运算等图像处理技术，可有效提高果树实际冠幅检测的准确性。

2） 在变量喷雾系统中采用图像处理方式检测果树冠幅是可行的，通过采用参照标准板的方法可以解决部分检测方法只能检测相对冠幅值的问题。

[1] Masato Katoh, Francois A Gougeon, Donald G Leckie. Application of high-resolution airborne data using individual tree crowns in Japanese conifer plantation [J]. J. For Res., 2009(14):10-19.

[2] 冯益明, 李增元, 张 旭. 基于高空间分辩率影像的林分冠幅估计[J]. 林业科学, 2006, 42(5): 110-113.

[3] 蔡文峰, 李凤日. 基于 VirtuoZo系统对林木冠幅信息的提取[J]. 森林工程, 2010, 26(2): 4-7.

[4] 王二丽, 李凤日, 王 敏, 等. 基于大比例尺航片的针叶树种冠幅的提取[J]. 森林工程, 2011, 27(6): 16-22.

[5] Brown P L, Doley D, Keenan R J. Estimating tree crown dimensions using digital analysis of vertical photographs [J]. Agricultural and Forest Meteorology, 2000, 100: 199-212.

[6] 张富贵, 洪添胜, 肖 磊, 等. 果树冠幅的检测机理研究[J]. 农业工程学报, 2008, 24(4): 25-29.

[7] 李 明, 张长利, 房俊龙. 基于图像处理技术的小麦叶面积指数的提取[J]. 农业工程学报, 2010, 26(1): 205-209.

[8] 李 明, 张长利, 王晓楠. 基于图像处理技术的小麦形态检测方法研究[J]. 东北农业大学学报, 2009, 40(4): 111-115.

[9] 胡 炼, 罗锡文, 曾 山, 等. 基于机器视觉的株间机械除草装置的作物识别与定位方法[J]. 农业工程学报, 2013, 29(10): 12-18.

[10] 张 勤, 黄小刚, 李 彬. 基于彩色模型和近邻法聚类的水田秧苗列中心线检测方法[J]. 农业工程学报, 2012, 28(17): 163-171.

[11] Blasco J, Aleixos N, Roger J M, et al. Robotic weed control using machine vision [J]. Biosystems Enginering, 2002, 83(2): 149-147.

[12] Sogaard H T, Olsen H J. Determination of crop rows by image analysis without segmentation [J]. Computers and Electronics in Agriculture, 2003, 38(2): 141-158.

[13] Ldamm R D, slaughter D C, Giles D K. Precision weed control system for cotton [J]. Transactions of the ASAE,1995, 38(1): 259-269.

A Method for Detecting Fruiter Crown Diameter in Variable-rate Spray System

Shen Mingming, Zhang Fugui, Wu Xuemei, Liu Guozhi, Chen Yuyi
( College of Mechanical Engineering, Guizhou University, Guiyang Guizhou 550025, China )

A variable-rate spray system of fruiter needs real-time detection for the fruiter crown diameter. Existing digital image processing technology can not realize real-time detection for the fruiter crown diameter. The problem is that the detection error is large or no error can be detected. A reference standard plate with fruiters when capturing images is used to obtain the fruiter crown diameter by calculating image unit pixel width in this paper. Comparing with the reference crown diameter detected by the handheld laser rangefinder, test results show that 74% of the test sample of 50 fruiters have a relative difference of less than 20% between the crown diameters detected by the image processing method and the reference values. The regression analysis of fruiter crown diameter on digital image detection value and the reference one shows R2=0.7406.

Variable-rate spray; fruiter crown diameter; digital image; real-time detection

S 433；TP 391.41

A

2095-302X (2013)05-0115-06

2013-07-09；定稿日期：2013-08-26

国家自然科学基金资助项目（31060171）

沈明明（1988-），女，贵州息烽人，硕士研究生，主要研究方向为数字控制与测试技术。E-mail: 814330006@qq.com

张富贵（1973-），男，贵州仁怀人，教授，博士，主要研究方向为农业信息化及精确农业研究。E-mail: zhfugui@vip.163.com