一种基于视觉检测的农作物生长情况监测物联网系统的制作方法
【技术领域】
[0001] 本发明涉及农作物监控技术领域，尤其涉及一种基于视觉检测的农作物生长情况 监测物联网系统。
【背景技术】
[0002] 中国作为农业大国，各种农作物种植范围非常广大，同时，各种对农作物进行改善 的研究也层出不穷。为了确保农作物的生长状态，以便提供合理的照顾，对农作物的实时监 测十分重要，尤其是试验田中的试产农作物，更是需要实时监测，获得详细数据以便作为实 验依据。
[0003] 目前，对农作物生长状态的监测，多是通过工作人员实地观察来实现，如此，工作 强度大，费时费力，工作效率难以提高。
【发明内容】
[0004] 基于【背景技术】存在的技术问题，本发明提出了一种基于视觉检测的农作物生长情 况监测物联网系统。
[0005] 本发明提出的一种基于视觉检测的农作物生长情况监测物联网系统，包括株高监 测子系统、倒伏监测子系统和叶面积指数监测子系统；
[0006] 株高监测子系统用于获取包含有高度参照标志的农作物图像，并根据农作物顶端 与高度参照标志之间的距离判断农作物高度；
[0007] 倒伏监测子系统用于获取农作物图像，并将农作物图像进行灰化处理与二值化处 理，从而根据图像纹理判断农作物倒伏区域，并推算农作物倒伏率；
[0008] 叶面积指数监测子系统与株高监测子系统连接，用于获取从不少于两个角度拍摄 的农作物图像，并通过RGB颜色分解计算每一副图像绿色覆盖度，然后综合多个绿色覆盖度 计算综合覆盖度，并根据农作物高度和综合覆盖度计算叶面积指数。
[0009] 优选地，还包括综合评估模块，综合评估模块分别与株高监测子系统、倒伏监测子 系统和叶面积指数监测子系统连接，其根据农作物高度、倒伏率和叶面积指数对农作物的 生长状况进行评估。
[0010] 优选地，综合评估模块针对农作物不同的生长阶段设置有多个分别对应农作物高 度、倒伏率和叶面积指数的阈值，综合评估模块将获取的农作物高度、倒伏率和叶面积指数 分别与对应的阈值比较，并根据差值判断农作物生长情况。
[0011]优选地，还包括图像采集子系统，其包括图像采集模块和图像缓存模块，图像采集 模块用于从多个角度实时采集农作物图像并发送到图像缓存模块进行存储，图像采集模块 分别与株高监测子系统、倒伏监测子系统和叶面积指数监测子系统连接。
[0012] 优选地，株高监测子系统包括:高度参照标志、图像处理模块、映射数据库和数据 处理模块；
[0013] 高度参照标志包括不少于一个高度基准点；
[0014] 图像处理模块与图像缓存模块连接，其从图像缓存模块调取包含有高度参照标志 的农作物图像，并提取待检测农作物顶端与最接近并高于农作物顶端的高度基准点之间图 像距离；
[0015] 映射数据库内部预设有距离高度映射集，距离高度映射集中包括多对参照映射 对，每一个参照映射对中包含一个距离值和一个与距离值相对应的农作物高度值，距离值 为农作物顶端与高度参照标志之间的距离；
[0016] 数据处理模块分别与图像处理模块和映射数据库连接，其根据图像距离推断实际 距离值，并从距离高度映射集中调取对应实际距离值的农作物高度值作为目标高度值。
[0017] 优选地，高任意两个高度基准点可通过颜色、长度或形状进行区分。
[0018] 优选地，倒伏监测子系统包括包括:灰化处理模块、高斯模糊模块、二值化处理模 块和倒伏计算模块;其中，
[0019] 灰化处理模块用于从图像缓存模块获取农作物的原始图像，并将原始图像转换成 灰度图像；
[0020] 高斯模糊模块中预设有一系列的高斯函数，任意两个高斯函数的松弛参数σ不同； 高斯模糊模块与灰化处理模块连接，其接收灰度图像，并将灰度图像分别和每一个松弛参 数〇"对应的高斯模糊函数进行卷积预算，获得多个模糊图像g n;
[0021] 二值化处理模块与高斯模糊模块连接，其内部预设有多个与模糊图像gn-一对应 的分界阈值，并用于根据对应的分界阈值分别对模糊图像gn进行二值化处理，获得多个二 值化图像gbn;
[0022] 倒伏计算模块与二值化处理模块连接，其内部预设有第一计算模型和第二计算模 型;倒伏计算模块将多个二值化结果gbn代入第一计算模型进行综合运算，获得二值化的倒 伏图像R(x，y)，然后根据第二计算模型和倒伏图像R(x，y)来计算倒伏率R rite3。
[0023] 优选地，第一计算模型为：
预设常数;第二计算模型为：
[0024] 优选地，叶面积指数监测子系统包括RGB分解模块、绿色覆盖度计算模块和叶面积 指数计算模块；
[0025] RGB分解模块用于从图像缓存模块获取不少于两张原始图像，任意两张原始图像 的采集角度不同，RGB分解模块从原始图像中提取目标图像，并对目标图像进行RGB颜色分 解，根据G值对目标图像进行二值化处理，生成二值化图像；
[0026]绿色覆盖度计算模块与RGB分解模块连接，其根据摄影几何原理，计算每一副二值 化图像的绿色覆盖度Rn，并根据多个绿色覆盖度Rn计算综合覆盖度Rr_lt;
