本發(fā)明涉及熒光成像技術(shù)領(lǐng)域，尤其涉及一種基于熒光成像的田間水稻霉病自動化檢測裝置及檢測方法。

背景技術(shù)：

近年來，成像技術(shù)在農(nóng)業(yè)生產(chǎn)中的應(yīng)用愈加廣泛，其中熒光成像技術(shù)是研究光能分配的內(nèi)在探針，是研究作物光合作用特性的有效手段。當(dāng)作物生長受到干旱、寒冷、重金屬等環(huán)境脅迫時，熒光動力學(xué)參數(shù)會發(fā)生明顯的變化，通過對多種熒光動力學(xué)參數(shù)的分析，可以判斷作物的光合性能、生長情況是否良好。因此，熒光成像技術(shù)在作物的健康監(jiān)測、品種篩選以及表型分析等領(lǐng)域中顯現(xiàn)出巨大的應(yīng)用價值。

隨著工業(yè)自動化進程的推進，人們對檢測儀器的自動化程度要求越來越高，自動化作業(yè)是每個檢測設(shè)備的最終發(fā)展方向。在現(xiàn)有的熒光成像檢測裝置中，多是將熒光成像設(shè)備搭載于檢測平臺上，需要將檢測設(shè)備放至待檢測作物區(qū)域進行定位檢測。如公布號cn104034710a的中國專利文獻公開的一種基于葉綠素?zé)晒饧俺上窦夹g(shù)的植物病害檢測方法及裝置，適用對象以小體積單個植物樣本為主，不適用于野外田間檢測。對于大面積的田間作物，常用低空遙感技術(shù)獲取作物的熒光成像信息，但該技術(shù)使用成本較大、數(shù)據(jù)精度有限，且需要提前進行空域使用申請。因此，有必要提高熒光野外檢測裝置的自動化程度和操作簡便性，擴大其在野外檢測中的使用范圍。

自動導(dǎo)航技術(shù)作為精準農(nóng)業(yè)的一項核心關(guān)鍵技術(shù)，被廣泛應(yīng)用于作物播種、除草、施肥、噴藥、收割等農(nóng)業(yè)生產(chǎn)過程中。它可以為機械裝置提供移動所需的路徑、位置等信息，使機械裝置按照最優(yōu)路徑行駛，擴大裝置的野外檢測范圍，并簡化檢測過程、降低操作人員的勞動強度。

技術(shù)實現(xiàn)要素：

本發(fā)明的目的在于提供一種基于熒光成像的田間水稻霉病自動化檢測裝置，可實現(xiàn)田間水稻霉病的自動化檢測，降低操作人員的勞動強度。

一種基于熒光成像的田間水稻霉病自動化檢測裝置，包括：

檢測平臺，底部安裝有行走機構(gòu)，所述行走機構(gòu)受控于控制模塊；

定位模塊，安裝在平臺上，實時獲取檢測裝置的位置信息并發(fā)送給控制模塊；

熒光成像模塊，安裝在平臺上，采集田間水稻的熒光圖像并發(fā)送給數(shù)據(jù)處理模塊；

數(shù)據(jù)處理模塊，提取所述熒光圖像的特征參數(shù)，判斷田間水稻的健康狀況；

控制模塊，根據(jù)預(yù)設(shè)的檢測參數(shù)和采用間隔，控制熒光成像模塊的采樣；同時接收定位模塊獲取的位置信息并進行分析，結(jié)合預(yù)設(shè)的行走路徑生成行走指令，并將行走指令發(fā)送給所述行走機構(gòu)。

本發(fā)明將熒光成像技術(shù)和自動導(dǎo)航技術(shù)相結(jié)合，實現(xiàn)了基于熒光成像的田間水稻霉病自動化檢測，提高熒光野外檢測裝置的自動化程度和操作簡便性，擴大其在野外檢測中的使用范圍。

為了適應(yīng)水田作業(yè)，所述的行走機構(gòu)包括至少4個行走輪，所述的行走輪具有防滑結(jié)構(gòu)。防滑結(jié)構(gòu)可以采用現(xiàn)有技術(shù)。

各個行走輪均為獨立電控驅(qū)動方式，獨立受控于自動導(dǎo)航模塊，實現(xiàn)自動導(dǎo)航行走。

作為優(yōu)選，所述檢測平臺的高度和行走機構(gòu)的跨壟寬度可調(diào)?？筛鶕?jù)不同生長階段的水稻高度調(diào)節(jié)熒光成像模塊的高度，根據(jù)水稻的種植壟距調(diào)節(jié)行走機構(gòu)的跨壟寬度。

自動導(dǎo)航的方法有很多，采用每種單一的定位系統(tǒng)進行導(dǎo)航都有各自的獨特性和局限性，可把幾種不同的定位系統(tǒng)組合在一起形成準確度更高的組合定位系統(tǒng)。

