基于NI myRIO的玉米種植監控系統設計

　　Design of monitoring system for maize cropping based on NI myRIO

　　王騰飛，翟亞芳，李立（安陽工學院 電子信息與電氣工程學院, 河南 安陽 455000）

　　摘要：本文基于NI myRIO平臺和TCP網絡服務的遠程實時圖像監控系統，實現對玉米長勢及蟲害情況的實時圖像處理和遠程控制?；贚abview的圖像處理平臺，具有對實時圖像的分割、灰度和邊緣三種處理模式。植株高度解析采用網格化圖像分割技術，根據擬合方程對玉米長勢進行擬合計算。經測試針對玉米生長的6大關鍵時期，實測值與圖像分析的最大相對誤差為3.33%，最小為0.96%。同時在執行單元，利用myRIO平臺控制土地溫濕度，可實現自動灌溉和遠程監控分析功能。測試結果表明，該系統精準、快速，具有較好的擴展性和兼容性，同時提供良好的用戶操作界面，對計算機視覺的玉米種植生產信息的監控具有重大意義。

　　關鍵詞：圖像處理；NI myRIO；LabVIEW；監控系統；傳感器

　　基金項目：河南省科技廳科技攻關項目（172102310671）

　　0 引言

　　目前對作物長勢圖像監測主要包括作物外部生長參數、植物營養和病蟲害三大類。賈銀江提出了基于無人機的遙感圖像拼接技術，從大尺度上監控作物生長趨勢；采用高清CCD相機拍攝群體圖像，通過建立葉面積指數和干物質積累的回歸模型分析玉米長勢；利用迭代閾值分割算法結合參照物標定獲取株高、頁尖距和冠層面積等作物參數 ^[1-3] ；通過地面光譜儀測定不同梯度氮肥處理小區的水稻拔節期冠層高光譜參數,建立并光譜參數與生物量、植株氮含量、植株氮積累量以及產量的相關關系 ^[4] ；利用遠程監測系統對作物大氣溫濕度、土壤濕度、光照強度、大氣蒸汽壓差(VPD)等環境因子和莖稈直徑微變化、果實生長、葉片溫度等樹體生理指標進行監測 ^[5] ；在病蟲害方面，通過Matlab建立植株病害模型或采用ARM，單片機等硬件進行圖像檢測。

　　以上的監測方案，一是遙感監測研究需要衛星、光譜儀等高成本設備，并且受氣象條件限制；采用圖像采集設備處理的都是靜態圖片，無法對作物進行實時監控和處理；而采用Matlab和ARM的平臺測量作物參數單一功能簡單 ^[6-9] ?；诖吮疚脑O計了基于NI myRIO和LabVIEW計算機視覺的玉米種植監控系統，其主要的數據采集是生長參數、病蟲害檢測和產量預估等信息，使用計算機視覺技術對農作物進行非接觸的連續測量，通過圖像處理和識別算法等相關技術，對玉米的生長、病蟲害等信息監測，將此信息整合傳遞執行系統，提高玉米產量。

　　1 控制系統組成本

　　設計旨在設計基于NI myRIO的實現在玉米長勢和病蟲害的實時監控系統，系統主要由參數監控單元、數據處理及顯示單元和功能控制單元三部分組成。

　　本文以LabVIEW機器視覺技術為核心，建立了玉米種植監控系統，系統主要由玉米基地和基站構成，其中視頻采集裝置和指令執行裝置位于玉米基地中，基站由圖像的采集與顯示系統、圖像處理系統、信息處理器和設備執行系統四大系統組成。

　　利用玉米基地中的視頻采集裝置，通過拍攝玉米的生長過程中三葉期、拔節期、大喇叭口期、抽雄期、吐絲期、灌漿期等六大關鍵時期和玉米葉片進行株高和病蟲害分析。實時圖像信息由NI myRIO發送給圖像的采集與顯示系統，由圖像處理系統得到性狀特征和顏色特征等，并發送到信息處理器中，將此整合后得到玉米的生長參數、病蟲害檢測等信息；同時由設備執行系統形成指令用以調節玉米的生長環境，設備進行相應的作業，實現對玉米的增產并節約資源的效果。其控制系統原理如圖1所示。

　　2 監控系統的硬件設計

　　2.1 核心控制器模塊

　　微控制器模塊是整個控制系統的核心，主要用于實現實時參數采集、數據處理與存儲、數據通信等功能?？刂破髂K采用的是NI公司研發的myRIO板來實現視頻監控、尋跡避障等功能。myRIO是由在內嵌Xilinx Zynq芯片組成，開發時可以利用雙核ARM Cortex-A9的實時性能以及Xilinx FPGA可定制化I/O來實現功能。它共有88個引腳，其中有66個可重配置的引腳，可滿足整個工程的控制需求。其使用的FPGA在處理數據時是采用的并行方式。這樣就能更加快速、更加準確的對數據進行可靠的處理。

　　2.2參數及控制單元模塊

　　參數監控單元采用分布式模塊化結構，包括溫濕度監控、肥液監控和自動灌溉系統，各模塊通過PC機控制的傳感器和執行單元構成反饋控制系統實現對田地的監測與控制。圖像采集模塊主要是由一個Robot EyesWIFI機器人高清攝像頭組成，在動態視頻的情況下分辨率達到了640*480P，而且在高分辨率下幀速達到了30幀/秒，可以并采用USB進行數據的傳輸和電源的供電。溫濕度監控模塊采用AMT2001，該模塊測量范圍分別為0-80℃和0%-100%RH，其對應的輸出為0-0.8V和0 V~3 V的連續電壓。通過My RIO數據采集I/O口將處理后的電壓信號傳至上位機進行處理顯示。灌溉系統主要由水泵、電磁閥和EC傳感器構成。當土壤溫濕度低于設定值后，將啟動灌溉系統。

　　3 圖像處理原理

　　HSL（Hue-Saturation- Lightness）顏色空間是反映人的視覺對顏色的感覺。其中色調H、飽和度S包含顏色信息，而亮度L則與顏色無關。本設計在圖像灰度處理、圖像分割和圖像邊緣檢測處理均是在HSL顏色模式下的圖像，但傳感器傳輸的顏色模式為RGB顏色模式，首先要由RGB顏色模式計算為HSL顏色模式。由RGB顏色模式計算為HSL顏色模式的公式為：

　　其中max和min分別為R,G,B的最大值和最小值。

　　本設計圖像邊緣檢測處理采用Canny算子，其檢測的邊緣是算子輸出的局部極值，Canny算子的檢測過程是先平滑處理，再求導數。Canny算子在階躍型邊緣檢測方面，效果突出。它的基本思想是在局部范圍內，找出梯度變化最大的像素點。在邊緣點定位方面，Canny算子采用定位方向性較好的一階微分。Canny算法用數學模型的針對邊緣信息準確性的數學模型(信噪比準則)：

　　其中G(x)為邊緣函數，h(x)為帶寬為W的低通濾波器的脈沖響應，Sigma是高斯噪聲的均方差。

　　針對邊緣信息精確性的數學模型(定位精確度準則)

　　利用Canny算法SNR和定位精度準則，設定合理的雙閾值，即設定高閾值和低閾值，圖像中的像素點大于高閾值則認為是邊界，小于低閾值則認為不是邊界，對圖像信息進行邊界處理。在本軟件操作界面中高低閾值參數設置范圍為0~1連續可調。圖2為玉米株高、玉米穗和葉片的邊緣處理結果。

　　4 監控系統的軟件

　　設計玉米種植監控系統軟件采用LabVIEW編程，主要包含圖像的采集與顯示系統、圖像處理系統、信息處理器和設備執行系統等四大系統。由圖像的采集與顯示系統采集玉米的生長、玉米綠葉和玉米穗的圖像，并將圖像傳遞到圖像處理系統，由圖像處理系統對圖像進行圖像灰度化、圖像平滑、圖像分割和圖像邊緣檢測等處理，并將處理后的圖像通過TCP通訊方式傳輸給信息處理器和設備執行系統，軟件的流程如圖3所示。

　　圖像的采集系統為整個系統的數據輸入源，軟件編寫的為NI myRIO對數碼攝像頭設備的驅動，啟動數碼攝像頭開始連續的采集圖像信息，首先采用的是IMAQdx Open Camera.vi驅動NI myRIO上設置為視頻模式，并配置IMAQdx Open Camera.vi打開選定的網絡攝像頭，當數據流到達IMAQdx屬性節點，設置視頻模式，使用IMAQdx Configure Grap.vi初始化網絡攝像頭用于圖像流，創建三個IMAQ Creat控件分配給圖片的內存，之后數據流將進入while循環，利用IMAQdxGrap.vi持續捕捉下一張圖像并進行圖像處理，圖像采集結束后，使用IMAQdx Close Camera.vi關閉攝像頭，IMAQ Dispose控件釋放掉所有圖像使用的內存。

　　數據流傳遞到圖像處理系統，圖像處理系統的總體結構為條件結構。分別對圖像進行灰度化處理、圖像平滑處理、飽和度調節、圖像分割和圖像邊緣檢測，首先對圖像進行灰度化、平滑處理和飽和度調節的預處理，然后將預處理后的圖像進行分割和邊緣檢測的處理，圖像平滑處理是以高斯濾波器進行圖像噪聲濾波，該圖像的最佳口窗口大小為9，最佳圖像（sigma）的值為0.9。本文設計程序改變圖像飽和度大小的方法是改變圖像的屬性節點，通過在數據流中加入IMAQdx屬性節點，然后選中屬性節點枚舉列表中的CameraAttributes（相機屬性），再選中相機屬性枚舉列表中的ActiveAttribute（活躍屬性），通過為ActiveAttribute輸入字符串CameraAttributes::Saturation::Value，調用出圖像的飽和度屬性，其次選中Value屬性節點改變調用出圖像的飽和度屬性值的大小，圖像最佳飽和度為100，將灰度處理后的圖像傳遞到IMAQ CannyEdgeDetection中，此IMAQ CannyEdgeDetection所使用的函數為Canny算子和高斯濾波器，配置Canny算子的參數簇

（FilterParameters）中有高閾值和低閾值兩個參數。高閾值定義了圖像中像素值的上百分比，即檢測算法選擇了邊緣段的終止或起始點，低閾值低閾值乘以高閾值，為邊緣段中的所有像素定義一個較低的閾值，經過對比試驗，得到高閾值和低閾值的值分別為0.9和0.2。

　　5 測試結果

　　根據上述分析的擬合方程，經測試模型株高與實測株高的最大差值為7.27cm，最小為0.64cm，最大相對誤差達到3.33%，最小為0.96%。平均相對誤差為1.71%。達到誤差允許范圍之內。綜合實驗結果，可以得出本試驗的株高解析思路具有可行性，達到一定的精度。對比測試結果如表1所示。

　　6 結論

　　本文所設計的基于LabVIEW和NI myRIO的玉米的生長參數、病蟲害檢測等信息的監控系統，主要由圖像的采集與顯示系統、圖像處理系統、信息處理器和設備執行系統四大系統組成。視頻裝置拍攝玉米的生長、玉米綠葉和玉米穗的圖像，形成的視頻圖像由圖像處理系統進行處理分析，得到圖像分割和圖像邊緣檢測后的圖像；由信息處理器根據上述處理后的圖像特征診斷玉米的生長狀況、病蟲害等，同時形成決策，由設備執行系統以控制指令的形式發送給玉米基地中的NI myRIO，對小麥的生長環境進行控制和調節，達到對玉米的增產和節約資源的目的，實測值與圖像分析的最大相對誤差為3.33%，最小為0.96%。該系統成本低，使用過程中操作簡單，適合普通種植戶使用，順應農業發展趨勢。

　　參考文獻

      [1]賈銀江.無人機遙感圖像拼接關鍵技術研究[D].東北農業大學,2016.

　　[2]張寶來,張樂佳.基于數字圖像處理技術的玉米長勢預測[J].農業工程,2017,7(03):163-168.

　　[3]李大威.基于集成學習的高分遙感圖像玉米區高精度提取算法研究[D].中北大學,2017.

　　[4]查海涅.基于衛星遙感的水稻生長監測與氮素營養診斷系統[D].安徽科技學院,2016.

　　[5]郭克冰.基于灰色關聯度的圖像邊緣檢測的理論研究[D].河南大學,2016.

　　[6]賈彪,馬富裕.基于機器視覺的棉花氮素營養診斷系統設計與試驗[J].農業機械學報,2016,47(03):305-310.

　　[7]方正.基于ARM的農田圖像采集器設計[D].哈爾濱理工大學,2017.

　　[8]董鴻燕.邊緣檢測的若干技術研究[D].國防科學技術大學,2008.

　　[9]鄧立苗,唐俊,馬文杰.基于圖像處理的玉米葉片特征提取與識別系統[J].中國農機化學報,2014,35(06):72-75+79.

　　本文來源于科技期刊《電子產品世界》2019年第5期第頁，歡迎您寫論文時引用，并注明出處