[0027] 叶面积指数计算模块分别与绿色覆盖度计算模块和株高监测子系统连接，其根据 株高h和综合覆盖度Rrasult判断目标区域的叶面积指数BI。
[0028] 本发明的株高监测子系统通过预设高度参照标志，获得农作物与高度参照标志的 相对距离，然后根据相对距离与实际农作物高度的映射关系，获得农作物的实际高度。
[0029] 本发明的倒伏监测子系统对原始图像依次进行灰化处理、高斯模糊处理、二值化 处理，然后根据二值化处理结果计算倒伏图像，并进一步计算倒伏率。通过自动化的图像分 析方式，有利于提尚精度与效率。
[0030] 本发明的叶面积指数监测子系统通过对目标图像进行二值化处理，对绿色点和偏 绿色点进行突出显示，然后根据二值化图像进行绿色覆盖度的计算，智能化程度高，且，通 过第一模型的设置，可以根据需要对绿色尤其是偏绿色的定义进行调节，灵活程度高。本发 明中，获得绿色覆盖度后，结合多幅图像的绿色覆盖度计算获得综合覆盖度，并根据综合覆 盖度和株高计算叶面积指数，充分考虑到了农作物生长过程中，其叶面积与其高度紧密相 连的关系，有利于提高叶面积计算的合理性与准确性。
[0031] 本发明通过远程采集图像，以图像处理的方式建立一套全自动化的检测装置，用 于完成大范围全时间段的信息检测和记录任务，智能的检测植物的生物状态参数包括株 高、绿色覆盖度、叶面积指数。通过本发明可建立一套基于物联网的农作物生物状态指标监 测系统，其自动化程度高，不需要人工实地检测，可通过摄像装置远程监控农作物的生长情 况，劳动轻度低，监控范围广。
【附图说明】
[0032] 图1为本发明提出的一种基于视觉检测的农作物生长情况监测物联网系统结构示 意图。
【具体实施方式】
[0033] 参照图1，本发明提出的一种基于视觉检测的农作物生长情况监测物联网系统，包 括图像采集子系统、株高监测子系统、倒伏监测子系统、叶面积指数监测子系统和综合评估 丰旲块。
[0034]图像采集子系统包括图像采集模块和图像缓存模块，图像采集模块用于从多个角 度实时采集农作物图像并发送到图像缓存模块进行存储，图像采集模块分别与株高监测子 系统、倒伏监测子系统和叶面积指数监测子系统连接。
[0035] 株高监测子系统从图像缓存模块获取包含有高度参照标志的农作物图像，并根据 农作物顶端与高度参照标志之间的距离判断农作物高度。株高监测子系统包括:高度参照 标志、图像处理模块、映射数据库和数据处理模块。
[0036] 高度参照标志包括不少于一个高度基准点，例如，通过设置石碑，可在石碑的不同 高度线上刻画标志线作为高度基准点。其中，任意两个高度基准点可通过颜色、长度或形状 进行区分。多个高度基准点的设置，有利于提高高度测量的精度。
[0037]图像处理模块与图像缓存模块连接，其从图像缓存模块调取包含有高度参照标志 的农作物图像，并提取待检测农作物顶端与最接近并高于农作物顶端的高度基准点之间图 像距离。
[0038]映射数据库内部预设有距离高度映射集，距离高度映射集中包括多对参照映射 对，每一个参照映射对中包含一个距离值和一个与距离值相对应的农作物高度值，距离值 为农作物顶端与高度参照标志之间的距离；
[0039]数据处理模块分别与图像处理模块和映射数据库连接，其根据图像距离推断实际 距离值，并从距离高度映射集中调取对应实际距离值的农作物高度值作为目标高度值。 [0040]由于任意两个高度基准点可通过颜色、长度或形状进行区分，故而，可以清晰地获 知每一个高度基准点指示的高度。通过获取最接近并高于农作物顶端的高度基准点之间图 像距离，可避免由于高度基准点被农作物遮盖时导致的不可用性，又可以避免农作物较矮 时由于距离高度基准点的距离较大，从而放大误差。
[0041]本实施方式中，在距离高度映射集中搜索与实际距离值的差值不大于预设浮动值 的距离值作为目标距离值。预设浮动值越小，越有利于提高计算精度，具体地，预设浮动值 可小于或等于1〇_，本实施方式中，预设浮动值为零。预设浮动值的设置有利于减小距离高 度映射集的数据存储压力。
[0042]倒伏监测子系统用于获取农作物图像，并将农作物图像进行灰化处理与二值化处 理，从而根据图像纹理判断农作物倒伏区域，并推算农作物倒伏率。
[0043]倒伏监测子系统包括包括:灰化处理模块、高斯模糊模块、二值化处理模块和倒伏 计算模块。
[0044] 灰化处理模块用于从图像缓存模块获取至少一副农作物的原始图像，并将原始图 像转换成灰度图像。
[0045] 高斯模糊模块中预设有一系列的高斯函数，任意两个高斯函数的松弛参数〇不同。
[0046]
，是一种常用的图像处理函数，松弛 参数σ决定了二维高斯函数的形状。本实施方式中，多个松弛参数ση的选取满足以下原则：
[0047] 〇n=2〇n-i = 22〇n-2=......= 2"〇。，其中 0。为常数。
[0048] 本实施方式中，首先根据成像倍率的大小和实际图像选取松弛参数然后根据〇0 和以上公式依次获得σι、〇2、σ3......〇n-：L、On，并依次将0^02^3......〇 n-：L、On代入高斯函数中的 σ，获得一系列的高斯函数。具体实施时，也可以选择〇〇=1。
[0049]