一种基于图像分析的果树树冠体积测量方法
【技术领域】
[0001] 本发明属于果树种植领域，特别是一种基于图像分析的果树树冠体积测量方法。
【背景技术】
[0002] 树冠是影响果树生产能力的重要因素，其生长状况直接影响着果实的产量和质 量，因此树冠的体积是评价树型结构和测产的重要指标，在果树育种、测产以及树冠精细管 理中具有极其重要的参考价值，如：果树估产、农药变量喷施、精确施肥、果树生物量计算、 叶密度计算等，可以说，测量果树树冠体积是果树健康生长、合理管理的前提。
[0003]目前，果树体积测量的常用方法包括传统的手工测量法和传感器的自动测量方 法。其中，传统手工测量方法简单、易于操作、对种植者的知识水平要求低，但费时费力， 且测量精度易受测量者主观因素的影响；而在传感器自动测量中，主要以超声波传感器 ("基于超声波的果树冠层三维重构与体积测量[J]"俞龙等，农业工程学报，2010,26(11): 204 - 208)、三维激光传扫描仪（"基于三维激光扫描点云的树冠体积计算方法[J]"韦雪 花等，农业机械学报，2013,44 (7)，235- 240.)和免棱镜全站仪（"基于立方格网法的树冠 体积测量方法[J]"何城等，农业机械学报2014,45 (12)，308- 313)最为广泛，目前超声波 传感器已广泛用于葡萄、柑橘等果树树冠体积测量，但是超声波在传播中存在衍射现象， 发散角较大，且超声波强度会随测量距离的变化成比例减弱，导致测量精度较低；三维激光 技术则可以达到更高的测量精度，但是其成本较高，所获取的点云数据量庞大，处理效率 较低；免棱镜全站仪是通过获取树冠点云数据，构造出树冠三维信息，然后利用网格法获取 树冠体积，该方法测量成本较低，但是需要在树冠东、南、西、北、东南、西北、西南、西北8个 方向上每隔相同高度进行多次采点，工作量大，不易操作。因此使得这些测量方法难以在果 园管理中广泛使用。
[0004] 图像处理技术是一种利用计算机对图像进行分析，以达到所需结果的技术，王永 皎（基于图像处理的植物叶面积测量方法[J].计算机工程，2006, 32 (8)，210-212.)、张园 园（基于数字图像处理的不规则体投影面积测量方法的研究与应用[D].长春，长春理工大 学，2010)等提出利用OpenCV或Matlab等图像处理方式，由图像获得植物二维面积的方法， 但是在将二维面积数据转为三维体积数据的过程中，虽然廖彩霞等（樟子松人工林树冠表 面积及体积预估模型的研究[J].植物研究，2007, 27 (4)，478- 483.)提出多项式模型，王 爽等（落叶松树冠体积和表面积生长模型的研究[D].哈尔滨，东北林业大学，2014.)提出 幂函数模型等多个转化模型，但是这些模型均需处理海量数据，耗时长且不能依据季节、环 境的变迀对已有模型进行实时校正，极大影响了测量的精度。
[0005] 因此，如何在保证一般农业作业精度的前提下，提供一种简便、高效的树冠体积测 量方法，一直是果树种植领域亟待解决的技术难题。
【发明内容】
[0006] 针对上述问题，本发明基于图像分析和参数标定的果树树冠体积测量新方法，该 方法操作简便易行，适用与普通果园管理，并能随着果树品种、环境、气候等外界因子的变 化，对模型做出及时快速的修正，保证测量的精度，本发明是这样实现的：
[0007] -种基于图像分析的果树树冠体积测量方法，具体步骤如下：
[0008] (A)采集同一果园内5棵果树树冠图像，采集时相机镜头主光轴在水平面上，所 获得的图像应包括完整树冠，树冠占据整个采集图像的1/2及以上，图像大小为3456像 素X2304像素为宜；同时用超声波测距传感器测出相机测量点与树干之间的垂直距离，并 采用椭球型法人工测量果树对应的树冠体积V;
[0009] 采集图像时为减少阳光对图像质量的影响，最好选择阳光较弱时间段进行作业， 在晴天选择上午7点一9点，下午4点一6点为最佳时间段，光照度在2_5万Lux;光照度在 2万Lux以下，相当于阴天环境，此时在相机闪光灯模式下完成采样。
[0010] (B)分别利用图像处理软件（如0penCV2. 4. 10和QT5. 3. 2等），对图形进行滤 波、图像分割、灰度化、二值化、形态学开运算处理，获得5棵果树对应的树冠垂直投影面面 积S;
[0011] 具体步骤为：（1)对步骤（A)采集获得的图像进行高斯滤波处理，选取高斯内核大 小为Size(5, 5)，去除图像噪声，提取树冠特征；
[0012] (2)对图像进行Resize()处理后（等比例缩放后），用分水岭算法将图像分割成 超像素，用得到的超像素作为图的结点构造图模型；再用GrabCut算法对所得梯度图像进 行前景和背景分割，提取前景树冠；
[0013] (3)对所分割前景图像进行灰度化处理，再图像二值化，采用大律法，自动获取最 佳分割阈值完成树冠图像区域与背景区域的分割；
