精准农业信息物理融合系统的事件模型研究

信息物理融合系统(CPS)具有严格的实时性和空间约束,根据其事件驱动性,对CPS时空事件模型进行了描述,并依据精准农业的特点对CPS体系结构中的组成部件(物理世界、传感器、计算(控制)单元、执行器、计时器)建立了时空事件模型,并以精准农业大棚的洒水事件闭环过程为例对每一部件进行了分析,证明这些事件模型可以用于精准农业中的基本事件。

基于数据世系管理的精准农业不确定性复杂事件处理

伴随物联网采集数据流的增加和对复杂事件匹配的准确性、可靠性要求的提高,不确定性复杂事件处理的研究得到广泛的关注。精准农业中存在大量的RFID及传感器监测数据,但是监测硬件和无线通信技术不能保证100%的可信数据,因此需要一个能应用在精准农业中处理不确定事件的流处理引擎。本文在现有流处理引擎SASE基础上,加入概率流理论和数据世系管理理论,提出一种新型的复杂事件处理引擎PUCEP,可以计算输出复杂事件的概率,同时提高不确定性复杂事件的匹配效率,从而减少计算资源消耗和反应时间,提高整个系统的实时性。实验使用温室传感器采集数据,结果表明所提方法对处理概率事件流的复杂事件是有效的。

基于深度图像的奶牛体型评定指标获取技术

为提高现有奶牛体型线性评定指标获取技术的精度、效率及自动化程度,提出基于深度图像的重建奶牛评定性状相应部位,进而进行测量获取线性评定指标的研究方法,并选取Xtion PRO摄像头作为深度图像采集设备,基于OpenNI搭建的数据获取程序完成对奶牛随机部位的点云获取,并结合MeshLab完成对获得的点云数据进行可视化和测量处理,最后将人工测量与重建点云测量所得到的指标进行对比。结果表明,采用低成本的RGBD设备获取奶牛被评定性状相应部位的深度图像,通过从深度图像得到的点云进行测量获取线性评定指标的方法是可行的,在采集距离小于1 m条件下,绝对误差小于10 mm,相对误差小于9%。

基于三维重建的动物体尺获取原型系统

为提高现有动物体尺获取技术的效率和自动化程度,提出双深度摄像头动物实时三维重建系统,进而进行动物体尺获取。基于随机采样一致性算法的圆球标定方法对摄像头外参数进行自动标定,再利用外参数将同步获取的点云数据进行配准达到实时重建,最后采用优化拾取机制后的交互式测量方法得到体尺。选取Xtion PRO作为点云数据采集设备并以猪标本作为重建对象,利用高精度激光扫描仪的重建数据与该系统重建结果进行了对比试验,结果表明圆球标定算法能够全自动快速地获取摄像头外参数,用该参数配准后的数据平均误差在7.50 mm以内,该系统以15帧/s的速度重建猪体全身,获取误差在4%以内的体尺信息,达到农业上动物体尺测量的一般要求,该系统可用于动物体尺测量。

基于机器视觉的玉米果穗产量组分性状测量方法

玉米果穗的穗长、穗粗、穗行数、行粒数等性状是制约玉米产量的重要组分性状,目前主要采用人工测量方式,或通过截取果穗横断面图像自动计算穗行数等参数,操作复杂、测量效率低、主观误差大,且无法保留完整的原始考种材料。针对上述问题,该文基于机器视觉技术,通过可见光二维成像获取果穗三维表型性状参数,结合果穗颜色特征及果穗的生物学规律,分别建立投影修正模型、穗行数快速估算模型、行粒数计算模型等,精确计算穗长、穗粗、穗行数以及行粒数等性状参数。试验结果表明,该方法适用于粘连果穗处理,秃尖的识别率高,且对光照环境要求低,穗行数及行粒数的零误差率在93%以上,测量速度可达30穗/min以上,能够满足高通量考种的需求,特别是保留了原始果穗考种材料实现无损测量,对于实现高通量考种及精细化育种有重要的参考价值。

