劉艷萍，杜雅麗，聶銘君，薛緒掌，張 馨※，鄭文剛，崔可旺

?

基于稱重式蒸滲儀及多種傳感器的作物表型及蒸散監(jiān)測(cè)系統(tǒng)研制

劉艷萍1,2，杜雅麗1,2，聶銘君3，薛緒掌2，張 馨2※，鄭文剛3，崔可旺1,2

（1. 河北工業(yè)大學(xué)電子信息工程學(xué)院，天津 300401；2. 北京農(nóng)業(yè)信息技術(shù)研究中心，北京 100097； 3. 北京農(nóng)業(yè)智能裝備技術(shù)研究中心，北京 100097）

作物蒸散量測(cè)量與估算在農(nóng)業(yè)方面有著重要作用，而當(dāng)前對(duì)于作物蒸散量的估算主要以試驗(yàn)的方式進(jìn)行，有一定局限性，且測(cè)量面積小，與實(shí)際應(yīng)用還有一定距離。針對(duì)以上問(wèn)題，該文在已有24座小型稱重式蒸滲儀基礎(chǔ)上，集成RGB成像傳感器、多光譜成像傳感器和二維激光掃描儀于一體，配合龍門架進(jìn)行移動(dòng)控制，構(gòu)建稱重式蒸滲儀植物表型監(jiān)測(cè)系統(tǒng)，實(shí)現(xiàn)18 m2植物生長(zhǎng)過(guò)程中的RGB、紅（668 nm）、綠（560 nm）、藍(lán)（475 nm）、紅邊（717 nm）、近紅外（840 nm）圖像信息和植株高度信息的自動(dòng)監(jiān)測(cè)。最后通過(guò)試驗(yàn)，在已設(shè)定好的常用速度下，系統(tǒng)單趟運(yùn)行用時(shí)142 s，可采集28組RGB、多光譜圖像及所有植株高度信息，速度相對(duì)誤差在1.8%~6.0%之間。通過(guò)對(duì)獲取的夏玉米多光譜圖像和激光掃描儀數(shù)據(jù)信息分析，系統(tǒng)能夠可靠獲取歸一化差異植被指數(shù)等作物指數(shù)及植株高度信息。并結(jié)合氣象站數(shù)據(jù)，對(duì)冬小麥主要耗水期的RGB圖像進(jìn)行分析，對(duì)其蒸散量進(jìn)行了估計(jì)，與蒸滲儀獲取的實(shí)際蒸散量對(duì)比，其平均相對(duì)誤差為16.62%。該系統(tǒng)為大面積作物蒸散量的實(shí)時(shí)監(jiān)測(cè)和精確診斷以及作物生長(zhǎng)狀況研究提供有效技術(shù)與裝備支撐。

蒸滲儀；蒸散；表型；監(jiān)測(cè)；多光譜圖像；成像系統(tǒng)；圖像采集

0 引 言

蒸滲儀可用于測(cè)量裸土或作物蒸散量以及深層滲漏量，已成為農(nóng)田測(cè)定蒸散量的標(biāo)準(zhǔn)儀器。蒸散是生態(tài)系統(tǒng)水循環(huán)的重要環(huán)節(jié)，對(duì)地表能量平衡和水量平衡有著重要的影響[1-3]，表型監(jiān)測(cè)平臺(tái)通過(guò)搭載不同類型的傳感器，能夠在短時(shí)間內(nèi)獲取多源數(shù)據(jù)[4-5]，比如RGB、紅外及多光譜等各種可見(jiàn)光與不可見(jiàn)光圖像信息。在蒸滲儀基礎(chǔ)上增加表型監(jiān)測(cè)系統(tǒng)可以實(shí)現(xiàn)作物水分蒸散量的無(wú)損實(shí)時(shí)監(jiān)測(cè)，為作物水分狀況的實(shí)時(shí)監(jiān)測(cè)和精確診斷提供有效技術(shù)支撐。

對(duì)于作物蒸散量的估算方法，許多學(xué)者都有研究。金菊良等[6]開(kāi)展受旱盆栽試驗(yàn)，分別以無(wú)受旱脅迫和受旱脅迫下實(shí)測(cè)蒸散量為基礎(chǔ)，采用遺傳算法（genetic algorithm，GA）對(duì)各生育階段單作物系數(shù)進(jìn)行率定，并運(yùn)用單作物系數(shù)法對(duì)無(wú)受旱脅迫和受旱脅迫下大豆蒸散量進(jìn)行估算，結(jié)果表明估算值與實(shí)測(cè)值具有較好的一致性；袁宏偉等[7]通過(guò)6臺(tái)大型稱重式蒸滲儀，在雙作物系數(shù)法估算無(wú)受旱脅迫夏玉米蒸散量的基礎(chǔ)上，采用遺傳算法優(yōu)化了參考作物蒸散量的計(jì)算結(jié)果，并以此為基礎(chǔ)運(yùn)用雙作物系數(shù)法估算受旱脅迫下玉米蒸散量，估算結(jié)果合理可靠。唐德秀等[8]基于2014—2016年遮雨棚下夏玉米土箱生長(zhǎng)試驗(yàn)，對(duì)砂石覆蓋條件下夏玉米蒸散量的單、雙作物系數(shù)法計(jì)算公式進(jìn)行了修正，并以小型蒸滲儀測(cè)得的蒸散量，實(shí)測(cè)對(duì)修正后的作物系數(shù)法的適用性進(jìn)行了評(píng)估，表明雙作物系數(shù)法的計(jì)算結(jié)果能更好地估算砂石覆蓋條件下夏玉米的蒸散量。

在植物表型監(jiān)測(cè)設(shè)備與系統(tǒng)集成方面研究較多。根據(jù)不同的應(yīng)用載體平臺(tái)，表型采集技術(shù)大致可分為手持、人載、車載、田間實(shí)時(shí)監(jiān)控、大型室內(nèi)外自動(dòng)化平臺(tái)、航空機(jī)載以及不同級(jí)別的衛(wèi)星成像平臺(tái)等[9]。當(dāng)前，國(guó)外研發(fā)的此類平臺(tái)比較成熟，德國(guó)LemnaTec公司的研究比較領(lǐng)先[10-12]，研發(fā)的Scanalyzer Field是一套能夠在野外獨(dú)立運(yùn)行的全自動(dòng)、高通量植物表型成像系統(tǒng)，可以選擇配置可見(jiàn)光成像、近紅外成像、紅外成像、PSII熒光成像、高光譜成像和激光3D成像中的一種或多種。比較著名的室內(nèi)表型平臺(tái)有捷克PSI公司（Photon Systems Instruments）的PlantScreenTM系統(tǒng)，主要用于擬南芥和豌豆等植物葉片葉綠素?zé)晒獬上窈蜏y(cè)量等[13-14]。其他系統(tǒng)還有蘇黎世聯(lián)邦理工學(xué)院（ETH Zurich）的Field Phenotyping Platform（FTP）[15]、Phenospex公司的Field Scanner[16]等。它們通過(guò)程控系統(tǒng)對(duì)固定數(shù)量的植株或小區(qū)進(jìn)行長(zhǎng)時(shí)間、多次數(shù)（一般每天8～12次）的掃描監(jiān)測(cè)。目前國(guó)內(nèi)許多學(xué)者已研究了植物表型監(jiān)測(cè)在農(nóng)業(yè)中的應(yīng)用[17]。2009年，華中農(nóng)業(yè)大學(xué)和華中科技大學(xué)聯(lián)合自主研發(fā)了第1套植株表型參數(shù)自動(dòng)提取系統(tǒng)，研究成果總體達(dá)到國(guó)際先進(jìn)水平[18]。該系統(tǒng)測(cè)量參數(shù)主要包括株高、分蘗數(shù)、葉片角度等株型相關(guān)參數(shù)，以及綠葉面積、鮮質(zhì)量、干質(zhì)量等生長(zhǎng)發(fā)育相關(guān)參數(shù)[19-20]。2014年，中國(guó)科學(xué)院植物研究所研發(fā)了國(guó)內(nèi)首套高通量作物三維表型監(jiān)測(cè)系統(tǒng)Crop 3D，包括室內(nèi)固定平臺(tái)、室外移動(dòng)監(jiān)測(cè)平臺(tái)、無(wú)人機(jī)監(jiān)測(cè)平臺(tái)，以及在建的田間大型固定監(jiān)測(cè)平臺(tái)[21]。

