首页 技术平台感知层正文

作物虫害信息感知技术

kumb 感知层 2021-05-04 22:35:39 93 0

除了病害之外虫害在粮食生产中的发生和危害也十分频繁和严重。目前防治虫害的主要手段还是农药。据统计农药的使用可以使粮食减少损失15%左右,在很长一段时间内,农药对农作物的保护有不可替代的作用(傅泽田和祁力钧,1998)。常规农药施撒过程中,撒出去的农药中20%〜25%能附于叶片上,用量中仅0.03%对目标害虫有效。对虫害的盲目用药既不能从根本上解决虫害对农作物的危害,又造成环境污染和生态破坏,还威胁到人们的健康。所以在早期发现并准确定位害虫,对其未来的发展趋势作用出评价,可以提高施药处方决策和综合防治的针对性和准确性,做到对症下药,按需施药,结合先进的施药机器,能改善农药的中靶率,有效降低盲目施药造成的浪费和带来的污染。

传统的作物虫害检测方法主要是人工方法。通常釆用拍照或者诱捕等方法,利用人体自身的感官在农田现场检测害虫,借助放大镜等工具或者人体肉眼直接对害虫进行识别,并通过人工手动计数的方法来统计害虫的数量。虽然人工检测害虫的方法简单,直观但是其不仅工作量大,检测范围小,时效性差,检测成本高而且还是一种粗放型的检测方法。其检测结果是建立在人体感官上的,具有很高的主观性,会因为检测人员的经验和相关专业知识及统计分析方法的不同而产生较大的误差。例如,目前在稻飞虱凋查中广泛使用的盘拍法查获率仅在30%〜70%,同时还受到盘面涂胶与否、虫口密度、水稻生育期等多方面因素的影响。虫害机器检测技术的研究是为了克服传统人工检测方法的不足而开展的。目前主要的虫害信息快速获取方法包括声音特征检测、雷达观测、光谱分析及图像识别。不同的害虫在进行飞行、捕食、打斗等日常行为时,会发出不同的声音。这一声音特性检测技术被用于害虫的检测识别中来。人们通过拾音器在目标区域采集害虫的爬行声、飞行声、鸣叫声、打斗声、捕食声等声音,将其转化成电信号之后,通过信号放大和滤波降噪的处理将周围环境的声音从中分离开来只得到我们需要的害虫的声频谱,通过所得的害虫的声频谱来估计害虫的种类和数量级。

Brain(1924)检测出水果中害虫吃食时的声音,从开启了利用声音特征来检测害虫的研究。Adams(1953)在science杂志上发表的一篇关于通过害虫的活动声来检测粮食中害虫的论文则使得更多的科学家加入到利用声音特征来检测害虫的研究中来。随着信息技术的飞速发展,该技术也得到快速的发展。但是由于害虫的声音信号弱小而且在采集声音信号的过程中极易受到环境噪声和传感器噪声的影响,常常出现信号被淹没的现象,而且就目前的研究水平来看要一次分辨复数种类的害虫还非常困难。目前该方法土要应用于水果、粮食等作物在仓储过程中害虫的检测,而大田中的利用声音特性的害虫检测目前还处在实验室探索阶段,离实际应用还有一定的距离。

人多数的昆虫都有迁飞的特性,而在迁飞的过程中昆虫往往处于高空之中且其迁飞的距离也比较长,因此人力很难对其直接进行观测,对其迁飞的过程和相关的特性很难做出定量的分析和判断,这给虫害的预报带来很大的难度,因此如蝗虫等迁飞性害虫往往会在其迁飞的降落区发生极大的灾害,造成巨大的损失。而运用雷达观测法可以较好地检测昆虫的迁飞,运用其原理制造的昆虫雷达则成了迁飞性害虫检测的强有力的工具。

人们最早发现昆虫能产生雷达回波是20世纪40年代,而人类真正利用雷达来观测昆虫则是20世纪60年代的事。最初对昆虫的迁飞进行观测主要是使用气象雷达。随后,美国等西方国家先后研制了专门用于观测昆虫的昆虫雷达,对昆虫迁飞时的高度、方位、密度、飞行方向、速度等参数进行了很好的检测,在迁飞性害虫的预防中起到巨大的作用。

