基于叶片高度信息的植物水分监控

摘 要 植物生理参数连续监控对于研究植物生长具有重要意义。水分对于植物至关重要，缺水会严重影响植物生长。本文就是主要采用图像处理技术，实现植物的叶片高度与植物的水分状态关系的测量。通过叶片的颜色特征分解得到叶片所在的图像区域，计算出植物不同水分条件下叶片平均高度。作为对比，使用三维扫描仪获得的植物的点云数据，计算叶片点云高度信息。实验结果表明，图像技术应用于植物生长中水分的监控是可行的。

【关键词】图像处理 植物生理 叶片运动

随着农业的不断发展，数字信息化是现代农业的重要发展方向，其核心是通过各种传感器测量获取植物生理信息，进而指导灌溉，施肥等过程。植物生理研究是作物高产、高效、抗逆生理学提供新的研基本方法和手段。其中图像处理技术由于可以实现连续和无损信息采集，再加之计算机的普及，此方法在植物生理监测方面应用前景广阔。

水分对于植物生长至关重要。诊断水分亏缺、寻求适度水分胁迫阈值以谋求最高的水分利用效率一直备受关注。张宪法等研究得出，叶片的颜色、仰角可作为植物水分信息判断的指标。孙燕等人使研究盆栽绿萝幼苗叶面投影面积变化作为缺水信号的依据，并实现了单片机控制的植物供水系统。缺水条件下植物叶片也会出现下垂的现象，缺水状况如果得不到改善，最终将导致叶子会枯死、卷曲。基于此，考虑使用植物高度信息的水分缺失判断依据，同时需要注意的是作为一种生物，植物也会运动以便获得更好的生长环境。与动物不同，植物整体不能主动运动，但是植物的各个部分是可以运动的，只不过这种运动一般比较缓慢，通过肉眼不容易观察到。植物受到外界刺激运动主要有：向性运（动如向光、向水、向地等）和感性运动（如许多植物的叶子白天高挺张开、晚上合拢下垂），这里主要针对外界干扰因素较少的温室作物。

本文就是使用照相设备对单株植物进行实时监测，利用一种简单的图像处理方法，实现不同水分条件下植物的叶片的高度的无损测量，同时使用三维扫描仪记录叶片的位置信息作为对比验证。

1 实验环境与图像采集

实验是在温室环境中进行的。白天室内温度控制在28℃， 夜间控制在24℃。选用盆栽观赏性植物作为监测植物。采用连续监测的方式，每隔1小时采集一次图像。

计算机采用Intel I3 处理器，内存16G，程序开发平台使用Matlab 2012。图像采集使用通用的电脑摄像头，使用固定架固定，侧拍时相机距植物距离为70 cm左右，并保持固定焦距，采用计算机自带的串口输出触发信号采集图像。为了在图像分割时能把小麦和背景很好地区分开来，小麦根部使用中间挖孔的白纸板使植物与土壤背景形成较好的对比度；同时用白色画布作为背景，减少干扰，如图1。

2 图像处理

要求出叶片的的精确的位置信息不是一个容易的问题，这里面面临许多实际的问题：首先，叶片生长往往是交错进行，遮挡非常严重，单个的视角很难不到完整的信息；同时植物叶片具有高度的相似性、纹理程度较低，如果使用多目立体视觉技术，精确的位置测量计算大、难度高，即使使用三维扫描系统，各视角信息融合配准，需要配合手工才能有理想的效果，工作量较大。

考虑到植物生长叶片变化通常比较慢，缺水条件下植物叶片下垂使得高度下降，且正与图2所示，植物叶片在缺水情况下，叶片下降，这样通过计算植物叶片的平均高度就可以得出植物的水分情况。二维测量还具有硬件成本低、计算量小可以实时处理的优势。图像处理程序的流程如图3所示。

2.1 图像滤波

原始图像在获取和传输过程中会受到各种噪声的干扰，使图像质量下降，对分析图像不利。图像滤波就是在尽量保留图像细节特征的条件下对目标图像的噪声进行抑制，是图像处理中不可缺少的操作，其处理效果的好坏将直接响到后续图像处理和分析的有效性和可靠性。

高斯滤波是一种根据高斯函数的形状来选择权值的线性平滑滤波器，其操作通常是将一个事先计算好的模板与图像作卷积，输出是领域像素的加权平均，同时离中心越近的像素权重越高，相对于均值滤波它的平滑效果更柔和，而且边缘保留的也更好。在本文中，我们选用最通用的3×3 模板的高斯滤波，就取得了不错的处理效果。