各種估算作物實(shí)際蒸散量的方法都有一定的局限性，有的難以做到實(shí)時(shí)監(jiān)測(cè)，有的無(wú)法進(jìn)行大面積估算，與實(shí)際應(yīng)用還有一定距離。目前，較為成熟的作物表型監(jiān)測(cè)平臺(tái)也集中在歐美等發(fā)達(dá)國(guó)家，中國(guó)植物表型監(jiān)測(cè)技術(shù)起步較晚，無(wú)論是從自主集成研發(fā)來(lái)看，還是從投入商業(yè)量產(chǎn)的成熟度考慮，均與上述國(guó)家存在較大差距。同時(shí)，已有表型成套設(shè)備價(jià)格昂貴，大部分科研單位和公司都難以承受。此外，對(duì)于采集到的圖像分析方法主要有：多視角立體視覺(jué)[22]、支持向量機(jī)[23]、深度學(xué)習(xí)[24]、小波分析[25]等，主要應(yīng)用于植物表型與環(huán)境互作、植物生長(zhǎng)監(jiān)測(cè)、病蟲(chóng)害防治、農(nóng)作物質(zhì)量檢測(cè)等領(lǐng)域，未針對(duì)稱重式蒸滲儀開(kāi)發(fā)表型監(jiān)測(cè)系統(tǒng)。農(nóng)業(yè)系統(tǒng)中, 垂直維度信息對(duì)作物的生長(zhǎng)狀況監(jiān)測(cè)、種植管理等具有重要意義[26-27]。

基于此，本文設(shè)計(jì)了一套基于稱重式蒸滲儀的大田植物表型監(jiān)測(cè)系統(tǒng)，采用Visual Studio2017軟件平臺(tái)，C#語(yǔ)言開(kāi)發(fā)，準(zhǔn)確定位實(shí)現(xiàn)基于RGB和五目多光譜成像傳感器以及二維激光掃描儀對(duì)大田作物表型信息的無(wú)損監(jiān)測(cè)，能夠同時(shí)實(shí)現(xiàn)測(cè)量作物蒸散量和表型監(jiān)測(cè)功能，為大面積作物蒸散量的實(shí)時(shí)監(jiān)測(cè)和精確診斷以及作物生長(zhǎng)狀況研究提供有效技術(shù)與裝備支撐。

1 作物表型監(jiān)測(cè)系統(tǒng)設(shè)計(jì)方案

系統(tǒng)總體設(shè)計(jì)結(jié)構(gòu)及實(shí)物圖如圖1所示，主要由蒸滲儀模塊、表型監(jiān)測(cè)模塊、運(yùn)動(dòng)控制模塊、測(cè)控平臺(tái)共4個(gè)部分組成。蒸滲儀模塊主要包括24座小型蒸滲儀，裝在全鋼結(jié)構(gòu)的地下室，每座蒸滲儀區(qū)域長(zhǎng)1 m、寬0.75 m、深2 m，有效種植面積為0.75 m2，總面積為18 m2。蒸滲儀小區(qū)內(nèi)裝有大田原狀土壤，配有稱重式蒸滲儀數(shù)據(jù)采集系統(tǒng)，能將壓力信號(hào)轉(zhuǎn)換為電信號(hào)，每隔5 min記錄1次土體質(zhì)量變化，測(cè)量水分增減的靈敏度為0.05 mm，并由計(jì)算機(jī)自動(dòng)控制采集記錄。地上還配備了氣象站，按小時(shí)采集空氣溫度、空氣濕度、輻射強(qiáng)度、風(fēng)速、降雨量等數(shù)據(jù)。表型監(jiān)測(cè)模塊由RGB高速彩色相機(jī)、五目多光譜相機(jī)和激光掃描儀3個(gè)成像傳感器構(gòu)成。運(yùn)動(dòng)控制模塊的核心是可編程邏輯控制器（programmable logic controller，PLC），裝在電機(jī)控制柜中，負(fù)責(zé)完成龍門架的前后移動(dòng)功能。PLC外面裝有人機(jī)交互界面，在自動(dòng)控制程序出現(xiàn)故障時(shí)通過(guò)人機(jī)交互界面手動(dòng)控制龍門架。龍門架的左右兩端都分別裝了RGB高速彩色相機(jī)、五目多光譜相機(jī)和激光掃描儀3個(gè)成像傳感器，隨著龍門架的移動(dòng)結(jié)合表型監(jiān)測(cè)模塊一起完成表型監(jiān)測(cè)工作。測(cè)控平臺(tái)是指PC柜中的上位機(jī)，負(fù)責(zé)圖像數(shù)據(jù)的自動(dòng)采集與存儲(chǔ)工作。

a. 總體設(shè)計(jì)結(jié)構(gòu)圖

a. Overall design structure chart

b. 實(shí)物圖

b. Physical drawing

1. 龍門架 2. PC柜 3. 電機(jī)控制柜 4. 激光掃描儀（左右對(duì)稱） 5. RGB高速彩色相機(jī)（左右對(duì)稱） 6. 五目多光譜相機(jī)（左右對(duì)稱） 7. 地下蒸滲儀（左右對(duì)稱） 8. 蒸滲儀表面種植的農(nóng)作物（左右對(duì)稱） 9. 軌道（左右對(duì)稱） 10. 氣象站

1. Ganty 2. PC ark 3. Motor control cabinet 4. Laser scanner (bilateral symmetry) 5. RGB high speed color camera (bilateral symmetry) 6. Five-channel multi-spectral camera (bilateral symmetry) 7. Subsurface lysimeter (bilateral symmetry) 8. Crop grown on surface of lysimeter (bilateral symmetry) 9. Orbit (bilateral symmetry) 10. Weather stations

圖1 作物表型監(jiān)測(cè)系統(tǒng)總體設(shè)計(jì)結(jié)構(gòu)及實(shí)物圖

Fig.1 Overall design structure and physical drawing of crop phenotypic monitoring system

2 硬件設(shè)計(jì)

2.1 表型監(jiān)測(cè)模塊

該監(jiān)測(cè)系統(tǒng)主要通過(guò)對(duì)RGB圖像和不同波段的多光譜圖像分析，對(duì)作物耗水情況進(jìn)行監(jiān)測(cè)，同時(shí)監(jiān)測(cè)作物的生長(zhǎng)狀態(tài)。根據(jù)需求，結(jié)合實(shí)際情況選擇了3種成像傳感器，共同完成數(shù)據(jù)圖像采集功能：1）RGB高速彩色相機(jī)選自日本基恩士公司生產(chǎn)的CV-h200c，這是一款彩色CCD圖像接收原件，需要配合視頻控制器CV-5701一起完成圖像采集的工作。其額定電壓為24 V DC，分辨率為1600 pixel×1200 pixel，可達(dá)到192萬(wàn)有效像素，尺寸155 mm×72 mm ×62 mm。CV-5701的主處理器是數(shù)字信號(hào)處理器（digital signal processing，DSP），可進(jìn)行高速圖像處理，它捕獲來(lái)自CV-h200c CCD的圖像并進(jìn)行傳輸，像素傳輸頻率達(dá)到82 MHz。2）五目多光譜成像設(shè)備選用美國(guó)Micasense公司生產(chǎn)的RedEdge?，供電為5V DC，尺寸為12.1 cm×6.6 cm×4.6cm，質(zhì)量為150 g，可GPS定位。它有5個(gè)獨(dú)立的成像器，分別配有特制的濾光片，可實(shí)時(shí)分離成紅（668 nm）、綠（560 nm）、藍(lán)（475 nm）、紅邊（717 nm）、近紅外（840 nm）這5個(gè)波段，讓每個(gè)成像器接收到精確波長(zhǎng)范圍的光譜。該濾光片能提供針對(duì)單一波段最大圖像分辨率，像素為120萬(wàn)每波段，共600萬(wàn)。3）二維激光掃描儀選自從德國(guó)SICK公司進(jìn)口的LMS111-10100，工作電壓為10.8～30 V DC，尺寸為105 mm×102 mm×162 mm，質(zhì)量1.1 kg。它在工作時(shí)可進(jìn)行270°旋轉(zhuǎn)掃描，角度分辨率為0.25°，掃描頻率為50 Hz，數(shù)據(jù)傳輸率達(dá)到100×106bit/s。它采用多脈沖回波原理，通過(guò)紅外線（905 nm）光源掃描，最遠(yuǎn)可達(dá)到20 m的檢測(cè)距離，針對(duì)10%反射率的黑色物體可達(dá)到18 m，能夠識(shí)別任何形狀的物體。

2.2 運(yùn)動(dòng)控制模塊

該模塊選用臺(tái)達(dá)DVP40EH00T3型號(hào)的PLC作為主控制器，工作電壓是24 V DC，由開(kāi)關(guān)電源供給。PLC通過(guò)控制龍門架移動(dòng)配合完成圖像數(shù)據(jù)的自動(dòng)采集功能。電機(jī)控制柜實(shí)物圖如圖2a所示，左邊為PLC現(xiàn)場(chǎng)布置圖，右邊為裝在PLC外面的人機(jī)交互界面。PLC的控制結(jié)構(gòu)圖如圖2b所示，其中伺服驅(qū)動(dòng)器選用臺(tái)達(dá)ASD-A2- 2023-L，電機(jī)選用臺(tái)達(dá)ECMA-E11320RS，供電電壓都是48V AC，由外接220V AC通過(guò)交流變壓器進(jìn)行轉(zhuǎn)換。PLC先傳送信號(hào)給伺服驅(qū)動(dòng)器，驅(qū)動(dòng)器通過(guò)輸出占空比控制左右兩邊電機(jī)進(jìn)行行進(jìn)，電機(jī)帶動(dòng)龍門架通過(guò)地上布設(shè)的相應(yīng)軌道進(jìn)行同步運(yùn)動(dòng)。同時(shí)，PLC結(jié)合臺(tái)達(dá)公司的組態(tài)軟件DOP-B1OS411開(kāi)發(fā)人機(jī)交互界面，實(shí)現(xiàn)手動(dòng)控制龍門架開(kāi)始、前進(jìn)、后退、距離設(shè)置、電機(jī)轉(zhuǎn)動(dòng)頻率、故障復(fù)位功能。在自動(dòng)控制程序出現(xiàn)故障或需要微小變動(dòng)時(shí)，可以改為手動(dòng)模式。

2.3 測(cè)控平臺(tái)

測(cè)控平臺(tái)完成圖像數(shù)據(jù)的自動(dòng)采集與存儲(chǔ)功能，系統(tǒng)中的硬件連接如圖3所示。各個(gè)成像傳感器與上位機(jī)主要通過(guò)網(wǎng)線進(jìn)行連接，其中的2個(gè)RGB攝像頭CV-h200c要先通過(guò)攝像頭專用線轉(zhuǎn)接到視頻控制器CV-5701上，然后和其他成像傳感器一起經(jīng)過(guò)交換機(jī)連接到上位機(jī)。上位機(jī)通過(guò)對(duì)各個(gè)傳感器的ip地址進(jìn)行訪問(wèn)，完成各個(gè)成像傳感器的自動(dòng)圖像數(shù)據(jù)采集。同時(shí)，上位機(jī)通過(guò)RS485總線與PLC連接，采用ModbusRTU通訊協(xié)議與PLC進(jìn)行通信控制龍門架，因此保證了圖像采集與龍門架運(yùn)動(dòng)的同步進(jìn)行，可以在龍門架移動(dòng)的時(shí)候準(zhǔn)確監(jiān)測(cè)到種植田內(nèi)植株的生長(zhǎng)信息。各個(gè)成像傳感器采集到的圖像數(shù)據(jù)信息都會(huì)自動(dòng)存儲(chǔ)在PC柜上位機(jī)中的指定文件夾。

圖2 電機(jī)控制柜及PLC控制結(jié)構(gòu)圖

圖3 系統(tǒng)硬件連接圖示

3 軟件設(shè)計(jì)

3.1 總體設(shè)計(jì)流程

整個(gè)系統(tǒng)的開(kāi)發(fā)環(huán)境是Visual Studio2017，開(kāi)發(fā)語(yǔ)言是C#，該軟件控制流程圖如圖4所示。首先，程序開(kāi)始，根據(jù)實(shí)際需求，設(shè)置時(shí)間定時(shí)，單獨(dú)RGB和五目圖像采集每隔5 s進(jìn)行1次，激光掃描每隔1 s執(zhí)行1次，試驗(yàn)測(cè)定龍門架單趟行走所用時(shí)間為142 s。整個(gè)系統(tǒng)完成工作需要上位機(jī)和PLC的聯(lián)合控制，上位機(jī)開(kāi)始工作，同時(shí)打開(kāi)與PLC的串口通信，才能保證龍門架移動(dòng)與傳感器采集圖像數(shù)據(jù)信息同時(shí)進(jìn)行。RGB和多光譜成像傳感器根據(jù)各自的通信協(xié)議獲取圖像，激光掃描儀根據(jù)通信協(xié)議獲取點(diǎn)信息后還要進(jìn)行轉(zhuǎn)化才可得到植株位置高度信息。待龍門架開(kāi)始返回時(shí)，各傳感器停止圖像數(shù)據(jù)采集，龍門架回到原點(diǎn)，結(jié)束1個(gè)周期的采集工作。

該軟件運(yùn)行界面截圖如圖5所示，左邊主要是上位機(jī)與PLC通信進(jìn)行的參數(shù)設(shè)置，“單趟行走距離”顯示龍門架所行進(jìn)的路程，“單趟時(shí)間”用來(lái)控制龍門架單趟行走返回原點(diǎn)的時(shí)間，“寫入脈沖數(shù)”用來(lái)控制龍門架單趟行走返回原點(diǎn)的路程，“單趟行走時(shí)間”和“寫入脈沖數(shù)”相互制約，以其中龍門架行走距離較短的參數(shù)設(shè)置進(jìn)行執(zhí)行，當(dāng)時(shí)間和脈沖設(shè)置行走都超出底部軌道的長(zhǎng)度時(shí)，在軌道的盡頭有限位開(kāi)關(guān)停止龍門架行走，通過(guò)人機(jī)交互界面的“故障復(fù)位”恢復(fù)，然后手動(dòng)返回。

在設(shè)置好參數(shù)后，點(diǎn)擊“鎖定設(shè)置”、“完整掃描”龍門架自動(dòng)前進(jìn)，同時(shí)各成像傳感器采集圖像數(shù)據(jù)信息自動(dòng)保存，單趟行走結(jié)束后自動(dòng)返回原點(diǎn)。

圖4 軟件控制流程圖

圖5 軟件運(yùn)行界面截圖

3.2 表型原始圖像獲取

這3個(gè)傳感器都是基于TCP/IP進(jìn)行通信，但是又有各自的通信協(xié)議。

3.2.1 RGB原始圖像獲取

RGB高速彩色相機(jī)與上位機(jī)通過(guò)自定義協(xié)議進(jìn)行通信。首先上位機(jī)發(fā)送給傳感器1個(gè)指令“BC,CM ”，則傳感器會(huì)返回1串字符，其中有效字符串為“BC、圖像數(shù)據(jù)長(zhǎng)度、圖像數(shù)據(jù)”，所以在返回的字符串中找到以BC開(kāi)頭的字符串，其中的第3個(gè)字符即是捕獲到的RGB圖像，然后進(jìn)行存儲(chǔ)即可。創(chuàng)建1個(gè)data文件夾，以時(shí)間格式y(tǒng)yyy-mm-dd-hh-mm-ss將圖像存儲(chǔ)為.bmp格式，方便隨時(shí)查看。

3.2.2 多光譜原始圖像獲取

多光譜相機(jī)通過(guò)HTTP協(xié)議與上位機(jī)進(jìn)行通信，根據(jù)通信協(xié)議，上位機(jī)發(fā)送1個(gè)指令信息“http://192.168. 1.83/capture?cache_raw=31&block=true”給傳感器請(qǐng)求獲取數(shù)據(jù)，傳感器收到信息后會(huì)返回5個(gè)不同波段的圖像信息并以json格式存儲(chǔ)在傳感器中，上位機(jī)對(duì)傳感器中的圖像進(jìn)行復(fù)制并存在創(chuàng)建好的data文件夾中，對(duì)于采集到的紅、綠、藍(lán)、紅邊和近紅外5張不同波段的照片在名稱前加上序號(hào)0~4進(jìn)行區(qū)分并以時(shí)間格式y(tǒng)yyy-mm- dd-hh-mm-ss存儲(chǔ)為.tif格式。

3.2.3 激光掃描儀原始數(shù)據(jù)獲取

二維激光掃描儀與PC進(jìn)行通信是通過(guò)cola A通信協(xié)議。根據(jù)協(xié)議，上位機(jī)發(fā)送給傳感器1個(gè)十六進(jìn)制形式的電報(bào)結(jié)構(gòu)sRN LMDscandata，則傳感器會(huì)給上位機(jī)返回1個(gè)字符串，在返回的字符串中尋找有效字符sRA LMDscandata，從它開(kāi)始以空格為單位，26個(gè)字符開(kāi)始一直到字符串結(jié)束就是掃描到的有效的點(diǎn)數(shù)據(jù)，上位機(jī)對(duì)這段有效點(diǎn)數(shù)據(jù)進(jìn)行接收即可。這樣，上位機(jī)得到的是一連串的植株點(diǎn)信息數(shù)據(jù)，還要將其轉(zhuǎn)化為植株的位置信息和高度信息。

為了準(zhǔn)確獲取植株位置高度信息，需建立空間直角坐標(biāo)系。由圖1中的植物表型監(jiān)測(cè)系統(tǒng)的實(shí)物圖可以看到，系統(tǒng)的原始位置為靠近PC柜一端，然后沿著每個(gè)蒸滲儀的長(zhǎng)從靠近PC柜的一端向另一端移動(dòng)。以龍門架前進(jìn)方向左邊軌道方向?yàn)檩S，龍門架在原始位置時(shí)橫梁所對(duì)應(yīng)在地面上的位置為軸，方向指向軸的對(duì)立面，軸和軸的交點(diǎn)為原點(diǎn)，豎直方向?yàn)檩S，建立空間直角坐標(biāo)系。經(jīng)過(guò)測(cè)量，距離軸較近的激光掃描儀距離軸的垂直距離記為left，值為2.195 m，對(duì)應(yīng)掃描的農(nóng)作物為左邊位置。另外一個(gè)激光掃描儀距離軸的垂直距離記為right，值為5.505 m，對(duì)應(yīng)掃描的農(nóng)作物為右邊位置。激光掃描儀直接掃描到麥苗頂部的距離記為distance，光源為紅外線，紅外線朝向原點(diǎn)轉(zhuǎn)動(dòng)方向與水平方向的角度記為，掃描儀底端到地面的高度記為，為2.25 m。龍門架前進(jìn)速度記為￠，前進(jìn)時(shí)間記為，￠通過(guò)人機(jī)交互界面的“電機(jī)轉(zhuǎn)動(dòng)頻率”來(lái)設(shè)置轉(zhuǎn)換，通過(guò)程序設(shè)置計(jì)時(shí)得到。

則空間坐標(biāo)：

左邊：

右邊

這樣就可以得到空間點(diǎn)坐標(biāo)(,,)，確定了每座蒸滲儀上面所種作物的位置及植株高度信息。這些信息被寫入.obj文件并按照時(shí)間格式存儲(chǔ)在創(chuàng)建好的data文件夾下。對(duì)于左邊的激光掃描儀存儲(chǔ)格式為ScanL+ (yyyymmddhhmmss)+.obj，對(duì)于右邊的激光掃描儀存儲(chǔ)格式為ScanR+(yyyymmddhhmmss)+.obj。

4 系統(tǒng)測(cè)試及應(yīng)用案例

4.1 運(yùn)動(dòng)控制測(cè)試及結(jié)果分析

在北京市昌平區(qū)小湯山國(guó)家精準(zhǔn)農(nóng)業(yè)研究基地，進(jìn)行了運(yùn)動(dòng)控制測(cè)試。前期測(cè)定表明，龍門架單趟走完全程的脈沖是420 000，距離是16.30 m；當(dāng)人機(jī)交互界面電機(jī)轉(zhuǎn)動(dòng)頻率設(shè)置為0.56 rad/s時(shí)轉(zhuǎn)動(dòng)速度為0.111 m/s；在電機(jī)轉(zhuǎn)動(dòng)頻率設(shè)為0.83 rad/s時(shí)轉(zhuǎn)動(dòng)速度為0.167 m/s。在這2種速度（0.111、0.167 m/s）設(shè)置下分別測(cè)試龍門架單趟行走全程16.30 m、1/2全程（8.15 m）、1/4全程（4.08 m）所用的時(shí)間，計(jì)算實(shí)際轉(zhuǎn)動(dòng)速度。所有試驗(yàn)重復(fù)3次，取其平均值。

4.2 表型數(shù)據(jù)采集與處理方法

4.2.1 信息采集方法

傳感器拍照及采集數(shù)據(jù)的頻率可以通過(guò)軟件程序進(jìn)行設(shè)置。本系統(tǒng)中根據(jù)實(shí)際需求，在電機(jī)轉(zhuǎn)動(dòng)頻率設(shè)置為0.56 rad/s時(shí)，設(shè)置RGB和多光譜成像傳感器每隔5 s采集1次，激光掃描儀每隔1 s掃描1次。則系統(tǒng)每運(yùn)行1個(gè)周期，可以采集到28張RGB照片及28組多光譜照片，能夠獲得整塊農(nóng)作物生長(zhǎng)信息；激光掃描儀在1個(gè)周期內(nèi)可以得到整塊作物的位置高度信息，滿足當(dāng)前需要。系統(tǒng)每運(yùn)行1次，即可采集到左右2排，24座蒸滲儀上所種作物，總面積為18 m2的表型圖像信息。

由于對(duì)每座蒸滲儀上種植作物所獲取的表型信息的分析處理過(guò)程都一樣，所以，此處只選擇其中1座編號(hào)為1的蒸滲儀上所種作物的表型信息為例進(jìn)行分析。單座蒸滲儀長(zhǎng)為1 m，寬為0.75 m，種植面積為0.75 m2。選取試驗(yàn)期間所種植的2種作物冬小麥和夏玉米為例進(jìn)行分析，其中冬小麥種植周期為2017年10月—2018年6月，夏玉米種植周期為2018年6月—2018年10月。

4.2.2 日蒸散量及作物日覆蓋度估計(jì)

對(duì)于RGB圖像的分析，以冬小麥為例，主要通過(guò)覆蓋度的計(jì)算，對(duì)冬小麥的日蒸散量進(jìn)行估計(jì)。

根據(jù)氣象站數(shù)據(jù)，假設(shè)利用彭曼公式（Penman-Monteith equation，PM）計(jì)算參比蒸散（reference evapotranspiration，ET）[28]。

氣象站數(shù)據(jù)每1 h獲得1次，則根據(jù)氣象站所測(cè)得的數(shù)據(jù)，包括空氣溫度、空氣濕度、大氣壓、總輻射、日降雨量、風(fēng)速、風(fēng)向，通過(guò)彭曼公式，即可算出每小時(shí)的參比蒸散，最后進(jìn)行累加即為每日的日參比蒸散。

稱重式蒸滲儀會(huì)自動(dòng)連續(xù)記錄各個(gè)小區(qū)土體質(zhì)量變化。試驗(yàn)期間, 通過(guò)在每個(gè)蒸滲儀上增減鉛塊的方法,得到關(guān)于質(zhì)量-電壓的標(biāo)準(zhǔn)曲線, 最終計(jì)算出冬小麥實(shí)際耗水量（actual evapotranspiration，ET）。

式中ET為小麥實(shí)際蒸散，mm/d；為常數(shù)，Δ為1 d內(nèi)電壓的變化值，mV；為每個(gè)蒸滲儀小區(qū)面積，m2。

根據(jù)實(shí)際情況，所選用的1號(hào)蒸滲儀的質(zhì)量-電壓的標(biāo)準(zhǔn)曲線公式為

作物系數(shù)（crop coefficient，K）為

將K與對(duì)應(yīng)時(shí)間的日覆蓋度值做擬合，可得到日覆蓋度與K之間關(guān)系。通過(guò)對(duì)2018年3—5月，在北京市小湯山基地采集的冬小麥圖像信息進(jìn)行處理，得到冬小麥日覆蓋度與作物系數(shù)關(guān)系可以表示為

式中為日覆蓋度。決定系數(shù)2為0.95，均方根誤差（root mean square error，RMSE）為0.157。由于K是一個(gè)增函數(shù)，所以式（9）零點(diǎn)為0.127 1，表示當(dāng)覆蓋度低于12.71%時(shí)，計(jì)算出來(lái)的作物系數(shù)為負(fù)，不再適合用于估計(jì)日蒸散量。

由此，通過(guò)表型圖像的日覆蓋度便可推測(cè)出冬小麥的土壤-作物系數(shù)K，結(jié)合氣象數(shù)據(jù)計(jì)算得到的參比蒸散ET，便可以估計(jì)出冬小麥的實(shí)際蒸散量ET。

作物日覆蓋度的計(jì)算：1）圖像采集：北京市昌平區(qū)小湯山國(guó)家精準(zhǔn)農(nóng)業(yè)研究基地，選取編號(hào)為1的小型蒸滲儀上所種植冬小麥的RGB圖像進(jìn)行分析，計(jì)算覆蓋度，試驗(yàn)時(shí)間為2017年10月—2018年5月。2）采用軟件MATLAB R2017a進(jìn)行圖像分析，以圖6所示的于2018年10月20日采集到冬小麥的RGB圖像為例說(shuō)明覆蓋度的計(jì)算方法。首先，通過(guò)函數(shù)imread()讀入圖像，然后通過(guò)語(yǔ)句I1(i,j,2)>1.1*I1(i,j,1) && I1(i,j,2)>1.1*I1(i,j,3)提取出圖像中綠色分量大于紅色分量并且綠色分量大于藍(lán)色分量的部分，則可以把圖像中作物部分進(jìn)行分割。利用分割后的灰度圖像，計(jì)算作物部分的像素點(diǎn)數(shù)占整個(gè)圖像的像素點(diǎn)數(shù)的比例，即為所研究區(qū)域內(nèi)植被的覆蓋度。對(duì)于圖6所示作物的RGB圖像，程序運(yùn)行，得到作物的覆蓋度為12.22%。

4.2.3 多光譜圖像信息采集與處理

根據(jù)作物的多光譜圖像可以計(jì)算出各種作物指數(shù)，計(jì)算常用的作物指數(shù)：歸一化差異植被指數(shù)（normalized difference vegetation index，NDVI）、差異環(huán)境植被指數(shù)（difference vegetation index，DVI）、比值植被指數(shù)（ratio vegetation index，RVI）、歸一化差異綠度指數(shù)（normalized difference green index，NDGI）。

圖6 冬小麥RGB圖像

式中NIR、、分別為多光譜圖像近紅外、紅光、綠光波段反射率數(shù)值。

計(jì)算各個(gè)指數(shù)值時(shí)同樣使用軟件MATLAB R2017a，首先，通過(guò)imread()函數(shù)讀取進(jìn)行指數(shù)運(yùn)算所需要的多光譜圖像，分別對(duì)圖像根據(jù)以上公式進(jìn)行計(jì)算，即可得到作物的各種指數(shù)圖。利用[m,n]=size()函數(shù)得到圖像矩陣的行數(shù)、列數(shù)，通過(guò)for循環(huán)累加得到指數(shù)圖所有的像元亮度值（digital number，DN），,/(m*n)即為整個(gè)指數(shù)圖中DN的平均值。通過(guò)max()和min()函數(shù)可以得到指數(shù)圖中DN值的最大和最小值。

4.3 結(jié)果與分析

4.3.1 運(yùn)動(dòng)控制測(cè)試結(jié)果

不同速度設(shè)置下的電機(jī)實(shí)際轉(zhuǎn)動(dòng)速度如表1所示?？梢钥闯觯瑢?shí)際平均轉(zhuǎn)動(dòng)速度與設(shè)置的速度的相對(duì)誤差在1.8%～6.0%之間，不會(huì)影響到整個(gè)系統(tǒng)采集表型圖像數(shù)據(jù)信息，表明該運(yùn)動(dòng)控制系統(tǒng)的控制性能比較準(zhǔn)確。

表1 電機(jī)轉(zhuǎn)動(dòng)速度測(cè)試結(jié)果

4.3.2 蒸散量估算結(jié)果

在2018年3—5月，平均每隔10 d采集1次冬小麥作物的RGB圖像信息，每天早中晚各采集1次，計(jì)算出平均日覆蓋度，計(jì)算出作物系數(shù)，與氣象站數(shù)據(jù)計(jì)算出冬小麥作物的參比蒸散相乘即可得到冬小麥作物的估計(jì)蒸散量，與蒸滲儀得到的實(shí)際蒸散量進(jìn)行對(duì)比。試驗(yàn)期間，冬小麥作物的日覆蓋度、作物系數(shù)、參比蒸散量、估計(jì)蒸散量、實(shí)際蒸散量數(shù)據(jù)如表2所示。從表2可以看出，在小麥主要耗水期3—5月相對(duì)誤差減小，在15%～20%之間，平均相對(duì)誤差為16.62%?？梢?jiàn)，利用表型圖像信息對(duì)小麥生育期進(jìn)行蒸散量的估計(jì)是可靠的。

表2 冬小麥返青后實(shí)際與估計(jì)蒸散量對(duì)比

4.3.3 作物植被指數(shù)

于2018年6月25日早上采集到的夏玉米作物的藍(lán)、綠、紅、近紅外、紅邊多光譜圖像，如圖7所示，以此為例計(jì)算常用的作物指數(shù)，結(jié)果見(jiàn)表3。在植被遙感中，NDVI的應(yīng)用最為廣泛，是植被生長(zhǎng)狀態(tài)及植被覆蓋度的最佳指示因子。差值植被指數(shù)應(yīng)用較少，但它對(duì)土壤背景的變化極為敏感，有利于對(duì)植被生態(tài)環(huán)境的監(jiān)測(cè)。比值植被指數(shù)RVI能增強(qiáng)植被與土壤背景之間的輻射差異，RVI是綠色植物的一個(gè)靈敏的指示參數(shù)，它與葉面積指數(shù)、葉干生物量、葉綠素含量相關(guān)性高，被廣泛用于監(jiān)測(cè)綠色生物生物量。歸一化差異綠度指數(shù)可用來(lái)對(duì)不同活力植被形式進(jìn)行檢驗(yàn)。

