CN106644939B - 一种农田土壤表层残膜残留量的测量方法及系统 - Google Patents
一种农田土壤表层残膜残留量的测量方法及系统 Download PDFInfo
- Publication number
- CN106644939B CN106644939B CN201611122214.1A CN201611122214A CN106644939B CN 106644939 B CN106644939 B CN 106644939B CN 201611122214 A CN201611122214 A CN 201611122214A CN 106644939 B CN106644939 B CN 106644939B
- Authority
- CN
- China
- Prior art keywords
- image
- residual film
- residual
- film
- residual quantity
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/01—Arrangements or apparatus for facilitating the optical investigation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/01—Arrangements or apparatus for facilitating the optical investigation
- G01N2021/0106—General arrangement of respective parts
- G01N2021/0118—Apparatus with remote processing
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种农田土壤表层残膜残留量的测量方法,包括用无人机下端图像传感器对测量区域进行图像拍摄,拍摄后的图像信息由无人机上的图像发射器发射无线图像信号,图像接收器获取图像信号并将图像信号输入至计算机系统,将获取的农田图像变成灰度图像;设置残膜的灰度区分阀值,进行残膜图像分割,将图像进行二值化处理;通过闭合运算与腐蚀运算,将二值化后的残膜形状灰度值进行量化统计相加,最终得出测量区域农田表面的残膜残留量的量化值。结果表明,与人工测量方法相比,图像识别方法的误差度均值为4.82%,测量精度一致性较好,对于农业污染的田间数据,完全满足测量精度。本发明还公开了一种农田土壤表层残膜残留量的测量系统,所述测量系统包括无人机,图像传感器,图像发射器,图像接收器和计算机。
Description
技术领域
本发明属于图像识别与测量技术领域,主要涉及平作区农田残膜污染物在农田中残留量的计算机图像识别测量的方法和系统。
背景技术
随着地膜技术的不断应用与推广,残膜污染问题日益严重,尤其是新疆、东北等主要的覆膜播种区域,残膜污染问题已经影响到了当地农业的可持续发展问题,根据农业部测算,新疆平作区部份地区农田残膜残留量已经达到了250~300kg/hm2,残膜污染问题已经成了一个急需解决的重大难题。
为了解决或降低残膜污染的问题,现有技术中的一种思路是使残膜更容易回收,如文献1公开了一种易回收环保地膜及制备方法,这种思路增加了地膜的制造成本;文献2公开了便于回收的地膜,该地膜使用起来很繁琐。
还有一种思路是用专用工具来清除残膜,如文献3公开了地膜清除工具,文献4公开了一种残留地膜回收机等。但是,不同地膜残留量所需清除方式也不同,特别是较大面积的农田,不同地块的农膜残留情况需要首先预估农膜残留量。
残膜污染问题的解决首先需要进行对当地地块残膜残留量的测算,用测算后的残膜残留量值来衡量当地农田残膜污染情况。目前在测算方法上,主要采用以对角线法、梅花点法、棋盘点法和蛇形线法等田间野外采样法,人工将1m×1m的正方形的田间样块中取出耕层土壤,将土壤中的残膜数量进行人工筛选,最后统计1m×1m样块中的残膜残留量,以此来测算当地区的每公顷残膜残留量。目前,这种人工采样的方法进度较慢,无法进行大面积农田残膜残留量的快速计算;大面积的测算需要大量的人力物力费用,浪费了较多的调研时间;且由于不同地块的种植信息不同,统计后的残膜残留量数据存在一定的误差,影响了计算精度。
文献5公开了一种耕层土壤中地膜残留污染系数监测方法,该本发明涉及一种耕层土壤中地膜残留污染系数监测方法,该具体过程为:步骤a,选取采样点进行采样;步骤b,样品检测与处理;步骤b1,样品粗拣,去除土块、湿土;步骤b2,样品细拣;步骤b3,残膜片数统计;步骤b4,残膜质量统计;步骤b6,残膜漂洗;步骤b7,残膜烘干;步骤b8,再次细拣;步骤b9,残膜恒重;步骤c,地膜残留污染系数的计算;步骤c1,残留量的计算;步骤c2,残留污染系数的计算。该发明通过选择典型的具有代表性覆盖过地膜的农田,对其调查检测,获取土壤地膜残留量,计算地膜残留系数,摸清地膜在土壤中的残留数量,准确评价地膜污染程度。
该方法的操作步骤繁琐,属于人工测算残膜污染数据的范畴,至少有如下问题:
(1)人工测量的工作量过大,仅适用于小区域的实验测定,对于一个省级区域或国家级区域测量,工作量过大。
(2)工作步骤过多,操作细节过多容易产生数据误差,影响测量精度。
