宋 磊，李 嶸，焦義濤，宋懷波

（1. 西北農(nóng)林科技大學(xué)機(jī)械與電子工程學(xué)院，楊凌 712100；2. 農(nóng)業(yè)農(nóng)村部農(nóng)業(yè)物聯(lián)網(wǎng)重點(diǎn)實(shí)驗(yàn)室，楊凌 712100；3. 陜西省農(nóng)業(yè)信息感知與智能服務(wù)重點(diǎn)實(shí)驗(yàn)室，楊凌 712100）

0 引 言

集中批量化育苗是現(xiàn)代設(shè)施農(nóng)業(yè)發(fā)展的必然趨勢。幼苗高度是幼苗培育過程中的重要性狀之一，對于幼苗生長狀況監(jiān)測和優(yōu)良性狀幼苗的篩選具有重要參考作用。當(dāng)前幼苗植株高度數(shù)據(jù)主要依靠人工測量獲取，工作量大、效率低且易對幼苗造成損傷。如何準(zhǔn)確、快速地獲取幼苗高度信息，對于提高工業(yè)化幼苗培育的現(xiàn)代化水平具有重要研究意義。

目前植株高度的自動測量方法大致可分為：1）通過有參標(biāo)定的空間計算獲取植株高度信息；2）通過激光雷達(dá)獲取植株三維點(diǎn)云信息從而獲取植株高度信息；3）通過深度相機(jī)獲取深度信息從而獲取植株高度信息?；谟袇?biāo)定的空間計算方法通常需要標(biāo)定真實(shí)數(shù)據(jù)，然后通過空間計算構(gòu)建植株三維信息，從而獲取植株高度。何晶通過標(biāo)定相機(jī)的空間位置，將拍攝的棉花植株二維圖像轉(zhuǎn)化成世界坐標(biāo)系中的三維信息，從而獲取植株高度信息，測量誤差在1 cm左右。張慧春等采用彩色標(biāo)定板進(jìn)行空間坐標(biāo)系的標(biāo)定，通過運(yùn)動恢復(fù)結(jié)構(gòu)法對多幅圖像序列構(gòu)建植株三維信息，主莖測量高度平均相對誤差（Average Relative Error，）為9.83%。佘銀海等通過標(biāo)定雙目立體視覺平臺來獲取植株左右視圖從而獲取植株空間三維信息及植株高度，總體相對誤差為1.5%。但有參標(biāo)定方法一般只適用于特定環(huán)境，空間自由性不高。

基于激光雷達(dá)的植株高度測量不受外界光照環(huán)境影響，可以快速、準(zhǔn)確地獲取植株高度信息。Corte等將激光雷達(dá)搭建在無人機(jī)上獲取樹木的三維點(diǎn)云信息，并通過濾波將其分為地面點(diǎn)與非地面點(diǎn)，從而計算出樹木的實(shí)際高度。Jimenez等將激光雷達(dá)用于快速無損地估計小麥冠層高度和地上生物量。程曼等利用地面激光雷達(dá)獲取花生的三維點(diǎn)云數(shù)據(jù)，以此計算出花生冠層高度。但是激光雷達(dá)一般用于較大植株的點(diǎn)云數(shù)據(jù)獲取，對于幼苗這類小目標(biāo)物體的數(shù)據(jù)采集效果較差，容易出現(xiàn)幼苗點(diǎn)云缺失現(xiàn)象，不適用于幼苗高度獲取工作。