作為優(yōu)選，所述的定位模塊包括為組合定位系統(tǒng)。

進一步優(yōu)選的，所述的組合定位系統(tǒng)包括：

gps定位系統(tǒng)，獲取自動化檢測裝置的絕對位置坐標、航向角度和行駛速度；

機器視覺定位系統(tǒng)，采集自動化檢測裝置前方的圖像信息并進行處理，獲取自動化檢測裝置的圖像坐標信息。

在水稻田間，水稻行的邊界有時并非直線，單獨使用gps進行導(dǎo)航，在確定導(dǎo)航基準線方面存在一定的誤差；視覺導(dǎo)航可以實時提取出當(dāng)前水稻行的特征信息，提高了定位的精度，但是單獨使用視覺導(dǎo)航時，圖像處理過程中有時會出現(xiàn)漏檢的情況，因此將gps和視覺導(dǎo)航結(jié)合起來，兩種導(dǎo)航信息互相補充，可構(gòu)成一種冗余度和準確度更高的多功能導(dǎo)航系統(tǒng)。

其中，gps定位部分主要是提供檢測裝置的絕對位置坐標、航向角度和行駛速度；機器視覺定位部分是將采集到的圖像經(jīng)過圖像預(yù)處理，得到導(dǎo)航路徑中已知點的相對位置坐標，在將兩組信息統(tǒng)一到同一坐標系下，得到新的位置信息。

所述的gps定位系統(tǒng)為北斗gps導(dǎo)航系統(tǒng)；所述的機器視覺定位系統(tǒng)通過云臺攝像機對自動化檢測裝置前方的路徑進行圖像采集。

所述的熒光成像模塊包括：

激發(fā)光源，激發(fā)待測的田間水稻發(fā)出熒光，

熒光成像儀，用于采集田間水稻的熒光圖像并發(fā)送給數(shù)據(jù)處理模塊。

作為優(yōu)選，所述的激發(fā)光源包括按回字型等間距排列的發(fā)光藍色二極管陣列。

發(fā)光藍色二極管按回字型等間距排列，形成平行光學(xué)校正結(jié)構(gòu)，可在工作距離內(nèi)產(chǎn)生均勻光照。

本發(fā)明還公開了一種基于熒光成像的田間水稻霉病自動化檢測方法，包括：

(1)將田間按列種植的水稻作為待測對象，對熒光成像模塊的工作距離、檢測參數(shù)以及圖像采集時間間隔進行設(shè)置；

(2)行走機構(gòu)受控于控制模塊，根據(jù)預(yù)設(shè)的行走路徑自動導(dǎo)航行走；

(3)在行走過程中，熒光成像模塊采集待測水稻的熒光圖像并發(fā)送給數(shù)據(jù)處理模塊；

(4)數(shù)據(jù)處理模塊提取所述熒光圖像的特征參數(shù)，判斷待測水稻的健康狀況。

所述的田間水稻霉病包括水稻霜霉病、赤霉病、灰霉病等由霉菌引起的病害。

作為優(yōu)選，對田間水稻霉病的自動化檢測時間為夜間。

由于對植物進行熒光圖像采集前通常需要對植物進行一段時間的暗適應(yīng)，而對于大面積的種植作物通常在白天不能滿足暗適應(yīng)的條件要求，因此選擇夜間進行檢查。

步驟(1)中，熒光成像模塊采用定焦鏡頭，最佳工作距離為20cm，調(diào)節(jié)激發(fā)光源的光照強度，具體為：測量光強度＜1μmol(photons)/m².s，飽和光強度為4000μmol(photons)/m².s，光化光強度為水稻生長環(huán)境中的光照強度；圖像采集時間間隔根據(jù)行進過程中的行程距離、行進速度以及采樣點數(shù)進行設(shè)置。

步驟(2)的自動導(dǎo)航包括：

(i)機器視覺定位系統(tǒng)獲取檢測裝置前方路徑的圖像，通過圖像處理技術(shù)提取導(dǎo)航線特征點在圖像坐標中的位置；同時，gps定位系統(tǒng)實時獲取檢測裝置的絕對位置坐標、航向角度和行駛速度；

(ii)對機器視覺定位系統(tǒng)獲取的導(dǎo)航線特征點的位置信息和gps定位系統(tǒng)獲取的檢測裝置的位置信息進行坐標轉(zhuǎn)換和濾波處理，得到最終的導(dǎo)航線特征點和檢測裝置的坐標信息，根據(jù)預(yù)設(shè)的行走路徑進行導(dǎo)航。