(3)对于大面积测量,测量工作量较大,不能实现同一时间段的数据测量,土壤中残膜通过时空迁移产生了变化,因此,测量的数据没有考虑残膜随土壤耕作时间的变化影响。
参考文献
文献1:CN105367887。
文献2:CN102919087。
文献3:CN204681800U。
文献4:CN204518352U。
文献5:CN104007039。
文献6:牛瑞坤,王旭峰,胡灿,侯书林,鲁兵,李俊宝.新疆阿克苏地区棉田残膜污染现状分析[J].新疆农业科学,2016,02:283-288。
文献7:严昌荣,梅旭荣,何文清,等.农用地膜残留污染的现状与防治[J].农业工程学报,2006,22(11):269-272。
发明内容
本发明的目的是为了解决现有的农田残膜污染田间测量技术中存在测量难度大,可测范围小,人力成本高等问题,应用图像分析技术与数学计算分析方法,提出一种对春耕后平作区农田残膜残留量的自动测量计算分析装置及方法。
本发明提供了一种农田土壤表层残膜残留量的测量方法,包括如下步骤:
步骤1,农田表面残膜残留量图像信息的获取;
步骤2,农田表面残膜残留量图像信息的预处理;
步骤3,农田表面残膜残留量的统计测量;
步骤4,根据表层残膜残留量信息进行数学分析计算,统计表层残膜与耕层残膜之间的数值关系,计算出耕层残膜的残膜残留量。
在有些实施方案中,步骤1中:
图像获取由无人机完成,用所述无人机下端图像传感器对测量区域进行图像拍摄,拍摄后的图像信息由所述无人机上的图像发射器发射无线图像信号,图像接收器获取图像信号并将图像信号输入至计算机。
在有些实施方案中,当所述计算机发出测量信号时,所述无人机自动设定所述图像传感器焦距为2.5倍焦距,标准镜头的视角50度,所述无人机上升,使所述图像传感器离农田拍摄高度为5米,当检测光强信号光照度大于1000lux时,以大于600万像素将所述图像传感器与农田表面进行垂直拍摄,拍摄后图像信息传输至所述计算机。
在有些实施方案中,步骤1中:
图像获取由人造卫星完成,用所述人造卫星下端图像传感器对测量区域进行图像拍摄,拍摄后的图像信息由所述卫星上的图像发射器发射无线图像信号,图像接收器获取图像信号并将图像信号输入至计算机。
在有些实施方案中,步骤2中,
将获取的农田图像变成灰度图像;
设置残膜的灰度区分阀值,设置阀值I=0.4,以此标准进行残膜图像分割,将图像进行二值化处理;
通过闭合运算与腐蚀运算,将二值化后的残膜形状灰度值进行量化统计相加,根据换算公式:R0=(Q/1000)*1.04,最终得出测量区域农田表面的残膜残留量的量化值,其中,R0为农田表面残膜残留量的测量值,单位为克,Q为图像残膜形状量化值,1.04为经验常数。
在有些实施方案中,步骤3中,根据土壤表层农膜与土壤总农膜质量的比例关系,通过土壤表层残膜的图像数据推算土壤中整体农膜残留量。
在有些实施方案中,步骤4中,根据所采集图像的田间地块大小,通过土壤表层残膜残留量的统计值,依照下面的计算数学模型进行地块残膜残留量的判断:
R=(6.25×R0)δ,
其中,δ为春耕播种时的整地后残膜与土壤均匀度系数,沙土取1.02,壤土取1.05;
R为测量地块的残膜残留量,单位为克。
本发明还提供了一种用于实现上所述的农田土壤表层残膜残留量的测量方法的农田土壤表层残膜残留量的测量系统,所述测量系统包括无人机或人造卫星,图像传感器,图像发射器,图像接收器和计算机。
结果表明,与人工测量方法相比,图像识别方法的误差度均值为4.82%,测量精度一致性较好,对于农业污染的田间数据,完全满足测量精度。
附图说明
图1为残膜残留量的测量装置示意图,其中,1代表图像获取无人机;2代表测量区域;3代表图像接收器;4代表农田;
图2示出了获取的农田残膜照片;
图3为农田残膜图像自识别程序流程图;
图4示出了农田表层土壤残膜残留量的二值化处理图片;
图5示出了农田表层土壤残膜残留量的二值化处理图片,其中a是b的二值化结果;
图6示出了残膜图像处理流程;
图7示出了人工测量实验流程图。
具体实施方式
为了更好的解释本发明的技术方案,下面结合附图详细介绍本发明的各个实施例。
一、本发明核心构思
一种农田土壤表层残膜残留量的测量方法,如图1所示,其中,图像获取由无人机完成,当无人机下端图像传感器离农田拍摄高度为5米时,对测量区域进行图像拍摄,拍摄后的图像信息由无人机上的图像发射器发射无线图像信号,图像接收器3获取图像信号并将图像信号输入至计算机系统进行图像处理,当计算出测量区的残膜污染数据时,完成整个过程。
其中图像处理流程如图3所示,主要流程为:(1)自动划定拍摄图片的区域,对图片进行拍摄角度、清晰度的预处理。(2)设定处理图像中残膜识别的灰度阀值,对图像进行灰度化,通过灰度值识别出残膜在表面土层的形状;通过二值化数据处理,统计出残膜形状的量化数据,并将数据进行统计计算,通过换算公式:R0=(Q/1000)*1.04,(其中,R0为农田表面残膜残留量的实际值,单位为克,Q为图像残膜形状量化值,无量纲数(通过设定阀值参数后,附件程序能统计到的与阀值接近的灰度图像区域形状的数量),1.04为图像处理数据的异常化数据误差系数,为经验常数)得出表层残膜的实际数据,根据表层残膜与土壤层分布情况,分析并预测出测量地的残膜残留量,为农田残膜污染数据计算提供面源数据。
二、本发明具体步骤
具体地,测量方法可分为如下步骤:
