温室智能装备系列之九十四温室植物长势监测系统的设计

马伟+王秀

【摘要】植物長势的监测是作物健康的第一手数据，准确获得长势数据对于生产精准管理非常关键。本文将手机作为信息采集终端，并基于服务器进行的云计算和信息共享，对单个叶片和区域作物长势进行图像监测，结果表明叶面积指数图像和统计数据的精度达到0.1cm2。通过信息化手段搭建系统，通过实时获取作物的图像等信息，进行自动分析和决策，获得无损、快速、准确的长势信息对于温室生产具有重要意义。

背景

温室植物长势监测一直是温室作物生产的研究热点，国内外的学者通过各种方法获取植物的长势。果实膨大传感器是获取植物果实生长的数据，并能获得果实的历史数据。叶面积测量仪可以获得叶片的面积指数等信息，来诊断植物的长势。通过手机获得图像并能快速处理得到植物长势的数据，不但能降低应用成本，而且能基于智能手机获得准确的植物生长信息，非常适合大规模推广。

原理

基于智能手机直接拍照获取温室植物的图像，通过3G/4G网络经过网关处理后，发送给服务器，系统的处理程序在服务器端对图像进行处理，提取关键的叶面积指数，存储在数据仓库中，多个用户在线对数据进行查询。叶面积指数（leaf area index）又叫叶面积系数，是指单位土地面积上植物叶片总面积占土地面积的倍数（叶面积指数=叶片总面积/土地面积）。单株的植物图像可以获得特定植物的叶片归一化植被指数（NDVI）。归一化植被指数是反映农作物长势和营养信息的重要参数之一。根据该参数，计算出不同季节的农作物对氮的需求量，对合理施用氮肥具有重要的决策作用。一垄上的植物图像可以获得整条垄上作物的叶面积统计数据和叶片归一化植被指数。成片的植物图像可以获得特定区域植物的叶面积，见图1。

系统的功能模块面向的对象有农户、管理人员、超市采购经理、植物医生和顾客。农户负责拍照并上传生产管理中的图像。管理人员对图像甄别和筛选，并对其进行授权管理。超市采购经理参照植物长势制订采购计划。植物医生针对植物的健康状况提出专业的植物保护建议。顾客查询感兴趣的长势信息来确定消费计划，见图2。

结果和讨论

手机获得原始图像数据，根据生产需求挑选其中的部分图像，将其发送回服务器进行数学运算和图像处理。图3是获得的图像。选取800万像素国产安卓手机在作物正上方1 m左右高度采集图像运算处理，从系统对图像处理的结果看，手机拍摄的图像分辨率计算结果能满足单个叶片准确识别的需要。

经过运算处理的图像经过运算后保存，根据需要可查询下载。图4是叶片归一化植被指数（NDVI指数）图像。图像指数能通过图像明暗来区别植物的长势（图4a）。分析处理得到植物叶片不同部位的指数等级分布图（图4b）。从每个叶片上读取到当前叶片的近似NDVI指数。从处理结果得出，图像上的每一个叶片的指数通过系统点击查询到精确数值，对于定量的判断植物长势有重要作用。

计算机识别的叶片图像可以用来快速准确地计算叶面积。叶面积的统计数值包括选取的单个叶片和多个叶片的面积，区域的叶片面积，叶片面积占耕地面积的百分比，叶片的数量，不同面积等级的叶片数量的多少（图5）。从系统处理结果看，计算的精度达到0.1 cm2，满足生产上对单个小叶片识别的要求。手动框选一部分图像进行运算，有效消除其他绿色物品（例如传感器）对统计结果的误差（图6）。用卷积矩阵算法有效的去除图像的噪声消除土壤背景的误差（图7）。

结论

该设计搭建了基于服务器的植物长势监测系统，对图像进行分析处理后，得出以下结论：①手机作为信息采集终端，基于服务器进行的云计算和信息共享，满足长势监测对单个叶片和区域作物长势监测的要求。②叶面积指数图像和统计数据的精度达到0.1 cm2，满足实际需求。

Ninety-four of the Greenhouse Intelligent Equipment Series

Design of Plant Growth Monitoring System in Greenhouse

Ma Wei， Wang Xiu （ Beijing Research Center of Intelligent Equipment Technology in Agricultural， Beijing 100097，China）

【Abstract】The monitoring information of plant growth is the first-hand data of crop health， and it is very important to obtain accurate data for precision agriculture production. In this paper， the mobile phone as the information collection terminal equipment was used to get a single leaf and regional crop growth image monitoring information based on the server cloud computing and information sharing. The results show that the accuracy of the leaf area index image and statistical data are up to 0.1cm2. It is of great significance using lossless， fast and accurate information technology to build the system by real-time access to get crop images and other information， automatic analysis and decision-making in greenhouse.endprint