基于点云旋转归一化的猪体体尺测点提取方法

家畜体尺测量是现代畜牧业研究的重要课题,而体尺测点的提取是体尺测量过程中的关键。为了解决猪体点云的三维体尺测点的自动提取问题,提出了一种基于旋转归一化的猪体体尺测点提取方法。对于采集的猪体点云数据,首先利用随机采样一致性算法删除地面区域并提取目标猪体,同时存储地面法向量;然后采用基于地面法向量矫正的主成分分析方法对猪体点云进行旋转归一化,将其统一到标准测量坐标系;最后利用体尺测点的几何形态特征和测点间的结构关系提取猪体体尺测点。试验结果表明,基于地面法向量矫正的主成分分析方法可以得到较好的旋转归一化结果,使猪体的体长,体高和体宽方向基本与坐标系的x轴,y轴,z轴相一致,体长、体宽、体高、臀宽和臀高测点提取结果与实际的体尺测点测量结果位置平均误差在16 mm以内,与其他体尺测点检测方法相比,该方法可以对输入猪体的点云方向进行校正,输入的猪体点云体高方向不需要和相机坐标系的任意一个坐标轴平行,降低了原始数据获取难度。该方法可为猪体的自动化体尺测量提供参考。

基于土壤参数的冬小麦产量预测模型

为了实现冬小麦的精细田间管理,研究了基于土壤参数的冬小麦产量预测模型。采用灰色理论对冬小麦土壤电导率EC值,全氮含量,K+、NO3-以及土壤pH值等因子进行灰色关联度分析,结果表明土壤EC值与土壤全氮含量,K+以及土壤pH值的灰色关联度较高。在分析不同生长时期土壤EC值,全氮含量,K+、NO3-以及土壤pH值和产量间的相关系数的基础上,采用土壤EC值,全氮含量以及K+作为模型的输入,产量作为输出,建立了冬小麦产量预测BP神经网络(BPNN)模型;采用土壤EC值,全氮含量,K+,灰色关联度作为输入,建立了小麦产量的模糊最小二乘支持向量机(FLSSVM)预测模型。建模结果表明,BPNN模型的预测决定系数达0.8237,验证决定系数达0.7367;FLSSVM模型的预测决定系数达0.8625,验证决定系数达0.8003。BP神经网络以及FLSSVM预测模型的精度都较高,可以用来评估作物产量,为精细农业变量处方管理提供理论与技术支持。

基于点云采集设备的奶牛体尺指标测量

为验证Xtion在奶牛体尺测量上应用的可行性,该文以提高现有体尺指标测量技术的精度、效率及自动化程度为目标,选用Xtion作为采集设备,石膏奶牛模型和真实奶牛作为试验对象,在实验室环境下,采用高精度三维扫描仪扫描奶牛模型作为对比点云数据,以不同距离下Xtion采集的数据作为测试点云数据,通过统计误差定量分析数据精度和密度随采集距离变化的规律,以确定合适的采集距离。养殖场环境下,在小于1.2 m采集距离条件下利用Xtion获取奶牛点云数据,采用Meshlab对点云数据进行可视化和交互测量,定性分析阳光、体表材质等因素对获取点云数据质量的影响,并将交互测量与人工测量结果进行对比分析。结果表明,在遮挡太阳光和采集距离大于0.6小于1.2 m条件下,平均误差小于±5 mm,相对误差小于10%,Xtion作为点云采集设备用于奶牛体尺测量是可行的。

基于单视角点云镜像的猪只体尺测量方法

为了克服人工家畜体尺测量耗时、应激大和工作强度大等问题,提出了一种基于单视角点云镜像的猪只体尺测量方法。首先使用单Xtion深度相机采集包含猪体的场景点云图像序列,并人工筛选出包含背部弯曲程度较小猪体的场景点云图像,然后基于随机采样一致性算法和聚类分割算法自动化分割目标猪体并对其进行姿态归一化,检测单视角猪体点云对称面,并利用对称面镜像获取完整猪体,最后利用自主研发的体尺测量软件测量猪只体尺。试验结果表明,利用该方法测量体长的平均相对误差为5.00%,臀宽测量的平均相对误差为7.40%,臀高测量的平均相对误差为5.74%。该方法为猪只体尺测量提供了切实可行的新途径。

基于机器视觉的玉米异常果穗筛分方法

针对玉米品种制种过程中病害果穗的表型识别问题,以玉米果穗整体为研究对象,基于二维快速成像技术实现了霉变、虫蛀和机械损伤3种异常果穗的快速分选。构建了单目视觉便携式图像采集装置,采集了任意摆放的粘连果穗目标图像,分别在RGB模型和HIS模型中提取了玉米果穗的6个颜色特征和5个纹理特征,并实现特征参数的归一化。构建了病害果穗分类模型,并采用已知样本特征向量对支持向量机和BP神经网络方法进行训练和对比分析,最后采用支持向量机方法实现了3种异常果穗的快速分选。实验结果表明,该方法对霉变异常果穗筛分的正确率可达96.0%,虫蛀果穗筛分的正确率可达93.3%,机械损伤果穗筛分的正确率可达90.0%。

基于时间自动机的温室环境监控物联网系统建模

由于温室环境的复杂性,系统设计的不合理会直接导致数据的不确定和系统的不稳定。基于体系结构的物联网层次模型对物联网的实施具有指导意义,但是体系结构模型没有提供系统建模工具和模型验证的方法。基于时间自动机理论的建模与模型验证方法是一种对物联网系统建模的有效手段,能在系统设计时提高系统的稳定性,保证系统设计的正确性。通过对智能温室监控物联网系统的分析,从系统实施的角度重新对温室环境监控物联网系统进行了层次划分,利用时间自动机理论对系统中的相应组件进行建模,在对各个子系统分别建模的基础上形成了时间自动机网络模型。最后利用时间自动机建模工具UPPAAL,对已经建立的形式化模型进行了系统逻辑正确性验证与系统执行时序验证。结果表明,利用时间自动机理论及其建模工具UPPAAL可以对智能温室监控物联网系统进行建模及模型验证,可以在系统设计时对系统进行准确的模型分析,避免系统设计错误,降低系统设计缺陷,在系统投入运行中规避设计风险,从而提升系统的稳定性与可靠性,确保系统设计的正确性。

基于PCA-MCAFA-LSSVM的养殖水质pH值预测模型

为解决水质预测传统方法精度低、鲁棒性差等问题，提出了基于主成分分析（PCA）、改进文化鱼群算法（MCAFA）和最小二乘支持向量机（PCA-MCAFA-LSSVM）的养殖水质pH值预测模型。该模型通过主成分分析提取养殖生态环境指标的主成分，降低模型输入向量维数，利用改进文化鱼群算法对最小二乘支持向量机超参数进行组合优化，以自动获取最优超参数建立非线性养殖水质pH值预测模型。应用该模型对宜兴市河蟹养殖某池塘2011年9月1日～9月4日在线监测的水质数据进行了预测分析，试验结果表明：该模型取得较好的预测效果，与分别用蚁群算法或遗传算法优化LSSVM的方法相比，PCA-MCAFA-LSSVM模型有93.05%的测试样本绝对误差小于8%，最大绝对误差仅为11.61%，均方根误差、平均相对误差绝对值和运行时间分别为0.0474、0.0041和4.367s，且均优于其他预测方法。PCA-MCAFA-LSSVM算法不仅计算速度快、测精度高，还能够为河蟹养殖水质调控管理提供决策依据。

GNSS平地作业路径实时规划与导航方法研究

为有效提高GNSS(Global navigation satellite system)控制土地平整的工作效率,提出了基于导航技术的GNSS平地作业路径实时规划与辅助决策方法。通过拉力传感器实现了平地作业中铲车载荷的实时检测,利用数学建模的方法,建立了拖拉机平地作业行驶过程的路径实时规划与导航模型。通过拉力传感器实时采集铲车载荷反馈值,根据拖拉机行驶目标区域的地势情况,以避免铲车过载和空载为原则,确定拖拉机的行驶目标点,解算出拖拉机行驶的转向角,实现了最优导航平地作业。农田平地试验结果分析表明,该方法能够较好地实时规划路径并提供导航方向,引导拖拉机高效地平地作业;基于该方法的平地作业,其铲车的过载或空载率总和不大于6.9%,远低于未使用导航时的平地情况。

基于移动GIS的作物种植环境数据采集技术

野外数据采集具有灵活性强、采集内容多样、准确度高等优势,已成为补充完善农业数据的主要手段之一。作物种植环境数据采集工作存在指标多并随调查区域、作物类型与作物生育期不同而发生变化等特点,采用传统方式设计调查界面与录入模式难以满足数据采集的普适性需求。为此,在分析作物种植环境数据采集工作实际需求的基础上设计并实现了作物种植环境数据采集系统(CPEDCS)原型。一方面,系统针对作物种植环境指标的不确定性特征提出基于结构表的用户可定制种植环境数据录入模式,支持用户自定义录入界面;另一方面,系统集成移动GIS为野外采集工作提供空间信息支持,并可以动态适应空间数据类型、数量、范围的变化。研究的数据组织模型在陕西省杨凌区小麦种植环境野外调查的实际应用中,表现出良好的实用性与稳定性,一定程度上提高了采集工作效率,减少了数据录入出错率并能为调查人员提供空间信息辅助功能。

基于透射光谱的玉米叶片水分含量快速检测

为实现玉米叶片水分含量快速检测,利用近红外光谱仪在300~1 700 nm采用透射法对玉米叶片水分含量进行快速检测。试验利用烘干法对叶片水分梯度进行控制,并测量玉米叶片的透射光谱曲线和含水率。对透射光谱数据采用Savitzky-Golay方法进行平滑预处理,滤除光谱波动噪声干扰。分析了叶片透射光谱与含水率之间的相关关系,通过相关性分析提取敏感波长800、932、1 423 nm;利用主成分分析法提取敏感波长478、748、1058和1 323 nm。综合二者敏感波长最终筛选出水分敏感波长800、1 323、1 058和1 423 nm。利用这4个波长的组合得到比值植被指数、差值植被指数和归一化植被指数等12种植被指数,选取了最优差值植被指数DVI(1423、800)与透射率T1 323和T1 058建立了玉米叶片含水率多元线性回归诊断模型,建模集决定系数Rc2=0.968 8,验证集决定系数Rv2=0.951 9,预测结果方根误差为0.061。结果表明,利用透射光谱技术检测的玉米叶片水分含量具有较高的精度,可为植物叶片水分快速检测仪器开发提供指导。

基于GNSS的农田平整自动导航路径规划方法

为了提高农田平整作业工作效率,分析了基于全球导航卫星系统(Global navigation satellite system,GNSS)的农田平整自动导航解决方案的可行性,改进了系统硬件设计,提出了一种基于GNSS的农田平整自动导航路径规划方法。该方法将全局路径规划和局部实时路径规划相结合,以铲车空载或满载时间最短为最优评价基准,融合K-均值与密度均值,聚类农田栅格;根据设计的铲车挖高填低方法和局部搜索策略得到平地路径全局规划,在实际作业中根据拉力传感器反映的实时载荷进行局部调整和规划。通过仿真试验和农田路径规划平地对比试验分析表明,最大高度差从22.8 cm降到2.7 cm,平整度从12.6 cm降到1.5 cm,高差分布列从81%上升到97%,平整效果能满足精细灌溉需求。该方法能够较好地实现路径规划,实现拖拉机高效平地作业,其中铲车的满载和空载率较其他方法小,满载和空载率总和在20%左右,增加了有效工作时间,降低了人工劳作强度,提高了平地效率。

基于Kinect相机的猪体理想姿态检测与体尺测量

为提高基于机器视觉的猪体体尺测量研究中的图像利用率和体尺测量效率,以长白猪和大白猪为研究对象,基于Kinect相机获取的猪体视频数据,提出了一种猪体理想姿态检测算法。该算法利用最小外接矩形法调整猪体为水平方向;利用投影法和差分法识别头部和尾部位置,通过头部边界标记法判断是否耳部缺失;利用骨骼化算法结合霍夫变换算法检测猪体头部是否歪斜。在此基础上,设计了猪体体尺测量算法。针对养殖场获取的103组视频数据、俯视和侧视各52 016帧图像,进行了理想姿态检测及体尺测量。结果表明,检测出理想姿态2 592帧、漏报432帧、误报0帧,误报率较低;每帧图像的体长偏差与本组体长均值小于2. 3%,组内理想姿态帧之间差异较小,一致性较好;体宽测量的平均精确度为95. 5%,体高测量的平均精确度为96. 3%,体长测量的平均精确度为97. 3%,测量的平均准确度较高。本研究成果应用于基于机器视觉的猪体体尺测量,可提高图像利用率和体尺测量效率。

GF-1遥感大数据自动化正射校正系统设计与实现

近年来随着遥感数据的爆炸性增长,快速、稳定的自动化影像正射校正成为遥感大数据处理的重要环节。该文在分析GF-1遥感大数据组织方式与元数据特征的基础上,将有理多项式模型正反变换与数字高程数据提取结合,设计实现自动化正射校正系统,并以提高正射校正计算效率与稳定性为目标,研究待校正影像对应数字高程数据快速提取方法,待校正影像分块读取策略等关键问题。在此基础上针对20景覆盖不同地形区域GF-1 8 m多光谱正射校正影像选择均匀分布的检查点,以Google Earth影像中同名点坐标为真值,分析校正误差及收敛情况,试验结果 X(纬线方向)方向和Y(经线方向)方向最大误差均小于16.863 m,距离误差小于23 m,并且92.25%的检查点误差小于16 m(2个像元)。该文提出的自动化正射校正方案在山地地形与平原地形均表现出良好的校正精度与稳定性。

玉米拔节期冠层叶绿素含量多光谱图像检测

为了探索大田玉米冠层叶片叶绿素指标的快速检测方法。采用自主研发的2-CCD多光谱图像成像系统采集了大田玉米拔节期冠层图像,并同步获取了样本叶绿素含量指标SPAD值。对多光谱图像进行了平滑滤波,并基于HSI颜色空间实现了冠层图像的分割。提取了玉米冠层可见光(blue(B),green(G),red(R);400~700 nm)和近红外(near-infrared,NIR,760~1 000 nm)4个波段平均灰度值并计算了平均灰度值计算比值植被指数(RVI,ratio vegetation index)、归一化植被指数(NDVI,normalized difference vegetation index)、修改型二次土壤调节植被指数(MSAVI2,modified soil-adjusted vegetation index)等8种常见植被指数作为图像检测参数。分析了这12个检测参数与叶绿素指标之间的相关性,讨论了图像检测参数的多种组合,建立了叶绿素指标的多元线性回归分析(MLRA,multiple linear regression analysis)模型。研究结果表明:R、G、B波段的平均灰度值与叶绿素指标成较高负相关,相关系数分别为-0.73,-0.71和-0.71,植被指数中相关性较好的是NDVI、MSAVI2和RVI,相关系数分别为0.83、0.81和-0.81。基于这6个参数组合建立的叶绿素指标估算模型拟合度最好,其建模集决定系数为0.79,验证集决定系数为0.71,研究结果为无损检测玉米拔节期叶绿素含量提供了支持。

基于GNSS农田平整全局路径规划方法与试验

针对全球导航卫星系统(Global navigation satellite system,GNSS)农田平整系统缺少作业指导且效率低等问题,提出了一种基于GNSS农田平整全局路径规划方法。分析农田实际平整条件,创建适用于土地平整的农田地形环境模型,生成农田地势信息图,研究整块农田地势高程分布特征,以平地作业中空载、满载的无效作业状态最少,转向操作与重复行走最少为条件,生成遍历整个农田的土地平整路径,并通过拉力传感器实时监测铲车载荷。仿真试验结果表明,相对于常规平整方法,所提方法空载、满载率显著减小,达到目标平整度时间节省50%以上。该方法可以规划有效路径,减少无效作业时间,平地效率提高30%以上。