外文翻译--计算机和电子技术在农业中应用（译文）

《外文翻译--计算机和电子技术在农业中应用（译文）》由会员分享，可在线阅读，更多相关《外文翻译--计算机和电子技术在农业中应用（译文）（13页珍藏版）》请在毕设资料网上搜索。

1、PDF外文：http:/ 中文 6940 字  出处： Computers and electronics in agriculture, 2010, 74(2): 238-243 计算机和电子 技术在 农 业中应用  在受控环境中用计算机视觉检测生菜缺乏钙症的植物功能   David Story， Murat Kacira， Lingling An， Chieri Kubota， Ali Akoglu David Story, Murat Kacira， Lingling An， 亚利桑那大学农业和生物系统工程， 1177 E.第四街， Shantz 大厦 40

2、3 室， 图森， AZ85721，美国  ；  Chieri Kubota， 亚利桑那大学植物科学院， 1140 E.南校区驱动，“福布斯”大厦303 室，图森， AZ85721，美国  ；  Ali Akoglu， 亚利桑那大学电气和计算机工程， 1230 E.赛道大道，图森  ， AZ85721，美国。   文章信息  收到初稿于 2010 年 2 月 10 日      修订于 2010 年 7 月 15 日  定稿于 2010 年 8 月 19 日   摘要 &nbs

3、p;常规的温室环境条件是通过观察确定的。然而，破坏性或侵入性的接触式测量对实时监测和控制的应用领域是不实际的。在冠层区域中，机 器视觉有辨别产生应激和引导样品识别应激源的潜力。机器视觉引导下的植物感应和监控系统是在温室条件下利用生长的生菜作物颜色和形态的变化，以此来检测钙缺乏。机器视觉系统主要包括两个部分组成：一个机器人摄像头定位系统和图像处理模块。机器视觉系统中提取的植物特征来确定植物整体的生长和健康状况，包括顶部的预测冠层区域（ TPCA）作为形态学特征；红，绿，蓝（ RGB）和色调，饱和度，亮度（ HSL）的颜色值作为颜色特征 ；熵，能量，对比度和均匀度作为质地特征。机器视觉导引系统能够

4、自主地提取植物形态，质地和时态的特征。由此开发的 方法比可视化的人类视觉应激检测早一天确定生菜植物的钙缺乏。该方法通过提取的植物特征， TPCA，能量，熵和均匀度，在及时发现生菜作物缺钙状况中是最有前途的研究。                                                     Published by

5、 Elsevier B.V.  关键词 ：图像处理   生菜   机器视觉   营养缺乏   实时作物监控  1.简介  可控环境农业（ CEA）是一个综合科学园艺技术与工程的方法，以达到使作物生长在受控环境的目的，否则生长在未受控的环境可能 不利于农业的效益。与开放式场地种植生菜相比， CEA系统的产量更清晰，而且有更可靠的可用于消费的食品。在CEA系统中植物可水培，能够更好地控制害虫和预防疾病。温室也可以部署在任何地方，使新鲜农产品种植能够全年给消费者，减少长途运输的需要。       浮动

6、的水培系统（ FHS）是一种常用的生菜生产技术。在这个系统中，植物浮在一个特定的充满着含氧营养的池塘之上，可控制温度和吸收营养物质。这类型的系统节省空间，并消除了不断的浇水，施肥，农药喷洒的必要性。这种水培系统生菜植物典型的生长范围是每次收获约 38 株 2/m （生菜手册，康奈尔大学，  2004 年）。假设从种子到收获为 40 天的周期，就每年约 9 个收获周期而言，意味着该植物生产速度为每年 342 株 2/m 。相比之下，开放式生菜生产每次收获的产量大约 6.5 株 2/m （桑德斯， 2001 年 ； Jackson 等人， 1996 年），且收成是有限的生长季节约有 6

