融合多光谱成像与深度学习的作物植株叶绿素检测系统研究

为了满足田间作物长势快速检测与指导变量管理的需求,以玉米为例设计了基于多光谱成像的田间作物植株叶绿素检测系统,包括可见光(RGB)和近红外(Near-infrared,NIR)图像采集模块、主控处理器模块、模型加速模块、显示及电源模块,用于实现玉米植株智能识别与叶绿素指标一体化检测。首先,采集玉米苗期和拔节期冠层图像数据集,比较了植株冠层实例分割与株心目标检测两种深度学习模型,构建了基于MobileDet+SSDLite(Single shot multibox detector lite)轻量化网络的玉米植株定位检测模型,实现玉米植株识别。其次,提取被识别的植株株心RGB-NIR图像,开展RGB和NIR图像匹配与分割,提取R、G、B和NIR灰度值计算植被指数,使用SPXY算法(Sample set portioning based on joint X-Y distances)和连续投影算法(Successive projections algorithm,SPA)分别对数据集进行样本划分及特征变量筛选,选择高斯过程回归(Gaussian process regression,GPR)算法建立叶绿素指标检测模型。结果显示,玉米株心目标检测模型在遮挡重叠的复杂环境下识别率达到88.7%,在不交叉重叠时识别精度达到90%以上;叶绿素含量指标检测模型建模集的模型决定系数R^(2)为0.62,测试集模型决定系数R^(2)为0.61。对开发系统进行田间测试,结果显示,系统检测速率可达14.6 f/s,平均精度为92.9%。研究结果能够有效解决大田环境下玉米营养状态的检测问题,满足大田环境实时检测需求,为作物生产智慧感知提供解决思路和技术支持。

基于机器视觉的玉米定位施肥控制系统设计与试验

为了实现农田环境下的苗期玉米定位定量施肥作业,提高肥料利用率,本文设计了基于机器视觉的苗期玉米定位施肥控制系统,控制自驱动履带式田间玉米定位施肥机,使用切片式排肥器结构实现间歇式施肥。采集苗期玉米冠层图像后,利用颜色特征区分连续拍摄过程中的大量背景图像和识别错误的株心,改进了株心识别定位方法;建立施肥滞后误差补偿模型,实时计算施肥相对距离,准确计算排肥器的落肥时刻,实现了按株间歇式自动定位施肥。经过试验与验证分析,改进的株心定位识别方法明显缩减了图像处理时间,提高了算法鲁棒性;3个挡位施肥量(7.25、14.5、21.75 g)的施肥稳定性变异系数分别为1.93%、1.87%、1.93%,施肥量控制精度大于95%,施肥位置准确性平均误差为3.2 cm,可以实现精准定位施肥。本文设计的施肥控制系统可以实现苗期玉米按株定位定量施肥,达到了减施提质、科学施肥的目的。