基于圖像的農(nóng)業(yè)信息演變規(guī)律提取現(xiàn)狀分析

刁智華　魏玉泉　吳貝貝

摘要：農(nóng)作物信息演變規(guī)律提取是人們認(rèn)識(shí)農(nóng)作物生長過程的重要手段，也是人們了解農(nóng)作物生長狀況、精確判斷發(fā)展階段、預(yù)測發(fā)展趨勢的重要依據(jù)之一。基于演變規(guī)律構(gòu)建的可視化演變模型可以使人們更加直觀地了解作物的生長全過程。近年來，基于數(shù)字圖像處理的檢測技術(shù)因非接觸測量、操作簡單、無損傷等特點(diǎn)逐漸得到研究者的重視。本文以基于時(shí)間序列的圖像檢測技術(shù)在演變規(guī)律提取方面的應(yīng)用為切入點(diǎn)，全面分析了該技術(shù)在農(nóng)業(yè)領(lǐng)域中包括農(nóng)作物的長勢監(jiān)測、染病程度判斷、可視化模型構(gòu)建3個(gè)方面的應(yīng)用現(xiàn)狀，總結(jié)了該技術(shù)研究在農(nóng)作物演變信息提取中存在的一些問題，[JP2]并對未來可能的發(fā)展方向給出預(yù)測性建議，以期為該技術(shù)為在相關(guān)領(lǐng)域的研究提供借鑒與參考。

關(guān)鍵詞：演變規(guī)律；圖像特征；檢測技術(shù)；時(shí)間序列；農(nóng)業(yè)信息

中圖分類號(hào)： S126文獻(xiàn)標(biāo)志碼：

文章編號(hào)：1002-1302（2017）16-0008-04

收稿日期：2016-03-29

基金項(xiàng)目：國家自然科學(xué)基金（編號(hào)：61501407）；河南省科技廳重點(diǎn)科技攻關(guān)項(xiàng)目（編號(hào)：132102110150）；河南省高等學(xué)校重點(diǎn)科研項(xiàng)目（編號(hào)：15A413006）；鄭州輕工業(yè)學(xué)院研究生科技創(chuàng)新基金（編號(hào)：2015028）。

作者簡介：刁智華（1982—），男，河南商丘人，博士，副教授，主要從事農(nóng)作物病害識(shí)別及精準(zhǔn)噴藥技術(shù)研究。E-mail：diaozhua@163com。

農(nóng)業(yè)在我國有著悠久的發(fā)展歷史，在農(nóng)業(yè)發(fā)展過程中，獲取農(nóng)作物生長過程的相關(guān)信息是提高生產(chǎn)管理水平、提高作物產(chǎn)量與質(zhì)量的重要前提。在傳統(tǒng)生產(chǎn)方式中，人們依據(jù)長期視覺觀察對農(nóng)作物的長勢信息進(jìn)行了解，并對農(nóng)業(yè)信息發(fā)展的規(guī)律進(jìn)行總結(jié)，雖然在世代經(jīng)驗(yàn)的積累與傳承下取得了一定的效果，但這種觀察方式耗時(shí)、耗力，且主觀性強(qiáng)、精確性差。同時(shí)，有些農(nóng)業(yè)信息的變化具有人類視覺難以捕捉的特點(diǎn)，比如長時(shí)間性、細(xì)微性、環(huán)境不允許性等，這些都為視覺觀察帶來了困難。近年來，隨著計(jì)算機(jī)技術(shù)的發(fā)展，圖像處理作為一種新的信息檢測手段，應(yīng)用范圍越來越廣。從以特征提取、模式識(shí)別為主要內(nèi)容的二維圖像分析到以構(gòu)建模型為主的三維空間序列圖像應(yīng)用，走向加入時(shí)間特征的多維時(shí)間序列圖像的演變特征提取，圖像處理經(jīng)歷了從靜態(tài)特征檢測到動(dòng)態(tài)演變規(guī)律提取的過程。圖像處理技術(shù)的發(fā)展為演變規(guī)律分析提供了新的思路。利用數(shù)字圖像處理技術(shù)獲取農(nóng)作物的生長信息，能夠做到對信息的定量化描述，精確地表達(dá)農(nóng)業(yè)信息狀況，為最佳的農(nóng)作物生長控制方案提供精確的依據(jù)，推動(dòng)農(nóng)業(yè)生產(chǎn)方式向數(shù)字化、智能化方向轉(zhuǎn)變，同時(shí)依據(jù)提取參數(shù)進(jìn)行農(nóng)業(yè)信息的過程反演能夠促進(jìn)現(xiàn)有農(nóng)業(yè)研究方法的改進(jìn)與完善。

