CN109324051A - 一种植物水分检测方法及*** - Google Patents
一种植物水分检测方法及*** Download PDFInfo
- Publication number
- CN109324051A CN109324051A CN201811325775.0A CN201811325775A CN109324051A CN 109324051 A CN109324051 A CN 109324051A CN 201811325775 A CN201811325775 A CN 201811325775A CN 109324051 A CN109324051 A CN 109324051A
- Authority
- CN
- China
- Prior art keywords
- image
- blade
- capture device
- leaf
- video camera
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 35
- 238000003860 storage Methods 0.000 claims description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 abstract description 27
- 238000000034 method Methods 0.000 abstract description 20
- 238000012545 processing Methods 0.000 abstract description 7
- 239000002689 soil Substances 0.000 description 12
- 238000004891 communication Methods 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 238000012360 testing method Methods 0.000 description 5
- 230000007613 environmental effect Effects 0.000 description 4
- 238000003973 irrigation Methods 0.000 description 4
- 230000002262 irrigation Effects 0.000 description 4
- 230000000007 visual effect Effects 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000008054 signal transmission Effects 0.000 description 2
- CBVWMGCJNPPAAR-HJWRWDBZSA-N (nz)-n-(5-methylheptan-3-ylidene)hydroxylamine Chemical compound CCC(C)C\C(CC)=N/O CBVWMGCJNPPAAR-HJWRWDBZSA-N 0.000 description 1
- 230000031016 anaphase Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008033 biological extinction Effects 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000003621 irrigation water Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/20—Scenes; Scene-specific elements in augmented reality scenes
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N2021/8466—Investigation of vegetal material, e.g. leaves, plants, fruits
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明涉及一种植物水分检测方法及***,其中,所述植物水分检测方法,包括以下步骤:利用图像采集设备采集被测植物的图像,获得初始图像;从所述初始图像中识别出目标叶片的图像;根据目标叶片图像的长/宽尺寸,确定图像采集设备当前的拍摄角度;调节图像采集设备的拍摄角度,使得图像采集设备的拍摄角度与采集标准样本叶片时的拍摄角度相同,或者在所设定的角度阈值之内;利用图像采集设备再次采集被测植物的图像,并获得包含目标叶片的图像;本方法可以有效提高图像采集精准度,获得更高质量的图像,不仅可以有效简化后续图像处理和分析过程,提高效率,而且有利于获得更加精准的叶片水分含量数据。
