基于机器视觉的人工光植物工厂植物生长状况监测系统*

杨思思， 周 泓， 虞侠挺

(浙江大学 仪器科学与工程学系，浙江 杭州 310027)

基于机器视觉的人工光植物工厂植物生长状况监测系统*

杨思思， 周 泓， 虞侠挺

(浙江大学 仪器科学与工程学系，浙江 杭州 310027)

设计了一种基于机器视觉的人工光植物工厂植物生长状况监测系统，主要利用机器视觉技术对植物工厂中植物生长进行无损监测，获取植物的生长信息。同时解决了针对LED偏色光情况下，获取植物前景图像不完整的问题。利用该系统可以快速、准确地获取植物生长的叶面积等参数，实现植物生长状况的实时监测，为植物生产过程中有关作业的自动化奠定了基础，具有广阔的应用前景。

机器视觉； 监测系统； 人工光植物工厂； 植物生长

0 引 言

植物工厂由于受自然条件影响小、无污染、作物生产计划性强、方便对植物进行补光等优点，成为当前设施农业的主流生产方式[1]。近年来，机器视觉与图像处理技术的不断发展，使得植物连续、实时、非接触的无损监测技术也日趋成熟，从而推动了植物工厂向数字化、智能化、自动化方向的快速发展。

目前，国内外的许多学者和研究机构都开展了计算机视觉技术在植物生长监测方面的研究，主要涵盖了三个方面：植物的叶面积、茎杆直径等外部生长参数的检测，果实成熟度检测，以及作物缺水缺肥等营养成分检测情况[2]。Mayer G E等人[3]于1987年率先开启了利用计算机视觉技术对植物外部生长参数测量的研究，将计算机视觉技术成功引入植物种植领域；李长缨等人利用图像处理技术，实现了对单株黄瓜幼苗株高、茎粗、叶冠投影面积等多项形态特征参数的无损测量[4]；韩国学者Choi K等人[5]则成功利用彩色图像处理技术，根据番茄果实表面颜色的不同完成对其成熟度的检测，同时还建立了番茄成熟度指标；胡春华等人利用黄瓜叶片的纹理和颜色特征，实现了对缺氮、缺镁的叶片的检测[6]。

上述研究都仅适用于普通的光照，对偏色或者近植物色的人工光无效。因此，本文提出一种基于机器视觉的人工光植物工厂植物生长状况的监测系统，创新性应用了Kubelka-Munk[7]理论解决了LED人工光偏色带来的检测失效问题，实现对植物参数信息的非接触无损获取。实验结果表明：整个系统易于实现，由拍摄得到的植物图像可以获取很多参数和信息，与人工检验相比具有更高的识别率和效率。

1 人工光植物工厂

采用低耗能、高效率、光质佳的人工光源，栽培具有较高经济价值的作物，是植物工厂发展的一个重要方向。因此，根据植物对光的选择性吸收原理，许多学者一直致力于研制某种光源，使其发射光谱最大限度地接近植物的吸收光谱以产生共振吸收，从而促使光和作用高效地进行[8]。

目前，植物工厂中的人工光源主要是白炽灯、日光灯、钠灯、高压汞灯等。随着光电技术的发展，LED光源在植物栽培领域的研究逐渐受到广泛重视。研究发现，使用红蓝光LED建立可调整光量、光谱、给光频率与工作比的人工光源，能够有效提高植物的生长量和品质,同时不可避免地带来了严重的偏色问题：在红蓝光混合光LED下灯光偏紫色，在纯蓝光LED下灯光偏蓝，而在红光LED下灯光偏红[9]。

2 基于机器视觉的监测系统设计

针对人工光植物工厂中偏色带来的问题，本文设计了基于机器视觉的植物生长状况监测系统，整个系统结构示意图如图1所示，包括计算机核心处理设备，CCD图像采集设备以及LED人工偏色光板和培育的植物。

计算机采用Intel i3处理器，3.10 GHz， 8 GB内存的Windows 7操作系统，软件开发平台为VS2008。图像采集设备为ALW—641CX，价格适中的普通摄像头，摄像头采用PAL制式录制视频，每帧图像的分辨率为352×288。摄像机以一定高度固定在合适的角度实时采集视频图像，每次拍摄时保持固定焦距，然后将其送至计算机处理后，将所需信息送至显示器显示。光源采用LED混光灯板，通过LED灯的特定排列方式来实现光质和光周期的调节，从而产生均匀的适合植物生长用的光线，促进植物生长。

图1 监测系统结构示意图Fig 1 Structure diagram of monitoring system

3 图像处理算法

利用上述监测系统获得植物生长状况的信息，首先需要将植物从环境背景中分离出来。偏光现象导致通用的背景减除方法失效：目标提取不完整，存在孔洞现象。针对上述问题，本文提出基于Kubelka-Munk色彩不变参数原理的背景减除方法来获取前景植物。

