Design of monitoring system for maize cropping based on NI myRIO
王腾飞，翟亚芳，李立（安阳工学院 电子信息与电气工程学院, 河南 安阳 455000）
摘要：本文依据NI myRIO渠道和TCP网络服务的长途实时图画监控体系，完成对玉米长势及虫灾情况的实时图画处理和长途操控。依据Labview的图画处理渠道，具有对实时图画的切割、灰度和边际三种处理方式。植株高度解析选用网格化图画切割技能，依据拟合方程对玉米长势进行拟合核算。经测验针对玉米成长的6大要害时期，实测值与图画剖析的最大相对差错为3.33%，最小为0.96%。一起在履行单元，运用myRIO渠道操控土地温湿度，可完成主动灌溉和长途监控剖析功用。测验成果表明，该体系精准、快速，具有较好的扩展性和兼容性，一起供给杰出的用户操作界面，对核算机视觉的玉米栽培出产信息的监控具有重大意义。
要害词：图画处理；NI myRIO；LabVIEW；监控体系；传感器
基金项目：河南省科技厅科技攻关项目（172102310671）
0 导言
现在对作物长势图画监测首要包括作物外部成长参数、植物养分和病虫灾三大类。贾银江提出了依据无人机的遥感图画拼接技能，从大尺度上监控作物成长趋势；选用高清CCD相机拍照集体图画，通过树立叶面积指数和干物质堆集的回归模型剖析玉米长势；运用迭代阈值切割算法结合参照物标定获取株高、页尖距和冠层面积等作物参数 [1-3] ；通过地上光谱仪测定不同梯度氮肥处理小区的水稻拔节期冠层高光谱参数,树立并光谱参数与生物量、植株氮含量、植株氮堆集量以及产值的相关联系 [4] ；运用长途监测体系对作物大气温湿度、土壤湿度、光照强度、大气蒸汽压差(VPD)等环境因子和茎秆直径微改动、果实成长、叶片温度等树体生理目标进行监测 [5] ；在病虫灾方面，通过Matlab树立植株病害模型或选用ARM，单片机等硬件进行图画检测。
以上的监测计划，一是遥感监测研讨需求卫星、光谱仪等高本钱设备，并且受气象条件约束；选用图画收集设备处理的都是静态图片，无法对作物进行实时监控和处理；而选用Matlab和ARM的渠道丈量作物参数单一功用简略 [6-9] 。依据此本文规划了依据NI myRIO和LabVIEW核算机视觉的玉米栽培监控体系，其首要的数据收集是成长参数、病虫灾检测和产值预估等信息，运用核算机视觉技能对农作物进行非触摸的接连丈量，通过图画处理和辨认算法等相关技能，对玉米的成长、病虫灾等信息监测，将此信息整合传递履行体系，进步玉米产值。
1 操控体系组本钱
规划旨在规划依据NI myRIO的完成在玉米长势和病虫灾的实时监控体系，体系首要由参数监控单元、数据处理及显现单元和功用操控单元三部分组成。
本文以LabVIEW机器视觉技能为中心，树立了玉米栽培监控体系，体系首要由玉米基地和基站构成，其间视频收集设备和指令履行设备坐落玉米基地中，基站由图画的收集与显现体系、图画处理体系、信息处理器和设备履行体系四大体系组成。
运用玉米基地中的视频收集设备，通过拍照玉米的成长进程中三叶期、拔节期、大喇叭口期、抽雄期、吐丝期、灌浆期等六大要害时期和玉米叶片进行株高和病虫灾剖析。实时图画信息由NI myRIO发送给图画的收集与显现体系，由图画处理体系得到性状特征和色彩特征等，并发送到信息处理器中，将此整合后得到玉米的成长参数、病虫灾检测等信息；一起由设备履行体系构成指令用以调理玉米的成长环境，设备进行相应的作业，完成对玉米的增产并节省资源的作用。其操控体系原理如图1所示。
2 监控体系的硬件规划
2.1 中心操控器模块