其中，步驟(i)中，機器視覺定位系統(tǒng)獲取檢測裝置前方路徑的圖像，通過圖像處理技術(shù)提取導(dǎo)航線特征點在圖像坐標中的位置，包括：

(i-1)對檢測裝置前方的路徑圖像信息進行采集；

(i-2)對所采集路徑圖像進行灰度線性變換，以增強水稻和田地的對比度；

(i-3)以水稻作為待提取的感興趣區(qū)域，采用固定閾值法對轉(zhuǎn)換后得到的灰度圖像進行分割；

(i-4)對分割后的圖像采用形態(tài)學(xué)開運算和閉運算去除噪點；

(i-5)利用hough變換算法對除噪后的圖像中的水稻行進行直線擬合得到導(dǎo)航線，將導(dǎo)航線中點作為代表路徑信息的導(dǎo)航線特征點。

機器視覺定位系統(tǒng)獲取的是導(dǎo)航線特征點的相對坐標位置，通過對云臺攝像機進行標定，通過其內(nèi)外參數(shù)將導(dǎo)航線特征點轉(zhuǎn)換至世界坐標系下；gps定位系統(tǒng)可實時獲取自動化檢測裝置的大地坐標系位置和航向角度；將機器視覺定位系統(tǒng)和gps定位系統(tǒng)獲取的位置信息統(tǒng)一到大地坐標系下。坐標轉(zhuǎn)換后進行濾波處理。

作為優(yōu)選，步驟(ii)中，所述的濾波處理采用全局多速率擴展卡爾曼濾波算法。

卡爾曼濾波算法可對研究對象過去、現(xiàn)在和將來的狀態(tài)做出線性最優(yōu)估計，適于動態(tài)環(huán)境中定位系統(tǒng)獲取的位置信息的實時融合。

步驟(3)中，所述的熒光圖像包括待測水稻暗適應(yīng)后的最大光和效率成像fv/fm，非光化學(xué)淬滅成像npq和光合電子傳遞速率成像etr。

步驟(4)中，所述的特征參數(shù)為各個熒光圖像的平均灰度值和紋理特征，所述紋理特征包括標準偏差、平滑度、三階矩、一致性和熵。

與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果為：

(1)本發(fā)明將組合導(dǎo)航定位技術(shù)運用于熒光成像的野外檢測應(yīng)用中，通過對導(dǎo)航路線的位置信息提取，實現(xiàn)了熒光成像野外檢測裝置的自動行駛，克服了通常檢測中需要人為將檢測裝置移動至目標位置的弊端，提高了檢測裝置的自動化程度，為大面積的田間試驗提供了便利；

(2)由于水稻田的特殊環(huán)境，常見的檢測裝置較難實現(xiàn)大面積水稻信息的準確獲取，本發(fā)明所提供的野外檢測裝置可適應(yīng)水稻田的特殊環(huán)境，利用自動導(dǎo)航技術(shù)，實現(xiàn)田間水稻的大面積快速檢測；

(3)本發(fā)明所提供的野外熒光成像檢測裝置，具有結(jié)構(gòu)簡單、操作方便等特點，可對不同生長階段的水稻進行檢測，提高了熒光成像技術(shù)在農(nóng)業(yè)生產(chǎn)應(yīng)用中的使用價值。

附圖說明

圖1為本發(fā)明基于熒光成像的田間水稻霉病自動化檢測裝置的結(jié)構(gòu)示意圖；

圖2為檢測平臺的內(nèi)部結(jié)構(gòu)示意圖。

具體實施方式

下面結(jié)合附圖和實施例對本發(fā)明作進一步詳細描述。

如圖1所示，本發(fā)明基于熒光成像的田間水稻霉病自動化檢測裝置包括：安裝在行走機構(gòu)1上的檢測平臺2、安裝在檢測平臺上方的北斗gps定位系統(tǒng)31和機器視覺定位系統(tǒng)32、安裝在檢測平臺下方的熒光成像儀62和激發(fā)光源61、安裝在檢測平臺內(nèi)部的電源3、控制器4和數(shù)據(jù)處理器5。

行走機構(gòu)1包括行走架和安裝在行走架底部的防滑行走輪13，行走架由兩個三角支撐架12和橫梁11構(gòu)成，可適應(yīng)水稻田的復(fù)雜地形。

兩個三角支撐架12的頂端套在橫梁11上，可在橫梁11上滑動調(diào)節(jié)兩三角支撐架12之間的距離，從而可根據(jù)水稻的種植壟距的不同，調(diào)節(jié)兩三角支撐架12之間的跨壟寬度。

檢測平臺2通過升降桿7套設(shè)固定在橫梁11上，檢測平臺2在橫梁11上的橫向位置可以調(diào)節(jié)，檢測平臺2的高度可以通過升降桿7調(diào)節(jié)。因此，可根據(jù)不同生長階段的水稻的高度對檢測平臺1進行調(diào)節(jié)。

