机器视觉技术在植保无人机中的应用

邱帅　周思宇　 冯俊青

摘要： 机器视觉就是用机器代替人眼来做测量和判断。机器视觉将被摄取目标转换成图像信号，传送给专用的图像处理系统，得到被摄目标的形态信息。将机器视觉技术和无人机技术相结合，可以给农林业带来巨变。利用近红外设备监测农作物的叶绿素水平，可以在肉眼可见的10天之前就监测到农作物的缺水、缺肥或虫害问题；安装在无人机上的实时图像处理装置可以快速、准确的识别出森林火灾。再将地理信息系统（GIS）和基于互联网的地理位置服务（LBS）应用到无人机系统上，则不仅可以发现农作物的问题和森林火灾等，同时还可以发送回准确的地理位置信息，便于快捷地找到问题发生的具体位置，具有较高的实用价值。

关键词：机器视觉；GIS；LBS；植保；无人机

1 绪论

上世纪90年代，投入巨大资源研究的无人机技术取得了巨大的进步：材料科学飞速发展，研制出新的材料，运用在无人机上后，无人机的飞行时间和飞行距离都得到极大的增加；通信技术的提高了，使得无人机的图像传输和操作效率大大增加。

随着无人机技术快速发展，人们也不再将无人机仅仅用在军事上，在民用及商业活动中，无人机也开始发挥巨大的作用，森林火灾监测就是其中之一。森林火灾，会烧光丛林中的树木，烧死动物，导致森林里的生态环境失去平衡，对森林和森林生态系统造成极大的破坏。森林火灾如果没有及时得到控制，对森林造成的危害是非常非常大的。因此如何能够及时的发现森林火灾，并组织人员将其控制住，就是关键所在。

将机器视觉与无人机技术相结合，植保无人机借助于各种精密的传感器，盘旋、巡逻于农田和林场之上，将给农民带来丰收，给政府部门提供准确、实时的信息，带来极大的极大的社会和经济效益。

2 国内外发展现状与趋势

森林火灾的发生是任何国家都不愿意发生的自然灾害，为针对森林火灾，各国的研究人员投入大量努力和汗水，森林火灾监测技术得到大力的发展。我国很早就开始森林火灾监测防火技术的开发和研究，对森林防火技术的高度重视也使研究一直处于领先地位。

对森林火灾监测开始是通过护林人员的肉眼观察完成的。他们一方面进行森林火灾防火知识宣传和普及，尽量避免进山的人引起火灾；另一方面对瞭望台观察不到的死角进行巡护。一旦发现火情，立即上报并组织扑救。这种监测方法受到巡护人员本身的限制，只能检查一部分地方，且当发现有疑似着火的地方会因为不能准确的确定着火地点。因为交通的限制，巡护人员只能检查一部分靠近边缘的山林，对一些偏僻的地方无能为力。

随着无人机技术快速发展，人们也不再将无人机仅仅用在军事上，在民用及商业活动中，无人机也开始发挥巨大的作用，森林火灾监测就是其中之一。森林火灾，会烧光丛林中的树木，烧死动物，导致森林里的生态环境失去平衡，对森林和森林生态系统造成极大的破坏。森林火灾如果没有及时得到控制，对森林造成的危害是非常非常大的。因此如何能够及时的发现森林火灾，并组织人员将其控制住，就是关键所在。

3 无人机图像处理与识别方法

无人机图像识别处理系统分为无人机和地面站台两个部分，其中无人机作为搭载监控设备的监控前端，地面站台为监控终端。相机通过支架固定在无人机的下边，相机拍摄的图像经过视频编码压缩后，通过2.4G无线通信模块将数据发送至地面，进行分析。系统的总体流程如图1所示。

对于无人机图像植被识别方法，涉及的关键技术方法主要有：无人机图像航拍平台及流程、无人机图像质量的影像因素、无人机图像预处理方法、无人机图像拼接、图像对象特征提取技术、图像匹配技术、图像分割、特征训练等。

1）图像的灰度处理。

对图像进行预处理的目的主要是为了对图像进行加强，同时去掉图像中一些干扰和视图像传输过程中的产生的噪声。其主要是为图像的后期处理做准备，使图像更能符合预期。图像预处理不是在图像中添加信息，进而增强识别系统对某种信息的分辨能力。

在获得图像后先对图像处理的就是图像灰度化，因为图像去噪函数均值滤波和中值滤波只能在单通道情况使用。所以要将彩色图像先转换成灰度图像。图像灰度处理如图2所示：

2）图像直方图均衡化。

多数情况下图像的灰度大都分布在相对狭窄的区间，这就使图像不够清晰。图像通过直方图修正后，将图像中原本较小的灰度间距扩大，层而达到增强图像的目的。

a.计算待处理图像的直方图，求出Pr（rk）=nk/N；

b.然后对计算出来的直方图进行变换：Sk=T（rk）=∑kPr（ri）；

c.即可得到变换后的直方图。如图3所示。

4 机器视觉与GIS

GIS是对空间信息的处理，所以从GIS地图上可以获取地理空间信息的直观的印象，更可以通过GIS获取大量的其它信息，如地物与周边地物的关系（主要是拓扑关系，相邻，包含，相离），地物的某一属性的影响范围，如公路对周边多大范围有噪音污染（缓冲区分析）等。GIS让你可以所见即所得，获取地图上的大量信息。而且，由于GIS将属性信息和空间信息相结合，更加直观的理解这些信息。将GIS技术与机器视觉相结合，可以快速地定位出现农业病虫害和森林火灾的位置，并及时的将位置坐标发送回控制端，以便及时的处理植保无人机在巡逻过程中发现的问题。

参考文献：

[1]艾海舟，武勃，等.图像处理，分析与机器视觉[M].北京：人民邮电出版社，2003，9.

[2]秦博，王蕾.无人机发展综述[J].飞航导弹，2008，8：410.

[3]范承啸，韩俊，熊志军.等.无人机遥感技术現状与应用[J].测绘科学，34（5）：214215.

[4]王玉鹏.无人机低空遥感影像的应用研究[D].郑州：河南理工大学，2011.

[5]毕凯.无人机数码遥感测绘系统集成及影像处理研究[D].北京：中国测绘科学研究院，2009.

[6]金伟，葛宏立，杜华强，等.无人机遥感发展与应用概况[J].遥感信息，2009，1：8892.

[7]Bannari， A.， Morin， D.， Bonn， F.， Huete， A.R.， A review of vegetation indices.Remote Sens. Rev. 1995，13：95120.