在基于深度信息獲取植株高度研究方面，場景深度可以分為絕對深度和相對深度。絕對深度是指場景中任意點(diǎn)距圖像采集器豎直平面的真實(shí)距離，相對深度描述的是場景中各目標(biāo)間的相對位置關(guān)系。楊斯等通過RGB-D相機(jī)獲取俯視視角下黃瓜苗盤的彩色圖像和深度圖像，通過濾波和聚類算法獲取單株幼苗點(diǎn)云數(shù)據(jù)從而獲得植株高度，測量結(jié)果的為7.69%。王紀(jì)章等利用Kinect V2深度相機(jī)獲取穴盤的深度圖像，分別獲得地面深度值和單株幼苗深度值，從而得出幼苗實(shí)際高度，測量高度與實(shí)際株高的擬合優(yōu)度為0.875?；谏疃刃畔⒌闹仓旮叨扔嬎惴椒ㄍㄟ^使用硬件設(shè)備獲取植株深度信息，且該深度為絕對深度。該方法具有信息獲取時間短、重建速度快等優(yōu)勢。但該方法獲取的深度圖像易受環(huán)境影響，光照不穩(wěn)定會導(dǎo)致深度圖像存在噪聲且其輸出圖像分辨率較低。當(dāng)目標(biāo)距離深度相機(jī)過近時會導(dǎo)致目標(biāo)深度丟失，并且在對小目標(biāo)物體進(jìn)行深度采集時，容易出現(xiàn)目標(biāo)邊緣和內(nèi)部的深度丟失，不利于幼苗的高度獲取工作。

隨著深度學(xué)習(xí)技術(shù)的不斷發(fā)展，基于深度學(xué)習(xí)的單目圖像深度估計方法日益完善。Eigen等將卷積神經(jīng)網(wǎng)絡(luò)用于單目圖像的深度估計，通過融合不同尺度的深度信息獲得較為精確的深度圖像。Liu等將深度卷積網(wǎng)絡(luò)和條件隨機(jī)場相結(jié)合，通過建立超像素塊之間的條件隨機(jī)場完成深度圖像的優(yōu)化。Laina等首次將ResNet應(yīng)用于單目圖像的深度估計，通過更深的卷積網(wǎng)絡(luò)和上采樣模塊獲得更好的深度估計結(jié)果。相較于有參標(biāo)定算法、激光雷達(dá)和深度相機(jī)3種幼苗高度獲取方式，基于單目圖像的深度估計方法對拍攝環(huán)境和拍攝設(shè)備要求較低，更易于工廠批量化架設(shè)，更適合工廠集中化育苗的測量需求。本研究擬提出一種基于單目深度估計的幼苗高度無損檢測方法，通過普通RGB相機(jī)獲取幼苗圖像，采用深度學(xué)習(xí)算法從單幅圖像中恢復(fù)場景深度并分割出幼苗深度區(qū)域，將該區(qū)域的平均深度值轉(zhuǎn)化為實(shí)際距離，再結(jié)合幼苗圖像的像素高度從而計算出幼苗高度，以期為批量化幼苗高度測量提供借鑒。

1 幼苗高度數(shù)據(jù)獲取及試驗(yàn)方法

1.1 幼苗高度數(shù)據(jù)獲取與深度估計數(shù)據(jù)集制備

1.1.1 幼苗植株數(shù)據(jù)獲取

1）幼苗培育

幼苗培育、數(shù)據(jù)采集和試驗(yàn)均在西北農(nóng)林科技大學(xué)農(nóng)業(yè)農(nóng)村部農(nóng)業(yè)物聯(lián)網(wǎng)重點(diǎn)實(shí)驗(yàn)室（34°16'56.24"N，108°4'27.95''E）進(jìn)行。本研究選取的3種幼苗涵蓋了大部分幼苗的形態(tài)特點(diǎn)，以驗(yàn)證該方法對不同類型幼苗植株的適用性。幼苗植株選取楊凌大學(xué)生種苗培育基地統(tǒng)一培育至幼苗期的番茄、辣椒和甘藍(lán)幼苗進(jìn)行數(shù)據(jù)采集。番茄幼苗72株，品種為普羅旺斯，培育時長50 d左右，植株高度范圍為10.6～28.3 cm，幼苗形態(tài)為粗莖、大葉、直立生長；辣椒幼苗20株，品種為加長6號，培育時長50 d左右，植株高度范圍為13.7～20.0 cm，幼苗形態(tài)為細(xì)莖、小葉、直立生長；甘藍(lán)幼苗20株，品種為甄綠，培育時長35 d左右，植株高度范圍為11.9～17.5 cm，幼苗形態(tài)為短莖，大葉，開展生長。為方便數(shù)據(jù)采集，將每株幼苗單獨(dú)移植在紙杯中并進(jìn)行編號。育苗基質(zhì)采用山東芯喜樂生物科技有限公司的有機(jī)活性基質(zhì)I。數(shù)據(jù)采集期間采用達(dá)斯卡特公司的人工氣候箱RGL-P500進(jìn)行培育，白天溫度設(shè)置為23 ℃，光照設(shè)置為4級，夜間溫度設(shè)置為15 ℃，濕度統(tǒng)一設(shè)置為60%。

