基于时序巡航图像的茶树生长监测研究
2020-05-29刘连忠李孟杰宁井铭
浙江农业学报 2020年5期
刘连忠,李孟杰,宁井铭
(1.安徽农业大学 信息与计算机学院,安徽 合肥 230036; 2.茶树生物学与资源利用国家重点实验室,安徽 合肥 230036)
我国是最早发现和利用茶的国家,也是茶叶的生产和出口大国。茶树的生长容易受气象要素、土壤条件、病虫害、修剪、采摘等多方面因素影响[1-4],需要定时获取茶树的生长信息,及时调整栽培方案,确保茶树的健康生长。目前,对茶树的生长监测大多靠人力来完成,由于茶园面积广阔,且多分布于山间,人力监测费时费力,效率低下[5-6]。近些年,机器视觉技术已经发展为获取作物生长信息的一种快捷手段[7-8],通过作物图像分析进行作物生长监测,可以判断作物的长势[9-12]、水分[13-14]、营养[15-19]、病虫害[20-21]等状况。例如,Tardaguila等[22]使用图像处理技术实现了葡萄园冠层特征分析,以及葡萄簇的葡萄数量、大小和质量估计;袁道军等[23]基于油菜冠层图像,用逐步回归法建立了用图像的颜色值监测叶绿素含量、全氮含量、碳氮比值的最优模型,具有较好的预测性能;Ramcharan等[24]应用迁移学习训练深度卷积神经网络来识别木薯3种病害和2种病虫害,具有较高的准确率。此外,基于机器视觉的田间杂草识别[25-26]、作物产量估算[27-29]和果实成熟度判断[30-32]等方面的研究,都表明机器视觉在农业生产监测中具有广阔的应用前景。
茶园面积广阔,茶园中不同位置的茶树生长变化并不完全相同,有些变化(如病虫害等)往往是先在某个局部区域发生的,其整体变化并不明显,通常的视频监控系统只对茶园整体进行监测,从中很难发现茶树生长的细微变化。……
登录APP查看全文