兩個三角支撐架12底部分別安裝有兩個防滑行走輪13，每個防滑行走輪13均為獨立的電控驅(qū)動方式，受控于控制器，實現(xiàn)自動導(dǎo)航行走。

檢測平臺2上方安裝有北斗gps定位系統(tǒng)31和機器視覺定位系統(tǒng)32，機器視覺定位系統(tǒng)包括云臺攝像機。gps定位部分主要是提供檢測裝置的絕對位置坐標、航向角度和行駛速度；機器視覺定位部分是將云臺攝像機采集到的圖像經(jīng)過圖像預(yù)處理，得到導(dǎo)航路徑中已知點的相對位置坐標，在將兩組信息統(tǒng)一到同一坐標系下，得到新的位置信息，并發(fā)送給控制模塊。

檢測平臺2下方安裝有熒光成像儀62和激發(fā)光源61。激發(fā)光源61為安裝在led光源板上的大功率發(fā)光藍色二極管陣列，光源板中心有一鏤空圓孔，熒光成像儀62安裝于此圓孔中進行熒光圖像采集，藍色二極管以圓孔為中心按回字形等間距排列。

如圖2所示，檢測平臺1內(nèi)部設(shè)有電源3、控制器4和數(shù)據(jù)處理器5。

控制器4根據(jù)預(yù)設(shè)的檢測參數(shù)和采用間隔，控制熒光成像儀62的采樣；同時接收北斗gps定位系統(tǒng)31和機器視覺定位系統(tǒng)32實時獲取的位置信息并進行分析，結(jié)合預(yù)設(shè)的行走路徑生成行走指令，并將行走指令發(fā)送給防滑行走輪13。

數(shù)據(jù)處理器5提取熒光圖像的特征參數(shù)，判斷田間水稻的健康狀況。

電源3為檢測裝置提供電力。

利用上述自動化檢測裝置檢測田間水稻霉病的方法包括：

(1)根據(jù)水稻的種植壟距調(diào)節(jié)兩個三角支撐架12之間的寬度，根據(jù)水稻的生長高度，調(diào)整檢測平臺2至水稻冠層的工作距離，將工作距離設(shè)置為20cm；

(2)設(shè)置熒光成像儀62的最佳檢測參數(shù)和采樣時間間隔：調(diào)節(jié)激發(fā)光源的強度，分別為：測量光強度＜1μmol(photons)/m².s，飽和光強度4000μmol(photons)/m².s，光化光強度為水稻生長環(huán)境中的光照強度。根據(jù)行進過程中的行程距離、行進速度以及采樣點數(shù)設(shè)置檢測裝置的采樣間隔時間；

(3-1)云臺攝像機獲取檢測裝置前方的路徑圖像，依次進行：

對路徑圖像進行灰度線性變換，以增強水稻和田地的對比度；

以水稻作為待提取的感興趣區(qū)域，采用固定閾值法對轉(zhuǎn)換后得到的灰度圖像進行分割；

對分割后的圖像采用形態(tài)學(xué)開運算和閉運算去除噪點；

利用hough變換算法對除噪后的圖像中的水稻行進行直線擬合得到導(dǎo)航線，將導(dǎo)航線中點作為代表路徑信息的導(dǎo)航線特征點；

通過對云臺攝像機進行參數(shù)標定，獲取導(dǎo)航線特征點在世界坐標系中的位置；

(3-2)gps定位系統(tǒng)31實時獲取檢測裝置在大地坐標系中的位置；

(3-3)控制器4獲取導(dǎo)航線特征點在世界坐標系中的位置以及檢測裝置在大地坐標系中的位置，將兩種位置統(tǒng)一在大地坐標系中，再采用全局多速率擴展卡爾曼濾波算法gmekf進行融合，生成最終的檢測裝置的定位信息；

(4)控制器4根據(jù)導(dǎo)航線特征點的位置信息控制檢測裝置的行走路線，在行走過程中，熒光成像儀62安照預(yù)設(shè)的檢測參數(shù)和時間間隔對水稻的熒光圖像進行采集；采集的熒光圖像包括待測水稻暗適應(yīng)后的最大光和效率成像fv/fm，非光化學(xué)淬滅成像npq和光合電子傳遞速率成像etr；

(5)數(shù)據(jù)處理器5提取熒光圖像的特征參數(shù)，特征參數(shù)包括熒光圖像的平均灰度值和紋理特征，紋理特征包括標準偏差、平滑度、三階矩、一致性和熵；將所提取的特征參數(shù)作為輸入變量，使用事先建立好的決策樹分類算法對待測水稻是否染病進行判斷，從而實現(xiàn)田間水稻霉病的自動化檢測。

水稻霉病包括水稻霜霉病、赤霉病、灰霉病等由霉菌引起的病害。

對田間水稻霉病的自動化檢測時間為夜間。