基于NI myRIO的玉米种植监控系统设计
Design of monitoring system for maize cropping based on NI myRIO
本文引用地址:https://www.eepw.com.cn/article/201904/400018.htm王腾飞,翟亚芳,李立(安阳工学院 电子信息与电气工程学院, 河南 安阳 455000)
摘要:本文基于NI myRIO平台和TCP网络服务的远程实时图像监控系统,实现对玉米长势及虫害情况的实时图像处理和远程控制。基于Labview的图像处理平台,具有对实时图像的分割、灰度和边缘三种处理模式。植株高度解析采用网格化图像分割技术,根据拟合方程对玉米长势进行拟合计算。经测试针对玉米生长的6大关键时期,实测值与图像分析的最大相对误差为3.33%,最小为0.96%。同时在执行单元,利用myRIO平台控制土地温湿度,可实现自动灌溉和远程监控分析功能。测试结果表明,该系统精准、快速,具有较好的扩展性和兼容性,同时提供良好的用户操作界面,对计算机视觉的玉米种植生产信息的监控具有重大意义。
关键词:图像处理;NI myRIO;LabVIEW;监控系统;传感器
基金项目:河南省科技厅科技攻关项目(172102310671)
0 引言
目前对作物长势图像监测主要包括作物外部生长参数、植物营养和病虫害三大类。贾银江提出了基于无人机的遥感图像拼接技术,从大尺度上监控作物生长趋势;采用高清CCD相机拍摄群体图像,通过建立叶面积指数和干物质积累的回归模型分析玉米长势;利用迭代阈值分割算法结合参照物标定获取株高、页尖距和冠层面积等作物参数 [1-3] ;通过地面光谱仪测定不同梯度氮肥处理小区的水稻拔节期冠层高光谱参数,建立并光谱参数与生物量、植株氮含量、植株氮积累量以及产量的相关关系 [4] ;利用远程监测系统对作物大气温湿度、土壤湿度、光照强度、大气蒸汽压差(VPD)等环境因子和茎秆直径微变化、果实生长、叶片温度等树体生理指标进行监测 [5] ;在病虫害方面,通过Matlab建立植株病害模型或采用ARM,单片机等硬件进行图像检测。
以上的监测方案,一是遥感监测研究需要卫星、光谱仪等高成本设备,并且受气象条件限制;采用图像采集设备处理的都是静态图片,无法对作物进行实时监控和处理;而采用Matlab和ARM的平台测量作物参数单一功能简单 [6-9] 。基于此本文设计了基于NI myRIO和LabVIEW计算机视觉的玉米种植监控系统,其主要的数据采集是生长参数、病虫害检测和产量预估等信息,使用计算机视觉技术对农作物进行非接触的连续测量,通过图像处理和识别算法等相关技术,对玉米的生长、病虫害等信息监测,将此信息整合传递执行系统,提高玉米产量。
1 控制系统组成本
设计旨在设计基于NI myRIO的实现在玉米长势和病虫害的实时监控系统,系统主要由参数监控单元、数据处理及显示单元和功能控制单元三部分组成。
本文以LabVIEW机器视觉技术为核心,建立了玉米种植监控系统,系统主要由玉米基地和基站构成,其中视频采集装置和指令执行装置位于玉米基地中,基站由图像的采集与显示系统、图像处理系统、信息处理器和设备执行系统四大系统组成。
利用玉米基地中的视频采集装置,通过拍摄玉米的生长过程中三叶期、拔节期、大喇叭口期、抽雄期、吐丝期、灌浆期等六大关键时期和玉米叶片进行株高和病虫害分析。实时图像信息由NI myRIO发送给图像的采集与显示系统,由图像处理系统得到性状特征和颜色特征等,并发送到信息处理器中,将此整合后得到玉米的生长参数、病虫害检测等信息;同时由设备执行系统形成指令用以调节玉米的生长环境,设备进行相应的作业,实现对玉米的增产并节约资源的效果。其控制系统原理如图1所示。
2 监控系统的硬件设计
2.1 核心控制器模块
微控制器模块是整个控制系统的核心,主要用于实现实时参数采集、数据处理与存储、数据通信等功能。控制器模块采用的是NI公司研发的myRIO板来实现视频监控、寻迹避障等功能。myRIO是由在内嵌Xilinx Zynq芯片组成,开发时可以利用双核ARM Cortex-A9的实时性能以及Xilinx FPGA可定制化I/O来实现功能。它共有88个引脚,其中有66个可重配置的引脚,可满足整个工程的控制需求。其使用的FPGA在处理数据时是采用的并行方式。这样就能更加快速、更加准确的对数据进行可靠的处理。
2.2参数及控制单元模块
参数监控单元采用分布式模块化结构,包括温湿度监控、肥液监控和自动灌溉系统,各模块通过PC机控制的传感器和执行单元构成反馈控制系统实现对田地的监测与控制。图像采集模块主要是由一个Robot EyesWIFI机器人高清摄像头组成,在动态视频的情况下分辨率达到了640*480P,而且在高分辨率下帧速达到了30帧/秒,可以并采用USB进行数据的传输和电源的供电。温湿度监控模块采用AMT2001,该模块测量范围分别为0-80℃和0%-100%RH,其对应的输出为0-0.8V和0 V~3 V的连续电压。通过My RIO数据采集I/O口将处理后的电压信号传至上位机进行处理显示。灌溉系统主要由水泵、电磁阀和EC传感器构成。当土壤温湿度低于设定值后,将启动灌溉系统。
3 图像处理原理
HSL(Hue-Saturation- Lightness)颜色空间是反映人的视觉对颜色的感觉。其中色调H、饱和度S包含颜色信息,而亮度L则与颜色无关。本设计在图像灰度处理、图像分割和图像边缘检测处理均是在HSL颜色模式下的图像,但传感器传输的颜色模式为RGB颜色模式,首先要由RGB颜色模式计算为HSL颜色模式。由RGB颜色模式计算为HSL颜色模式的公式为:
其中max和min分别为R,G,B的最大值和最小值。
本设计图像边缘检测处理采用Canny算子,其检测的边缘是算子输出的局部极值,Canny算子的检测过程是先平滑处理,再求导数。Canny算子在阶跃型边缘检测方面,效果突出。它的基本思想是在局部范围内,找出梯度变化最大的像素点。在边缘点定位方面,Canny算子采用定位方向性较好的一阶微分。Canny算法用数学模型的针对边缘信息准确性的数学模型(信噪比准则):
其中G(x)为边缘函数,h(x)为带宽为W的低通滤波器的脉冲响应,Sigma是高斯噪声的均方差。
针对边缘信息精确性的数学模型(定位精确度准则)
利用Canny算法SNR和定位精度准则,设定合理的双阈值,即设定高阈值和低阈值,图像中的像素点大于高阈值则认为是边界,小于低阈值则认为不是边界,对图像信息进行边界处理。在本软件操作界面中高低阈值参数设置范围为0~1连续可调。图2为玉米株高、玉米穗和叶片的边缘处理结果。
4 监控系统的软件
设计玉米种植监控系统软件采用LabVIEW编程,主要包含图像的采集与显示系统、图像处理系统、信息处理器和设备执行系统等四大系统。由图像的采集与显示系统采集玉米的生长、玉米绿叶和玉米穗的图像,并将图像传递到图像处理系统,由图像处理系统对图像进行图像灰度化、图像平滑、图像分割和图像边缘检测等处理,并将处理后的图像通过TCP通讯方式传输给信息处理器和设备执行系统,软件的流程如图3所示。
图像的采集系统为整个系统的数据输入源,软件编写的为NI myRIO对数码摄像头设备的驱动,启动数码摄像头开始连续的采集图像信息,首先采用的是IMAQdx Open Camera.vi驱动NI myRIO上设置为视频模式,并配置IMAQdx Open Camera.vi打开选定的网络摄像头,当数据流到达IMAQdx属性节点,设置视频模式,使用IMAQdx Configure Grap.vi初始化网络摄像头用于图像流,创建三个IMAQ Creat控件分配给图片的内存,之后数据流将进入while循环,利用IMAQdxGrap.vi持续捕捉下一张图像并进行图像处理,图像采集结束后,使用IMAQdx Close Camera.vi关闭摄像头,IMAQ Dispose控件释放掉所有图像使用的内存。