首先,根据Kubelka-Munk理论对采集到的RGB图像的形成过程进行物理建模

(1)

(2)

在该模型空间中，定义了色彩不变性特征参数H,Wx,Wy如下式

(3)

然后,取连续10帧背景图像作为背景参考帧用来背景建模，过程如图2所示。分别计算每帧RGB图像的每个像素的特征参数H,Wx,Wy，从而获得每帧图像的特征参数平面，分别为H平面、Wx平面、Wy平面。然后再用单高斯分布建模每个特征平面中的每个像素在10帧背景参考帧的分布，公式如下

(4)

其中，i,j为当前像素在图像中的位置；N为输入的背景参考帧数量；μH，μWx,μWy为连续10帧背景在位置(i,j)像素点H,Wx,Wy的平均值；σH,σWx,σWy为连续10帧背景在位置(i,j)像素点H,Wx,Wy的标准差。

图2 背景建模过程Fig 2 Process of background modeling

计算当前视频输入帧的每个像素的H,Wx,Wy参数，与背景模型比较，根据预设的判断准则判定当前像素属于背景像素或者植物像素。最后根据公式(5)将3个差值特征平面进行融合，从而获得一帧总的背景减除差值图

(5)

其中，CH(i,j),CWx(i,j),CWy(i,j)分别为3个特征平面的差值平面。整个过程的处理结果如图3所示。

图3 前景提取的过程Fig 3 Process of foreground extraction

最后,经过一系列的后处理并实现二值化，获得的最终前景提取图如图4所示。可以进一步计算其叶面面积来实现对其生长状况进行监测：由于植物培养采用统一的容器，故可以根据先验知识，去除容器部分，获得只包含植物的二值图像。在该二值图像中，白色区域表示被监测的植物，黑色区域则代表背景。叶面积可以通过统计白色区域的像素个数来获得。

图4 最终分割结果图Fig 4 Final segmentation result image

4 结 论

针对现有研究的不足，本文设计了一种基于机器视觉的人工光植物工厂植物生长状况监测系统，可以解决偏色情况造成的植物提取不完整问题，从而实现了对植物参数信息非接触、无损、准确的获取。利用该系统实现植物生长状况的实时监测，与人工检验相比具有更高的识别率和效率，具有广阔的应用前景。

[1] 张晓慧,周增产,王峻峰,等.植物工厂关键技术的研究与应用[J].北方园艺,2010(4):204-207.

[2] 林开颜,徐立鸿,吴军辉.计算机视觉技术在作物生长监测中的研究进展[J].农业工程学报,2004,20(2):279-283.

[3] Meyer G E,Davison D A. An electronic image plant growth mea-surement system[J].Transactions of the ASAE,1987,30(1):242-248.

[4] 武聪玲,滕光辉,李长缨.黄瓜幼苗生长信息的无损监测系统的应用与验证[J].农业工程学报,2005,21(4):109-112.

[5] Choi K,Lee G,Han Y J,et al.Tomato maturity evaluation using color image analysis[J].Transactions of the ASAE,1995,38(1):171-176.

[6] 胡春华,李萍萍.基于图像处理的黄瓜缺氮与缺镁判别的研究[J].江苏大学学报:自然科学版,2004,25(1):9-12.

[7] Geusebroek J M,Van den Boomgaard R,Smeulders A W M,et al.Color invariance[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence,2001,23(12):1338-1350.

[8] 魏灵玲,杨其长,刘水丽.LED 在植物工厂中的研究现状与应用前景[J].中国农学通报,2007,23(11):408-411.

[9] 虞侠挺.基于嵌入式的兰科植物组培智能化控制系统[D].杭州：浙江大学,2012.

Plant growth condition monitoring system of artificial light plant factory based on machine vision*

YANG Si-si, ZHOU Hong， YU Jia-ting

(Department of Instrument Science and Engineering,Zhejiang University,Hangzhou 310027,China)

A plant growth condition monitoring system of artificial light plant factory based on machine vision is designed,which is used for plant growth nondestructive monitoring,get growth information with machine vision technology.The problem that the plant foreground image is incomplete aiming at LED cast light is solved.The system can quickly and accurately obtain the plant growth parameters such as leaf area,which achieves real-time monitoring on plant growth conditions and laid the foundation for automation of plant production process,has broad application prospect.

machine vision; monitoring system; artificial light plant factory; plant growth

10.13873/J.1000—9787(2014)12—0088—03

2014—03—21

国家“863”计划资助项目(2013AA103001)

TP 391

A

1000—9787(2014)12—0088—03

杨思思(1989-),女，河北张家口人，硕士研究生，主要从事嵌入式系统和图像处理研究。