2）幼苗高度數(shù)據(jù)采集平臺搭建

單目圖像的深度估計主要是從物體與物體之間的相對位置關(guān)系中提取特征，但由于近大遠(yuǎn)小的光學(xué)傳播特點(diǎn)，網(wǎng)絡(luò)易將近距離的小目標(biāo)識別為遠(yuǎn)位置的大目標(biāo)，因此，本研究在數(shù)據(jù)采集時使用黑色有絨布料作為拍攝背景，以減少背景物品和光源散射帶來的影響，為不同光照強(qiáng)度下的幼苗高度測量提供穩(wěn)定環(huán)境。

幼苗高度數(shù)據(jù)采集平臺如圖1所示，其中幼苗數(shù)據(jù)拍攝環(huán)境如圖1a所示，本研究采用手機(jī)相機(jī)作為拍攝設(shè)備安裝在三角架上，該拍攝設(shè)備可用圖像分辨率不低于640×480像素的RGB相機(jī)進(jìn)行替換。拍攝界面如圖1b所示，相機(jī)鏡頭與拍攝幼苗目標(biāo)平齊，相機(jī)鏡頭的水平調(diào)節(jié)采用手機(jī)自帶的水平儀進(jìn)行調(diào)整，鏡頭水平時屏幕中心的橫線為實(shí)線。幼苗高度測量平臺由底座，測高夾板和刻度尺組成。將幼苗放置平臺底座上，移動夾板至植株頂端，讀取刻度值即可獲取幼苗真實(shí)高度數(shù)據(jù)。

圖1 幼苗高度數(shù)據(jù)采集平臺Fig.1 Seedling height data acquisition platform

3）幼苗高度數(shù)據(jù)采集

本研究幼苗高度數(shù)據(jù)采集于封閉且有穩(wěn)定光源的室內(nèi)環(huán)境。相機(jī)和幼苗的距離在45～150 cm之間調(diào)整，每隔15 cm設(shè)置1個拍攝點(diǎn)，共8個拍攝點(diǎn)。相機(jī)感光度設(shè)置50、100、125、160、200、250、320和400共8個級別，用于控制圖像亮度。

幼苗圖像信息統(tǒng)計結(jié)果如表1所示，本數(shù)據(jù)采集過程共拍攝圖像大小為4 000×3 000像素的番茄幼苗圖像1 728幅，辣椒幼苗圖像160幅，甘藍(lán)幼苗圖像160幅，并手動測量植株頂端到容器底端的水平投影距離，3次取平均作為幼苗真實(shí)高度。其中番茄幼苗圖像用于幼苗高度測量方法的可行性驗(yàn)證。辣椒和甘藍(lán)幼苗圖像用于普適性驗(yàn)證。為探究不同光照強(qiáng)度對本研究方法的影響，本試驗(yàn)在相同光源不同感光度下拍攝番茄幼苗圖像160幅用于試驗(yàn)驗(yàn)證。為探究多目標(biāo)幼苗植株高度檢測效果，在拍攝距離60 cm、感光度160的條件下采集5種不同的多目標(biāo)幼苗植株共200幅。

