基于无人机的低空图像处理技术在农业领域的应用

夏小雨 韩成浩

(吉林建筑大学电气与计算机学院，吉林 长春 130118)

引言

近年来，我国的无人机科技水平迅速提高。由于相关科技水平的提高，无人机适应性越来越好，并且操作灵活、方便快捷等优秀特点也日益表现出来，所以无人机技术被不同产业广泛应用。无人机科学技术的理念最先由英国军用飞行学会提出，尽管无人机技术最初主要使用在军队活动中，但现在在农业生产、货物搬运、工业产品、视频制作等多个应用领域，都能够看到无人机的身影。我国为了促进农村生产的效率，提升农产品质量，相继引进了机械技术、传感器技术、计算机信息技术等许多先进科学技术，在这些技术的强大支持下，农村生产的效率不但得以显著改善，农产品的质量还得到了整体提高，无人机技术作为中国农业生产引进的先进科学技术之一，在促进农业信息化、精准化发展中起到了至关重要的作用。无人机技术具备相当强的可操作性，所携带的传感器也能对农产品进行实时检测，同时还可以拍摄高清影像,对农业的精细化管理有着十分关键的作用。技术人员可利用无人机高清数码相机、摄像头和各类感应器等先进的成像设备来拍摄超低空高分辨率的图像，对拍摄的图像进行分类和数据处理。

1 精准现代农业概述

精准农业模式通过空间位置，定时收集准确的农田信息，并基于信息进行的农产品技术设计和管理。这一模式可以大大减少对劳动力与物资的投入，从而实现高产、低耗、环保并且高品质的农产品。使用无人机图像处理技术，可以低空对农作物开展检测，促进农业向精细化方面的进步。无人机图像技术在农作物病虫害防控方面也有着很大的优越性。利用其对农作物的精准检测并对所得的数据进行大数据分析，就能够进行精准处理工作,可以做到及时发现新问题并及时处置，同时也可以早预防，早防治，如图1所示。

图1 无人机用药示意图

精准无人机农业发展离不开各类技术和设备的保障。如图2所示，无人机图像收集技术需要图像采集系统的硬件与软件的帮助；农业的病虫害农情分析需要农产品专家的技术、地面定位、土地农情分析与模式识别等技术的保障；农情的空间分布图必须根据全球定位系统(GPS)和地理信息系统(GIS)等信息技术的帮助进行绘制；农作物处方图的制作流程需使用无人机喷洒农药过程中的变化情况与无人机的行驶过程中的工作参数、天气情况等信息；在精确喷洒农药的应用过程中，除了要求工作平台、精准信息定位装置与可变喷洒农药系统等设备的帮助外，还要求无人机全自主飞行、自动飞行路线设定、精准定位等技术的帮助。

图2 精准无人机农业技术示意图

2 无人机低空图像处理技术

无人机利用图像采集技术获得农田的土壤信息和农作物环境空气信息可以及时掌握农产品的数据信息，可以指导农业管理，有效防止农作物病虫害的出现，进而增加农作物产量。使用无人机收集的农作物生长发育信息，进行传输和高精度的图像处理，为农作物生产管理提供了更有效、精准的数据支持。

2.1 无人机低空图像采集系统

无人机的低空图像采集系统由传感装置、无人机飞行装置、地面控制装置、图像分析处理软件等几部分构成。由于无人机的续航能力有限并且载重量不足的缺陷，所以使用的传感器具有存贮容量大、稳定性高、重量轻、精度高等良好特性。当前用于农作物图像数据采集的传感器主要是数码相机、多光谱相机、激光雷达等。

2.1.1 数码摄像机成像设备

利用数码相机拍的图片通常是在400～750nm的RGB可见光图像，为处理光线并还原所拍摄图片的实际色彩，图像传感器采用滤光片来对红外线进行过滤筛除，所以一般来说，数码相机没有红外线的波段信号。数码相机使用简单并容易操作，而且售价相对来说比较便宜。当前数字图像处理技术发展得比较成熟，所以利用高清数码相机图像处理技术，已经成为记录农作物生长发育以及检测农作物病虫害的重要的技术手段。由于无人机的飞行高度不高，拍摄图像清晰，所以图像分辨率可达到厘米级，因此利用对拍摄数码图像的纹路、颜色等图像信息特征来提取信息和进行数据分析，可以用作农作物叶面积指数计算、不同生长时期的健康评估、农作物鉴定、病虫害检测等方面的研究。