步骤1,农田表面残膜残留量图像信息的获取;
如图1所示,相机装设在无人机下端,图像发射置为无线传输,图像接收装置为计算机无线接收器,图像储存于计算机内。
当计算机发出测量信号时,无人机自动设定图像传感器焦距为2.5倍焦距,标准镜头的视角约50度,无人机上升,使图像传感器离农田拍摄高度为5米,采用技术措施,将图像传感器相机与农田表面进行垂直拍摄,当检测光强信号光照度大于1000lux时,进行拍摄,图像传感器像素大于600万像素,拍摄后图像信息传输至计算机,此时获取农田表面残膜残留量图像信息,以备后续步骤分析使用。
可选地,选取春耕整地后,农田地面平整,无附着物,残膜与土壤分布均匀,呈一定的数学规律,覆膜播种种植年限在5年及以上的具有代表性的测量农田;
上述拍摄高度为农田表面距离图像传感器之间的距离。
上述垂直拍摄技术措施为应用无人机进行垂直高空拍摄。
计算机内部Matlab程序对图像信息进行处理,完成残膜的数据统计。
步骤2,农田表面残膜残留量图像信息的预处理;
将传输至计算机的拍摄后图像信息进行预处理才能够用于统计分析。
步骤2.1,将获取的图像利用计算机内部Matlab程序,进行灰度图像的处理,将获取的农田图像变成灰度图像;其中Matlab程序见如下程序1。
程序1:
clc;clear;
close all;
I=imread('c:/1.jpg');
I=imresize(I,0.4);
J=rgb2gray(I);%变成灰度图像
%imshow(J);
level=graythresh(J);%求分割阈值
I=im2bw(J,level);%二值化
%imshow(I);
se=strel('disk',4);
closeBw=imclose(I,se);
figure,imshow(closeBw);title('闭合运算');
see=strel('disk',2);
I_open=imerode(closeBw,see);
figure,imshow(I_open);title('腐蚀运算');
x=find(I_open==1);
a=length(x);%灰色像素点个数
y=find(I_open==0);
b=length(y);%灰色像素点个数
步骤2.2,利用计算机内部Matlab程序,设置残膜的灰度区分阀值,设置阀值I=0.4,以此标准进行残膜图像分割,将图像进行二值化处理;
步骤2.3,利用计算机内部Matlab程序,通过闭合运算与腐蚀运算,将二值化后的残膜形状灰度值进行量化统计相加,根据换算公式:R0=(Q/1000)*1.04,最终得出测量区域农田表面的残膜残留量的量化值;其中Matlab程序见如下程序2。
程序2:
p=imread('222.jpg');
pp=rgb2gray(p);
pp=1*(pp>=128)+0*~(pp>=128);%转换为二值图
imshow(pp);
[r,c]=size(pp);%图片宽高
rmax=0;cmax=0;
for k=1:r
mx=sum(pp(k,:));%值为1为白点,求和即为其宽度
rmax=max([rmax mx]);
end
for k=1:c
mx=sum(pp(:,k));
cmax=max([cmax mx]);
end
disp('横长纵深');
disp([rmax cmax]);
步骤3,农田表面残膜残留量的统计测量;
本发明图像传感器采集的是图层表面的残留农膜图像,而残膜分布在土壤不同深度图层,所以需要根据实际农田的规律,明确土壤表层农膜与土壤总农膜质量的比例关系,以便通过土壤表层残膜的图像数据推算土壤中整体农膜残留量。
前期的研究成果文献6根据人工实地测量研究了春耕整地后残膜与0-30cm耕层土壤之间的残膜大致分布规律,具体见如下表1所示。
根据该分布规律,结合文献7,可根据表层残膜的情况预测出整体的残膜残留量。
表1不同耕层土壤中残膜残留量分布情况实测值
根据图形计算,农田表面残膜残留量的实际值R0与图像残膜形状量化值Q存在如下关系:
R0=(Q/1000)*1.04
公式的意义在于对图像残膜形状量化值Q进行换算,Q值为图像识别后的形状区域值,Q为图像残膜形状量化值,无量纲数(通过设定阀值参数后,附件程序能统计到的与阀值接近的灰度图像区域形状的数量)需要对多少形状尺寸的数值换算成标准的残膜残留量计算值。公式来源于图像识别后形状的程序设计。
步骤4,根据表层残膜残留量信息进行数学分析计算
统计表层残膜与耕层残膜之间的数值关系,计算出耕层残膜的残膜残留量;根据表层残膜残留量与耕层残膜残留量统计出测量区的残膜残留量,计算出农田的残膜残留量信息。
步骤4.1,根据所采集图像的田间地块大小,通过土壤表层残膜残留量的统计值,依照下面的计算数学模型进行地块残膜残留量的判断:
R=(6.25×R0)δ
其中,δ为春耕播种时的整地后残膜与土壤均匀度系数,沙土取1.02,壤土取1.05;
R为测量地块的残膜残留量,单位为克。
步骤4.2,根据测量地块的每平方米残膜残留量数据,通过换算到标准每公顷的残膜残留量为kg/hm2。从而获得所测量区域的残膜污染数据。