表1 幼苗圖像信息統(tǒng)計Table 1 Seedling image used in this research

1.1.2 單目深度估計數(shù)據(jù)集制備

NYU Depth Dataset V2深度數(shù)據(jù)集是使用Kinect深度相機(jī)獲得的室內(nèi)深度數(shù)據(jù)集，深度范圍10 m，在大部分深度估計任務(wù)中均可使用。該數(shù)據(jù)集包含464個場景，其中訓(xùn)練場景249個，測試場景215個，共1 449幅圖像，圖像尺寸為640×480像素，且均有對應(yīng)的深度圖像作為訓(xùn)練過程中的真實(shí)數(shù)據(jù)。為使模型具有更好的表達(dá)能力，本研究對該數(shù)據(jù)集進(jìn)行了數(shù)據(jù)增強(qiáng)。已有研究表明，當(dāng)數(shù)據(jù)集達(dá)到萬級別時，訓(xùn)練集、驗(yàn)證集和測試集的比例約為98∶1∶1時效果最佳，因此，本研究數(shù)據(jù)增強(qiáng)結(jié)果如表2所示。通過鏡像、平移、尺度變換后將訓(xùn)練集擴(kuò)展到50 688幅，測試集和驗(yàn)證集分別擴(kuò)展到654幅。

表2 單目深度估計數(shù)據(jù)集信息統(tǒng)計Table 2 Monocular depth estimation data set used in this research

1.2 基于單目深度估計的多目標(biāo)幼苗高度無損測量

基于單目深度估計的多目標(biāo)幼苗高度無損測量模型構(gòu)建流程如圖2所示。本研究采用YOLOv5s網(wǎng)絡(luò)完成多目標(biāo)的檢測和提取。深度估計模塊采用基于深度學(xué)習(xí)的單目深度估計網(wǎng)絡(luò)整體結(jié)構(gòu)為U型結(jié)構(gòu)，ResNeXt 101網(wǎng)絡(luò)作為編碼器主要部分，實(shí)現(xiàn)深度特征提取功能。解碼器整體為一個上采樣過程，通過雙線性內(nèi)插法完成深度信息和空間分辨率的復(fù)原。本研究采用超綠灰度化和大津法完成植株區(qū)域的分割并獲取植株深度信息。通過對相對深度中某一點(diǎn)進(jìn)行標(biāo)定，完成相對深度到絕對深度的轉(zhuǎn)化，以此獲得植株到相機(jī)的真實(shí)距離，根據(jù)該距離可以計算當(dāng)前距離下的視場角度。在獲取真實(shí)距離和視場角度后，根據(jù)圖像中植株像素高度即可完成幼苗高度測量。

圖2 基于單目深度估計的幼苗高度測量流程圖Fig.2 Flow chart of seedling height detection based on monocular depth estimation

1.2.1 單目深度估計網(wǎng)絡(luò)構(gòu)建

在基于單目圖像的深度估計任務(wù)中，如何更好地提取出圖像中深度的細(xì)節(jié)信息至關(guān)重要。單目深度估計網(wǎng)絡(luò)模型結(jié)構(gòu)如圖3a所示，本研究以U型網(wǎng)絡(luò)為主體結(jié)構(gòu)，ResNeXt 101網(wǎng)絡(luò)作為特征提取網(wǎng)絡(luò)，在解碼器的上采樣部分采用跳躍連接以增加深度圖像中的細(xì)節(jié)信息，進(jìn)而更好地完成單目圖像深度估計任務(wù)。其中跳躍連接模塊、上采樣模塊和輸出模塊具體結(jié)構(gòu)如圖3b所示。

圖3 基于ResNeXt的單目深度估計網(wǎng)絡(luò)模型結(jié)構(gòu)圖Fig.3 Structure diagram of monocular depth estimation network model of ResNeXt

ResNeXt layer1～4是編碼器的主要部分，用于從單目圖像中獲取場景深度信息。在跳躍連接部分加入了跳躍連接模塊用于更好地提取深度特征和對齊網(wǎng)絡(luò)通道。解碼器部分為一個上采樣過程，旨在預(yù)測圖像的深度細(xì)節(jié)信息和恢復(fù)圖像的空間分辨率。上采樣部分參考?xì)埐罹W(wǎng)絡(luò)結(jié)構(gòu)將深度信息進(jìn)一步融合，并通過雙線性內(nèi)插法進(jìn)行上采樣，以增加特征圖的細(xì)節(jié)信息。

1.2.2 幼苗高度測量模型構(gòu)建

幼苗高度測量模型構(gòu)建流程如圖4所示，主要由不同距離下相對深度和視場角標(biāo)定；植株區(qū)域深度信息提??；植株像素高度提取和植株真實(shí)高度計算4部分組成。

圖4 幼苗高度測量模型構(gòu)建流程Fig.4 Construction process of seedling height detection model

1）不同距離下相對深度和視場角的標(biāo)定

在單目深度估計任務(wù)中，通過深度學(xué)習(xí)獲取的深度信息為相對深度，可以通過對圖像中任意點(diǎn)的真實(shí)距離進(jìn)行標(biāo)定來完成相對深度到絕對深度的轉(zhuǎn)化。根據(jù)Kinect深度相機(jī)的成像原理，相對深度和目標(biāo)到相機(jī)的真實(shí)距離（cm）的計算關(guān)系如式（1）所示。

式中=7.5 cm，為Kinect中紅外發(fā)射器和紅外攝像機(jī)之間的距離，F= 367.749是紅外攝像機(jī)在水平方向的焦距長度。為深度圖像中的最大相對深度值，由于本研究將深度圖像進(jìn)行線性拉伸導(dǎo)致實(shí)際的大于深度圖像中的最大深度值，因此需要對進(jìn)行重新標(biāo)定。

本研究從1 728幅番茄幼苗的深度圖像中隨機(jī)選取8個不同拍攝距離下的深度圖像各1幅，通過植株區(qū)域的平均深度值和拍攝距離以式（1）進(jìn)行不同距離下的標(biāo)定，標(biāo)定結(jié)果如表3所示。該標(biāo)定結(jié)果可用于后續(xù)所有研究內(nèi)容中的拍攝距離計算。

在光學(xué)成像領(lǐng)域中視場角會隨著相機(jī)焦距的變化而改變。在實(shí)際數(shù)據(jù)采集過程中，由于植株和相機(jī)距離的不斷變化，拍攝焦距的自動調(diào)整導(dǎo)致圖像成像的視場角發(fā)生改變，這點(diǎn)在本研究后續(xù)的實(shí)際高度計算中得到了驗(yàn)證。因此需要對不同距離下的視場角進(jìn)行標(biāo)定。本研究拍攝8幅不同距離下的幼苗高度測量平臺的RGB圖像用于角度標(biāo)定。視場角(°)和拍攝距離（cm）的幾何關(guān)系如式（2）所示。

式中H=H/，其中取35 cm，h（pixel）為圖像中35 cm的像素高度，標(biāo)定結(jié)果如表3所示。該標(biāo)定結(jié)果可用于后續(xù)所有研究內(nèi)容中的幼苗高度計算。

表3 不同距離下相對深度和視場角標(biāo)定結(jié)果Table 3 Calibration results of relative depth and field angle at different distances

2）植株區(qū)域的深度信息提取

①深度線性拉伸。本研究采用黑色有絨布料作為拍攝背景，以減少復(fù)雜背景和光源散射對深度估計的影響。由于背景單一且和植株目標(biāo)距離較近，導(dǎo)致深度圖像中的背景和植株目標(biāo)的深度值相近。因此本研究通過線性灰度拉伸將深度圖像中的深度范圍映射到0～255，以增大深度圖像的表達(dá)能力。

②植株區(qū)域分割和深度提取。本研究根據(jù)植株的顏色特征，對縮小后的植株圖像進(jìn)行超綠灰度化，完成植株區(qū)域的灰度增強(qiáng)，如圖4所示。超綠灰度化計算如式（3）所示。

式中、、分別對應(yīng)RGB圖像中的紅、綠、藍(lán)通道。

通過對超綠灰度化結(jié)果進(jìn)行閾值分割獲取僅含植株區(qū)域的分割圖像。將深度線性拉伸結(jié)果和超綠灰度化分割結(jié)果相乘獲得植株的深度區(qū)域。最后讀取植株深度區(qū)域的深度信息計算得出植株區(qū)域的平均相對深度值。該平均相對深度值可用于后續(xù)植株與相機(jī)真實(shí)距離的計算。

3）植株像素高度提取

通過超綠灰度化分割對植株區(qū)域進(jìn)行通道增強(qiáng)獲得更容易分割的通道增強(qiáng)圖像。再通過大津法閾值分割獲取整體植株區(qū)域，從而獲得植株的像素高度。該像素高度用于植株真實(shí)高度（cm）的計算。

4）植株真實(shí)高度計算

植株高度計算原理如圖5所示，本研究中的植株高度（cm）定義為紙杯底端到植株葉部生長最高點(diǎn)的垂直距離（cm）減去紙杯高度（cm），其中紙杯高度為9 cm。植株高度計算公式如式（4）所示。

圖5 植株高度計算示意圖Fig.5 Schematic diagram of plant height calculation

含容器的植株高度計算如式（5）所示

式中為當(dāng)前距離（cm）下垂直分辨率，表示在該距離下每個像素表示的實(shí)際距離，m/pixel。（pixel）為植株的像素高度。

1.2.3 評價指標(biāo)與對比模型

深度估計結(jié)果與幼苗高度測量計算密切相關(guān)，因此本研究采用Eigen等使用的、RMSE、平均對數(shù)誤差（Logarithm Deviation，LG）和準(zhǔn)確率（）對深度估計結(jié)果進(jìn)行評價分析，以驗(yàn)證本研究結(jié)果的適用性。其中、RMSE、LG描述的是預(yù)測深度和真實(shí)深度之間的偏差程度，值越小越好。描述的是預(yù)測深度和真實(shí)深度在指定閾值thr范圍內(nèi)的像素點(diǎn)占全部像素點(diǎn)的百分比，值越大越好。具體計算公式如式（6）～（9）所示。

式中和分別為真實(shí)和預(yù)測的相對深度，為測試圖像數(shù)，thr為準(zhǔn)確率閾值，有1.25，1.25和1.25共3個值。

為驗(yàn)證本模型性能，引用和本研究模型結(jié)構(gòu)相似的3種深度估計模型（Eigen等提出的多尺度卷積神經(jīng)網(wǎng)絡(luò)深度估計模型、Liu等提出的基于條件隨機(jī)場深度估計模型和U型網(wǎng)絡(luò)結(jié)構(gòu)下評價結(jié)果最好的Laina等提出的基于ResNet網(wǎng)絡(luò)模型）進(jìn)行對比。

為實(shí)現(xiàn)多目標(biāo)植株高度測量需求，本研究采用精確率，召回率和平均準(zhǔn)確率均值(Mean Average Precision，mAP)對多目標(biāo)檢測結(jié)果進(jìn)行評價分析。

為驗(yàn)證植株高度測量結(jié)果的準(zhǔn)確性，本研究采用平均植株高度比例、MAE、RMSE進(jìn)行評價分析。其中描述的是計算植株高度和實(shí)際植株高度的相似度，MAE和RMSE描述的是計算和實(shí)際植株高度的偏差程度。

2 結(jié)果與分析

2.1 基于YOLOv5s多目標(biāo)檢測訓(xùn)練結(jié)果

本研究將表1所示的1 728幅番茄幼苗圖像按6∶2∶2分為訓(xùn)練集、驗(yàn)證集和測試集，對YOLOv5s網(wǎng)絡(luò)進(jìn)行訓(xùn)練。并對多目標(biāo)植株圖像進(jìn)行測試，模型精確率為98.20%，召回率為0.98，mAP（0.95）為84.6%。表明采用YOLOv5s網(wǎng)絡(luò)可以很好地完成多目標(biāo)檢測提取任務(wù)。

2.2 單目深度估計網(wǎng)絡(luò)模型訓(xùn)練結(jié)果

本研究采用表2所示的NYU Depth Dataset V2進(jìn)行訓(xùn)練，批大小（Batch size）設(shè)置為4，訓(xùn)練次數(shù)（Epoch）設(shè)置為20，初始學(xué)習(xí)率設(shè)置為0.001，訓(xùn)練時間約為32 h。

本研究采用上述4個評價指標(biāo)和3種不同的深度估計模型進(jìn)行對比分析，測試結(jié)果如表4所示。

表4 不同模型評價結(jié)果對比Table 4 Comparison of evaluation results of different models

從誤差評價指標(biāo)和準(zhǔn)確率評價指標(biāo)可以看出，本研究模型可以較好地完成單目圖像深度估計任務(wù)。本設(shè)計模型在各項(xiàng)指標(biāo)上基本優(yōu)于Eigen等提出的多尺度卷積神經(jīng)網(wǎng)絡(luò)深度估計模型和Liu等提出的基于條件隨機(jī)場深度估計模型。相較于Laina等模型的評測結(jié)果，本模型在RMSE指標(biāo)上減小了71.2%，有著明顯的提升。對比其他指標(biāo)雖然沒有達(dá)到最佳，但基本持平，相差最大的指標(biāo)僅差0.05。表明本模型可以較好地完成植株深度信息的估計任務(wù)。

2.3 植株高度測量模型測試結(jié)果

本研究使用的植株高度評價指標(biāo)為平均植株高度比例、MAE、RMSE。其中計算植株高度和實(shí)際植株高度H越接近，越接近1，MAE和RMSE越小。

采用表1所示的8種距離共1 728幅番茄幼苗圖像進(jìn)行植株高度測量模型測試，測試結(jié)果如表5所示。

表5 不同距離下植株高度測量結(jié)果Table 5 Detection results of plant height at different distances

由表5可知，在45～105 cm內(nèi)，平均深度計算距離的MAE為0.62 cm，即通過單目圖像深度估計計算出的拍攝距離平均誤差為厘米級別，因此該距離計算方法可以保持較好的準(zhǔn)確度。針對番茄幼苗，當(dāng)拍攝距離在105 cm內(nèi)時，平均為1.005，MAE的平均值為0.569 cm，RMSE的平均值為0.829 cm，表明本研究模型在105 cm內(nèi)具有較好的植株高度測量能力。當(dāng)拍攝距離在60和75 cm位置時，植株高度測量效果最好，MAE和RMSE分別為0.472、0.439和0.635、0.702 cm。隨著實(shí)際拍攝距離的增大，即拍攝距離大于105 cm時，平均深度計算距離發(fā)生了較大程度的畸變，導(dǎo)致后續(xù)的高度計算誤差增大。這是因?yàn)殡S著拍攝距離的增加，植株區(qū)域占圖像總比例減少，導(dǎo)致植株區(qū)域在深度估計中的特征提取權(quán)重降低，植株的深度信息出現(xiàn)丟失。此時的計算距離更接近于相機(jī)到黑色背景布的距離，而不是植株的實(shí)際拍攝距離。

因此本研究提出的植株高度測量方法在105 cm拍攝距離內(nèi)具有較高的準(zhǔn)確度，每株幼苗的平均計算時間為2.01 s，可以完成幼苗植株高度的精確、快速檢測任務(wù)。

為探究不同植株的高度測量效果，本研究采用如表1所示的8種拍攝距離下160幅辣椒圖像和160幅甘藍(lán)圖像進(jìn)行植株高度測量方法的普適性驗(yàn)證。由表5可知，辣椒幼苗高度測量結(jié)果MAE和RMSE在105 cm內(nèi)的平均值分別0.616和0.672 cm，甘藍(lán)幼苗高度測量結(jié)果MAE和RMSE在105 cm內(nèi)的平均值分別0.326和0.389 cm。測試結(jié)果表明在105 cm內(nèi)本研究方法對形態(tài)差異較大的幼苗植株具有普適性。

不同拍攝距離下辣椒幼苗、甘藍(lán)幼苗和番茄幼苗的均在1附近，105 cm前該比例處于平穩(wěn)狀態(tài)。隨著距離增加，比例振蕩幅度增大，且呈現(xiàn)上升趨勢。這是因?yàn)榕臄z距離增加，導(dǎo)致植株區(qū)域在圖像中的占比減小，使得目標(biāo)區(qū)域的深度特征更接近于背景深度，出現(xiàn)深度丟失現(xiàn)象，如圖6所示。

圖6 深度丟失現(xiàn)象Fig.6 Depth loss phenomenon

2.4 不同光照強(qiáng)度對檢測結(jié)果的影響

為盡可能保證試驗(yàn)環(huán)境變量僅有光照強(qiáng)度，本研究選取了生長高度相似的20株番茄幼苗作為試驗(yàn)?zāi)繕?biāo)，拍攝距離采用表5中測試效果較好的拍攝點(diǎn)0.6 m進(jìn)行數(shù)據(jù)采集。由于光照強(qiáng)度控制難以實(shí)現(xiàn)，因此本試驗(yàn)數(shù)據(jù)采用8個不同感光度進(jìn)行數(shù)據(jù)采集，采集結(jié)果如圖7所示。