圖7 夏玉米多光譜圖像

表3 夏玉米指數(shù)計(jì)算值

除此之外，利用多光譜圖像還可以計(jì)算作物的轉(zhuǎn)換型植被指數(shù)，紅色植被指數(shù)，土壤調(diào)整植被指數(shù)等，獲取更多作物信息。

4.3.4 作物二維激光掃描儀數(shù)據(jù)采集與處理

以編號(hào)為1的蒸滲儀種植的夏玉米為例分析二維激光掃描儀獲取到的植株高度信息。圖8a為夏玉米的原始RGB圖像，圖8b為通過(guò)MATLAB R2017a分析得到的夏玉米的等高線圖。首先，通過(guò)函數(shù)load('E:matlab qtfyt1.txt')；讀取所獲得的作物數(shù)據(jù)信息的文本文檔，通過(guò)=qtfyt1(:,1)；=qtfyt1(:,2) ；=qtfyt1(:,3)。以矩陣的形式獲得每個(gè)點(diǎn)信息的坐標(biāo)，通過(guò)函數(shù)contourf()，即可得到如圖8b所示的生長(zhǎng)等高線圖。等高線圖中，1.9～2.5 m為軸，表示該蒸滲儀寬的兩端，一邊距離原點(diǎn)1.9 m，另一邊距離原點(diǎn)2.5 m；0.2～1.4 m為軸，表示該蒸滲儀的長(zhǎng)的兩端，一邊距離原點(diǎn)0.2 m，另一端距離原點(diǎn)1.4 m；通過(guò)的坐標(biāo)即可知道該座蒸滲儀在整個(gè)大田的位置。圖8a所示RGB圖像中，豎直方向?yàn)檩S，水平方向?yàn)檩S，與圖8b所反映的等高線圖互相對(duì)應(yīng)。用等高線表示該塊種植田內(nèi)作物的實(shí)際高度和高低起伏的地圖，光標(biāo)點(diǎn)到某一個(gè)位置時(shí)都可以顯示出該位置的高度信息。根據(jù)圖8b的圖例可以看出每個(gè)區(qū)域的高度信息，可見(jiàn)整體長(zhǎng)勢(shì)從黃、綠到藍(lán)、紫的高度依次為0.09、0.06、0.03、0.01 m，逐次遞減，對(duì)應(yīng)等高線圖中可以看出整體趨勢(shì)左邊偏高，右邊偏低，和圖8a的RGB圖像高度信息吻合，為作物生長(zhǎng)狀況提供了指導(dǎo)。

4.3.5 其他表型參數(shù)獲取

利用表型圖像信息還可以獲得別的表型參數(shù)，比如葉面積、葉片尺寸等。通過(guò)前人研究，可以應(yīng)用改進(jìn)網(wǎng)格搜索算法參數(shù)優(yōu)化后的支持向量機(jī)對(duì)獲取的表型圖像進(jìn)行訓(xùn)練，以作物葉片長(zhǎng)度、葉片最大寬度、葉面積回歸擬合值作為輸入變量對(duì)作物葉面積進(jìn)行預(yù)測(cè)[28]。還可以通過(guò)形態(tài)學(xué)運(yùn)算和邊緣檢測(cè)方法對(duì)復(fù)雜背景下的重疊葉片進(jìn)行識(shí)別[29]?；蛘吒鶕?jù)Chaki 等[30]提出的分層結(jié)構(gòu)，每層根據(jù)本身的特征組處理特定類型的視覺(jué)特點(diǎn)來(lái)識(shí)別不同植物類型數(shù)字葉片圖像。

蒸滲儀測(cè)量精度高，但是造價(jià)也高[31]。該表型監(jiān)測(cè)系統(tǒng)通過(guò)RGB圖像信息對(duì)作物蒸散狀況進(jìn)行實(shí)時(shí)估測(cè)，為傳統(tǒng)蒸滲儀監(jiān)測(cè)耗水提供了可靠的裝備與技術(shù)支撐，同時(shí)，還可以通過(guò)其他傳感器監(jiān)測(cè)到作物的各種表型信息。通過(guò)系統(tǒng)集成與試驗(yàn)，該系統(tǒng)具有測(cè)量面積大、響應(yīng)速度快、可擴(kuò)展性強(qiáng)及成本低、無(wú)接觸無(wú)損傷等優(yōu)點(diǎn)，為作物的蒸散狀況及生長(zhǎng)狀態(tài)提供指導(dǎo)。然而，初步集成構(gòu)建系統(tǒng)能夠可靠獲取相關(guān)數(shù)據(jù)和參數(shù)，但深層的信息挖掘與處理還未進(jìn)行，需要在其他表型信息獲取及圖像融合等方面開(kāi)展進(jìn)一步研究工作。

圖8 夏玉米R(shí)GB與等高線對(duì)比圖

5 結(jié) 論

本文在已有小型稱重式蒸滲儀的基礎(chǔ)上，集成了RGB成像傳感器、多光譜成像傳感器、及二維激光掃描儀于一體，配合龍門架進(jìn)行移動(dòng)控制，構(gòu)建了稱重式蒸滲儀植物表型監(jiān)測(cè)系統(tǒng)，實(shí)時(shí)獲取各種作物的表型圖像數(shù)據(jù)信息，實(shí)現(xiàn)作物生長(zhǎng)過(guò)程中的各種可見(jiàn)與不可見(jiàn)光圖像信息和植株高度信息的自動(dòng)監(jiān)測(cè)。經(jīng)測(cè)試，系統(tǒng)運(yùn)行速度可靠、準(zhǔn)確，速度相對(duì)誤差在1.8%～6.0%之間。

此外，本文提出將表型數(shù)據(jù)、氣象站數(shù)據(jù)、蒸滲儀數(shù)據(jù)結(jié)合在一起，不僅能夠大面積估算作物蒸散量，還能夠獲取各種作物指數(shù)、株高等信息。通過(guò)對(duì)獲取的夏玉米多光譜圖像和激光掃描儀數(shù)據(jù)信息分析，可靠獲取了歸一化差異植被指數(shù)等作物指數(shù)及植株高度信息。并結(jié)合氣象站數(shù)據(jù)，對(duì)冬小麥的主要耗水期RGB圖像分析獲取其估計(jì)蒸散量，與蒸滲儀獲取的實(shí)際蒸散量對(duì)比，其平均相對(duì)誤差為16.62%。通過(guò)集成與試驗(yàn)，該系統(tǒng)具有測(cè)量面積大、響應(yīng)速度快、可擴(kuò)展性強(qiáng)、無(wú)接觸無(wú)損傷及成本低等優(yōu)點(diǎn)，為大面積作物蒸散量的實(shí)時(shí)監(jiān)測(cè)和精確診斷以及作物生長(zhǎng)狀況研究提供有效技術(shù)與裝備支撐，達(dá)到了預(yù)期效果。表型組學(xué)是未來(lái)研究與應(yīng)用的關(guān)鍵領(lǐng)域，通過(guò)表型分析來(lái)描述關(guān)鍵性狀可以為育種、栽培和農(nóng)業(yè)實(shí)踐提供基于大數(shù)據(jù)的決策支持。該系統(tǒng)可為表型組學(xué)的研究提供了有效地裝備與技術(shù)數(shù)據(jù)支撐。但是，系統(tǒng)初步集成，未來(lái)還需要在表型參數(shù)獲取，比如葉面積指數(shù)、葉傾角、冠層結(jié)構(gòu)等方面進(jìn)一步研究，切實(shí)支撐中國(guó)各類作物表型研究發(fā)展。

[1] 郭春明，任景全，張鐵林，等. 東北地區(qū)春玉米生長(zhǎng)季農(nóng)田蒸散量動(dòng)態(tài)變化及其影響因子[J]. 中國(guó)農(nóng)業(yè)氣象，2016，37(4)：400－407. Guo Chunming, Ren Jingquan, Zhang Tielin, et al. Dynamic change of evapotranspiration and influenced factors in the spring maize field in Northeast China [J]. Chinese Journal of Agrometeorology, 2016, 37(4): 400－407. (in Chinese with English abstract)

[2] 袁小環(huán)，滕文軍，張輝，等. 實(shí)測(cè)草坪蒸散量評(píng)價(jià)P-M模型在北京地區(qū)適用性[J].農(nóng)業(yè)工程學(xué)報(bào)，2018，34(7)：147－154.