7、个月 ；每年生产周期为 5 时的收成只有 32.5 株 2/m 。因此， FHS 可提供一个更有效地利用土地和资源，在一个较小的种植面积产生更高价值的方案。      这种水培系统的缺点是，种植者无法 实现在 所有 范围 的 生长 空间监察生菜作物 的状态 。这样一个问题，需要密切监测生菜干烧心，抑制钙 转移到幼叶区域的 环境条件。到这些 症状都是清晰可见 的时候 ， 植物 不可 挽回 的损害 也许 已经 产生 ， 这 降低了 该植物 整体的市场价值。  自动化和机械化的效率，生产率和质量生产，处理和加工是任何生产系统的关键因素。 CEA 系统的效率和生

8、产率（使用从机械化，自动化和机器人应用的智能技术）使美国保持竞争力，在全球市场为美国经济做出贡献（ CSREES，  2007 年）。潜在问题的早期发现和有效处理方法，像生菜干烧心，可以提高资源的利用（ Leinonen 和Jones， 2004 年 ； Boissard 等人， 2008 年； Jansen 等人， 2010 年），植物生产效率（ Ling等人， 1996 年）和植物质量（ Linker 和 Seginer， 2003 年），从而形成一个可持续发展，可控环境的植物生产体系。  在传统的温室生产中，生长条件是基于人工的观察或 预设的环境参数，而不是着眼于植物

9、在特定时期的特定需求。接触式传感通常用来确定植物的物理特征，过程繁琐，劳动密集，往往是极具伤害的。利用机器视觉的非接触式传感可确定植物的整体状况，并确定一株植物的特定需求。这种智能化控制水平的温室培养将更有效地利用资源和生产能量，并最终提高植物的质量，同时降低消费者的成本。  这种类型的监测需要的一些机器视觉应用技术已经被开发出来。例如， Hetzroni等人（ 1994 年）用神经网络和统计分类，以植物大小，颜色和个别生菜植物的光谱特征等条件确定植物营养缺乏（铁，锌和氮）。该研究报 告指出，早期的生菜植物的营养缺乏易被察觉，但症状并不容易预见，直到缺乏的时间长达正常生长 2 周以上

10、。他们指出对照组和处理组相比，绿色分量的减少，红色成分增加是由于生菜植物缺氮后的黄化病。这份报告指出，分类单个像素到分类整株植物对于鉴定植物状态是必需的。 Ling 等人（ 1996 年）用生菜叶的光谱和形态学特征检测营养缺乏。这项研究表明，反射率为 415 到 720nm 之间的波段，可以用来作为一个机器视觉实现的信号波段。  越靠近可见的波段越好，因为它提供了较佳的信号强度。该研究还提出使用多个信号进行植物水分和养分的应激检测 的可能性，使用机器视觉系统可以判断从缺乏开始的“正常”生长和植物状态的偏差。  Meyer 等人（ 1992 年）使用机器视觉系统检测单叶和一品

11、红枝叶，报告说归一化差异指数可提供从健康植株辨别氮缺乏的最好方法。种植在温室和增长室的低氮植物表现出类似的红色反射（ 0.7-0.75 米）增加，但由于植物不同数量的冠层覆盖，故有不同程度的近红外反射。  以前关于机器视觉和传感的努力是成功地监控一片叶，（ Seiner 等人， 1992 年；Meyer 等人， 1992 年； Shimizu 和 Heinz， 1995 年；  Revollon 等人， 1998 年）或一株单一植物 (Hetzroni 等人， 1994 年；  Karate and Yan， 1996 年；  Murase 等人， 19

12、97年；  Kacira 等人， 2002 年； Changying and Guanghui， 2003 年 ) 以确定植物的状态。但是，监测作物和从作为冠层的作物取样对大型系统更加有用（ Leinonen 和 Jones，2004 年； Ushada 等人， 2007 年； Hendrawan 和 Murase,， 2009 年）。此外，在商业环境中，开发一个多传感器平台，用于实时监控植物冠层健康（成长）和质量的系 统是可取的。在移动冠层上配备一个人工传感系统光源和多传感器的平台可以实现这一目的。这种系统可用于检测生长及发展的正常偏差和作物应激（如营养缺乏或疾病）。  目前的研究目标是：（ 1）通过机器视觉系统制定一个使用形态，质地和时态的植物特征，自动非接触监测植物的健康成长的方法；（ 2）在早期检测温室种植生菜作物与钙缺乏有关的干烧心症状时，评估该方法的能力。