以往基于圖像的農(nóng)業(yè)研究基本上集中在如何利用圖像進(jìn)行特定時(shí)刻的作物信息提取，以進(jìn)行作物病蟲害的識(shí)別。而真正基于時(shí)間序列圖像來分析作物的生長過程，識(shí)別生長階段，并依據(jù)整個(gè)生長周期的數(shù)據(jù)進(jìn)行演變規(guī)律總結(jié)，以實(shí)現(xiàn)作物生長過程自動(dòng)識(shí)別的研究相對較少。本文旨在結(jié)合數(shù)字農(nóng)業(yè)的發(fā)展趨勢，綜合圖像處理技術(shù)的發(fā)展應(yīng)用，對基于時(shí)間序列圖像的分析方法在農(nóng)業(yè)信息動(dòng)態(tài)演變過程中的應(yīng)用研究所取得的進(jìn)展進(jìn)行歸納和總結(jié)。

1演變規(guī)律分析現(xiàn)狀

農(nóng)田信息是隨時(shí)間變化的，在農(nóng)作物的生長過程中，作物自身的顏色、形狀及表面紋理特征，作物病害的病斑大小、形狀、顏色及紋理特征，病害部位植株表面的顏色等都具有隨時(shí)間的延續(xù)而發(fā)生連續(xù)改變的特點(diǎn)，人們把這種因時(shí)間的改變而在某一方面與以前有差異的現(xiàn)象稱為信息的演變。演變是農(nóng)作物生長過程中普遍存在的一種現(xiàn)象，在傳統(tǒng)農(nóng)業(yè)生產(chǎn)中人們獲得這種演變信息主要依賴人類自身的視覺觀察，隨著圖像處理技術(shù)在對研究對象的形狀、大小、紋理、顏色等特征的深入理解以及提取技術(shù)的發(fā)展，圖像處理技術(shù)為農(nóng)作物演變信息的檢測提供了新的技術(shù)與手段。利用圖像處理技術(shù)獲得農(nóng)作物生長狀態(tài)信息方面的研究在國內(nèi)外已經(jīng)取得很大的進(jìn)展，但主要集中在病害雜草識(shí)別、作物外部生長參數(shù)提取、作物營養(yǎng)信息監(jiān)測、作物形態(tài)結(jié)構(gòu)的自動(dòng)識(shí)別等基于特定時(shí)間點(diǎn)圖像的特征提取方面，基于時(shí)間序列圖像集的農(nóng)作物信息演變過程的研究還相對較少[1-2]。得益于計(jì)算機(jī)運(yùn)算速度的大幅提升與圖像處理技術(shù)的進(jìn)步，從獲得的作物生長過程的時(shí)間序列圖像集中提取作物生長信息的相關(guān)技術(shù)，逐漸成為近些年研究的熱門領(lǐng)域之一。國內(nèi)外在基于時(shí)間序列圖像集的特征提取及應(yīng)用研究方面也取得了少量的成果，大體可以歸納為3個(gè)方面：農(nóng)作物長勢自動(dòng)觀測、染病程度自動(dòng)判斷、具有可視化效果的植物生長模型構(gòu)建。

11農(nóng)作物長勢自動(dòng)觀測

農(nóng)作物的長勢可以理解為農(nóng)作物的生長狀況與發(fā)展趨勢，在農(nóng)業(yè)生產(chǎn)中一直是人們關(guān)注的重點(diǎn)，它直接關(guān)系到農(nóng)作物后期產(chǎn)量的高低和品質(zhì)的好壞，也是人們采取相應(yīng)控制決策的直接依據(jù)。作物的長勢可以用個(gè)體和群體特征來描述，獲取作物長勢的傳統(tǒng)方法是地面調(diào)查，現(xiàn)代農(nóng)業(yè)生產(chǎn)中則主要利用遙感技術(shù)檢測作物的生長狀況和趨勢[3]。隨著科學(xué)技術(shù)的發(fā)展，促進(jìn)了農(nóng)作物長勢檢測理論與手段的不斷發(fā)展與進(jìn)步。檢測手段由原始的人工實(shí)地檢測經(jīng)歷遙感技術(shù)檢測發(fā)展到最近的計(jì)算機(jī)視覺技術(shù)檢測。利用計(jì)算機(jī)視覺技術(shù)獲得的時(shí)間序列圖像可自動(dòng)判斷田間作物生長狀況，相比于原始的人工實(shí)地檢測在很大程度上減少了農(nóng)業(yè)工作人員的工作量，也減小了人工觀察主觀性所帶來的誤差。此外，此方法獲得圖像的過程可在田間無損進(jìn)行，能減少對農(nóng)作物的損害，符合精細(xì)農(nóng)業(yè)的要求。相比于遙感技術(shù)，它可以減少氣象環(huán)境條件對圖像獲取效果的影響，也降低了設(shè)備成本，提高了信息的時(shí)效性；同時(shí)檢測對象為單株作物或作物的某個(gè)部分，減小了視野范圍，提高了觀測精確度。因此，基于圖像的農(nóng)作物長勢信息檢測技術(shù)展現(xiàn)了其他檢測手段所沒有的許多優(yōu)勢，成為近幾年研究比較多的技術(shù)之一，按現(xiàn)在的研究范圍，農(nóng)作物生長狀況的自動(dòng)檢測目標(biāo)大致可以分為2類：作物長勢的實(shí)時(shí)檢測和發(fā)育期的自動(dòng)判斷。endprint