Description
技术领域
本发明涉及水分含量检测技术领域,具体涉及一种植物水分检测方法及系 统。
背景技术
我国是农业大国,农业用水量达到总用水量的70%左右,其中,农田灌溉用 水所占份额最大,我国现阶段正大力发展节水农业,而精准灌溉则是发展节水 农业的一大趋势,所谓精准灌溉,就是根据农作物的水分含量对农作物进行合 理有效的灌溉,可以有效避免采用漫灌方式所造成的水资源浪费。
传统技术中,判断是否需要对植物(农作物)进行灌溉的方法是,在土壤 中布置水分含量传感器,通过传感器采集土壤中水分的含量,通过对土壤中水 分含量的检测,判断土壤是否缺水(是否干旱);然而土壤水分含量传感器只能 检测很小区域范围内的水分含量,适用于盆栽植物,针对于大面积农田种植植 物,则需要布置大量的传感器,导致成本很高,不宜推广。
植物生产所需的营养物质几乎都是从水中获取,保持土壤中水分含量充足 至关重要;而土壤是否缺水,是否需要进行灌溉,也可以通过检测植物叶片中 的水分含量进行判断;现有技术中公开了一些检测植物叶片水分含量的方法, 其中最常用是方法是,通过采集植物叶片的图像,通过对图像进行处理和分析, 获得植物叶片的水分含量数据。
然而,现有技术中,通过采集植物叶片的图像,分析叶片水分含量的方法, 通常是通过提高图像采集设备的像素或改进图像处理算法等途径来提高叶片水 分含量的计算精度,而忽略了图像的采集过程,尤其是所采集图像的质量,使 得在不同环境、光照、角度及距离等条件下,所采集的图像质量不稳定(即图 像质量有高有低),导致叶片水分含量的计算精度容易出现波动,偏差较大。
发明内容
本发明的目的在于改善现有技术中所存在的不足,提供一种能够提高图像 采集精准度,获得高质量图像的植物水分检测方法。
本发明所采用的技术方案是:
一种植物水分检测方法,包括以下步骤:
步骤2、利用图像采集设备采集被测植物的图像,获得初始图像;
步骤3、从所述初始图像中识别出目标叶片的图像;
步骤4、根据目标叶片图像的长/宽尺寸,确定图像采集设备当前的拍摄角 度;
步骤5、调节图像采集设备的拍摄角度,使得图像采集设备的拍摄角度与采 集标准样本叶片时的拍摄角度相同,或者在所设定的角度阈值之内;
步骤6、利用图像采集设备再次采集被测植物的图像,并获得包含目标叶片 的图像。
通过上述步骤,可以有效地调节所采集的图像的角度,使得采集的图像中 叶片的方向,与所拍摄的标准样本叶片的方向一致或基本一致;一方面,可以 有效简化后续图像处理过程,另一方面,在后续图像处理过程中,更便于与标 准样本叶片的图像进行对比分析(或计算),有利于获得更加精准的叶片水分含 量数据。
进一步的,还包括步骤1,判断图像采集设备的镜头方向与太阳光的方向是 否共线,当镜头方向与太阳光的方向共线时,调整图像采集设备的位置,使得 图像采集设备的镜头方向与太阳光的方向不同。
进一步的,还包括步骤7,对步骤6中所采集的图像进行图像处理,并与标 准样本叶片图像进行对比,获得目标叶片的水分含量。
优选的,在步骤6中,采集包含目标叶片的图像之前,通过调节图像采集 设备的滤光系数,使采集被测植物图像时的光照环境与采集标准样本叶片图像 时的光照环境相同,或者在所设定的阈值之内。
优选的,在步骤1之前,还可以通过调节图像采集设备的位置,使采集被 测植物图像时的采集距离与采集标准样本叶片图像时的采集距离相同,或者在 所设定的距离阈值之内。
优选的,所述目标叶片为植物顶端的嫩叶。
优选的,所述标准样本叶片图像为真实环境下所采集的标准样本叶片的图 像。
一种植物水分检测***,包括无人机、摄像机、云台、控制器以及存储器, 所述摄像机设置于所述云台,所述无人机用于搭载云台,所述云台、摄像机、 无人机、存储器分别与所述控制器相连,其中,
所述摄像机用于采集包含有目标叶片的图像;
所述控制器用于从所述图像中识别出目标叶片的图像,计算目标叶片图像 的长/宽尺寸,并根据所述长/宽尺寸确定当前的拍摄角度;
所述云台用于在控制器的控制下调节摄像机的镜头方向,使摄像机的拍摄 角度与采集标准样本叶片时的拍摄角度相同,或者在所设定的角度阈值之内;
所述存储器用于存储镜头方向调整后所采集的图像,和/或,用于存储控制 器利用镜头方向调整后所采集的图像所计算出的目标叶片的含水量数值。
进一步的,还包括距离传感器,所述距离传感器与所述控制器相连,距离 传感器用于采集目标叶片与摄像机之间的距离,并传输给所述控制器,所述控 制器根据所述距离,控制无人机移动,使目标叶片与摄像机之间的距离等于采 集标准样本叶片图像时标准样本叶片与摄像机之间的距离,或者在所设定的距 离阈值之内。
进一步的,还包括太阳跟踪模块,所述太阳跟踪模块搭载于所述无人机, 并与所述控制器相连,所述太阳跟踪模块用于跟踪并确定太阳的方位;在采集 图像之前,控制器控器无人机移动,使得摄像机的镜头方向与所述方位不同。