對不同感光度下160幅番茄幼苗圖像的測試結(jié)果表明，光照強(qiáng)度對植株區(qū)域分割結(jié)果和圖像相對深度估計有較大影響。如圖7所示，隨著感光度的增大，植株區(qū)域的分割效果越好，更易于植株深度信息的提取。不同感光度下植株高度測量結(jié)果如表6所示，光照強(qiáng)度對植株高度測量結(jié)果影響較大，當(dāng)感光度大于160時，絕對深度和MAE均會產(chǎn)生較大誤差；當(dāng)感光度在160以內(nèi)時，平均絕對深度接近真實(shí)深度；當(dāng)感光度為100時MAE最小為0.720 cm，感光度在160以內(nèi)的平均MAE為0.81 cm?？梢娫摲椒ㄔ诓煌庹諒?qiáng)度下仍有較好的準(zhǔn)確度。

圖7 不同感光度下的番茄幼苗圖像Fig.7 Images of tomato seedlings under different sensitivity

表6 不同感光度下植株高度測量結(jié)果Table 6 Results of plant height under different sensitivity

2.5 多目標(biāo)幼苗植株高度檢測結(jié)果

本研究對含有2、3、4、5和6株幼苗的單幅圖像進(jìn)行多目標(biāo)植株高度檢測，檢測結(jié)果如表7所示。由表7可知，隨著單幅圖像中目標(biāo)個數(shù)的增加，、MAE和RMSE均有所增大。這是由于在初始角度和距離的標(biāo)定過程中，標(biāo)定物是位于圖像中心位置，因此當(dāng)圖像中植株數(shù)量增加時，靠近圖像邊緣區(qū)域的植株深度相較于圖像中心的植株深度會產(chǎn)生較大誤差。當(dāng)單幅圖像中植株個數(shù)處于5以內(nèi)時，、MAE和RMSE的平均值分別為1.001、0.652 cm和0.829 cm，因此本研究方法對多目標(biāo)幼苗植株高度檢測仍具有較好的效果。

表7 多目標(biāo)幼苗植株高度檢測結(jié)果Table 7 Results of plant height under multi target seedlings

3 結(jié) 論

為滿足工廠批量化育苗需求，本研究提出了一種基于單目圖像深度估計的幼苗高度無損檢測方法。主要結(jié)論如下：

1）該方法可以較準(zhǔn)確地從單幅幼苗圖像中檢測植株的高度信息。本研究通過對番茄，辣椒和甘藍(lán)三種表型差異較大的幼苗植株進(jìn)行高度測量，在105 cm內(nèi)番茄、辣椒和甘藍(lán)的MAE分別為0.569、0.616、0.326 cm；RMSE分別為0.829、0.672、0.389 cm；說明該方法具有可行性和普適性。

2）該方法采用普通RGB相機(jī)進(jìn)行數(shù)據(jù)采集，通過上傳圖像數(shù)據(jù)完成植株高度檢測，擺脫了深度相機(jī)設(shè)備的空間局限。且該方法在單幅圖像中植株個數(shù)在5以內(nèi)時，、MAE和RMSE的平均值分別為1.001、0.652 cm和0.829 cm。當(dāng)感光度為160以內(nèi)時，植株高度的MAE為0.81 cm。因此對于多目標(biāo)和不同光照環(huán)境，均可以完成植株的高度測量，提高了該方法的實(shí)用性。

3）該方法可以通過單幅圖像實(shí)現(xiàn)幼苗高度的批量化檢測，但是當(dāng)單幅圖像中植株數(shù)量較多時效果不佳。且當(dāng)幼苗遮擋嚴(yán)重時，植株的重疊會導(dǎo)致無法準(zhǔn)確估計目標(biāo)植株的深度值。因此本研究對密集植株的高度檢測尚需進(jìn)一步完善。