在整個(gè)生長周期內(nèi)，農(nóng)作物的株高、莖粗、葉面積、果實(shí)大小等參數(shù)指標(biāo)都在不斷發(fā)生著改變，這些也成為反映作物生長狀況與生長規(guī)律的重要指標(biāo)參數(shù)。根據(jù)作物的視覺特征，作物的株高、莖粗、葉面積是圖像特征中視覺特性最顯著的參數(shù)，因此，這3種特征成為人們在分析作物長勢中應(yīng)用最早也是頻數(shù)最高的3個(gè)參數(shù)。早在1995年Shimizu等開發(fā)出了1套自動(dòng)分析農(nóng)作物長勢的計(jì)算機(jī)視覺系統(tǒng)，此系統(tǒng)利用相機(jī)獲得的時(shí)間序列圖像提取作物莖稈高度變化信息，并計(jì)算莖稈高度的變化率，作為作物的生長指標(biāo)[4]。2010年馬彥平開發(fā)出1套監(jiān)測冬小麥、玉米生長狀況的遠(yuǎn)程動(dòng)態(tài)監(jiān)測技術(shù)系統(tǒng)，在系統(tǒng)中以數(shù)字圖像處理技術(shù)為手段，綜合作物的株高、葉面積等參數(shù)指標(biāo)，完成了計(jì)算機(jī)自動(dòng)解析作物的生長狀況指標(biāo)，判斷作物的長勢[5]。2015年杭騰等在研究番茄長勢信息的無損檢測技術(shù)時(shí)，從采集的時(shí)間序列圖像中提取番茄的莖粗、株高、葉面積等參數(shù)，通過相關(guān)性分析建立了番茄長勢與時(shí)間序列圖像特征值之間的擬合函數(shù)模型，做到了依據(jù)采集的時(shí)間序列圖像分析作物長勢的目的。在作物的生長過程中植株的長勢狀況除了表現(xiàn)在株高、葉面積等方面外，在顏色上也會(huì)表現(xiàn)出一定的變化趨勢，雖限于人類視覺的分辨能力，這種變化趨勢在人工視覺下表現(xiàn)不太明顯，依靠人類視覺無法準(zhǔn)確判斷其中的變化情況，但是利用圖像處理技術(shù)在高分辨率的圖像中，這種顏色的變化趨勢很容易計(jì)算出來。部分研究者就把研究重點(diǎn)放于顏色特征值的變化，以此來判斷作物的長勢情況。2002年Hiroaki等提出了1種利用圖像處理技術(shù)監(jiān)視農(nóng)作物生長狀況的方法，利用圖像數(shù)據(jù)中顏色值的變化與蘋果成熟度之間的相關(guān)性，提出蘋果成熟的診斷模型。2015年楊北方等在研究利用數(shù)字圖像技術(shù)分析棉花長勢的過程中，通過采集棉花冠層的數(shù)字圖像，提取圖像的色調(diào)值，反映了棉花的長勢信息[8]。在以株高、葉面積、顏色等所有作物都具有的生長參數(shù)作為長勢判斷依據(jù)的同時(shí)，不同種作物自身的發(fā)育特點(diǎn)，會(huì)產(chǎn)生這3種參數(shù)之外的一些自身特有的生長參數(shù)特征，比如玉米在整個(gè)周期內(nèi)是單莖稈無分枝的生長，小麥在發(fā)芽后會(huì)有個(gè)分蘗期，呈叢狀生長，此后的生長期仍是單莖稈無分枝的生長，但是番茄就是莖稈不斷分枝的生長狀態(tài)，因此作物自身的生長特點(diǎn)也可成為描述長勢的參數(shù)。2007年劉繼承在研究利用圖像處理技術(shù)識(shí)別水稻長勢的過程中，以水稻的株高、葉尖距、葉基角數(shù)值作為長勢的主要判斷指標(biāo)，并結(jié)合葉面積指數(shù)來獲取水稻的長勢信息[9]。2013年孫紅等充分地考慮了番茄植株的生理特點(diǎn)，在番茄的生長過程中其形態(tài)變異表現(xiàn)為“芽”的變化過程，即主莖頂上不斷形成多蔓分枝，植株的分枝莖生長角也直接反映了番茄的長勢情況，提出了基于圖像幾何校正的番茄生長角自動(dòng)測量方法，該方法為快速、無損地獲取番茄植株生長形態(tài)特征參數(shù)，分析番茄的長勢提供了新的思考角度[10]。