微操控器模块是整个操控体系的中心，首要用于完成实时参数收集、数据处理与存储、数据通信等功用。操控器模块选用的是NI公司研制的myRIO板来完成视频监控、寻迹避障等功用。myRIO是由在内嵌Xilinx Zynq芯片组成，开发时能够运用双核ARM Cortex-A9的实时功用以及Xilinx FPGA可定制化I/O来完成功用。它共有88个引脚，其间有66个可重装备的引脚，可满意整个工程的操控需求。其运用的FPGA在处理数据时是选用的并行办法。这样就能愈加快速、愈加精确的对数据进行牢靠的处理。
2.2参数及操控单元模块
参数监控单元选用分布式模块化结构，包括温湿度监控、肥液监控和主动灌溉体系，各模块通过PC机操控的传感器和履行单元构成反应操控体系完成对地步的监测与操控。图画收集模块首要是由一个Robot EyesWIFI机器人高清摄像头组成，在动态视频的情况下分辨率到达了640*480P，并且在高分辨率下帧速到达了30帧/秒，能够并选用USB进行数据的传输和电源的供电。温湿度监控模块选用AMT2001，该模块丈量规模分别为0-80℃和0%-100%RH，其对应的输出为0-0.8V和0 V~3 V的接连电压。通过My RIO数据收集I/O口将处理后的电压信号传至上位机进行处理显现。灌溉体系首要由水泵、电磁阀和EC传感器构成。当土壤温湿度低于设定值后，将发动灌溉体系。
3 图画处理原理
HSL（Hue-Saturation- Lightness）色彩空间是反映人的视觉对色彩的感觉。其间色彩H、饱和度S包括色彩信息，而亮度L则与色彩无关。本规划在图画灰度处理、图画切割和图画边际检测处理均是在HSL色彩方式下的图画，但传感器传输的色彩方式为RGB色彩方式，首要要由RGB色彩方式核算为HSL色彩方式。由RGB色彩方式核算为HSL色彩方式的公式为：
其间max和min分别为R,G,B的最大值和最小值。
本规划图画边际检测处理选用Canny算子，其检测的边际是算子输出的部分极值，Canny算子的检测进程是先滑润处理，再求导数。Canny算子在阶跃型边际检测方面，作用杰出。它的基本思想是在部分规模内，找出梯度改动最大的像素点。在边际点定位方面，Canny算子选用定位方向性较好的一阶微分。Canny算法用数学模型的针对边际信息精确性的数学模型(信噪比原则)：
其间G(x)为边际函数，h(x)为带宽为W的低通滤波器的脉冲响应，Sigma是高斯噪声的均方差。
针对边际信息精确性的数学模型(定位精确度原则)
运用Canny算法SNR和定位精度原则，设定合理的双阈值，即设定高阈值和低阈值，图画中的像素点大于高阈值则以为是鸿沟，小于低阈值则以为不是鸿沟，对图画信息进行鸿沟处理。在本软件操作界面中凹凸阈值参数设置规模为0~1接连可调。图2为玉米株高、玉米穗和叶片的边际处理成果。
4 监控体系的软件
规划玉米栽培监控体系软件选用LabVIEW编程，首要包括图画的收集与显现体系、图画处理体系、信息处理器和设备履行体系等四大体系。由图画的收集与显现体系收集玉米的成长、玉米绿叶和玉米穗的图画，并将图画传递到图画处理体系，由图画处理体系对图画进行图画灰度化、图画滑润、图画切割和图画边际检测等处理，并将处理后的图画通过TCP通讯办法传输给信息处理器和设备履行体系，软件的流程如图3所示。
图画的收集体系为整个体系的数据输入源，软件编写的为NI myRIO对数码摄像头设备的驱动，发动数码摄像头开端接连的收集图画信息，首要选用的是IMAQdx Open Camera.vi驱动NI myRIO上设置为视频方式，并装备IMAQdx Open Camera.vi翻开选定的网络摄像头，当数据流抵达IMAQdx特点节点，设置视频方式，运用IMAQdx Configure Grap.vi初始化网络摄像头用于图画流，创立三个IMAQ Creat控件分配给图片的内存，之后数据流将进入while循环，运用IMAQdxGrap.vi继续捕捉下一张图画并进行图画处理，图画收集完毕后，运用IMAQdx Close Camera.vi封闭摄像头，IMAQ Dispose控件释放掉一切图画运用的内存。