尽管昆虫雷达在昆虫迁飞的研究中应用较成功,但仍有无法解决的问题:耗时耗力,若进行长期检测需要消耗较多时间及较多精力,故只有在大型迁移时才会进行短期观测;害虫的迁飞时间和迁入地点等都无法确定,无法获得实时迁入和迁出的状况,故不能满足农业生产的需要。因作物害虫通常具有掩蔽性(如枝叶遮挡、习惯依附于叶片背面、钻入茎秆内部等),擅长于迀飞害虫观测的昆虫雷达显然不适合用于田间作物害虫分布情况的检测。

计算机图像识别技术在农业的各个领域已经被广泛应用于农产品品质检测与分级,农作物产量预估、田间机器视觉导航、杂草识别、病害识别等。但是将其运用于农业害虫识别的研究还较少,目前还处于起步阶段。将计算机图像识别技术应用到害虫识别的原理是通过一系列的计算机算法对获得的田间害虫的图像进行分析处理,有效地识别害虫的种类和数量,从而对田间的害虫活动情况进行实时的监控,并结合相应的专家系统得到田间害虫的危害等级并决策出相应的方法。

浙江大学以农田典型害虫作为研究对象,采用数字图像处理技术和模式识别技术研究了害虫图像的分割、特征提取、分类器分类等方面的技术问题,并在此基础上结合3G无线网络技术建立了基于物联网的昆虫远程自动识别系统(宋革联等,2014)。

该系统使用CMOS相机和定焦镜头,以及使用CCD相机和变焦镜头两种害虫图像釆集方式可以釆集诱捕到的害虫图像和田间害虫图像。之后针对害虫图像背景和目标颜色的特点,将基亍HSV颜色模型的Otsu阈值分割方法应用到背景和目标的分割中。在进行图像分割前,将图像的RGB模型转换成HSV模型,并且将转换得到的H分量旋转180°后利用Otsu算法自适应找到阈值,从而实现了背景和目标的分离(图3.25)。

之后根据害虫的形态特点、颜色差别和纹理特点提取害虫的几何形状特征、矩特征、颜色矩和基于灰度共生矩阵的害虫的纹理特征组成了35个低层视觉特征。然后基于蚁群算法的特征选择技术,将原始的35维特征降低到29维,简化了计算过程提高了识别精度。并采用SVM模式识别方法建立害虫的识别模型。

11.png

图3.25 H分量旋转180°图像的灰度图(a)及阈值分割图(b)

基于这一成果构建了基于物联网的害虫远程智能识别系统。系统通过3G无线网络组成一个主控端和多个远端的分布式识别网络,系统既能够在远端自动识别害虫,也能够在远端将害虫图像压缩后,通过3G无线网络将图片传输到主控端,在主控端进行自动识别(图3.26和图3.27)。系统通过读入本地磁盘保存的图片实现了动态扩充样本库的功能。同时,系统设计了专家识别的接口,使专家能够对本系统识别后的害虫图片进行观测分析,并和系统识别的结果进行比较。该系统采用在自然光、姿态随机的状态下获得的害虫图像建模,识别模型具有较强的泛化能力,克服了现有大多数研究中因采用标准样本图像建立识别模型而导致推广能力较差的不足。

10.png

图3.26 害虫远程识别系统结构图

计算机图像识别害虫技术一定要建立在昆虫形态学的基础上,将传统的昆虫形态学上的区分昆虫的特性进行数字化的归纳与处理,并收集相关数字化后的害虫的形态学特征,建立相应的昆虫数字化形态学数据库,为计算机图像识别害虫提供先决条件。田间的害虫种类繁多,与传统人工田间害虫识别相比,计算机图像识别技术可以大幅度提高害虫的识别效率,大大降低劳动强度,还可以很好地与农药的对靶喷药技术相结合,减少农药的用量,改善田间的自然环境。但是田间环境复杂而且光照条件也十分多变,因此在田间利用计算机图像识别技术对作物害虫进行识别目前来说是非常困难的。因此该技术现在多被用于仓储作物的害虫识别。目前计算机图像识别技术识别害虫在田间实际运用所面临的最大的困难就是,在农田中的害虫并不是静止不动的,具有一定的迁移性,而计算机很难通过飞行或跳跃中的昆虫的图像对其进行识别;其次即使昆虫停在作物上也无法保证昆虫的整个身体丝毫没有被作物的叶片等器官遮住,完全暴露在摄像头下,因此很难得到完整的昆虫图像,这又给图像的进一步处理和分析增加了不小的难度,除此之外,田间光线的强弱无法确定,这使得同一只昆虫在不同时间段被拍摄的照片所显示图像的颜色也会有很大的差别,需要进一步处理。

09.png

图3.27害虫远程识别系统的主控端平台和远端平台

研究表明,在不周的光谱区域有着不同的吸收光谱对应不同物质,而每种不同的物质成分也同样对应不同的光谱吸收特性,这一理论为光谱的定性定量分析提供了基础。目前光谱分析技术在农业遥感、农作物长势检测、果蔬内部品质的无损检测和农产品品质分析等农业领域的应用广泛。实验证明,在作物受到虫害之后,其光谱特性会随着其外部形态和生理效应的变化而变化。因此这一特性可以被光谱技术应用与作物虫害的检测所应用。根据目前光谱技术所具有的无损、快速、大面积检测等优点,其已成为作物信息获取领域中的热点,而且其目前和将来的两个主要研究方向:光谱对害虫的直接检测和对作物的遥感检测。

光谱的直接检测就是光谱直接对造成虫害的害虫进行检测,根据不同害虫身体所表现出的光谱特性的差异,来快速鉴别害虫的种类。目前相关研究表明,光谱技术对某些特定范围内的害虫的识别有较高的准确率,但是目前光谱直接识别害虫往往需要害虫是静止不动的,而由于田间的害虫有很高的隐蔽性和迁移性,因此实现在田间实时检测害虫还需要进一步研究。

遥感技术有能在远距离不接触目标物的情况下,获得目标物体的反射光谱或者辐射光谱的相关数据与图像,且观测范围极大,因此遥感技术也被人们用于作物虫害的检测。

目前在作物虫害的检测中,遥感技术主要有两个方面的应用。其一是对害虫的生态环境进行检测。就是通过遥感的技术手段获得目标区域的表现害虫栖息、生长、繁殖的相关环境参数,如归一化植被指数(NDVI)、抗大气植被指数(ARVI)等,结合当地的气象资料,根据虫害的发生与害虫生态环境的关系,从而推测山虫害发生的程度和趋势。其二是对受到虫害之后的作物响应进行检测。一般情况下受到虫害后的作物的反射光谱与正常作物的反射光谱有很人的区别,可以通过釆集作物冠层或叶片的反射光谱数据,再根据作物在受到虫害之后本身的生化指标的变化来建立相关关系,从而推测出害虫的种类、密度、空间分布和危害程度等信息。

虽然光谱技术在检测作物虫害方面前景广阔,但仅利用光谱技术对作物生长过程中所发生的虫害进行快速地检测、诊断并不可靠,还需要结合植物学、昆虫生理学、遥感技术、计算机图像处理等多种技术,从多个角度利用多种方法进行精确定位。目前位置相关研究还停留在作物所受的虫害的程度和种类与其光谱反射特性的变化的相关关系的理论研究阶段。在田间获取作物光谱信息的时候由于田间环境的复杂多变,会有大量的噪声信息混入所釆集的光谱信息之中,极大地影响了检测的精度和效率,如何消除田间环境噪声对光谱数据釆集与分析的影响也是相关研究的难点之一。由于以上种种原因想要在田间利用光谱技术实时检测作物虫害仍需大量的更加深入的研究。

作物虫害信息的及时获取是作物虫害防治的基础。但要满足现代化农业的发展需要,就必须克服传统的检测方法存在的工作量大、覆盖面积小、效率低、成本高、实时性差等缺点。而目前国内外所研究的机器检测作物虫害还处在实验室研究阶段,离实际应用还有一定的距离。其难点主要有二个方面:田间环境复杂、干扰因素多;叶片互相遮挡大大增加了机器识别的难度;无法确定作物虫害的发生部位(主要分布在叶片表面、叶片背面及作物茎部),很难用单一的机器进行检测。因此可以考虑多种技术相结合以提高作物虫害检测的效率和精度。

我们致力于为三农(农业、农村、农民)提供专业物联网解决方案,同时也提供应用软件、微信小程序、手机App、企业网站的开发和跨境电商建站、网络营销等服务,站长微信号(mywit_net),添加后备注“黎辉物联网”,如有相关需求也可通过电子邮件(12tc@sina.cn)与我们取得联系

本站内容均来自互联网,如有涉及到侵权行为,请你及时与站长联系删除!

本文链接:https://www.kumb.cn/3547.html

发表评论

评论列表(0人评论 , 93人围观)
☹还没有评论,来说两句吧...