隨著研究的不斷深入，人們在利用時(shí)間序列圖像分析作物長勢的基礎(chǔ)上，逐步總結(jié)作物生長規(guī)律，并進(jìn)一步引入自動(dòng)識(shí)別算法來進(jìn)行農(nóng)作物生育期的自動(dòng)觀測，以達(dá)到能夠自動(dòng)識(shí)別農(nóng)作物各個(gè)發(fā)展階段的目的。農(nóng)作物生育期自動(dòng)觀測是通過定時(shí)定點(diǎn)獲得農(nóng)作物整個(gè)生育期的圖像，提取特征點(diǎn)并結(jié)合各時(shí)期特征得出各個(gè)時(shí)期的判斷閾值，最終達(dá)到通過解讀獲得的時(shí)間序列圖像自動(dòng)判斷田間作物生育期狀況的目的。在農(nóng)作物的生長過程中，顏色的變化貫穿整個(gè)生長周期，在不同的生育期表現(xiàn)出不同的特點(diǎn)，因此顏色的變化成為人們研究的重要方面。在玉米的生育期研究中，陸明等通過綠色比例判斷播種期至大喇叭口期，從抽穗期開始綜合黃色和綠色比例判斷抽穗、乳熟和成熟等生育期[11]。白曉東對水稻分蘗期提出1種綜合稻穗顏色特征、梯度直方圖檢測及卷積神經(jīng)網(wǎng)絡(luò)檢測的水稻抽穗期自動(dòng)檢測方法，在一定程度上克服了因光照引起的葉片顏色變化的影響[12]。在作物的不同生長期內(nèi)，作物的形態(tài)特征也表現(xiàn)出較強(qiáng)的不同性，特別是在作物的發(fā)育初期至個(gè)體植株成熟期，形態(tài)特征的變化尤為明顯。因此形態(tài)特征的不同性成為人們研究作物個(gè)體成熟期之前發(fā)育期的重要特征參數(shù)之一。吳茜根據(jù)棉花植株的種植位置具有按行分布的特點(diǎn)，提出了基于直線監(jiān)測的出苗期自動(dòng)檢測算法，經(jīng)過幼苗分割、作物行提取，準(zhǔn)確地判斷出棉花出苗期；采用覆蓋度統(tǒng)計(jì)的方法對棉花3真葉期進(jìn)行自動(dòng)檢測；結(jié)合全局覆蓋度和單株植株形態(tài)描述的方法提出了5真葉期的自動(dòng)檢測算法。

綜合以上分析可以發(fā)現(xiàn)，在作物生長狀況分析中，顏色和形態(tài)特征的變化是所有作物在生長周期內(nèi)都有的特征點(diǎn)，因此是人們提取研究的重點(diǎn)。不同作物生長特點(diǎn)的不同，也會(huì)引入新的觀測特征，此外同種作物不同時(shí)期的表征性狀也會(huì)不同，因此作物生長情況的研究方法也不盡相同，以至于從提取圖像特征的長勢狀況分析到后來基于長勢特征規(guī)律引入識(shí)別算法的生育期自動(dòng)判別，都沒有統(tǒng)一的特征參數(shù)。所以，結(jié)合生物學(xué)充分認(rèn)識(shí)農(nóng)作物的生長特點(diǎn)，為信息提取選擇最優(yōu)的參數(shù)特征顯得尤為重要。

12染病程度的研究

目前對農(nóng)作物染病程度的判斷主要依賴農(nóng)業(yè)工作人員實(shí)地調(diào)查，憑借人的眼睛依據(jù)特定的技術(shù)指標(biāo)來判斷，然而大多數(shù)農(nóng)民并不了解診斷作物病害的確切標(biāo)準(zhǔn)，這樣往往會(huì)造成誤診率高，識(shí)別時(shí)間長，易錯(cuò)過最佳防治期，造成病情延誤及農(nóng)藥的過量使用。圖像識(shí)別技術(shù)快速、準(zhǔn)確、無損傷的特點(diǎn)為病害的發(fā)病情況調(diào)查提供了新的選擇。經(jīng)過國內(nèi)外學(xué)者的不斷努力，在農(nóng)業(yè)領(lǐng)域利用獲取的圖像通過圖像處理技術(shù)已經(jīng)實(shí)現(xiàn)了病蟲害的有效識(shí)別，對病蟲害發(fā)生程度的定性研究也取得了少量的成果[14-17]。在農(nóng)作物的生長過程中，各種病害發(fā)生癥狀的表現(xiàn)各不相同且同個(gè)病害的癥狀在不同時(shí)期的表現(xiàn)也會(huì)較為復(fù)雜，但都會(huì)引起作物表面形狀的改變，在圖像特征上大致可分為3類：顏色、形狀、紋理的變化。這3種變化量主要體現(xiàn)在作物本身及病害本身，且這種改變在圖像上表現(xiàn)出較強(qiáng)的特征值變化，因此部分學(xué)者根據(jù)此特點(diǎn)對作物的染病程度進(jìn)行了研究。馬德貴等在研究水稻稻瘟病的發(fā)病程度表示方法時(shí)，以單株最大病斑為研究對象，采用橢圓擬合單株最大病斑，計(jì)算橢圓主長軸的長度，以此來表示稻瘟病的發(fā)病程度；用橢圓擬合水稻紋枯病單株最大病斑并計(jì)算其最高處距基部的距離，以兩者之比值作為對水稻紋枯病病害程度檢測的依據(jù)[18]。葛婧等在玉米小斑病病害程度的檢測研究中，利用病斑的彩色圖像準(zhǔn)確分割出病斑，并計(jì)算病斑面積的大小，并以此面積與整葉面積的比值作為受害程度的參考標(biāo)準(zhǔn)[19]。郎利影等在研究棉紅枯病的染病程度時(shí)利用發(fā)病葉片中顏色的不同提出了采用紅色和綠色分量平均值比值作為染病程度判斷的標(biāo)準(zhǔn)[20]。李靜在研究玉米小斑病的染病程度時(shí)，在利用紅色和綠色分量平均值的比值的同時(shí)，加入紅色分量的值為變量建立其與病情指數(shù)之間的模型，并取得了較高的精度，同時(shí)研究了病斑面積百分率和葉綠素之間的關(guān)系，組建回歸模型[21]。endprint