其中图像处理流程如图3所示,主要流程为:(1)自动划定拍摄图片的区域,对图片进行拍摄角度、清晰度的预处理。(2)设定处理图像中残膜识别的灰度阀值,对图像进行灰度化,通过灰度值识别出残膜在表面土层的形状;通过二值化数据处理,统计出残膜形状的量化数据,并将数据进行统计计算,通过换算公式:R0=(Q/1000)*1.04,(其中,R0为农田表面残膜残留量的实际值,单位为克,Q为图像残膜形状量化值,无量纲数,1.04为图像处理数据的异常化数据误差系数,为经验常数)得出表层残膜的实际数据,根据表层残膜与土壤层分布情况,分析并预测出测量地的残膜残留量,为农田残膜污染数据计算提供面源数据。
图像合格的标准是由图像分辨率识别的,当图像分辨率于小600时,获取的图像糊模不清,当无人机获取图像信息后,传输到计算机终端,通过计算机图像进行判断。
数据的传输是由计算机发出命令后,无人机终端通过型号可选为(WS2001T1无人机通讯、数据传输、图像传输模块进行数据的传输,其模块的工作频率范围:260MHz~6000MHz,输出线性功率范围:0.5W~20W)向计算机发送数据。
本发明参考了国标的测定标准,传统的测量方法中,残膜残留量的测定标准按《国家标准GBT 25413-2010农田地膜残留量限值及测定》及国家标准GB/T 25412-2010《残地膜回收机》进行测定,参考文献7。
样本的选择参照文献7阈值的选取依据是根据对比残膜图像中的灰色值,首先,随机选取10块田间残膜作为样本,样本选择以表层残膜,清晰度较好的地块残膜,对样本残膜的图像进行灰度值处理,提取每块残膜的灰度值,经统计算取均值作为残膜灰度阈值的判断标准。
对原始图像作中低通滤波,进行图像的预处理,降低或去除噪声;
用算法确定最佳阈值T;
凡是像素的灰度值大于这个阈值的设成255,小于这个阈值的设成0。这样处理后的图像就只有黑白两色,从而将灰度范围划分成目标和背景两类,实现了图像的二值化。
有关残膜定量计算:
比如图6-a所示的残膜区域,首先,对残膜图像的外形特征进行识别,所求如下:
1边界的周长,是最简单的描述符之一。沿轮廓线计算像素的个数,算出了一个长度的近似估计。
2边界的直径,边界的直径是:
Diam(B)=max[D(pi,pj)]。
pi,pj是边界上的点,直径的长度和直径的两个端点连线(这条线被称为边界的主轴)的方向,是关于边界的有用的描述符。
3边界的曲率:曲率被描述为斜率的变化率。近似:用相邻边界线段(描述为直线)的斜率差作为在边界线交点处的曲率描述符。
如图6-b所示。交点a处的曲率为dk=k2-k1。
其中k1、k2为相邻线段的斜率。
通过残膜形状识别后,需要对周长区域内的图像进行统计,实际是根据残膜形状区域内的形状数进行估算。如图6-c所示,区域内红色为形状数。
三、具体实施方式
一种农田残膜残留量的检测方法包括以下步骤:
测量地点选择为新疆阿克苏地区10团4号试验地,测量土壤为沙土。选取航拍型无人机,将其底部安装好图像相机,设定图像传感器焦距为2.5倍焦距,标准镜头的视角约50度。当无人机到达待测量农田,垂直上升,通过测距装置设定无人机底部图像相机与农田表面垂直距离为5000mm,通过高空与地面垂直拍摄获取农田表面的图像。具体的高空垂直拍摄方式如图1所示,拍摄后的图片如图2所示。
拍摄时间选择在当光强达到1000lux-1500lux时,通过计算机无线装置发射信号进行田间拍摄,获取图像信息。根据不同区域的地理位置,田间土壤色泽度不同,结合拍摄地点的经纬度,可以定义不同数据模块,当图像信息处于某一经纬度时,计算机系统导入查找该地区的土壤信息,以修正图像信息的土壤灰度值。
利用计算机内部Mtalab软件上述程序1,对获取图像如图2所示,通过对图像进行闭合运算与腐蚀运算,设置残膜的灰度阀值后,程序自动识别出农田表面的残膜形状大小的二值化灰度区间,得到如图4及图5所示的样本图。
利用计算机内部Mtalab软件程序2,将二值化后的残膜灰度区间进行量化统计,得到的数据为,得出测量区域农田表面的残膜残留量的量化值为2986.43,根据换算公式:R0=(Q/1000)*1.04,计算出测量图像中表层残膜残留量为3.105克,则再通过预测公式,R=(6.25×R0)δ,预测出测量区域的耕层土壤残膜残留量为19.81克,测量区域为1平方米地块,则整个农田残膜残留量为198.1kg/hm2(千克/公顷)。
四、传统人工方法与本发明测量农田残膜残留量的方法对比实验
为了验证本发明的农田土壤表层残膜残留量的测量系统的有效性和准确性,针对多个农场样本进行本发明的图像处理计算方法与传统实测方法的结果进行比较。具体如下:
1样点选择
针对阿克苏地区各县棉田与新疆兵团第一师各团场棉田不同的地膜投入量和不同的管理模式,阿克苏地区棉田的采样工作分两部分进行。一是阿克苏地区各县棉田对库车县、新和县和沙雅县等5个县进行采样,二是第一师棉田对7团、8团、12团等5个团场进行采样,选取连续覆膜种植棉花15年以上的棉田为样点采集点。
2传统采样方法
(1)以梅花采样法进行采集,每块棉田选取5块样方,每个样方面积的为1m×1m的正方形,取样分三个深度层次(地表、0~12cm、13~30cm)进行人工采样。
(2)将样品带回实验室后,首先人工去除附着在残膜上的杂物,然后用清水进行清洗。
(3)用滤纸吸干残膜上的水分并在阴凉干燥处自然晾干至恒重。
(4)以不同面积(﹤4cm2、4~25cm2和﹥25cm2)和耕层深度(地表、0~12cm、13~30cm)为标准进行分类统计。
如图6所示,计算各样点的残膜含量,
