基于高光谱成像技术的田间杂草传感方法研究

How to capture the infield weed information with a quick and accurate method is the main problem of precision weed control technology. Therefore, a infield weed monitor station based on an AOTF hyperspectral imaging meter was developed to capture the hyperspectral images with spectral and spatial informations of soybean seedlings and theirs infested weed seedlings. Firstly, the optimal field environmental condition was analyzed with spectral statistical method when the meter worked in the field. Then,the correlativity of green seedlings biological characteristics and their reflection spectra were tested in the 550-1700nm. The spectral feature vector for distinguishing crop, weed and soil was selected by use of the spectrum distance statistical analysis method and the spectrum feature position search method. On the whole, the crop seedlings have the same sowing and growing characteristics. For expression the coherence, the location, shape, texture and other features were extracted from the hyperspectral images in the given feature spectra. Among them, the spatial feature vector for distinguishing crop and weed was selected. The algorithms were developed to extract the spectral and spatial feature vector and to classify the corn and weed seedlings in quick. The universal hyperspectral imaging system was built for capturing the infield weed information. Which was equipped with an small UAV platform for dynamic test in the field, and the correct weed detection rate achieved 90%.

如何快速准确的采集田间杂草信息，成为杂草精准控制技术所面临的首要问题。项目利用基于AOTF的高光谱成像仪，采集大豆及其伴生杂草的田间高光谱图像进行处理和分析；采用光谱统计分析方法研究高光谱图像采集的最佳田间环境条件，试验验证550-1700nm波段内绿色植物的生物特征和反射光谱之间的相关关系；采用光谱距离统计和光谱特征位置搜索方法，筛选高光谱图像中区分作物、杂草和土壤的光谱特征向量；针对农作物的种植生长基本相同的特性，提取特征波段下表达农作物植株一致性的位置、形态、纹理等特征，优选高光谱图像中区分作物和杂草的空间特征向量；开发光谱和空间特征向量的快速提取算法和模式识别算法，建立适用于田间杂草信息采集的通用高光谱成像系统，搭载在小型UAV平台上进行大豆田间动态试验，杂草识别率90%。

田间信息是实施精准农业的第一个环节，是实践精准农业的前提条件。田间杂草是农业生产的大敌，也是困扰农作物生长的基本问题之一。因此，如何快速、准确的采集田间杂草信息，成为杂草精准控制技术所面临的首要问题，也是制约其实现的瓶颈所在。本项目主要研究了利用高光谱成像技术传感田间杂草的方法，以在田间生境中的大豆及其伴生杂草为研究对象，全面考量田间光照、水分等因素对光谱特性的影响，获得高光谱成像仪工作的最佳田间环境条件为晴朗无云的天气，仪器高度为1.0m，采集时间为10:00或14:00 前后，因为这段时间内太阳高度角适中，而且叶片上的露水己经蒸发，降低了叶片湿度对光谱测量的影响，可以减少误差。验证了550-1500nm波段内绿色植物的生物特征和反射光谱之间的相关关系：包括不同生长期和反射光谱之间的关系、不同叶片部位和反射光谱之间的关系、不同叶面湿度和反射光谱之间的关系，为了避免生长期、叶绿素、水分对高光谱的影响，应在大豆苗后35天（3片复叶平展时）采集下部的成熟叶片，特征波段应去除960nm附近和1350～1500nm范围。解明了550-1500nm高光谱图像中区分大豆及其伴生杂草的光谱和空间特征向量的提取方法：区分大豆和杂草的光谱特征向量包括650nm、703nm、714nm、730nm、856nm、883nm、906nm、988nm、1035nm、1122nm；识别大豆和杂草的空间特征因子为分散度、熵和惯性矩。开发的基于高光谱成像技术的田间杂草信息感知系统，在动态田间环境中，大豆田间杂草的识别率达到90%，系统能快速、准确的采集田间杂草信息，改变了传统的田间杂草信息采集手段，为草害精准防治提供科学的管理决策依据，可有效促进田间杂草的对靶化学和物理防除机具的实现，对生态环境的保护具有重要的现实意义。