论文部分内容阅读
油菜是我国最主要的油料和经济作物之一,在国家粮油安全生产中占据重要地位。油菜生长过程中易受病害胁迫,严重影响其产量和品质。传统的病害监测方法以田间调查为主,主观性强、效率低下,造成诊断和防治不及时,无法满足作物病害综合高效防治和精准管理的需求。本研究以感染菌核病的油菜为研究对象,分别从地面和无人机低空遥感对油菜病害进行快速诊断,并构建基于多源数据的油菜病害物联网监测系统。主要研究内容如下:(1)建立了基于多源遥感数据的油菜病害程度判别模型,实现了油菜菌核病的早期快速诊断,为油菜病害物联网监测系统提供了低空遥感数据支撑。应用RGB辅助配准方法,从热红外图像提取了油菜叶片区域对应的温度值,基于最大温差(Maximum Temperature Difference,MTD)方法分析了核盘菌侵染对油菜叶片温度的影响规律,结果表明MTD值可实现对染病油菜叶片病斑的有效判别;同时研究了无人机遥感图像对油菜冠层病害进行检测,构建了油菜病害的可视化反演模型。针对油菜叶片在核盘菌侵染前后不同发病情况(健康、轻微病症和重度病症),基于热红外遥感数据和多源遥感数据分别建立了支持向量机(Support Vector Machine,SVM)、K最近邻算法(k-Nearest Neighbor,KNN)、随机森林(Random Forest,RF)、朴素贝叶斯(Naive Bayes,NB)模型,结果表明基于多源遥感数据的SVM模型分类判别效果最好,总体识别准确率达到90%;对同一批次油菜样本,使用多源遥感数据的分类准确率比只使用热红外遥感数据整体提升了11.3%。(2)开发了基于Android平台的叶片病斑面积测量软件,实现了油菜叶面积、病斑面积和虫损面积的精确测量,为油菜病害物联网监测系统的中地面植株本体信息获取提供了数字化支撑。针对手机采集图像过程中因摄像头成像平面与油菜叶片平面不平行产生的透视畸变问题,提出了基于矩形框矫正板的图像透视畸变校正算法,利用OpenCV函数库构建了边缘检测、霍夫线变换、角点定位、透视变换四步校正算法,并实现了该算法在Android平台的适配。利用二值化分割、颜色空间转换和小连通区域去除等图像处理算法提取了油菜的叶片区域、病斑区域和虫损区域,开发了基于Android平台的叶片病斑面积测量软件。通过对不同直径圆形面积的测量与比对分析,该软件的平均测量误差为-1.29%~0.95%,相对偏差为-0.55%~0.45%,具有较高的准确率和稳定性;对0°~30°倾斜角度测量标准形状面积的平均测量误差均在0.5%以内,说明所建立的透视畸变校正算法具有较强的鲁棒性。在实际测量过程中,油菜叶面积、病斑面积和虫损面积测量准确率均在97%以上,整个处理过程小于2.5s,并支持测量结果的本地存储和云服务器在线同步。(3)开发了基于多源数据的油菜病害物联网监测系统,为油菜病害的监测预警与早期防治提供了方法和技术支撑。开发了基于农业气象监测站点的油菜生长环境温湿度、土壤温湿度、二氧化碳浓度、光照度和气压的实时监测系统。无线采集卡获取信息后通过物联网网关发送到云服务器;在云服务器中开发并部署监听socket,对农业气象监测站点发送的数据帧进行接收并在线解析,实现了油菜生长环境信息的实时稳定传输和监测。以InfluxDB时序数据库中油菜生长环境信息、地面植株本体信息和无人机低空遥感特征信息为数据源,配置Grafana可视化面板,构建了油菜病害监测系统的可视化界面,实现了油菜病害在线实时监测与预警,对病害的早期防治具有重要意义。