优选的,所述云台为电动云台。
优选的,所述无人机为旋翼无人机。
进一步的,还包括补光灯,所述补光灯可以设置于所述摄像机,并与摄像 机或控制器相连,补光灯用于对拍摄环境进行补光。
在进一步的方案中,还包括远程终端机,所述远程终端机设置有无线通信 单元,所述控制器上设置有与所述无线通信单元相适配的无线通信模块,无线 通信模块用于进行数据和信号传输。
与现有技术相比,使用本发明提供的一种植物水分检测方法及***,具有 以下有益效果:
1、本方法及***,可以有效提高图像采集精准度,获得更高质量的图像, 一方面,可以有效简化后续图像处理和分析过程,有利于缩短图像处理和分析 时所用时间,提高效率,另一方面,在后续图像处理过程中,更便于将目标叶 片与标准样本叶片的图像进行对比分析(或计算),从而有利于获得更加精准的 叶片水分含量数据。
2、本方法及***,可以有效避免出现逆光拍摄及出现完全背光拍摄的情况。
3、本方法及***,不仅适用于盆栽植物,也适用于大面积的农田植物,更 具有推广性。
4、植物从土壤中获取水分,植物叶片中的水含量能够反应出土壤中的水含 量是否充足,因此,本方法及***通过检测植物叶片中水的含量,可以准确地 反应出土壤中水含量,使得本方法具有很高的可靠性。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使 用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例, 因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创 造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本发明实施例1中提供的一种植物水分检测方法的流程框图。
图2为本发明实施例1中提供的一种植物水分检测方法的流程框图。
图3为本发明实施例1中提供的一种植物水分检测方法中,图像采集设备 处于合适位置处的示意图。
图4为图像采集设备处于逆光方向时的示意图。
图5为图像采集设备处于完全背光时的示意图。
图6为本发明实施例1中提供的一种植物水分检测***的框图。
图中标记说明
图像采集设备101,镜头方向102,
目标叶片201,
太阳光的方向301。
具体实施方式
下面将结合本发明实施例中附图,对本发明实施例中的技术方案进行清楚、 完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部 的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不 同的配置来布置和设计。因此,以下对在附图中提供的本发明的实施例的详细 描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施 例。基于本发明的实施例,本领域技术人员在没有做出创造性劳动的前提下所 获得的所有其他实施例,都属于本发明保护的范围。
实施例1
请参阅图1,本实施例中提供了一种植物水分检测方法,通过预先采集图像, 分析拍摄角度,然后再根据需要将拍摄角度调整到与拍摄标准样本叶片时的拍 摄角度相同的位置处,再进行正式的图像采集,具体包括以下步骤:
步骤2、利用图像采集设备采集被测植物的图像,获得初始图像。
即,确认所要采集的目标叶片后,先图像采集设备调整到目标叶片附近处, 并使得图像采集设备的视场中包含所述目标叶片,然后采集图像,该图像作为 初始图像,以便确定图像采集设备当前的拍摄角度。
步骤3、从所述初始图像中识别出目标叶片的图像。
初始图像中除了包含目标叶片的图像之外,还包括一些背景图像,本步骤 通常可以从初始图像中识别并分隔出目标叶片的图像,以便对目标叶片图像进 行分析。
步骤4、根据目标叶片图像的长/宽尺寸,确定图像采集设备当前的拍摄角 度。
由于叶片大都宽阔而扁平,适于接受阳光的照射,叶片上通常布满了茎, 而茎的长度方向,通常为叶片的长度方向,叶片和茎的一端通常连接于叶柄; 在本步骤中,通过在所获得的目标叶片图像中建立平面坐标系,可以计算出目 标叶片图像在两个正交方向的长度数据,其中尺寸较大的长度数据为叶片图像 沿长度方向的尺寸,即长尺寸;尺寸较小的长度数据为叶片图像沿宽度方向的 尺寸,即宽尺寸;根据长/宽尺寸可以计算目标叶片图像相对于初始图像的倾斜 角度,从而可以算出图像采集设备当前的拍摄角度。
步骤5、调节图像采集设备的拍摄角度,使得图像采集设备的拍摄角度与采 集标准样本叶片时的拍摄角度相同,或者在所设定的角度阈值之内。
从步骤4中获得图像采集设备当前的拍摄角度后,可以与采集标准样本叶 片时的拍摄角度进行对比,这两个角度通常是不同的,故,在本步骤中,可以 根据图像采集设备当前的拍摄角度,调整图像采集设备的拍摄角度,使得调节 图像采集设备的拍摄角度与采集标准样本叶片时的拍摄角度相同,或者在所设 定的角度阈值之内(例如,设定的角度阀值可以为[-1.5°,+1.5°]等),以便将采 集的目标叶片的图像处理数据与采集的标准样本叶片的图像处理数据进行对比 分析,从而获得更加准确的目标叶片水分含量数据。
步骤6、利用图像采集设备再次采集被测植物的图像,并获得包含目标叶片 的图像。
经过步骤5,调整好图像采集设备的拍摄角度后,可以利用图像采集设备再 次采集被测植物的图像,可以获得包含目标叶片的图像,此时,该图像与采集 标准样本叶片时的拍摄角度相同,或者在所设定的角度阈值之内,使得所采集 的目标叶片图像中叶片的方向(或称为叶片中茎的方向),与所拍摄的标准样本 叶片的方向(或称为叶片中茎的方向)一致,或者在所设定的角度阈值之内, 有利于目标叶片图像与标准样本叶片图像更加接近,一方面,可以有效简化后 续图像处理和分析过程,有利于缩短图像处理和分析时所用时间,提高效率, 另一方面,在后续图像处理过程中,更便于将目标叶片与标准样本叶片的图像 进行对比分析(或计算),从而有利于获得更加精准的叶片水分含量数据。
在本实施例所提供的进一步方案中,还包括步骤1,判断图像采集设备101 的镜头方向102与太阳光的方向301是否共线(或称为是否重合),当镜头方向 102与太阳光的方向301共线时,调整图像采集设备101的位置,使得图像采集 设备101的镜头方向102与太阳光的方向301不同(即不共线),例如,如图3 所示。因为图像采集设备101的镜头方向102与太阳光的方向301共线时,通 常为出现两种情况,一是:镜头方向102与太阳光的方向301相反,且都指向 目标叶片201,如图4所示,此时,图像采集设备101处于逆光方向,所拍摄的图像受太阳光的影响较大,图像质量通常较低;二是:镜头方向102与太阳光 的方向301相同,且都指向目标叶片201,如图5所示,此时,图像采集设备 101处于完全背光方向,图像采集设备101在太阳光下的阴影会涵盖在目标叶片 201上,使得目标叶片201处的光线变暗,且此时所拍摄的图像中会出现图像采 集设备101的阴影,严重影响图像质量;而经过本步骤的调整后,一方面,可 以有效避免出现逆光拍摄,导致所拍图像清晰度不高、质量较低的弊端;另一 方面,可以有效避免图像采集设备101遮挡阳光,导致目标叶片201处光线变 暗或所拍摄的图像中出现阴影的弊端。
如图2所示,在进一步的方案中,还包括步骤7,对步骤6中所采集的图像 进行图像处理,并与标准样本叶片图像进行对比,获得目标叶片的水分含量。
通过对叶片图像进行分析,得出叶片中含水量,可以有多种方式,例如基 于灰度和纹理分析实现,都是比较成熟的现有技术,这里不再赘述;在本实施 例所提供的优选方案中,优先采用基于深度学习法实现,不仅实现方式简单, 而且具有更高的准确度。
具体的,首先训练全卷积网络模型(FCN网络模型),检测时将步骤6中所 获得的植物叶片图像输入训练好的FCN网络模型中,即可输出得到叶片中的含 水量数值。
其中,FCN网络模型通过以下步骤训练得到:
步骤A,将一批标准样本叶片图像输入已初始化的FCN网络模型中,得到当 前模型参数下标准样本叶片图像中的水分含量值;
步骤B,对步骤A中的输出结果进行损失计算,并求取所述一批标准样本叶 片图像的平均损失
步骤C,求解最小化并更新FCN网络模型中所有的学习参数;
步骤D,循环执行步骤A~步骤C,直至设定的迭代次数。本步骤中,所设 定的迭代次数的最小值至少应保障所得到的不再下降。
优选的,在步骤6中,采集包含目标叶片的图像之前,可以通过调节图像 采集设备的滤光系数,使采集被测植物图像时的光照环境与采集标准样本叶片 图像时的光照环境相同,或者在所设定的阈值之内,以便获得更加接近标准样 本叶片的图像,便于进行对比分析,同时,有利于进一步提高叶片水分含量的 计算精度。
进一步的,在步骤1之前,还可以通过调节图像采集设备的位置,使采集 被测植物图像时的采集距离与采集标准样本叶片图像时的采集距离相同,或者 在所设定的距离阈值之内;以便获得更加接近拍摄标准样本叶片时的拍摄视场, 有利于进一步提高叶片水分含量的计算精度。
优选的,所述标准样本叶片图像为真实环境下所采集的标准样本叶片的图 像;而并非是在实验室条件下所采集的图像,从而有利于采集目标叶片图像时 的环境因素与采集标准样本叶片图像时的环境因素更接近,有利于进一步提高 后期叶片水分含量的计算精度和准确度。
进一步的,在本实施例中,所述目标叶片可以优先为植物顶端的嫩叶;因 为植物顶端的嫩叶,更便于利用图像采集设备采集图像,而且嫩叶的水分含量 更能准确地反应出土壤中水分含量,从而可以更加准确的判断出土壤是否缺水, 是否需要灌溉。
实施例2
根据实施例1中所提供的一种植物水分检测方法,本实施例提供了一种植 物水分检测***,包括无人机、摄像机、云台、控制器以及存储器,所述摄像 机设置于所述云台,所述无人机用于搭载云台,所述云台、摄像机、无人机、 存储器分别与所述控制器相连,如图6所示,其中,