Yuan Xiaohuan, Teng Wenjun, Zhang Hui, et al. Appraised the applicability of P-M model in Beijing area by the measured evapotranspiration of lawn[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2018, 34(7): 147－154. (in Chinese with English abstract)

[3] Feng Yu, Cui Ningbo, Zhao Lu , et al. Comparison of ELM, GANN, WNN and empirical models for estimating reference evapotranspiration in humid region of Southwest China[J]. Journal of Hydrology, 2016, 536: 376－383.

[4] Kumar J, Pratap A, Kumar S. Phenomics in Crop Plants: Trends, Options and Limitations[M]. India: Springer, 2015.

[5] Li Lei, Zhang Qin, Huang Danfeng. A review of imaging techniques for plant phenotyping[J]. Sensors, 2014, 14(11): 20078－20111.

[6] 金菊良，侯志強(qiáng)，蔣尚明，等. 基于單作物系數(shù)和遺傳算法的受旱脅迫下大豆蒸發(fā)蒸騰量估算[J]. 黑龍江大學(xué)工程學(xué)報(bào)，2017，8(1)：1－10，12. Jin Julian, Hou Zhiqiang, Jiang Shangming, et al. Estimation of soybean evapotranspiration under drought stress based on single crop coefficient and genetic algorithm[J]. Journal of Engineering of Heilongjiang University, 2017, 8(1): 1－10, 12. ( in Chinese with English abstract)

[7] 袁宏偉，崔毅，蔣尚明，等. 基于大型蒸滲儀和遺傳算法的受旱玉米蒸發(fā)蒸騰量估算[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào)，2018，49(10)：326－335. Yuan Hongwei, Cui Yi, Jiang Shangming, et al. Evapotranspiration of drought-affected maize was estimated based on large scale evapotranspiration apparatus and genetic algorithm[J]. TCSAM, 2018, 49(10): 326－335. ( in Chinese with English abstract)

[8] 唐德秀，李毅，劉俸，等. 砂石覆蓋條件下夏玉米蒸發(fā)蒸騰量的估算[J]. 灌溉排水學(xué)報(bào)，2018，37(7)：50－60. Tang Dexiu, Li Yi, Liu Feng, et al. The estimation of evapotranspiration of summer maize under sand-covered condition[J]. Journal of Irrigation and Drainage, 2018, 37(7): 50－60. ( in Chinese with English abstract)

[9] 郭慶華，楊維才，吳芳芳，等. 高通量作物表型監(jiān)測(cè)：育種和精準(zhǔn)農(nóng)業(yè)發(fā)展的加速器[J]. 中國(guó)科學(xué)院院刊，2018，33(9)：940－946. Guo Qinghua, Yang Weicai, Wu Fangfang, et al. High flux crop phenotype monitoring: Accelerator for breeding and precision agriculture development[J]. Proceedings of the Chinese Academy of Sciences, 2018, 33(9): 940－946. ( in Chinese with English abstract)

[10] 康樂(lè)，王海洋. 我國(guó)生物技術(shù)育種現(xiàn)狀與發(fā)展趨勢(shì)[J]. 中國(guó)農(nóng)業(yè)科技導(dǎo)報(bào)，2014，16(1)：16－23. Kang Le, Wang Haiyang. Current situation and development trend of biotechnology breeding in China[J]. China Agricultural Science and Technology Guide, 2014, 16(1): 16－23. (in Chinese with English abstract)

[11] 吳建偉，盧大文，明博，等. 我國(guó)種業(yè)智能裝備產(chǎn)業(yè)研究[J]. 中國(guó)農(nóng)業(yè)科技導(dǎo)報(bào)，2014，16(6)：68－73. Wu Jianwei, Lu Dawen, Ming Bo, et al. Research on China's seed industry intelligent equipment industry[J]. China Agricultural Science and Technology Guide, 2014, 16(6): 68－73. (in Chinese with English abstract)

[12] 丁海鳳，于拴倉(cāng)，王德欣，等. 中國(guó)蔬菜種業(yè)創(chuàng)新趨勢(shì)分析[J]. 中國(guó)蔬菜，2015(8)：1－7. Ding Haifeng, Yu Shuancang, Wang Dexin, et al. Analysis on the innovation trend of Chinese vegetable seed industry[J]. China Vegetables, 2015(8): 1－7. ( in Chinese with English abstract)

[13] Bourdais G, Burdiak P, Gauthier A, et al. Large-scale phenomics identifies primary and fine-tuning roles for crks in responses related to oxidative stress[J]. PloS Genetics, 2015, 11(7): e1005373.

[14] Humplík J F, Lazár D, Fürst T, et al. Automated integrative high-throughput phenotyping of plant shoots: A case study of the cold-tolerance of pea(L.)[J]. Plant Methods, 2015, 11(1): 20.

[15] Kirchgessner N, Liebisch F, Yu K, et al. The ETH field phenotyping platform FIP: A cable-suspended multi-sensor system[J]. Functional Plant Biology, 2017, 44(1): 154－168.

[16] Vadez V, Kholová J, Hummel G, et al. LeasyScan: A novel concept combining 3D imaging and lysimetry for high- throughput phenotyping of traits controlling plant water budget[J]. Journal of Experimental Botany, 2015, 66(18): 5581－5593.

[17] Andrade-Sanchez P, Gore M A, Heun J T, et al. Development and evaluation of a field-based high-throughput phenotyping platform[J]. Functional Plant Biology, 2014, 41(1): 68－79.

[18] Yang W, Duan L, Chen G, et al. Plant phenomics and high-throughput phenotyping: Accelerating rice functional genomics using multidisciplinary technologies[J]. Current Opinion in Plant Biology, 2013, 16(2): 180－187.

[19] 高宇，高軍萍，李寒，等. 植物表型監(jiān)測(cè)技術(shù)研究進(jìn)展及發(fā)展對(duì)策[J]. 江蘇農(nóng)業(yè)科學(xué)，2017，45(11)：5－10. Gao Yu, Gao Junping, Li Han, et al. Advances in plant phenotypic monitoring technology and its development strategies[J]. Jiangsu Agricultural Science, 2017, 45(11): 5－10. ( in Chinese with English abstract)

[20] Yang Wanneng, Duan Lingfeng, Chen Guoxing, et al. Plant phenomics and high-throughput phenotyping: accelerating rice functional genomics using multidisciplinary technologies[J]. Current Opinion in Plant Biology, 2013, 16(2): 180－187.

[21] 郭慶華，吳芳芳，龐樹(shù)鑫，等. Crop 3 D：基于激光雷達(dá)技術(shù)的作物高通量三維表型測(cè)量平臺(tái)[J]. 中國(guó)科學(xué)：生命科學(xué)，2016，46(10)：1210－1221. Guo Qinghua, Wu Fangfang, Pang Shuxin, et al. Crop 3D: A 3D high flux crop phenotype measurement platform based on lidar technology[J]. China Science: Life science, 2016, 46(10): 1210－1221. ( in Chinese with English abstract)

[22] 胡鵬程，郭焱，李保國(guó)，等. 基于多視角立體視覺(jué)的植株三維重建與精度評(píng)估[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2015，31(11)：209－214. Hu Pengcheng, Guo Yan, Li Baoguo, et al. Plant 3D reconstruction and accuracy evaluation based on multi -angle stereo vision[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2015, 31(11): 209－214. (in Chinese with English abstract)

[23] 宋彥，謝漢壘，寧井銘，等. 基于機(jī)器視覺(jué)形狀特征參數(shù)的祁門紅茶等級(jí)識(shí)別[J].農(nóng)業(yè)工程學(xué)報(bào)，2018，34(23)：279－286. Song Yan, Xie Hanlei, Ning Jingming, et al. Qimen black tea grade recognition based on machine vision shape feature parameters[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2018, 34(23): 279－286. (in Chinese with English abstract)

[24] 馬浚誠(chéng)，杜克明，鄭飛翔，等. 基于卷積神經(jīng)網(wǎng)絡(luò)的溫室黃瓜病害識(shí)別系統(tǒng)[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2018，34(12)：186－192. Ma Juncheng, Du Keming, Zheng Feixiang, et al. A greenhouse cucumber disease identification system based on convolutional neural network[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2018, 34(12): 186－192. (in Chinese with English abstract)

[25] 賈偉寬，趙德安，阮承治，等. 蘋果夜視圖像小波變換與獨(dú)立成分分析融合降噪方法[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào)，2015，46(9)：9－17. Jia Weikuan, Zhao De’an, Ruan Chengzhi, et al. Image wavelet transform and independent component analysis of apple night image fusion noise reduction method[J]. TCSAM, 2015, 46(9): 9－17. ( in Chinese with English abstract)

[26] Mulla D J. Twenty five years of remote sensing in precision agriculture: Key advances and remaining knowledge gaps[J]. Biosystems Engineering, 2013, 114(4): 358－371.

[27] Quan Long, Tan Ping, Zeng Gang, et al. Image-based plant modeling[C]// ACM Transactions Graphics(TOG). ACM, 2006, 25(3): 599－604.

[28] 宋文品，黃菁，陳曉麗，等. 地膜覆蓋與常規(guī)灌溉對(duì)冬小麥耗水特征和產(chǎn)量的影響[J]. 中國(guó)生態(tài)農(nóng)業(yè)學(xué)報(bào)，2016，24(11)：1445－1455. Song Wenpin, Huang Jing, Chen Xiaoli, et al. Effects of plastic film mulching and conventional irrigation on water consumption characteristics and yield of winter wheat[J]. Chinese Journal of Ecological agriculture, 2016, 24(11): 1445－1455. (in Chinese with English abstract)

[29] Anjomshoae S T, Rahim M S M, Javanmardi A. Hevea leaf boundary identification based on morphological transformation and edge detection[J]. Pattern Recognition and Image Analysis, 2015, 25(2): 291－294.

[30] Chaki J, Parekh R, Bhattacharya S. Plant leaf recognition using a layered approach[C]//Microelectronics, Computing and Communications (MicroCom). IEEE, 2016: 1－6.

[31] 王子申，蔡煥杰，虞連玉，等. 基于SIMDualKc模型估算西北旱區(qū)冬小麥蒸散量及土壤蒸發(fā)量[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2016，32(5)：126－136.

Wang Zishen, Cai Huanjie, Yu Lianyu, et al. Estimated winter wheat evapotranspiration and soil evaporation in northwest arid area based on SIMDualKc model[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE),2016,32 (5): 126－136. (in Chinese with English abstract)

Design of crop phenotype and evapotranspiration monitoring system based on weighing lysimeter and multi-sensors

Liu Yanping1,2, Du Yali1,2, Nie Mingjun3, Xue Xuzhang2, Zhang Xin2※, Zheng Wengang3, Cui Kewang1,2

(1.300401,; 2.100097,; 3.100097,)

The measurement and estimation of evapotranspiration plays an important role in agriculture. In this study, we designed a plant phenotype and evapotranspiration monitoring system based on weighing lysimeter and multi-images. A total of 24 small weighing lysimeters, integrated RGB imaging sensors, multispectral imaging sensors and a 2D laser scanner were integrated witha gantry to control the movement in order to build weighing lysimeter plant phenotypic monitoring system, realizing automatic monitoring of RGB, red (668 nm), green (560 nm),blue (475 nm), the red edge (717 nm), near infrared (840 nm) image information and plant height information during plant growth period. Each lysimeter had the length of 1 m, a the width of 0.75 m and the depth of 2 m. The effective planting area was 0.75 m2. The total area was 18 m2. The intact soil was filled into the lysimeter. The lysimeter was equipped with data collecting system. The pressure signal was transformed into electrical signals. Wheather stations were installed to measure air temperature, air humidity, radiation, wind speed, precipitation, and the others. The phenotypic monitoring module was composed of RGB high speed color camera, 5-channel multi-spectral camera and laser scanner. The motion control module was of programmable logic controller in motor control cabinet in charge of moving ganty. The outside of programmable logic controller had the man-machine interaction interface. If the automatic control system failed,it could be manually controlled through the man-machine interaction interface. In this paper, phenotypic data, meteorological station data and lysimeter data were combined to not only estimate crop evapotranspiration in a large area, but also obtain various crop index and plant height information. The system was then tested at the designed normal speed and sampling frequency meeting the practical requirements. The results showed that the single journey time of the system was 142 s when the RGB and multi-spectral imaging sensor images were taken every 5 s, laser scanning once every 1 s. After a journey, the system could automatically collect 28 RGB and multi-spectral images, from which plant growth information could be derived. The obtained image data were stored in time format in a folder. During the motion control test, the single journey, time for single journey, pulse for single journey were recorded at designed motor rotation speed of 0.111 and 0.167 m/s. The relative error between the measured and the designed values was 1.8%-6.0%, indicating that the motion control performance was well. The system was used for estimation of evapotranspiration after seedling estimation of winter wheat. The RGB images were collected every 10 days. The average daily coverage and crop coefficient were calculated to calculate evapotranspiration. Finally, the estimated evapotranspiration had the relative error of 16.62% averagely, indicating the reliability of evapotranspiration estimation by the system. In addition, the acquired multi-spectral images and laser scanner data of summer maize were revealed, suggesting that the system could reliably obtain crop index and plant height information such as normalized difference vegetation index, difference vegetation index, ratio vegetation index, normalized difference green index, soil adjusted vegetation index and so on. In sum,this system integrated the lysimeter and multispectral images so as to provide an valuable technology and equipment support for real-time monitoring, accurate diagnosis of crop evapotranspiration and researches on crop growth status. In future, It is necessary to carry out researches on the acquisition of other phenotypic information and image fusion so as to obtain more crop information.

lysimeters; evapotranspiration; phenotype; monitoring; multispectral images; imaging system; image acquisition

2018-08-15

2018-11-10

國(guó)家重點(diǎn)研發(fā)計(jì)劃（2016YFD0200608）；北京市農(nóng)林科學(xué)院科技創(chuàng)新能力建設(shè)專項(xiàng)（KJCX20170204）；北京市農(nóng)林科學(xué)院科研創(chuàng)新平臺(tái)建設(shè)（PT2018-22）

劉艷萍，教授，博士，研究方向：通信及測(cè)控技術(shù)、信息智能處理。Email：liu13312181255@163.com

張 馨，副研究員，博士，研究方向：農(nóng)業(yè)自動(dòng)化。 Email：zhangx@ nercita.org.cn.

10.11975/j.issn.1002-6819.2019.01.014

S274.2;S161.4

A

1002-6819(2019)-01-0114-09

劉艷萍，杜雅麗，聶銘君，薛緒掌，張 馨，鄭文剛，崔可旺. 基于稱重式蒸滲儀及多種傳感器的作物表型及蒸散監(jiān)測(cè)系統(tǒng)研制[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2019，35(1)：114－122. doi：10.11975/j.issn.1002-6819.2019.01.014 http://www.tcsae.org

Liu Yanping, Du Yali, Nie Mingjun, Xue Xuzhang, Zhang Xin, Zheng Wengang, Cui Kewang. Design of crop phenotype and evapotranspiration monitoring system based on weighing lysimeter and multi-sensors[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2019, 35(1): 114－122. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2019.01.014 http://www.tcsae.org