农药喷洒处方图生成算法的研究现状与展望*

程梦洁，胡 波

（广西科技大学自动化学院，广西 柳州 545000）

0 引言

近年来，我国精准农业航空发展迅速，受到植保界的特别重视[1]。利用机载遥感系统可以产生精确的空间图像来分析作物的水分、营养状况和病虫草害等，结合空间统计学合理地计算出每片区域农作物所需的农药化肥剂量，通过全球定位系统和地理信息系统生成喷洒处方图，实现对作物的变量、精准管理。与卫星和有人驾驶的飞机遥感相比，无人机能够在低空飞行时获得更多更详细的作物信息，因此无人机成为获取作物图像的重要工具。

处方图是实现精准农业的基础，一般包含三层信息，分别为栅格信息、处方值信息和地理信息[2]。根据处方图喷洒农药或施用化肥，可显著提高作业效率、增加农药化肥的有效利用率，并减少对人体的危害和对环境的污染[3]。基于机器视觉的方法，是目前常用的处方图生成技术，国内外研究学者针对农田、果园的喷洒处方图生成技术进行了许多研究。但是自然环境下所采集的作物图像易受到光照、天气等因素的影响[4]，增加了生成准确处方图的难度。因此，不断优化喷洒处方图生成技术对推动精准农业的发展，实现可持续发展农业具有重要意义。

喷洒处方图生成技术主要分为田间视频或图像的采集、图像处理技术、处方图的创建三个步骤。根据以上三个环节，国内外研究学者通过对某个环节进行关键处理，用不同的方法对不同的环节进行优化改进，从而生成了可用于实际生产管理的喷洒处方图。本文主要根据喷洒处方图的生成步骤，对其生成过程中的关键处理进行了总结概括。

1 田间视频或图像的采集

无人机超低空飞行采集农田图像时，可获得具有高分辨率的图像，但由于超低空飞行，无法通过一张图像获得整个农田的作物信息，而喷洒处方图的生成需要综合考虑农田的整体情况，需要多张图像，通过图像拼接等手段获得整个农田的作物信息。作物信息获取是生成准确喷洒处方图的基础和重要环节，精准检测施药区域和病虫草害程度，可以为生成精准施药处方图提供数据支撑[4]。无人机具有高灵活性、高分辨率、无破坏和运行维护成本低的特点，适用于复杂农田环境的信息采集，因此，基于无人机的田间信息获取技术被广泛应用于精准农业生产及监测过程中[5]。无人机搭载RGB 相机、多光谱相机和高光谱相机获取田间作物的彩色图像和光谱图像，是目前常用的信息采集方式。一般针对农作物或早期的研究中，多搭载RGB 相机[6]；近几年在针对杂草处方图和果园喷洒处方图的研究中，多搭载多光谱相机[7]；而对于作物的健康监测多采用高光谱相机[8]。因此用无人机进行作物信息采集时，可根据需要选择搭载合适的相机，以生成更准确的喷洒处方图。

无人机图像具有较高的空间分辨率，对不同作物的识别具有较高的可信度。Jesper Rasmussen 等[9]的研究表明采用同样的方法对卫星图像和无人机图像进行杂草检测，由于无人机图像分辨率更高，具有更大的除草剂节省潜力。但是在使用无人机进行作物图像采集时，如何设置无人机的技术规格和配置，以产生最精确的正交摄影，以及这些规格和配置对图像分割和生成喷洒处方图的影响都是需要考虑的[10]。其中，无人机飞行高度是影响空间分辨率的主要参数。Aaron Etienne 等[11]对比了无人机在30 m 和10 m 高度获得的图像集，用于深度学习识别杂草，试验结果表明，10 m 高度采集的训练图像集的目标检测性能显著高于30 m 高度的训练图像集。López-Granados等[12]用无人机在30 m、60 m 和100 m 高度采集两个玉米田的可见光（红-绿-蓝波段）和多光谱（红-绿-蓝和近红外波段）图像，识别玉米中的高粱草，实验结果表明，利用多光谱相机在海拔30 m 处获得了最精确的杂草分布图。由此可见无人机飞行高度对成像的影响是明显的，在较低高度获取的图像会产生更高的分辨率，为了获得较高分辨率的图像，需设置合适的飞行高度。根据每个特定的目标选择搭载相机的类型，并确定无人机的飞行高度，可以获得高分辨率的图像，从而更准确地识别作物与杂草，生成更准确的喷洒处方图。

2 图像处理技术

图像处理技术是生成喷洒处方图的关键性步骤。针对无人机所采集的农田图像中分割作物或杂草特征，识别作物、杂草或空缺区域是生成喷洒处方图的基础。国内外研究学者通过图像灰度化、光照不均作物图像处理和图像分割等方法对图像进行处理，以更好地识别作物、杂草或空缺，提高了分割精度。

2.1 图像灰度化

为了有效地分割，需要采用有效的特征来区分植物和背景。颜色是区分植物和非植物背景的关键特征。超绿算法提取绿色植物图像效果较好，阴影、枯草和土壤图像等均能较明显地被抑制，植物图像更为突出，是作物识别中最常用的灰度化方法。如许真珠等[13]、尹东富等[14]和黄荣喜[15]在生成喷洒处方图的过程中均采用了超绿（2G-R-B）特征对图像进行了灰度化处理突出作物，使其可以更好地被识别出来。

2.2 光照不均作物图像校正

无人机超低空飞行所采集的图像具有较高的分辨率，但是超低空飞行，不可避免地会受到光照的影响，导致所采集的图像出现光照强度不同的情况，如同一张图像中的不同位置光照强度不同，相邻两张图像强光所照射面积不同。光照不均是影响图像分割精度的重要因素，提高光照不均匀图像的分割精度是生成准确喷洒处方图的基础。光照偏强条件下农田图像高光点区域丢失植物绿色特征将会对图像分割质量产生影响[16]，为更好地满足分割准确性，许多学者对光照不均匀图像的分割进行了研究，提出了许多不均匀照度图像校正方法，如在图像预处理时对其进行亮度均匀化[17]；通过转换颜色空间[18]，对颜色特征子空间进行相应处理来降低图像的光照不均；或者通过几何校正[19]的方法进行图像预处理，校正光照不均的图像。以上方法均可有效降低光照不均、光照偏强和阴影对图像分割的影响，对获得更准确的作物信息、提高处方图的准确性和实用性具有重要意义。

2.3 图像分割

为了进一步识别作物、杂草或空缺，对灰度图像进行阈值分割是必然的一步。在常用的分割技术中，阈值分割是最简单的方法。通过给定阈值，将图像转换为前景和背景元素，保留来自前景的值，并在后续步骤中丢弃背景元素[20]。Lia Duarte 等[20]通过阈值分割技术保留无人机采集图像中的作物信息。Huasheng Huang 等将全卷积网络（FCN）用于像素级分类，识别杂草和水稻，用来生成杂草处方图。Chengcheng Chen等[21]采用改进的FSO算法，对玉米幼苗与杂草进行分割，准确率达到93.3%。通过改进分割算法可以准确分割作物和杂草，准确分割对提高喷洒处方图的准确性有着至关重要的作用。

3 喷洒处方图的生成

喷洒处方图是根据田间作物生长情况、病虫草害情况提出最佳施药方案，并将其与作物位置、病虫草害位置对应成一张治理田间病虫草害的地理位置图。在农作物生长过程中，除了需要喷洒除草剂以外，还需要在作物的不同生长阶段针对作物喷洒植物生长调节剂或者叶面肥等，促进或抑制其生长过程的某些环节，使之向符合人类需要的方向发展。因此，根据农药喷洒对象的不同，喷洒处方图可分为杂草处方图和作物处方图。

3.1 杂草处方图

杂草在任何空间尺度上的分布都是不均匀的，大面积的粗放喷洒不仅造成了除草剂的浪费，还会因除草剂的过度使用造成环境污染等问题。根据杂草覆盖率使用适当的除草剂，可有效减少除草剂的使用，因此，大部分杂草处方图是由杂草覆盖图生成的。Pietro Mattivi 等[7]通过使用可复制和可扩展的低成本UAS，与开源软件相结合，识别和绘制杂草空间分布图，然后通过网格划分田地并通过计算每个网格单元的杂草覆盖面积百分比获得杂草处方图。以上研究表明针对杂草分布情况生成杂草喷洒处方图，再根据处方图变量作业，可有效减少农药的使用，提高农药的利用率。

3.2 作物处方图

作物处方图包括农田中的作物生长状况监测处方图和果园处方图。其中，果园作物研究最多的是葡萄园，主要原因是其生长环境特殊，采用传统人工喷洒具有一定的困难，而且飘落的农药会对人的身体健康产生影响。果园喷洒处方图的生成，大多根据树冠特征，包括树冠高度、体积等构建冠层活力图，然后根据所需施药量生成果园喷洒处方图[5]，指导无人机“有的放矢”地喷洒农药，从而减少农药用量，降低农药残留量，提升农药利用率。

对于作物病害，化学防治是最有效的。遥感可以监测植被的动态变化，成为监测作物生长和识别作物病害的有用工具。除此之外，由于叶面对养分的吸收运转比根部快，有利于及时满足作物生长发育的要求，通过喷洒叶面肥可以更好地调节作物生长。因此，研究学者针对作物的生长状况生成叶面肥施用处方图，为及时有效地喷洒叶面肥提供信息参考。

4 总结

1）随着科技的发展，处方图与无人机相结合，减少了农药化肥的使用，大大提高了作业效率。由现有的喷洒处方图生成算法可知，有的研究者对前人的研究做出了改进，有的创新式提出了新的生成算法，同时对影响喷洒处方图准确性的关键问题，如图像采集时无人机飞行高度、自然环境下光照的影响等进行了相应的研究和处理，以此来减少外部因素的干扰。无人机低空飞行采集作物图像时，如果离地面太近，无人机的风力太强，作物的波动太大，无法获取更好的数据；如果离作物太远，就不能获得很好的分辨率。因此，无人机采集视频图像时的飞行高度是后续研究值得注意的一个方向。

2）无人机在自然环境下采集图像，不可避免地会受到光照的影响，除对图像亮度均匀化处理外，转换颜色空间也是一种非常有效的减少光照影响的方法，利用与光照无关或相关性小的分量特征，可有效提高识别准确性。通过以上研究可知，通过减小光照影响可以减少环境因素对喷洒处方图的影响，可提高喷洒处方图的精度。