2.1.2 高光谱相机成像设备

使用高光谱遥感检测法对作物病虫害进行的诊断与检测工作，就可以实现及时发现并解决处理，便于对农作物病虫害的早期防治。其基本原理在于病虫害会对植物叶片细胞结构、含水量、氮和磷元素等特性造成改变，从而导致病虫害作物的反射光谱和非病虫害作物的反射光谱有很大的不同。高光谱成像的光谱分辨率一般是微米级，在热成像与近红外线区域中有几个至数百个不同波段，其分辨率最高可以达到纳米级。由于高光谱图像所涵盖的波段数据多、分辨率高，因此可以精准地表现农田作物自身的光谱特性与农田作物之间的光谱差别，在农作物病虫害检测于治理层面上更具有优越性。但是当前高光谱相机的售价一般比较昂贵，绝大部分农民都难以接受，所以该相机主要用在科学技术的研究应用。

2.1.3 激光雷达成像设备

机器上搭载的激光雷达与光学成像设备不一样，激光雷达利用主动监测目标的散射光的特点来取得相关信息。该技术设备是近些年新兴的检测遥感技术设备，是对植物表面研究中有重大作用的检测遥感设备，其优点在于能够取得精确度很高的三维数据，所以在植被垂直结构的探索中具有优势，填补了光学遥感在获取冠层结构数据方面能力的欠缺。当前在农作物检测方面，雷达成像技术大部分使用在测量植株高度、获取叶面积指数等农情检测上，但是农作物病虫害检测方面的研究成果却不多。作为多源遥感的一种设备与光谱成像结合起来，从植株的垂直结构和水平结构数据2个层面对农作物进行全面的信息处理，也是当前农业航空技术的进步方向。

2.2 无人机图像处理方法

2.2.1 图像匹配与拼接

无人机所获得的画面准确度不高并且拍摄的画面内容少，因此需要把无人机搭载相机拍到的大量图像资料进行拼接和匹配的技术操作。利用SIFT(scale invariant feature transform)图片匹配的技术并与最小二乘法相结合实现拍摄图像的主动匹配，该方式具备了安全、准确、迅速等优良特性。结合图片的主动匹配技术与全景图拼接技术并对无人机飞行系统使用如Nikon D2X、Rollei P45以及Kodak Pro SLR等数码相机所拍摄的低空图片加以整合分析。使用图片匹配方法SIFT、最小二乘法以及交互式数据语言IDL(interactive data language)对无人机图像与地面控制处理基站的迅速拼接与匹配。

2.2.2 图像的校正

利用无人机系统实施航拍，受到其飞行路径和飞行姿势的改变、摄影画面的光学畸变等各种因素的干扰，使得拍摄的图像画面无规律、灰度不统一、产生严重的几何失真。共线方程法和多项式法是目前2种最常见的无人机图像几何校正技术。共线方程法科学严谨、精确，但由于对地形数据要求很高而无法广泛应用；多项式法主要应用于地形中平坦的区域和动态传感器影像的修正，可以很好地解决因为采用非专业摄影镜头所产生的非线性畸变、无人机飞行姿势改变而造成的传感器外位置元素的不平衡和因地形复杂等自然现象而造成的几何失真。通过利用差分GPS得到地面控制点位置，把坐标位置输入GIS中并构建点状矢量图层，利用3次多项式的方法对拍摄的图片实现点、线、面的精度解析并经过拟合校正，然后使用最邻近法进行图片的重采样工作，得到更改后的图片。利用3次多项式方法更改后，点、线、面的平均精确度达到92.5%、94.1%以及96.4%，可以比较完美地符合现代精准农业对农田信息获取精确度的技术指标。有人曾提出，利用带权观测值光束的方法来解决无人机遥感系统(UAVRS,unmanned aerial vehicle remote sensing)复杂图像区域网的空中三角测量问题，从单模型定向的精准性出发，用单模型定向因素为基准来创建自由区域网，并为带权观测值光束的方法法给出了有效初始值。测量结果显示，空中三角加密坐标位置的平面准确度为0.39m，高程精度为0.53m，基本满足1∶2000的地形图测图的设计指标。

2.2.3 无人机图像信息解析

无人机图像信息分析的精度对图像信息正确运用到农业方面起着关键性的作用。目前有大量关于图像信息的特征值获取、相关性分析以及建立反演模型等应用的方法。使用ArcMap的数据可视化功能，利用其中的编译软件对无人机图像获取系统得到的农作物图像进行区划，图像系统要求的农作物信息数据，包括农作物面积、具体位置等。结合Matlab等编程系统处理无人机拍摄的农田图像，获得图像的RGB值和HS的特征值，并构建了RGB值、HSV值与农田含水率关联的信息模型。使用SAM -人工交互处理法，能够更好地取得图像中的农业信息的特征值，并在农业信息获取高准确度的基础上开发分类后比较法，能够进行农田的动态检测。

3 无人机图像处理技术在检测农业病虫害中的应用

在农业病害的监测识别方面，已经有许多文献期刊深入研究无人机在水稻、柑橘、麦子、棉花、葡萄和黄豆等农作物病虫害监测的技术研究，这些文献期刊里所使用的无人机图像主要有高光谱图像、多光谱图像和数字照相机所摄制的RGB图片。本文中运用Python软件介绍了图像技术中的目标分析以及在农作物病虫害领域中的应用。具体来说，使用Python语言运行并获取目标叶面上已发生病虫害的面积，进而判断是否需使用杀虫剂喷洒以预防病虫害的继续肆虐，从而协助农民更好地管理农作物，降低危害并增加农作物的产量。

3.1 基于图像处理技术的叶面检测

采用图像处理方法的叶面检测又称图像处理，是指运用各类图像传感器获得的图片，借助电脑或其它微型处理器运用图像处理方法(即相应的图像处理程序和相应的计算机技术结合)，对取得的图像加以数据处理从而获得所需要的理想叶面图片效果，是一种可以深入研究的方法。

3.2 基于图像处理技术在叶面上的研究

找到需要处理的叶片，如图3所示，针对1片发生病虫害的植物叶片进行检查处理。对叶面的处理使用Python语言以及Open CV等第三方库，对有病虫害的叶面部分进行图像处理(涂成白色)，如图4所示。

图3 病虫害叶片

图4 叶面处理

导入目标图像并做黑白数据处理后，对背景图再作高斯数据处理，并将目标检测的叶片也做同样的图像处理后，对2张数据处理后的目标图像做差，返回值就代表了其不同之处，得到的图片如图5所示。输出有病虫害叶面在整个叶面中的比例值，一旦病虫害叶片的受害程度超过了某一限度，要及时提示农民喷施杀虫剂，加以预防和处理病虫害。

图5 处理后的叶片

4 总结

通过图像处理技术可真实、迅速和精确完成对活体单叶片的检测，能够对植株叶片遭受的环境威胁、疾病以及昆虫危害等做出定量或定性的分析，还可以对整株植物的总叶面积进行统计。不过，图像处理测量的偏差很大，原因在于图像处理方面并不能较好地解决叶面的交叉现象、叶面偏移和叶面扭曲的现象，但是无人机农业是现在精准农业方面的发展重点。相比卫星技术在农业的应用，无人机技术在农业的应用方面具备操控性好、分辨率强、硬件成本低的优点；相比于地面传感手段，无人机技术具备了覆盖面广、速度快、人力成本低的优点。所以无人机技术农业领域发展前景广阔，潜力很大。随着无人机技术和传感器技术的不断完善，以及拍摄图像的新处理技术与方法的进一步开发，未来无人机低空图像处理技术将在农业方面起到越来越重要的作用。