数据流传递到图像处理系统,图像处理系统的总体结构为条件结构。分别对图像进行灰度化处理、图像平滑处理、饱和度调节、图像分割和图像边缘检测,首先对图像进行灰度化、平滑处理和饱和度调节的预处理,然后将预处理后的图像进行分割和边缘检测的处理,图像平滑处理是以高斯滤波器进行图像噪声滤波,该图像的最佳口窗口大小为9,最佳图像(sigma)的值为0.9。本文设计程序改变图像饱和度大小的方法是改变图像的属性节点,通过在数据流中加入IMAQdx属性节点,然后选中属性节点枚举列表中的CameraAttributes(相机属性),再选中相机属性枚举列表中的ActiveAttribute(活跃属性),通过为ActiveAttribute输入字符串CameraAttributes::Saturation::Value,调用出图像的饱和度属性,其次选中Value属性节点改变调用出图像的饱和度属性值的大小,图像最佳饱和度为100,将灰度处理后的图像传递到IMAQ CannyEdgeDetection中,此IMAQ CannyEdgeDetection所使用的函数为Canny算子和高斯滤波器,配置Canny算子的参数簇
(FilterParameters)中有高阈值和低阈值两个参数。高阈值定义了图像中像素值的上百分比,即检测算法选择了边缘段的终止或起始点,低阈值低阈值乘以高阈值,为边缘段中的所有像素定义一个较低的阈值,经过对比试验,得到高阈值和低阈值的值分别为0.9和0.2。
5 测试结果
根据上述分析的拟合方程,经测试模型株高与实测株高的最大差值为7.27cm,最小为0.64cm,最大相对误差达到3.33%,最小为0.96%。平均相对误差为1.71%。达到误差允许范围之内。综合实验结果,可以得出本试验的株高解析思路具有可行性,达到一定的精度。对比测试结果如表1所示。
6 结论
本文所设计的基于LabVIEW和NI myRIO的玉米的生长参数、病虫害检测等信息的监控系统,主要由图像的采集与显示系统、图像处理系统、信息处理器和设备执行系统四大系统组成。视频装置拍摄玉米的生长、玉米绿叶和玉米穗的图像,形成的视频图像由图像处理系统进行处理分析,得到图像分割和图像边缘检测后的图像;由信息处理器根据上述处理后的图像特征诊断玉米的生长状况、病虫害等,同时形成决策,由设备执行系统以控制指令的形式发送给玉米基地中的NI myRIO,对小麦的生长环境进行控制和调节,达到对玉米的增产和节约资源的目的,实测值与图像分析的最大相对误差为3.33%,最小为0.96%。该系统成本低,使用过程中操作简单,适合普通种植户使用,顺应农业发展趋势。
参考文献
[1]贾银江.无人机遥感图像拼接关键技术研究[D].东北农业大学,2016.
[2]张宝来,张乐佳.基于数字图像处理技术的玉米长势预测[J].农业工程,2017,7(03):163-168.
[3]李大威.基于集成学习的高分遥感图像玉米区高精度提取算法研究[D].中北大学,2017.
[4]查海涅.基于卫星遥感的水稻生长监测与氮素营养诊断系统[D].安徽科技学院,2016.
[5]郭克冰.基于灰色关联度的图像边缘检测的理论研究[D].河南大学,2016.
[6]贾彪,马富裕.基于机器视觉的棉花氮素营养诊断系统设计与试验[J].农业机械学报,2016,47(03):305-310.
[7]方正.基于ARM的农田图像采集器设计[D].哈尔滨理工大学,2017.
[8]董鸿燕.边缘检测的若干技术研究[D].国防科学技术大学,2008.
[9]邓立苗,唐俊,马文杰.基于图像处理的玉米叶片特征提取与识别系统[J].中国农机化学报,2014,35(06):72-75+79.
本文来源于科技期刊《电子产品世界》2019年第5期第页,欢迎您写论文时引用,并注明出处
评论