[0014] (4)图像形态学处理，进行先膨胀后腐蚀的形态学开运算，内核形状选择为椭圆形 M0RPH_ELLIPSE，结构元素选择为size(2, 3)，将小于结构元素的合理部分进行去除；
[0015] (5)此时所得图像灰度值只有0和1，目标图像灰度值为0是黑色，非目标物灰度 值为1是白色；将灰度值为〇的像素个数相加，最终得到目标树冠所包含的像素总量；
[0016] (6)选用200X150黑色硬纸板作为目标物，进行标定，在距离硬纸板600mm处进行 第一次拍照，然后依次后退100mm拍照一次，连续取样37张，经过OpenCV图像软件处理得 到每个采样距离下硬纸板所有像素量，从而计算出该距离时像素所代表的实际面积，将数 据汇入表格中，基于最小二乘法，完成模型构建；将步骤（A)获得的相机测量点与树干之间 的垂直距离代入该模型，即获得树冠实际面积；
[0017] (7)基于最小二乘法，由步骤（A)获得的树冠体积与步骤（6)获得的树冠实际面 积，建立树冠体积对数LnV与面积S的线性相关模型。
[0018] (C)采集该果园内相同品种的待测果树树冠图像，利用图像图像处理软件获得该 待测果树树冠面积Si，则可通过步骤（B)获得的线性关系模型获得该果树的树冠体积I。
[0019] 进一步，本发明步骤（A)所述采集同一果园内5棵果树树冠图像，是指：以果树树 冠中心部位冠幅直径D作为选择标准，首先选取该果园内D值最小的果树作为样本点1，然 后以D值依次增长20-30%取样，选取同一果园内5个相同品种的果树样本点。
[0020] 进一步，本发明步骤（A)所述人工测量果树对应的树冠体积V，是指：采用椭球型 人工体积测量方法，根据公式（1)和（2)计算树冠体积V:
[0021] (1) (2)，
[0023] 式（1)和式（2)中，ETS树冠冠顶离地高度，Ef为树冠冠底离地高度，Eb为距离树 冠冠顶Ea处冠层南北方向向量长度，E。为距离树冠冠顶Ea处冠层东西方向向量长度，V为 目标果树树冠体积。
[0024] 本发明中面积S是指树冠的垂直投影面积。
[0025] 本发明通过利用0PenCV2. 4. 10和QT5. 3. 2作为图像处理软件，对采集获得的果 树树冠图像进行处理，分析树冠体积V与垂直投影面面积S之间的相关关系，建立模型，有 效地将三维树冠体积测量转为二位树冠面积运算，从而大大的降低了数据的处理量，提高 了测量效率。相对于现有技术中的类似建模方法，其模型仅仅是对树冠体积和面积做了定 量的分析，建立了多项式或者幂指数等一些非线性模型，只是简单反映了树冠体积与面积 之间的相关关系，而并没有考虑到果园系统中一些外界因子对模型的影响，而且这些模型 中参数众多，导致其不能随着果树品种、环境、气候等外界因子的变化，对模型做出及时快 速的修正，从而使得测量精度稳定性差，模型普适性低。申请人通过对梨树、苹果树、桃树、 柿子树等多种果树的实验测量，发现果树树冠面积S与果树树冠体积的对数LnV之间存在 明显的线性相关关系，相关系数R2均在0. 9以上，在此基于五点校准方法，即选择五个均 匀分布的果树样本，便可以快速确定模型的参数，即快速得到模型的截距和斜率，而且还可 以根据不同的外界因素变化对模型中的参数（斜率和截距）进行及时的调整，从而使得 模型更具有普适性，测量精度更高更稳定，操作更为简单，实用性更强。本发明为后期果树 树冠体积测量仪器的开发提供了理论基础，可以进一步提高国内测量树冠体积的自动化水 平，对解决国内树冠体积测量的瓶颈问题，提高果园内树冠精细管理的质量，提高水果的质 量安全水平具有即为重要的意义。
【附图说明】
[0026] 图1为椭球形人工测量体积法示意图；
[0027] 图2为果树树冠图像特征提取示意图；
[0028] 图3为果树树冠图像处理算法流程图；
[0029] 图4为单位像素代表面积与测量距离之间相关关系示意图；
[0030] 图5为果树样本树冠面积大小分布直方图；
[0031] 图6为树冠体积对数与面积之间相关关系示意图；
[0032] 图7为五点标定模型示意图；
[0033] 图8为两种模型误差分布散点示意图；
[0034] 图9为不同模型精度稳定性分析结果示意图。
【具体实施方式】
[0035] 以下结合附图对本发明的技术方案做进一步的说明。
[0036] 实施例中所述多项式模型是指"落叶松树冠体积和表面积生长模型的研究 [D]. "（王爽等，东北林业大学，2014) -文所公开的模型；
[0037] 幂函数模型是指"樟子松人工林树冠表面积及体积预估模型的研究[J]"（廖彩霞 等，植物研究，2007, 27 (4)，478- 483) -文所公开的模型。
[0038] 实施例1采集果树树冠图像、获取果树树冠面积S
[0039] 实验时间：2015. 9. 20 7:30-11 :40AM(阴天，光照度2万lux以下）
[0040] 实验地点：南京市江浦农场梨树园区
[0041] 第一步，选取该园区内30棵梨树作为样本采集图像，其树冠形态尽量包含该梨树 园区内的所有形态，并由这30个样本中，选取5棵梨树，作为五点校准法的基础