表2、表3与表4所示为依据传统的人工测量方法以及通过本发明图像方法识别的实验结果数据对比,其中,表3测量地点为阿克苏地区各县市,表4测量地点为新疆生为建设兵团第一师各团场。表5测量地点为石河子各团场。
表2传统方法与图像技术识别方法的数据对比(阿克苏地区)
表3传统方法与图像技术识别方法的数据对比(第一师)
表4传统方法与图像技术识别方法的数据对比(石河子)
结果表明,与人工测量方法相比,图像识别方法的误差度均值为4.82%,,测量精度一致性较好,采用图像识别方法在结果上基本一致,对于农业污染的田间数据,完全满足测量精度。
总体测量数据略大于人工测量数据,且人工测量方法对于微小碎膜的测量难以进行准确估算,因此也存在一定误差,
由于无人机拍照,计算机处理,本发明的方法测量速度快,测量范围大,对土壤表层没有破坏。
大面积测量时测量精度更高。
与传统方法相比,在大面积的测量处理上,测量速度更快,可以确保因耕作影响还导致的人工测量残膜样本数据发生了变化,从而使人工测量数据发生了一定误差,在大面积测量时,人工测算精度低。
计算机测量可以更好的将测量数据应用于农业面源数据的整理与估算,比如农业信息化大数据的记录与估算。
可以方便于利用卫星图像进行农业残膜污染数据的测量。
以上各个实施例只是用于进一步说明本发明,并不是用来限制本发明的保护范围,凡是基于本发明的构思所作出的等同变换及对本发明的各个技术方案显而易见的改进,均落入本发明的保护范围。
Claims (2)
1.一种农田土壤表层残膜残留量的测量方法,其特征在于,包括如下步骤:
步骤1,农田表面残膜残留量图像信息的获取;
步骤2,农田表面残膜残留量图像信息的预处理;
步骤3,农田表面残膜残留量的统计测量;
步骤4,根据表层残膜残留量信息进行数学分析计算,统计表层残膜与耕层残膜之间的数值关系,计算出耕层残膜的残膜残留量;
步骤1中:
图像获取由无人机完成,用所述无人机下端图像传感器对测量区域进行图像拍摄,拍摄后的图像信息由所述无人机上的图像发射器发射无线图像信号,图像接收器获取图像信号并将图像信号输入至计算机;
当所述计算机发出测量信号时,所述无人机自动设定所述图像传感器焦距为2.5倍焦距,标准镜头的视角50度,所述无人机上升,使所述图像传感器离农田拍摄高度为5米,当检测光强信号光照度大于1000lux时,以大于600万像素将所述图像传感器与农田表面进行垂直拍摄,拍摄后图像信息传输至所述计算机;
步骤1中:
图像获取由人造卫星完成,用所述人造卫星下端图像传感器对测量区域进行图像拍摄,拍摄后的图像信息由所述卫星上的图像发射器发射无线图像信号,图像接收器获取图像信号并将图像信号输入至计算机;
步骤2中:
将获取的农田图像变成灰度图像;
设置残膜的灰度区分阀值,设置阀值I=0.4,以此标准进行残膜图像分割,将图像进行二值化处理;
通过闭合运算与腐蚀运算,将二值化后的残膜形状灰度值进行量化统计相加,根据换算公式:R0=(Q/1000)*1.04,最终得出测量区域农田表面的残膜残留量的量化值,其中,R0为农田表面残膜残留量的测量值,单位为克,Q为图像残膜形状量化值,1.04为经验常数;
步骤3中,根据土壤表层农膜与土壤总农膜质量的比例关系,通过土壤表层残膜的图像数据推算土壤中整体农膜残留量;
步骤4中,根据所采集图像的田间地块大小,通过土壤表层残膜残留量的统计值,依照下面的计算数学模型进行地块残膜残留量的判断:
R=(6.25×R0)δ,
其中,δ为春耕播种时的整地后残膜与土壤均匀度系数,沙土取1.02,壤土取1.05;
R为测量地块的残膜残留量,单位为克。
2.一种用于实现如权利要求1所述的农田土壤表层残膜残留量的测量方法的农田土壤表层残膜残留量的测量系统,所述测量系统包括无人机或人造卫星,图像传感器,图像发射器,图像接收器和计算机。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611122214.1A CN106644939B (zh) | 2016-12-08 | 2016-12-08 | 一种农田土壤表层残膜残留量的测量方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611122214.1A CN106644939B (zh) | 2016-12-08 | 2016-12-08 | 一种农田土壤表层残膜残留量的测量方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106644939A CN106644939A (zh) | 2017-05-10 |
CN106644939B true CN106644939B (zh) | 2019-03-15 |
Family
ID=58819182
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611122214.1A Active CN106644939B (zh) | 2016-12-08 | 2016-12-08 | 一种农田土壤表层残膜残留量的测量方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106644939B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112085725A (zh) * | 2020-09-16 | 2020-12-15 | 塔里木大学 | 基于启发式迭代算法的残膜残留量检测方法及预警系统 |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108416091A (zh) * | 2018-01-29 | 2018-08-17 | 华南农业大学 | 一种简易的相机地面分辨率与无人机飞行高度关系的测量方法 |