数据流传递到图画处理体系，图画处理体系的整体结构为条件结构。分别对图画进行灰度化处理、图画滑润处理、饱和度调理、图画切割和图画边际检测，首要对图画进行灰度化、滑润处理和饱和度调理的预处理，然后将预处理后的图画进行切割和边际检测的处理，图画滑润处理是以高斯滤波器进行图画噪声滤波，该图画的最佳口窗口巨细为9，最佳图画（sigma）的值为0.9。本文规划程序改动图画饱和度巨细的办法是改动图画的特点节点，通过在数据流中参加IMAQdx特点节点，然后选中特点节点枚举列表中的CameraAttributes（相机特点），再选中相机特点枚举列表中的ActiveAttribute（活泼特点），通过为ActiveAttribute输入字符串CameraAttributes::Saturation::Value，调用出图画的饱和度特点，其次选中Value特点节点改动调用出图画的饱和度特点值的巨细，图画最佳饱和度为100，将灰度处理后的图画传递到IMAQ CannyEdgeDetection中，此IMAQ CannyEdgeDetection所运用的函数为Canny算子和高斯滤波器，装备Canny算子的参数簇
（FilterParameters）中有高阈值和低阈值两个参数。高阈值界说了图画中像素值的上百分比，即检测算法挑选了边际段的停止或起始点，低阈值低阈值乘以高阈值，为边际段中的一切像素界说一个较低的阈值，通过比照实验，得到高阈值和低阈值的值分别为0.9和0.2。
5 测验成果
依据上述剖析的拟合方程，经测验模型株高与实测株高的最大差值为7.27cm，最小为0.64cm，最大相对差错到达3.33%，最小为0.96%。均匀相对差错为1.71%。到达差错答应规模之内。归纳实验成果，能够得出本实验的株高解析思路具有可行性，到达必定的精度。比照测验成果如表1所示。
6 定论
本文所规划的依据LabVIEW和NI myRIO的玉米的成长参数、病虫灾检测等信息的监控体系，首要由图画的收集与显现体系、图画处理体系、信息处理器和设备履行体系四大体系组成。视频设备拍照玉米的成长、玉米绿叶和玉米穗的图画，构成的视频图画由图画处理体系进行处理剖析，得到图画切割和图画边际检测后的图画；由信息处理器依据上述处理后的图画特征确诊玉米的成长情况、病虫灾等，一起构成决议计划，由设备履行体系以操控指令的方式发送给玉米基地中的NI myRIO，对小麦的成长环境进行操控和调理，到达对玉米的增产和节省资源的意图，实测值与图画剖析的最大相对差错为3.33%，最小为0.96%。该体系本钱低，运用进程中操作简略，合适一般栽培户运用，适应农业发展趋势。
参考文献
[1]贾银江.无人机遥感图画拼接要害技能研讨[D].东北农业大学,2016.
[2]张宝来,张乐佳.依据数字图画处理技能的玉米长势猜测[J].农业工程,2017,7(03):163-168.
[3]李大威.依据集成学习的高分遥感图画玉米区高精度提取算法研讨[D].中北大学,2017.
[4]查海涅.依据卫星遥感的水稻成长监测与氮素养分确诊体系[D].安徽科技学院,2016.
[5]郭克冰.依据灰色关联度的图画边际检测的理论研讨[D].河南大学,2016.
[6]贾彪,马殷实.依据机器视觉的棉花氮素养分确诊体系规划与实验[J].农业机械学报,2016,47(03):305-310.
[7]方正.依据ARM的农田图画收集器规划[D].哈尔滨理工大学,2017.
[8]董鸿燕.边际检测的若干技能研讨[D].国防科学技能大学,2008.
[9]邓立苗,唐俊,马文杰.依据图画处理的玉米叶片特征提取与辨认体系[J].我国农机化学报,2014,35(06):72-75+79.
本文来源于科技期刊《电子产品世界》2019年第5期第页，欢迎您写论文时引证，并注明出处
