專利名稱：結(jié)合計算機(jī)視覺和多傳感器的作物灌溉系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及計算機(jī)視覺及處理技術(shù)和傳感器技術(shù)領(lǐng)域，特別是涉及一種基于計算機(jī)視覺和傳感器檢測作物形態(tài)、顏色變化和環(huán)境參數(shù)變化并做出判斷和灌溉的節(jié)水灌溉方法。
背景技術(shù)：
隨著科學(xué)技術(shù)的發(fā)展，農(nóng)業(yè)生產(chǎn)也正在迅速地改變了傳統(tǒng)的耕作模式，現(xiàn)代的科學(xué)和工業(yè)技術(shù)已逐漸滲透到農(nóng)業(yè)生產(chǎn)中，農(nóng)業(yè)技術(shù)逐漸向科學(xué)化、信息化的方向發(fā)展，現(xiàn)代設(shè)施農(nóng)業(yè)應(yīng)運(yùn)而生，并成為當(dāng)今世界最具活力的產(chǎn)業(yè)之一。在國外，有關(guān)節(jié)水灌溉控制系統(tǒng)的發(fā)展起步較早，自動化程度高，已經(jīng)形成了比較完善的灌溉控制體系。作為現(xiàn)代農(nóng)業(yè)技術(shù)重要組成部分的“精量控制灌溉”是農(nóng)業(yè)節(jié)水研究的發(fā)展方向。國內(nèi)在這方面的研究起步較晚，灌溉自動化程度不高，多是基于田間常用傳感器的研究，結(jié)合計算機(jī)視覺和多種傳感器的灌溉系統(tǒng)研究很少見。本發(fā)明提出了一種結(jié)合多傳感器和計算機(jī)視覺的作物灌溉系統(tǒng)，實(shí)現(xiàn)了對作物灌溉的自動監(jiān)測與控制，對實(shí)現(xiàn)農(nóng)作物的精量灌溉，提高水資源利用效率具有重要意義。計算機(jī)視覺是應(yīng)用計算機(jī)技術(shù)模擬人的視覺機(jī)理，對所取得的視覺圖像中的事物進(jìn)行識別分類的科學(xué)技術(shù)。是一種無損測量手段，是作物生長診斷研究中的一種先進(jìn)技術(shù)手段之一。在灌溉的新技術(shù)應(yīng)用中，現(xiàn)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(jìn)行測量，取得了一定的節(jié)水效果。但LVDT主要是用在機(jī)械制造領(lǐng)域工業(yè)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(diǎn)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(shí)際要求。也有學(xué)者利用傳感器或者千分尺對作物的果實(shí)或葉進(jìn)行測量，但這些方法都需要與作物的果實(shí)或葉片進(jìn)行接觸性操作，而通過傳感器或機(jī)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(tǒng)，這些方法由于需要現(xiàn)場操作，費(fèi)時費(fèi)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(dāng)前，國外也有學(xué)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(xiàng)技術(shù)成本非常昂貴，而且也沒有達(dá)到實(shí)用化的程度。作物周圍的生長環(huán)境、作物生長高度的變化、作物的葉片的生長變化等和作物的水分狀況都具有很大的相關(guān)性，本發(fā)明所提出的技術(shù)為結(jié)合計算機(jī)視覺和土壤水勢傳感器、溫濕度傳感器等多種傳感器的非破壞性的作物缺水檢測，建立并結(jié)合作物生長數(shù)據(jù)模型，將作物的生長環(huán)境參數(shù)與作物的生長特征參數(shù)結(jié)合，綜合判斷出作物缺水狀態(tài)，并控制電磁閥自動完成作物的灌溉。

發(fā)明內(nèi)容
本發(fā)明的目的是提供一種基于計算機(jī)視覺技術(shù)和多傳感器結(jié)合的作物智能節(jié)水灌溉的方法，它能實(shí)現(xiàn)非接觸測量，不影響作物生長，并結(jié)合了作物本身的生長特征參數(shù)和作物周圍的環(huán)境參數(shù)，達(dá)到節(jié)水灌溉的目的。針對傳統(tǒng)灌溉方式的不足，本發(fā)明提出的結(jié)合計算機(jī)視覺和多傳感器的作物智能灌溉系統(tǒng)，首先利用圖像獲取設(shè)備，取得作物圖像，并通過計算機(jī)對圖像進(jìn)行處理，完成圖像的顏色空間轉(zhuǎn)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，同時通過多種傳感器獲取作物周圍農(nóng)田環(huán)境數(shù)據(jù)，最后結(jié)合作物生長數(shù)據(jù)模型和通過遺傳神經(jīng)網(wǎng)絡(luò)，計算并判斷出作物的需水信息，由單片機(jī)去控制電磁閥進(jìn)行灌溉。系統(tǒng)實(shí)現(xiàn)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(fā)明結(jié)合計算機(jī)視覺和多傳感器的作物灌溉系統(tǒng)是由圖像獲取設(shè)備、多種傳感器、計算機(jī)、單片機(jī)和灌溉系統(tǒng)組成，系統(tǒng)實(shí)現(xiàn)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(jìn)行預(yù)處理；(3)分別對圖像進(jìn)行二值化處理和從RGB顏色空間轉(zhuǎn)換到HSI顏色空間，并選取HSI顏色空間中的H和S參數(shù)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(diǎn)作為種子；對種子區(qū)域進(jìn)行生長，將與種子顏色性質(zhì)相似的相鄰像素附加在生長區(qū)域的種子上，對整幅圖像的多個子塊進(jìn)行掃描，對在顏色上相近，空間上相鄰的區(qū)域進(jìn)行合并；(4)完成作物的分割和作物生長特征參數(shù)的提??；(5)將各種生長特征參數(shù)與建立的作物生長數(shù)據(jù)模型進(jìn)行數(shù)據(jù)比較與計算，取得生長特征值；(6)獲取多種傳感器的數(shù)據(jù)并進(jìn)行計算；(7)結(jié)合多種傳感器數(shù)據(jù)和作物生長特征值，基于遺傳神經(jīng)網(wǎng)絡(luò)進(jìn)行計算和判決；(8)根據(jù)計算機(jī)判決結(jié)果，由單片機(jī)控制電磁閥，完成作物的灌溉。本發(fā)明的系統(tǒng)硬件主要由圖像獲取設(shè)備、多種傳感器、計算機(jī)、單片機(jī)和灌溉系統(tǒng)組成，其中多種傳感器包括溫濕度傳感器、土壤水勢傳感器、蒸發(fā)量傳感器和土壤電導(dǎo)率傳感器。本發(fā)明的計算機(jī)圖像處理，主要由圖像預(yù)處理、圖像二值化、圖像HSI顏色空間變換、圖像分割、區(qū)域提取和計算等步驟構(gòu)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(tài)的特征參數(shù)的提取，提取出顏色和形態(tài)特征參數(shù)作為判斷灌溉所需要的指標(biāo)。同時結(jié)合作物生長數(shù)據(jù)模型對所獲得的特征參數(shù)進(jìn)行計算和分析，得到判斷作物是否缺水的參數(shù)值，最后再結(jié)合多種傳感器的數(shù)據(jù)，通過遺傳神經(jīng)網(wǎng)絡(luò)，給出灌溉的決策輸出ο農(nóng)作物在生長過程中，植株形態(tài)、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(guān)。本發(fā)明建立了合理的多種作物生長特征參數(shù)作為灌溉指標(biāo)，主要參數(shù)有(1)作物高度參數(shù)。作物的生長速度與作物的水份需要有很大的關(guān)系，水分的多少影響作物的光合作用，影響作物內(nèi)營養(yǎng)物質(zhì)的吸收和轉(zhuǎn)運(yùn)，作物高度則是作物生長的重要參數(shù)。(2)葉面積參數(shù)。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(kuò)展生長提早停止。(3)幼嫩葉參數(shù)。當(dāng)水分供應(yīng)不足時，新葉發(fā)生速率減緩，因而發(fā)生萎蔫，從而引起葉片的曲卷變化。(4)莖葉的顏色參數(shù)。當(dāng)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(xì)胞中積累較多的可溶性糖并轉(zhuǎn)化形成花色素，從而引起莖葉顏色的變化。(5)莖葉形態(tài)參數(shù)。實(shí)驗(yàn)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(yùn)動，如莖粗、葉片的最大展開度、葉片傾角、節(jié)距等參數(shù)的變化。本發(fā)明采用了 HSI顏色空間來對作物的顏色進(jìn)行判別。通常從圖像獲取設(shè)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(guī)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(shù)。而HSI顏色空間的優(yōu)點(diǎn)在于它將亮度antensity)與反映色彩本質(zhì)特性的兩個參數(shù)——色度(Hue)和飽和度(Saturation)分開，色彩表達(dá)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(shù)的提取中，實(shí)驗(yàn)中選取與顏色相關(guān)的H和S參數(shù)來作為特征參數(shù)，對H和S參數(shù)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(shù)，N為區(qū)域P中的總像素數(shù)，則區(qū)域P的該特征的直方圖為
權(quán)利要求
1.一種結(jié)合計算機(jī)視覺和多傳感器的作物灌溉系統(tǒng)，其特征是系統(tǒng)由圖像獲取設(shè)備、 多種傳感器、計算機(jī)、單片機(jī)和灌溉系統(tǒng)組成，系統(tǒng)實(shí)現(xiàn)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(jìn)行預(yù)處理；(3)分別對圖像進(jìn)行二值化處理和從RGB顏色空間轉(zhuǎn)換到HSI顏色空間，并選取HSI顏色空間中的H和S參數(shù)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(diǎn)作為種子；對種子區(qū)域進(jìn)行生長，將與種子顏色性質(zhì)相似的相鄰像素附加在生長區(qū)域的種子上，對整幅圖像的多個子塊進(jìn)行掃描，對在顏色上相近，空間上相鄰的區(qū)域進(jìn)行合并；(4)完成作物的分割和作物生長特征參數(shù)的提?。?5)將各種生長特征參數(shù)與建立的作物生長數(shù)據(jù)模型進(jìn)行數(shù)據(jù)比較與計算，取得生長特征值；(6)獲取多種傳感器的數(shù)據(jù)并進(jìn)行計算；(7)結(jié)合多種傳感器數(shù)據(jù)和作物生長特征值，基于遺傳神經(jīng)網(wǎng)絡(luò)進(jìn)行計算和判決；(8)根據(jù)計算機(jī)判決結(jié)果，由單片機(jī)控制電磁閥，完成作物的灌溉。
2.根據(jù)權(quán)利要求1所述的結(jié)合計算機(jī)視覺和多傳感器的作物灌溉系統(tǒng)，其特征是其多種傳感器包含有溫濕度傳感器、土壤水勢傳感器、蒸發(fā)量傳感器和土壤電導(dǎo)率傳感器。
3.根據(jù)權(quán)利要求1所述的結(jié)合計算機(jī)視覺和多傳感器的作物灌溉系統(tǒng)，其特征是在步驟中的作物生長特征參數(shù)有作物高度參數(shù)、葉面積參數(shù)、幼嫩葉參數(shù)、莖葉的顏色參數(shù)和莖葉形態(tài)參數(shù)。
4.根據(jù)權(quán)利要求1所述的結(jié)合計算機(jī)視覺和多傳感器的作物灌溉系統(tǒng)，其特征是在步驟(5)的作物生長數(shù)據(jù)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(guān)系模型F= A \ + 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(shù)；(2)作物的葉形關(guān)系模型作物葉寬Iw與葉長11具有一定的函數(shù)關(guān)系，用下式表示式中LL是葉片的長度；LW是葉片的最大寬度；Iw是葉片在長度為11處的葉片寬度； α, β, Y為模型參數(shù)；(3)作物的面積關(guān)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(shù)，與葉片形態(tài)相關(guān)，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，^為葉片圖像H分量的均值，K1和K2是模型參數(shù)。
5.根據(jù)權(quán)利要求1所述的結(jié)合計算機(jī)視覺和多傳感器的作物灌溉系統(tǒng)，其特征是在步驟(6)對傳感器數(shù)據(jù)的計算中，采用了如下的計算將土壤水勢與土壤含水量對應(yīng)擬合為對數(shù)方程 Q = C1Ln (χ ‘ )+C2式中的Q為土壤含水量的值，x'為土壤水勢，C1, C2為土壤參數(shù)。
6.根據(jù)權(quán)利要求1所述的結(jié)合計算機(jī)視覺和多傳感器的作物灌溉系統(tǒng)，其特征是在步驟(7)的遺傳神經(jīng)網(wǎng)絡(luò)設(shè)計中，具體有如下設(shè)計特征(1)遺傳算法中個體的變量為神經(jīng)元網(wǎng)絡(luò)權(quán)值，采用十進(jìn)制編碼方式，每個個體的維數(shù)為Μ(Ν+0)，其中M, N, 0分別為隱層、輸入層和輸出層神經(jīng)元個數(shù)；(2)確定網(wǎng)絡(luò)權(quán)值和初始化種群，若W=(wi;w2,,......，wn)，η為種群數(shù)，確定目標(biāo)函λ R mγ數(shù)ε為￡=。ΣΣ[/ω—沖+)]2 ，而取適應(yīng)度函數(shù)為/ = ^R=\ i=\E其中R為訓(xùn)練樣本對總數(shù)，m為網(wǎng)絡(luò)節(jié)點(diǎn)數(shù)，y(i)是第i個訓(xùn)練樣本的期望網(wǎng)絡(luò)輸出值，J1 (i)是第i個訓(xùn)練樣本的網(wǎng)絡(luò)輸出值，L為模型參數(shù)；(3)進(jìn)行種群復(fù)制，同時保持種群規(guī)模的一致性，對適應(yīng)度值從大到小進(jìn)行排序，保留最優(yōu)個體不進(jìn)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(jìn)行交叉和變異操作，重復(fù)直到組成新一代種群。
全文摘要
本發(fā)明涉及圖像處理技術(shù)、傳感器技術(shù)和節(jié)水灌溉領(lǐng)域，公開一種結(jié)合計算機(jī)視覺和多傳感器的作物灌溉方法，本發(fā)明所采用的技術(shù)為結(jié)合計算機(jī)視覺和多傳感器的非破壞性的作物缺水檢測，系統(tǒng)首先通過作物圖像的獲取和分割、特征參數(shù)的提取等步驟，并參照生長數(shù)據(jù)模型進(jìn)行特征參數(shù)的計算，然后結(jié)合土壤水勢傳感器、溫濕度傳感器等傳感器數(shù)據(jù)，最后通過遺傳神經(jīng)網(wǎng)絡(luò)完成判決，并根據(jù)判決結(jié)果控制單片機(jī)去驅(qū)動電磁閥，完成作物的灌溉。本發(fā)明的系統(tǒng)可以及時獲取作物需水信息，并實(shí)現(xiàn)及時的準(zhǔn)確灌溉，很好的提高了水資源的利用率。該系統(tǒng)有很好的實(shí)用性，可以應(yīng)用于溫室、農(nóng)田、苗圃等作物種植區(qū)域。
文檔編號G05B13/04GK102550374SQ20121007182
公開日2012年7月11日 申請日期2012年3月18日 優(yōu)先權(quán)日2012年3月18日
發(fā)明者張懷渝, 曾憲垠, 杜世平, 汪建, 溫安祥, 王開明 申請人:四川農(nóng)業(yè)大學(xué), 汪建