2.2 叶片分割

检测针对的目标是叶片，需要将小树生长图像叶片从背景中提取出来，并且尽可能清除掉树枝。注意到背景白色，叶片绿色，树枝主要为黄色，可以利用颜色特征进行分割。采用文献[3]中的超绿特征，如式 1）所示，每个像素的超绿特征EXG通过彩色图像的R、G、B分量计算得到，超绿特征用于植物检测最为有效，和其他方法相比费时较少，已经得到广泛的应用。

1）

提取出超绿特征之后，类似于灰度值的阈值分割处理，使用OSTSU算法[5]分割EXG图像，并借助于数学形态学填充细小孔洞以及去除单个孤立的噪声点分割结果如图3所示。

2.3 叶片平均高度计算

分割后的二值图像，白色的部分代表叶片，黑色的代表背景和深色的树枝，计算各个像素的纵坐标的和，以及所有白色像素的个数，相除就是平均的高度。根据式2）计算叶片的平均高度：

2）

式中，N―分割后叶片所占有的像素数目；

Sx―表示叶片像素的横坐标求和（这里以左下角作为图像的坐标原点）。

3 实验结果与讨论

实验记录了三种水分条件下的数据，第一种正常浇灌小树且每隔一个小时采集一次图像，并测量叶片的平均高度，持续三天。第二种是停止灌溉一周时间。第三种是继续对植物浇水，程序三天并记录数据。得到的所有的数据如表1所示。

分析实验数据可以看出，叶片的高度有一个周期性的变化，大概从傍晚4点到第二天凌晨0点的叶片高度处于低谷，之后逐渐变高，在早上9点开始明显增高，大约13点左右达到最高。而从表中第二段可以看出，植物叶片在经过三天的停止浇水，叶片虽然还有周期性的移动，但是这种运动平均高度开始逐渐的下降，且幅度减小。图三的数据则可以表明，植物缺水状况得到改善后，叶片逐渐恢复。考虑这种周期性，取白天12点、13点、14点的叶片高度的平均值，所得变化趋势如表二所示，可以看出，第7，8天高度有明显的降低，这一点可以作为缺水的判断依据。

作为对比，使用三维扫描仪得到各个视角数据并采用手工拼合而得到的叶片的点云数据，对点云数据进行坐标变换后统计叶片的高度信息如图4所示。高度会随着缺水状态的改善，叶片的高度逐渐增大。

4 结论

本文主要引入图像处理技术，实现了不同的水分条件下植物的叶片平均高度的测量。通过分析，发现叶片平均高度与植物的水分状态有关，当植物严重缺水时，叶片高度下降，并且叶片的周期性运动放慢，可以通过这一点，借助简单的图像采集设备，就可以得出水分信息。但是，由于图像采集受光照，振动等的影响、不同植物有着不同的生长模式等，图像处理算法需要完善，尤其是智能化信息处理与多传感器信号融合技术。总之，图像技术的低成本、实时连续性，和直接针对植物外形的特点，应用于植物生长中水分信息的监控是基本达到要求，也为植物缺水的研究提供参考。

参考文献

[1]蒋高明.在应用中不断发展的植物生理生态学.植物生态学报[J].2001，25（5）：513.

[2]张宪法，于贤昌，张振贤.土壤水分对温室黄瓜结果期生长与生理特性的影响[J].园艺学报，2002（04）.

[3]孙燕，曹成茂，缪鹏程.基于叶片面积的温室植物水分监测系统的设计[J].传感器与微系统，2010（04）.

[4]Meyer G E， Mehta T， Kocher M F， et al. Textural imaging and discriminant analysis for distinguishing weeds for spot spraying[J].Transactions of the ASAE， 1998， 41（4）：1189-1197.

[5]Otsu N.Threshold Selection Method from Gray-Level Histograms， IEEE Transactions on Systems， Man， and Cybernetics[J].1979 ，9（1）：62-66.

作者简介

张南（1988-），男，湖南人，硕士研究生，主要研究方向为计算机视觉、图像处理。

指导老师

李杰（1956-），男，北京人，北京科技大学数理学院物理系副教授，主要研究方向为无损检测。

作者单位

北京科技大学 北京市 100083