綜合近幾年的研究，在利用圖像技術(shù)分析農(nóng)作物的病害發(fā)病程度中，利用顏色及病斑面積等參數(shù)自定義參數(shù)指標(biāo)，初步做到了發(fā)病程度的判斷。但是在參數(shù)選擇上以顏色與面積為主，表現(xiàn)力單一，準(zhǔn)確率不高，適應(yīng)性差。且病害程度只是指數(shù)的表達(dá)，并沒有具體的分級(jí)標(biāo)準(zhǔn)，對于基于病害整個(gè)周期的病害程度分析與總結(jié)的研究也比較少。較作物生育期的自動(dòng)判斷來說，病害的自動(dòng)判斷也須引起研究人員的關(guān)注。

13基于圖像的植物生長模型、可視化研究

植物的生長模型構(gòu)建、可視化研究是虛擬植物技術(shù)中一項(xiàng)重要的研究內(nèi)容，是運(yùn)用計(jì)算機(jī)技術(shù)結(jié)合生物學(xué)、應(yīng)用數(shù)學(xué)、圖形圖像學(xué)等多學(xué)科的，在二維或者三維空間中進(jìn)行植物形態(tài)結(jié)構(gòu)可視化再現(xiàn)的一門技術(shù)，是農(nóng)業(yè)科學(xué)與計(jì)算機(jī)技術(shù)的交叉領(lǐng)域。植物的可視化生長模型能夠以可視化的方式虛擬植物在空間中的形態(tài)結(jié)構(gòu)隨時(shí)間推移的生長發(fā)育過程及變化規(guī)律，可以使人們對植物的生長過程進(jìn)行直觀的觀察研究，發(fā)現(xiàn)傳統(tǒng)研究方法和技術(shù)手段難以觀察到的規(guī)律，以此來了解植物生長發(fā)育的整個(gè)過程。隨著計(jì)算機(jī)運(yùn)算速度的大幅提升、圖形圖像技術(shù)的發(fā)展，植物的可視化研究取得了較大的進(jìn)展并在科研、教學(xué)、商業(yè)等領(lǐng)域都展現(xiàn)出了巨大的應(yīng)用價(jià)值。如今植物的建模技術(shù)可總結(jié)為兩大類：基于規(guī)則的方法和基于圖像的方法[22]。基于規(guī)則的建模方法是根據(jù)測量統(tǒng)計(jì)的植物生長數(shù)據(jù)，利用設(shè)定的規(guī)則標(biāo)準(zhǔn)，通過編寫的程序語言來創(chuàng)建植物形態(tài)結(jié)構(gòu)模型。在建模中常用的L系統(tǒng)和粒子系統(tǒng)就是典型的基于規(guī)則的建模算法。在此方法中模型參數(shù)的選擇是個(gè)難點(diǎn)，參數(shù)太少不足以表達(dá)植物復(fù)雜的形態(tài)特征，模型真實(shí)感不高，參數(shù)過多則導(dǎo)致模型復(fù)雜、運(yùn)算量大，不同種類植物間形態(tài)結(jié)構(gòu)的較大差異性，也會(huì)增加造型的復(fù)雜度。由于理論和方法的限制，數(shù)學(xué)上的模擬只能是對自然結(jié)構(gòu)的一種近似，在形態(tài)細(xì)節(jié)描述方面的表現(xiàn)力較差?；趫D像的建模技術(shù)是通過對場景實(shí)拍的一系列圖像或視頻，恢復(fù)出具有較強(qiáng)真實(shí)感的場景或者物體模型，由于圖像擁有豐富的細(xì)節(jié)信息，基于圖像構(gòu)建的模型擁有較強(qiáng)的真實(shí)效果，它利用光學(xué)儀器獲取圖像序列集，避免了復(fù)雜的數(shù)據(jù)測量過程。相較于前者，基于圖像的建模方法在數(shù)據(jù)獲取、細(xì)節(jié)展現(xiàn)、建模效率等多個(gè)方面都有較大的優(yōu)勢。

近年來，基于圖像的建模技術(shù)得到了快速發(fā)展，經(jīng)歷了從靜態(tài)到動(dòng)態(tài)，從二維到三維的發(fā)展過程，且研究者們已經(jīng)在靜態(tài)建模研究中取得了很大的進(jìn)步與不少的研究成果，為動(dòng)態(tài)建模的研究奠定了理論基礎(chǔ)，促進(jìn)了動(dòng)態(tài)建模的發(fā)展[23]。2011年黃興召利用高清攝像機(jī)拍攝了山核桃樹不同樹齡段的連續(xù)圖像序列，通過提取攝像機(jī)參數(shù)及其圖像序列的樹木三維點(diǎn)云，得到不同樹齡段的樹木點(diǎn)云模型，進(jìn)而構(gòu)建各個(gè)樹齡段的樹木模型，模擬出山核桃動(dòng)態(tài)生長變化的可視過程[24]。2012年徐宏明在研究植物葉片三維模型的重構(gòu)方法中，利用圖像處理技術(shù)獲取葉片的輪廓信息，提出1種根據(jù)葉片輪廓自動(dòng)生成葉片主、二級(jí)葉脈的方法，并結(jié)合楓葉老化過程中各種色素變化的數(shù)學(xué)模型，構(gòu)建了真實(shí)感較強(qiáng)的楓葉老化動(dòng)態(tài)模型[25]。雖然基于圖像的建模技術(shù)在細(xì)節(jié)展現(xiàn)方面有很大的優(yōu)勢，但鑒于在大面積圖像展現(xiàn)方面仍然存在計(jì)算量大、技術(shù)難度高等特點(diǎn)，所以目前單純的基于圖像建模的研究仍以小面積或細(xì)節(jié)部分的研究為主，整個(gè)植株的動(dòng)態(tài)模型構(gòu)建難度還較大[26]。因此，綜合2種建模方法各自的優(yōu)缺點(diǎn)，結(jié)合規(guī)則和圖像的雙重建模技術(shù)成為人們簡化計(jì)算量的同時(shí)又能增加細(xì)節(jié)表現(xiàn)力的建模手段。此種建模方法是以基于規(guī)則的方法建立作物的主干模型，通過圖像處理技術(shù)獲取植物在不同生長期的顏色、形狀、紋理等細(xì)節(jié)特征，耦合到植物的動(dòng)態(tài)生長模型，以增加模型的細(xì)節(jié)表現(xiàn)力。2008年吳謙等運(yùn)用葉片生長異速模型與Logistic方程相結(jié)合的方法，提出基于圖像處理和生長規(guī)律的樹木葉片動(dòng)態(tài)模型，圖像技術(shù)的運(yùn)用使葉片紋理的展現(xiàn)更加細(xì)致，模擬效果更加逼真[27]。2014年周赟在花卉的生長形態(tài)可視化研究中通過圖像處理技術(shù)獲得各個(gè)器官的紋理圖像，結(jié)合3次貝塞爾曲面構(gòu)造的器官形態(tài)，完成了植物形態(tài)的可視化表達(dá)，并模擬出植株生長的整個(gè)過程[28]。2015年馬學(xué)強(qiáng)在虛擬植物生長模型研究中運(yùn)用圖像處理技術(shù)構(gòu)建了虛擬植物器官模型，結(jié)合L系統(tǒng)，提出了1種自適應(yīng)的虛擬植物智能生長模型，清晰地展現(xiàn)了植物生長過程中各部分的形態(tài)變化與關(guān)系[29]。

總體來說，基于時(shí)間序列圖像集的植物模型構(gòu)建與可視化研究處于起步階段。限于現(xiàn)在計(jì)算機(jī)運(yùn)算速度和圖像處理算法的效率性，單純的基于圖像的動(dòng)態(tài)建模技術(shù)僅限于小面積、單參數(shù)的表面特性展現(xiàn)，而大面積、多參數(shù)的整株植物動(dòng)態(tài)模型的構(gòu)建還存在許多問題亟待解決。所以現(xiàn)在大部分研究仍然是與基于規(guī)則建模方法結(jié)合使用：以基于規(guī)則的建模技術(shù)構(gòu)建植株上細(xì)節(jié)要求不高的主干結(jié)構(gòu)，來減小模型的運(yùn)算量，以基于圖像的建模技術(shù)來構(gòu)建模型表面的顏色、紋理等細(xì)節(jié)信息，從而增加模型的細(xì)節(jié)展現(xiàn)能力、減小測量工作量。

2總結(jié)與展望

數(shù)字圖像處理技術(shù)作為一種新興的檢測技術(shù)在信息采集方面具有信息量大、速度快、精度高、非接觸等優(yōu)點(diǎn)，對于一些手工測定難以解決的問題有著特別的優(yōu)勢。特別是在農(nóng)業(yè)信息獲取中可避免傳統(tǒng)依賴人的視覺獲取信息主觀性強(qiáng)的特點(diǎn)，在節(jié)約勞動(dòng)力、降低主觀性、提高信息精度方面具有很大的潛力。

綜合以上分析，基于時(shí)間序列圖像集的分析技術(shù)在農(nóng)作物的長勢分析、發(fā)育期自動(dòng)判斷、染病程度判斷及植物可視化生長模型的構(gòu)建等方面引起了研究者們的廣泛關(guān)注并取得了一定的研究成果，在科研、教育、商業(yè)領(lǐng)域都展現(xiàn)了巨大的應(yīng)用潛力。但在實(shí)際研究應(yīng)用中，還存在很多有待投入更多精力加以重點(diǎn)研究的地方。在基于圖像處理技術(shù)的農(nóng)業(yè)信息演變規(guī)律提取與分析的研究中，目前存在的不足之處及未來的研究方向大致可以歸納為以下4點(diǎn)：

（1）現(xiàn)階段的農(nóng)作物長勢分析和病情判斷的大部分研究重點(diǎn)在于定義指數(shù)參數(shù)描述演變過程，做到依據(jù)參數(shù)指標(biāo)人工判斷農(nóng)作物的信息發(fā)展情況，對于依據(jù)指數(shù)參數(shù)公式化地表達(dá)整個(gè)演變過程的研究較少。為促進(jìn)數(shù)字農(nóng)業(yè)的發(fā)展，加快農(nóng)業(yè)的智能化進(jìn)程，農(nóng)業(yè)信息提取的數(shù)字化及農(nóng)業(yè)信息演變規(guī)律的公式化表達(dá)、機(jī)器識(shí)別與判斷是重要的研究方向與內(nèi)容之一。endprint

（2）農(nóng)業(yè)信息的數(shù)字化提取不應(yīng)僅僅在于生長狀況信息的實(shí)時(shí)提取，更應(yīng)注重對提取的生長信息規(guī)律的總結(jié)，以改變傳統(tǒng)農(nóng)業(yè)生產(chǎn)中信息演變規(guī)律代代口頭相傳的形式，使農(nóng)業(yè)生產(chǎn)信息規(guī)律能夠公式化地普及到每位農(nóng)業(yè)從業(yè)人員，使基層的廣大農(nóng)民勞動(dòng)者能夠精確地了解農(nóng)業(yè)信息的發(fā)展規(guī)律，并能夠準(zhǔn)確地判斷信息發(fā)展的每個(gè)階段。

（3）限于現(xiàn)有圖像處理算法運(yùn)算量大的狀況，現(xiàn)階段植物生長可視化模型的研究仍然以基于規(guī)則的建模方法為主，圖像只是作為一種輔助手段應(yīng)用其中，以增強(qiáng)模型的細(xì)節(jié)表現(xiàn)力，整體模型仍然存在表現(xiàn)力差的特點(diǎn)。因此，改進(jìn)和優(yōu)化圖像處理算法，以提高算法的運(yùn)算效率，結(jié)合計(jì)算機(jī)圖形學(xué)技術(shù)促進(jìn)基于圖像的動(dòng)態(tài)模型的改進(jìn)和推廣，是現(xiàn)在面對圖像建模技術(shù)必須解決的問題。

（4）對于面向演變規(guī)律提取的特有算法的研究較少，面對不同的研究對象的演變規(guī)律提取分析須要開發(fā)專有的算法，無法實(shí)現(xiàn)算法之間的通用。因此，加強(qiáng)演變規(guī)律分析算法的研究，完善基于圖像的演變規(guī)律方法理論，是減小現(xiàn)有演變規(guī)律分析的工作量，提高演變規(guī)律分析的準(zhǔn)確性所必須解決的問題。

總的來說，開展基于時(shí)間序列圖像集的演變規(guī)律分析的理論研究，完善面向規(guī)律提取的通用算法，改善與優(yōu)化現(xiàn)有的圖像處理算法，結(jié)合生物學(xué)優(yōu)化特征參數(shù)的選擇，加強(qiáng)公式化表達(dá)信息演變過程研究，增進(jìn)演變規(guī)律的公式化總結(jié)及演變過程的自動(dòng)識(shí)別算法研究，并結(jié)合計(jì)算機(jī)圖形學(xué)的最新研究進(jìn)展，促進(jìn)基于時(shí)間序列圖像集的動(dòng)態(tài)可視化模型的研究與發(fā)展，可能成為今后一段時(shí)間內(nèi)基于圖像的農(nóng)業(yè)信息演變規(guī)律分析研究的發(fā)展方向?？傊脮r(shí)間序列圖像集來分析農(nóng)作物的生長規(guī)律具有重要的研究意義及實(shí)用價(jià)值，它需要多個(gè)學(xué)科知識(shí)的綜合運(yùn)用，大量的試驗(yàn)積累以及新的知識(shí)理論算法的構(gòu)建，才有可能使其研究成果更好地應(yīng)用于農(nóng)業(yè)科研和生產(chǎn)實(shí)踐中。

參考文獻(xiàn)：

刁智華 大田小麥葉部病害智能診斷系統(tǒng)研究與應(yīng)用[D] 合肥：中國科學(xué)技術(shù)大學(xué)，2010

刁智華，王歡，宋寅卯，等 基于顏色和形狀特征的棉花害螨圖像分割方法[J] 計(jì)算機(jī)應(yīng)用與軟件，2013，30（12）：177-180，184[JP]

[3]陳懷亮，李穎，張紅衛(wèi) 農(nóng)作物長勢遙感監(jiān)測業(yè)務(wù)化應(yīng)用與研究進(jìn)展[J] 氣象環(huán)境與科學(xué)，2015，38（1）：95-102

[4]Shimizu H，Heins R DComputer vision based system for plant growth analysis[J] Transaetions of the ASAE，1995，38（3）：958-964

[5]馬彥平 基于數(shù)字圖像的冬小麥、玉米長勢遠(yuǎn)程動(dòng)態(tài)監(jiān)測技術(shù)研究[D] 武漢：華中農(nóng)業(yè)大學(xué)，2010

[6]杭騰，毛罕平，張曉東，等 基于機(jī)器視覺的番茄長勢信息無損檢測的研究[J] 農(nóng)機(jī)化研究，2015，37（11）：192-196，197

[7]Hiroaki I，Masahiko T，Toyonori N，et al Diffuse reflectance near-infrared spectral image measurement for the field monitoring of agricultural products[C]//Instrumentation and Measurement Technology Conference New York：Proceedings of the 19th IEEE，2002：3-6

[8]楊北方，韓迎春，毛樹春，等 基于數(shù)字圖像的棉花長勢空間變異分析[J] 棉花學(xué)報(bào)，2015，27（6）：534-541

[9]劉繼承 基于數(shù)字圖像處理技術(shù)的水稻長勢檢測研究[D] 南京：南京農(nóng)業(yè)大學(xué)，2007[ZK）]

[10][ZK（#]孫紅，李民贊，錢喜艷，等 基于圖像幾何校正的番茄莖生長角自動(dòng)測量技術(shù)[J] 農(nóng)業(yè)機(jī)械學(xué)報(bào)，2013，44（2）：209-214

[11]陸明，李茂松，申雙和，等 圖像識(shí)別技術(shù)在作物農(nóng)情新奇反演中的應(yīng)用[J] 自然災(zāi)害學(xué)報(bào)，2011，20（3）：18-24

[12]白曉東 基于圖像的水稻關(guān)鍵發(fā)育期自動(dòng)觀測技術(shù)研究[D] 武漢：華中科技大學(xué)，2014

[13]吳茜 基于圖像處理技術(shù)的棉花發(fā)育期自動(dòng)觀測研究[D] 武漢：華中科技大學(xué)，2013

[14]胡敏，陳洪波，許良鳳，等 基于顏色和紋理特征的黃瓜病害識(shí)別算法[J] 電子測量與儀器學(xué)報(bào)，2015，29（7）：970-977

[15]夏永泉，李耀斌，黃海鵬 基于平均影響值和支持向量機(jī)的小麥病害識(shí)別[J] 計(jì)算機(jī)技術(shù)與應(yīng)用，2015，41（6）：136-138，142

[16]濮永仙 基于病斑特征融合的煙草病害圖像檢索方法[J] 河南農(nóng)業(yè)科學(xué)，2015，44（2）：71-76

[17]Patil J K，Kumar R Feature extraction of diseased leaf images[J] Journal of Signal and Image Processing，2012，3（1）：60-63

[18]馬德貴，邵陸壽，葛婧，等 水稻稻瘟病及水稻紋枯病病害程度圖像檢測[J] 中國農(nóng)學(xué)通報(bào)，2008，24（9）：485-489

[19]葛婧，邵陸壽，丁克堅(jiān)，等 玉米小斑病病害程度圖像檢測[J] 農(nóng)業(yè)機(jī)械學(xué)報(bào)，2008，39（1）：114-117

[20]郎利影，陶堅(jiān)堅(jiān) 基于圖像處理的棉紅枯病染病程度研究[J] 農(nóng)機(jī)化研究，2012，34（6）：161-164

[21]李靜 玉米小斑病的圖像處理技術(shù)及生理指標(biāo)的研究[D] 合肥：安徽農(nóng)業(yè)大學(xué)，2007

[22]Quan L，Tan P，Zeng G，et al Image-based plant modeling[J] ACM Transactions on Graphics，2006，25（3）：599-604

[23]劉丹，諸葉平，劉海龍，等 植物三維可視化研究進(jìn)展[J] 中國農(nóng)業(yè)科技導(dǎo)報(bào)，2015，17（1）：23-31

[24]黃興召 基于圖像的山核桃生長模型[D] 浙江：浙江農(nóng)林大學(xué)，2011

[25]徐宏明 楓葉老化虛擬方法與關(guān)鍵技術(shù)研究[D] 楊凌：西北農(nóng)林科技大學(xué)，2012

[26]汪麗萍 基于生理生態(tài)的黃瓜葉色建模與可視化研究[D] 南昌：江西農(nóng)業(yè)大學(xué)，2015

[27]吳謙，張懷清，陳永富，等 基于生長規(guī)律與圖像結(jié)合的樹木葉片動(dòng)態(tài)模擬[J] 林業(yè)科學(xué)研究，2008，21（增刊1）：122-125[JP]

[28]周赟 高度真實(shí)感的觀賞植物形態(tài)與生長可視化[D] 北京：北京林業(yè)大學(xué)，2014

[29]馬學(xué)強(qiáng) 具有生長特征的虛擬植物模型研究[D] 濟(jì)南：山東師范大學(xué)，2015endprint