所述摄像机用于采集包含有目标叶片的图像;
所述控制器用于从所植物图像中识别出目标叶片的图像,计算目标叶片图 像的长/宽尺寸,并根据所述长/宽尺寸确定当前的拍摄角度,具体方法与实施 例1中所述一致,这里不再赘述;
所述云台用于在控制器的控制下调节摄像机的镜头方向,以调整摄像机的 拍摄角度,使得摄像机的拍摄角度与采集标准样本叶片时的拍摄角度相同,或 者在所设定的角度阈值之内;
所述存储器用于存储镜头方向调整后所采集的图像,和/或,用于存储控制 器利用镜头方向调整后所采集的图像所计算出的目标叶片的含水量数值。
即在本实施例中,摄像机的镜头方向调整后所采集的包含目标叶片的图像 可以存放在存储器中,同时,用于计算目标叶片含水量的参数及相关算法也可 以存储于存储器中,在进行计算时,控制器可以根据所述参数及相关算法,并 利用镜头方向调整后所采集的图像,计算出目标叶片的含水量数值,然后存储 在存储器。
进一步的,本实施例所提供的植物水分检测***,还包括距离传感器,所 述距离传感器与所述控制器相连,距离传感器用于采集目标叶片与摄像机之间 的距离,并传输给所述控制器;所述控制器可以根据所述距离,控制无人机移 动,使目标叶片与摄像机之间的距离等于采集标准样本叶片图像时标准样本叶 片与摄像机之间的距离,或者在所设定的距离阈值之内;一种可行的方案中, 控制器或与控制器相连的存储器中存储有标准距离参数或设定的距离阀值,当 距离传感器所检测出的距离不等于所述标准距离参数或超出所设定的距离阈值 时,控制器就可以控制无人机移动(可以是控制器自动控制,可以时人工通过 控制器进行远程控制,这里不再赘述),以调整无人机的位置,使得距离传感器 所检测出的距离等于所述标准距离参数或在所设定的距离阀值之内时,再进行 图像采集工作。
在实际应用中,可以根据无人机上所搭载的摄像机型号及性能参数设置所 述距离阀值,作为举例,某型号的摄像机在2米左右的距离进行拍摄时,拍摄 效果最佳,故可以将所述距离阀值设置为[1.5m,2.5m];采集标准样本叶片图像 时,使得标准样本叶片与摄像机之间的距离在2米左右;在采集目标叶片的图 像之前,距离传感器可以采集目标叶片与摄像机之间的距离参数,并传输给控 制器,控制器根据所述距离参数,控制无人机移动,以调整无人机的位置,使 得摄像机与目标叶片之间的距离在所述距离阀值[1.5m,2.5m]之内,然后再进 行图像采集工作,既可以保证该摄像机所采集的图像更优,又便于与标准样本 叶片图像进行对比分析。距离传感器在现实生活中的应用非常广泛,类型和型 号众多,这里不再一一举例说明。
在进一步的方案中,本实施例所提供的植物水分检测***,还包括太阳跟 踪模块,所述太阳跟踪模块搭载于所述无人机,并与所述控制器相连,所述太 阳跟踪模块用于跟踪并确定太阳的方位(即确定太阳光的方向),并传输给控制 器;而搭载于无人机的云台,既可以在控制器的控制下调整摄像机的镜头方向 (即拍摄角度),又可以获得摄像机的实时镜头方向(即实时拍摄角度),并传 输给控制器;控制器可以对所述方位及所述镜头方向进行比较,当发现二者共 线时,在采集图像之前,控制器需要控制无人机移动,使得摄像机的镜头方向 与所述方位不同,以避免出现逆光拍摄或完全背光拍摄的情况(如实施例1中 所述,这里不再赘述),从而可以有效提高图像的质量,有利于获得更加准确的 叶片水分含量数值。
在本实施例中,太阳跟踪模块可以采用现有技术中常用的太阳跟踪装置或 北斗授时跟踪等,这里不再赘述。
在本实施例中,可以采用现有技术中常用的云台,可以通过云台调节摄像 机的俯仰角以及方位角,使得摄像机的镜头可以对准目标叶片;在本实施例中, 云台可以优先采用电动云台,便于利用控制器进行自动控制或人工进行远程控 制。
在本实施例中,所述无人机可以优先采用旋翼无人机,例如,四旋翼无人 机、六旋翼无人机等;在实际应用中,旋翼无人机能够垂直起降、自由悬停、 控制灵活,且适应各种环境能力强;非常适用于本植物水分检测***,有利于 获得更加高质量的图像。
在本实施例中,还包括补光灯,补光灯可以设置于摄像机,并与摄像机或 控制器相连,补光灯可以对拍摄环境进行补光,一方面,有利于采集到更加清 晰的图像,另一方面,有利于在夜晚或视野不佳的阴天拍出质量更高的图像。
在进一步的方案中,还包括远程终端机,例如pc机、手机、平板等,所述 远程终端机设置有无线通信单元,控制器上设置有与所述无线通信单元相适配 的无线通信模块,以便进行数据和信号传输,例如,工作人员可以通过远程终 端机远程控制无人机进行图像采集,又如,无人机上,存储器内所存储的图像 和/或计算出的目标叶片的含水量数值,均可以在控制器的控制下,经由无线通 信模块发送给远程终端机,以便工作人员查看。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于 此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到 变化或替换,都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种植物水分检测方法,其特征在于,包括以下步骤:
步骤2、利用图像采集设备采集被测植物的图像,获得初始图像;
步骤3、从所述初始图像中识别出目标叶片的图像;
步骤4、根据目标叶片图像的长/宽尺寸,确定图像采集设备当前的拍摄角度;
步骤5、调节图像采集设备的拍摄角度,使得图像采集设备的拍摄角度与采集标准样本叶片时的拍摄角度相同,或者在所设定的角度阈值之内;
步骤6、利用图像采集设备再次采集被测植物的图像,并获得包含目标叶片的图像。
2.根据权利要求1所述的植物水分检测方法,其特征在于,还包括步骤1,判断图像采集设备的镜头方向与太阳光的方向是否共线,当镜头方向与太阳光的方向共线时,调整图像采集设备的位置,使得图像采集设备的镜头方向与太阳光的方向不同。
3.根据权利要求1所述的植物水分检测方法,其特征在于,还包括步骤7,对步骤6中所采集的图像进行图像处理,并与标准样本叶片图像进行对比,获得目标叶片的水分含量。
4.根据权利要求1所述的植物水分检测方法,其特征在于,在步骤6中,采集包含目标叶片的图像之前,通过调节图像采集设备的滤光系数,使采集被测植物图像时的光照环境与采集标准样本叶片图像时的光照环境相同,或者在所设定的阈值之内。
5.根据权利要求1所述的植物水分检测方法,其特征在于,在步骤1之前,通过调节图像采集设备的位置,使采集被测植物图像时的采集距离与采集标准样本叶片图像时的采集距离相同,或者在所设定的距离阈值之内。
6.根据权利要求1所述的植物水分检测方法,其特征在于,所述目标叶片为植物顶端的嫩叶。
7.根据权利要求3所述的植物水分检测方法,其特征在于,所述标准样本叶片图像为真实环境下所采集的标准样本叶片的图像。
8.一种植物水分检测***,其特征在于,包括无人机、摄像机、云台、控制器以及存储器,所述摄像机设置于所述云台,所述无人机用于搭载云台,所述云台、摄像机、无人机、存储器分别与所述控制器相连,其中,
所述摄像机用于采集包含有目标叶片的图像;
所述控制器用于从所述图像中识别出目标叶片的图像,计算目标叶片图像的长/宽尺寸,并根据所述长/宽尺寸确定当前的拍摄角度;
所述云台用于在控制器的控制下调节摄像机的镜头方向,使摄像机的拍摄角度与采集标准样本叶片时的拍摄角度相同,或者在所设定的角度阈值之内;
所述存储器用于存储镜头方向调整后所采集的图像,和/或,用于存储控制器利用镜头方向调整后所采集的图像所计算出的目标叶片的含水量数值。
9.根据权利要求8所述的植物水分检测***,其特征在于,还包括距离传感器,所述距离传感器与所述控制器相连,距离传感器用于采集目标叶片与摄像机之间的距离,并传输给所述控制器,所述控制器根据所述距离,控制无人机移动,使目标叶片与摄像机之间的距离等于采集标准样本叶片图像时标准样本叶片与摄像机之间的距离,或者在所设定的距离阈值之内。
10.根据权利要求8所述的植物水分检测***,其特征在于,还包括太阳跟踪模块,所述太阳跟踪模块搭载于所述无人机,并与所述控制器相连,所述太阳跟踪模块用于跟踪并确定太阳的方位;在采集图像之前,控制器控器无人机移动,使得摄像机的镜头方向与所述方位不同。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811325775.0A CN109324051A (zh) | 2018-11-08 | 2018-11-08 | 一种植物水分检测方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811325775.0A CN109324051A (zh) | 2018-11-08 | 2018-11-08 | 一种植物水分检测方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109324051A true CN109324051A (zh) | 2019-02-12 |
Family
ID=65261061
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811325775.0A Pending CN109324051A (zh) | 2018-11-08 | 2018-11-08 | 一种植物水分检测方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109324051A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112507768A (zh) * | 2020-04-16 | 2021-03-16 | 苏州极目机器人科技有限公司 | 目标物检测方法、装置和图像采集方法、装置 |
CN113645385A (zh) * | 2021-08-07 | 2021-11-12 | 深圳丰汇汽车电子有限公司 | 一种汽车故障内窥镜诊断的方法和装置 |
CN113945561A (zh) * | 2021-10-15 | 2022-01-18 | 盐城工学院 | 一种图像检测装置及图像检测方法 |
CN114646625A (zh) * | 2022-04-22 | 2022-06-21 | 江苏大学 | 一种基于植株全三维信息的水分状况诊断方法及装置 |
CN115511194A (zh) * | 2021-06-29 | 2022-12-23 | 布瑞克农业大数据科技集团有限公司 | 一种农业数据处理方法、***、装置及介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102495005A (zh) * | 2011-11-17 | 2012-06-13 | 江苏大学 | 高光谱图像技术诊断作物水分亏缺的方法 |
CN102721651A (zh) * | 2012-06-18 | 2012-10-10 | 浙江大学 | 基于多光谱图像的植物叶片水分含量的检测方法及*** |
CN103439353A (zh) * | 2013-08-26 | 2013-12-11 | 浙江大学 | 一种植物叶片含水率的测量方法 |
CN105527657A (zh) * | 2016-01-14 | 2016-04-27 | 河海大学 | 基于无人机红外热图像采集的大面积农田作物水分状态监测方法及*** |
CN105759838A (zh) * | 2016-05-11 | 2016-07-13 | 北方民族大学 | 基于无人机的植物生长状况监测装置及方法 |
CN106596412A (zh) * | 2016-12-31 | 2017-04-26 | 上海复展智能科技股份有限公司 | 利用无人机携带多光谱光源进行植物生长监测的方法 |
CN107807125A (zh) * | 2017-10-12 | 2018-03-16 | 中国农业大学 | 基于无人机载多光谱传感器的植物信息计算***及方法 |
CN108074236A (zh) * | 2017-12-27 | 2018-05-25 | 广东欧珀移动通信有限公司 | 植物浇灌提醒方法、装置、设备及存储介质 |
CN209086157U (zh) * | 2018-11-08 | 2019-07-09 | 北方民族大学 | 一种植物水分检测*** |
-
2018
- 2018-11-08 CN CN201811325775.0A patent/CN109324051A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102495005A (zh) * | 2011-11-17 | 2012-06-13 | 江苏大学 | 高光谱图像技术诊断作物水分亏缺的方法 |
CN102721651A (zh) * | 2012-06-18 | 2012-10-10 | 浙江大学 | 基于多光谱图像的植物叶片水分含量的检测方法及*** |
CN103439353A (zh) * | 2013-08-26 | 2013-12-11 | 浙江大学 | 一种植物叶片含水率的测量方法 |
CN105527657A (zh) * | 2016-01-14 | 2016-04-27 | 河海大学 | 基于无人机红外热图像采集的大面积农田作物水分状态监测方法及*** |
CN105759838A (zh) * | 2016-05-11 | 2016-07-13 | 北方民族大学 | 基于无人机的植物生长状况监测装置及方法 |
CN106596412A (zh) * | 2016-12-31 | 2017-04-26 | 上海复展智能科技股份有限公司 | 利用无人机携带多光谱光源进行植物生长监测的方法 |
CN107807125A (zh) * | 2017-10-12 | 2018-03-16 | 中国农业大学 | 基于无人机载多光谱传感器的植物信息计算***及方法 |
CN108074236A (zh) * | 2017-12-27 | 2018-05-25 | 广东欧珀移动通信有限公司 | 植物浇灌提醒方法、装置、设备及存储介质 |
CN209086157U (zh) * | 2018-11-08 | 2019-07-09 | 北方民族大学 | 一种植物水分检测*** |
Non-Patent Citations (3)
Title |
---|
劳东青;李发永;: "基于图像处理的葡萄叶片含水率诊断初探", 节水灌溉, no. 03 * |
孙宗国;: "PEG-6000模拟干旱胁迫下裸果木幼苗的生理响应", 甘肃农业科技, no. 12 * |
陈爱军;: "基于图像处理的植物叶片参数的测量", 东北林业大学学报, no. 04 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112507768A (zh) * | 2020-04-16 | 2021-03-16 | 苏州极目机器人科技有限公司 | 目标物检测方法、装置和图像采集方法、装置 |
WO2021208407A1 (zh) * | 2020-04-16 | 2021-10-21 | 苏州极目机器人科技有限公司 | 目标物检测方法、装置和图像采集方法、装置 |
CN115511194A (zh) * | 2021-06-29 | 2022-12-23 | 布瑞克农业大数据科技集团有限公司 | 一种农业数据处理方法、***、装置及介质 |
CN113645385A (zh) * | 2021-08-07 | 2021-11-12 | 深圳丰汇汽车电子有限公司 | 一种汽车故障内窥镜诊断的方法和装置 |
CN113945561A (zh) * | 2021-10-15 | 2022-01-18 | 盐城工学院 | 一种图像检测装置及图像检测方法 |
CN113945561B (zh) * | 2021-10-15 | 2024-04-16 | 盐城工学院 | 一种图像检测装置及图像检测方法 |
CN114646625A (zh) * | 2022-04-22 | 2022-06-21 | 江苏大学 | 一种基于植株全三维信息的水分状况诊断方法及装置 |
CN114646625B (zh) * | 2022-04-22 | 2023-01-17 | 江苏大学 | 一种基于植株全三维信息的水分状况诊断方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN209086157U (zh) | 一种植物水分检测*** | |
CN109324051A (zh) | 一种植物水分检测方法及*** | |
CN204440130U (zh) | 一种基于农业物联网技术的智能化农业管理*** | |
CN105547252B (zh) | 基于情景感知的作物冠层图像采集装置 | |
CN102331244B (zh) | 利用普通数码相机获取水稻冠层叶面积指数的方法 | |
CN110262443A (zh) | 一种基于移动互联网的温室大棚环境监测*** | |
CN103198477A (zh) | 一种苹果套袋机器人视觉定位方法 | |
CN105371762B (zh) | 一种基于图像分析的果树树冠体积测量方法 | |
CN110741914A (zh) | 一种基于循环神经网络的稻田自动化节水灌溉***及方法 | |
CN113759960A (zh) | 基于无人机的风机叶片及塔筒巡检识别***及方法 | |
CN108830741A (zh) | 一种农田环境智能监测*** | |
Liu et al. | Estimating maize seedling number with UAV RGB images and advanced image processing methods | |
CN204129504U (zh) | 基于物联网的温室控制*** | |
CN103278503A (zh) | 一种基于多传感器技术的葡萄水分胁迫诊断方法及*** | |
CN105509658A (zh) | 一种叶面积指数检测方法 | |
CN111855653A (zh) | 一种植物干旱监测方法、监测模块和监测装置 | |
CN105259179A (zh) | 一种基于辐射测量原理的叶面积指数仪 | |
CN117197595A (zh) | 基于边缘计算的果树生育期识别方法、装置及管理平台 | |
CN116452358B (zh) | 基于物联网的智慧农业管理*** | |
CN105181632B (zh) | 网络型多维度植物成像ndvi测量装置 | |
CN116406606A (zh) | 一种智能浇灌*** | |
CN111814585A (zh) | 无人机近地空作物苗情遥感监测方法、装置及存储介质 | |
Fan et al. | Depth Ranging Performance Evaluation and Improvement for RGB-D Cameras on Field-Based High-Throughput Phenotyping Robots | |
CN116117807A (zh) | 一种辣椒采摘机器人及控制方法 | |
CN113114766B (zh) | 基于zed相机的盆栽作物信息检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |