论文部分内容阅读
树冠体积参数是果树测产、育种、树型结构评价、灌溉、变量喷雾、精确施肥等果园精细化管理的基础数据。若该数据测量不准确,会导致上述果园精细管理和评定丧失客观性和可比性,进而丧失其科学研究价值。现阶段果树树冠体积的测量工作主要有人工手动测量和各种非接触式自动测量。实践表明,人工手动测量技术粗放、费时费力且精度不高,难以满足果园精细化作业要求。而为降低人工测量工作的劳动强度以及提高树冠体积测量的精度及自动化水平,各种非接触式体积自动测量技术成为本领域的研究热点。现有体积自动测量技术从测量原理上可分为多视角测量和单视角测量两种。其中多视角测量是基于激光、雷达、超声波等传感器技术以及多目、移动单目等立体机器视觉技术,通过获取树冠点云信息或多幅树冠不同视角图像进行树冠空间形态的匹配和重建,实现体积测量。此类方法能够得到较高精度的测量结果,但所应用传感器的价格相对昂贵、操作相对复杂,且获取点云数据及多视角图像数据处理量庞大,严重影响测量方法的运行效率和自动化水平。而单视角测量是基于树冠模型从单视图中获得三维体积信息,此类方法极大地降低了测量成本和数据处理量。但没有考虑果树树冠特征随气候、环境、季节、品种等众多因素的变化而存在的随机性和不确定性,使得所构建模型的普适性受到限制。通过分析发现,现有体积自动测量方法研究集中关注重点在于新技术的应用以及处理算法的开发,而未结合利用树型特征、树冠长势变化等不确定性生理参数,使得测量算法可重复性差、开发复杂以及生物学意义不明确。为提高果树树冠体积测量方法的准确性、可重复性及普适性,降低数据处理量及测量成本。本文采用单视角测量原理,通过图像分析方法定量分析树型特征与体积性状的相关关系,结合树型特征、树冠长势变化等基本生理参数及利用工程方法,建立普适性模型,以果树树冠图像为研究对象,对树冠体积参数自动测量方法进行研究。主要研究内容及结果如下:(1)为解决现有树冠体积参数测量方法成本高、数据量大的不足,采用单相机成像的方法代替传感器完成数据采集,降低作业装备的运行成本;采用图像分析的方法对树冠图像中树型特征提取算法进行研究,设计了简单有效的图像处理算法;通过群体分布及长势情况对测量对象进行分类研究,建立了各自适用的测量方法。结果表明,通过测量树冠形态结构实现体积性状的快速准确估算方法是可行的。(2)为解决树冠体积模型普适性问题,定量分析树冠形态结构特征与体积性状之间的相关关系,得出树冠纵切面面积S与树冠体积F之间存在显著相关关系,R2在0.90以上。针对果树树冠特征随气候、环境、季节、品种等众多因素的变化而变化,使得模型参数复杂多变的现象,在模型测量之前采用五点参数校准法对模型参数进行标定调整后进行测量。用五点参数校准法所建立模型与采用大量样本建立的模型相比,体积性状估算误差在20%以内的样本量占总样本的90%,两种模型的估测精度相当。结果表明,采用参数校准方法解决生物学模型普适性问题是可行有效的。(3)为解决现有体积测量方法便携性问题,采用Qt + OpenCV算法设计树冠体积性状图像测量APP应用,并于Android智能手机平台上实现运行。在选择30棵梨树和26棵桂花树作为试验样本的基础上,另选15棵桂花树和15棵梨树样本进行系统测试,其测量结果与人工体积测量结果对比,R2达到0.90以上,平均绝对误差在0.60m3以内,通过在不同手机平台上运行测试,发现具有较高的运行一致性。当智能手机CPU配置在1.6GHz及以上时,处理3264×2448大小的树冠图像,可以在20s内完成体积测量,测量结果表明该测量系统具有较高的可靠性和快捷性。