CN110225264A (zh) * | 2019-05-30 | 2019-09-10 | 石河子大学 | 无人机近地航拍检测农田残膜的方法 |
CN110262560A (zh) * | 2019-07-19 | 2019-09-20 | 武汉理工大学 | 一种面向机耕农场的监察搁荒系统 |
CN112136382B (zh) * | 2020-09-04 | 2022-05-17 | 南通大学 | 一种农田残膜自动检测及回收系统的作业方法 |
CN113295572B (zh) * | 2021-05-20 | 2022-07-29 | 内蒙古农业大学 | 一种农田残膜采集方法、装置及设备 |
CN114202868B (zh) * | 2021-12-06 | 2022-11-04 | 九江礼涞生物科技有限公司 | 一种综合治理典型农业面源污染的系统 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN2396609Y (zh) * | 1999-10-22 | 2000-09-20 | 中国农业机械化科学研究院 | 一种农田残留地膜清除回收机具 |
EP1262298A1 (en) * | 2001-05-26 | 2002-12-04 | Nan Ya Plastics Corp. | A method of manufacturing flexible transparent polyvinyl chloride film without facial flow marks and pits |
CN201036260Y (zh) * | 2006-12-28 | 2008-03-19 | 石河子大学 | 夹持式残膜捡拾机构 |
CN101258795A (zh) * | 2008-04-17 | 2008-09-10 | 华中农业大学 | 组合式苗间残膜回收机 |
EP1132781B1 (en) * | 2000-03-08 | 2009-03-04 | Canon Kabushiki Kaisha | Magnetic toner, process for production thereof, and image forming method, apparatus and process cartridge using the toner |
CN101865679A (zh) * | 2010-06-18 | 2010-10-20 | 杭州双树科技有限公司 | 一种基于数字图像技术的平面面积测量方法 |
WO2012119195A1 (en) * | 2011-03-07 | 2012-09-13 | TRENCHARD, Mark Andrew | A biodegradable agricultural mulch film |
CN103004310A (zh) * | 2013-01-14 | 2013-04-03 | 新疆农业大学 | 自动卸膜式残膜捡拾机 |
CN103439338A (zh) * | 2013-08-30 | 2013-12-11 | 无锡金视界科技有限公司 | 薄膜缺陷分类方法 |
CN104007039A (zh) * | 2014-05-30 | 2014-08-27 | 甘肃省农业科学院农业经济与信息研究所 | 一种耕层土壤中地膜残留污染系数监测方法 |
CN105067638A (zh) * | 2015-07-22 | 2015-11-18 | 广东工业大学 | 基于机器视觉的轮胎胎膜表面字符缺陷检测方法 |
CN105571532A (zh) * | 2016-01-01 | 2016-05-11 | 三峡大学 | 一种叶面积的测量方法 |
CN105698715A (zh) * | 2016-02-29 | 2016-06-22 | 北方民族大学 | 一种基于无人机的单光束土地面积测量系统及测量方法 |
CN105758806A (zh) * | 2016-02-04 | 2016-07-13 | 中国农业科学院农业资源与农业区划研究所 | 基于光谱特征的地膜覆盖农田遥感监测方法 |
-
2016
- 2016-12-08 CN CN201611122214.1A patent/CN106644939B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN2396609Y (zh) * | 1999-10-22 | 2000-09-20 | 中国农业机械化科学研究院 | 一种农田残留地膜清除回收机具 |
EP1132781B1 (en) * | 2000-03-08 | 2009-03-04 | Canon Kabushiki Kaisha | Magnetic toner, process for production thereof, and image forming method, apparatus and process cartridge using the toner |
EP1262298A1 (en) * | 2001-05-26 | 2002-12-04 | Nan Ya Plastics Corp. | A method of manufacturing flexible transparent polyvinyl chloride film without facial flow marks and pits |
CN201036260Y (zh) * | 2006-12-28 | 2008-03-19 | 石河子大学 | 夹持式残膜捡拾机构 |
CN101258795A (zh) * | 2008-04-17 | 2008-09-10 | 华中农业大学 | 组合式苗间残膜回收机 |
CN101865679B (zh) * | 2010-06-18 | 2011-12-21 | 浙江大学城市学院 | 一种基于数字图像技术的平面面积测量方法 |
CN101865679A (zh) * | 2010-06-18 | 2010-10-20 | 杭州双树科技有限公司 | 一种基于数字图像技术的平面面积测量方法 |
WO2012119195A1 (en) * | 2011-03-07 | 2012-09-13 | TRENCHARD, Mark Andrew | A biodegradable agricultural mulch film |
CN103004310A (zh) * | 2013-01-14 | 2013-04-03 | 新疆农业大学 | 自动卸膜式残膜捡拾机 |
CN103439338A (zh) * | 2013-08-30 | 2013-12-11 | 无锡金视界科技有限公司 | 薄膜缺陷分类方法 |
CN104007039A (zh) * | 2014-05-30 | 2014-08-27 | 甘肃省农业科学院农业经济与信息研究所 | 一种耕层土壤中地膜残留污染系数监测方法 |
CN105067638A (zh) * | 2015-07-22 | 2015-11-18 | 广东工业大学 | 基于机器视觉的轮胎胎膜表面字符缺陷检测方法 |
CN105571532A (zh) * | 2016-01-01 | 2016-05-11 | 三峡大学 | 一种叶面积的测量方法 |
CN105758806A (zh) * | 2016-02-04 | 2016-07-13 | 中国农业科学院农业资源与农业区划研究所 | 基于光谱特征的地膜覆盖农田遥感监测方法 |
CN105698715A (zh) * | 2016-02-29 | 2016-06-22 | 北方民族大学 | 一种基于无人机的单光束土地面积测量系统及测量方法 |
Non-Patent Citations (3)
Title |
---|
The status and distribution characteristics of residual mulching film in Xinjiang, China;ZHANG Dan.etal;《ScienceDirect》;20161130;第11卷(第15期);第2639-2646页 |
不同厚度地膜覆盖棉花的经济效益和残膜回收分析;周明冬等;《干旱区资源与环境》;20161030;第30卷(第10期);第121-125页 |
基于计算机视觉的农田残膜定位研究;江水泉等;《中国农机化学报》;20161115;第37卷(第11期);第150-154页 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112085725A (zh) * | 2020-09-16 | 2020-12-15 | 塔里木大学 | 基于启发式迭代算法的残膜残留量检测方法及预警系统 |
CN112085725B (zh) * | 2020-09-16 | 2021-08-27 | 塔里木大学 | 基于启发式迭代算法的残膜残留量检测方法及预警系统 |
Also Published As
Publication number | Publication date |
---|---|
CN106644939A (zh) | 2017-05-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106644939B (zh) | 一种农田土壤表层残膜残留量的测量方法及系统 | |
Pineux et al. | Can DEM time series produced by UAV be used to quantify diffuse erosion in an agricultural watershed? | |
CN108020211B (zh) | 一种无人机航空摄影估测入侵植物生物量的方法 | |
Balaguer-Puig et al. | Estimation of small-scale soil erosion in laboratory experiments with Structure from Motion photogrammetry | |
Iqbal | Detection of salt affected soil in rice-wheat area using satellite image | |
Allamano et al. | Toward the camera rain gauge | |
Tokarczyk et al. | High-quality observation of surface imperviousness for urban runoff modelling using UAV imagery | |
CN106767687A (zh) | 一种利用遥感含水量测量滩涂高程的方法 | |
Azzoni et al. | Estimating ice albedo from fine debris cover quantified by a semi-automatic method: the case study of Forni Glacier, Italian Alps | |
Montanari et al. | Calibration and sequential updating of a coupled hydrologic-hydraulic model using remote sensing-derived water stages | |
Cândido et al. | High-resolution monitoring of diffuse (sheet or interrill) erosion using structure-from-motion | |
CN101266258A (zh) | 湍动条件下低浓度污泥沉降速率的测量方法和装置 | |
Clapuyt et al. | Unravelling earth flow dynamics with 3-D time series derived from UAV-SfM models | |
CN110988909A (zh) | 基于tls进行高寒脆弱区沙地植被的植被盖度测定方法 | |
Laburda et al. | SfM‐MVS Photogrammetry for Splash Erosion Monitoring under Natural Rainfall | |
CN114117913A (zh) | 一种坝后露天渗流量监测系统及测值归因分析方法 | |
Martens et al. | Estimating effective roughness parameters of the L-MEB model for soil moisture retrieval using passive microwave observations from SMAPVEX12 | |
Arriola-Valverde et al. | Erosion quantification in runoff agriculture plots by multitemporal high-resolution UAS digital photogrammetry | |
Pedrera-Parrilla et al. | Temporal stability of electrical conductivity in a sandy soil | |
Onnen et al. | Monitoring soil surface roughness under growing winter wheat with low‐altitude UAV sensing: Potential and limitations | |
Martinez-Sanchez et al. | Skyline variations allow estimating distance to trees on landscape photos using semantic segmentation | |
Sakti et al. | Estimating soil moisture content using red-green-blue imagery from digital camera | |
Barneveld et al. | Quantifying the dynamics of microtopography during a snowmelt event | |
Azzoni et al. | A novel integrated method to describe dust and fine supraglacial debris and their effects on ice albedo: the case study of Forni Glacier, Italian Alps | |
Ehrhardt et al. | Soil surface micro-topography by structure-from-motion photogrammetry for monitoring density and erosion dynamics |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |