CN109269475A - 一种空地一体植物自动检测系统及方法 - Google Patents

一种空地一体植物自动检测系统及方法 Download PDF

Info

Publication number
CN109269475A
CN109269475A CN201811144259.8A CN201811144259A CN109269475A CN 109269475 A CN109269475 A CN 109269475A CN 201811144259 A CN201811144259 A CN 201811144259A CN 109269475 A CN109269475 A CN 109269475A
Authority
CN
China
Prior art keywords
module
image
acquisition
sensor
network
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.)
Pending
Application number
CN201811144259.8A
Other languages
English (en)
Inventor
陈子为
黄启宏
唐雨池
张现铭
翁浩博
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chengdu University of Information Technology
Original Assignee
Chengdu University of Information Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Chengdu University of Information Technology filed Critical Chengdu University of Information Technology
Priority to CN201811144259.8A priority Critical patent/CN109269475A/zh
Publication of CN109269475A publication Critical patent/CN109269475A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D21/00—Measuring or testing not otherwise provided for
    • G01D21/02—Measuring two or more variables by means not covered by a single other subclass
    • 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
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
    • G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
    • G01N21/3563—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing solids; Preparation of samples therefor
    • 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
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
    • G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
    • G01N21/359—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using near infrared light

Landscapes

  • Physics & Mathematics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种空地一体植物自动检测系统及方法，包括：前端采集模块，用于气象因子、环境因子、中药材图像的采集；无人机采集模块，用于可见光图像采集及多光谱遥感图像的采集；极轨卫星遥感模块，用于区域图像信息采集及高光谱植被遥感影像的采集；后端处理模块，通过对前端采集模块的气象因子、环境因子及图像的历史存储、指令控制和实时显示以及综合分析，评价当前环境与中药材生长发育是否相适应，并对相应状况进行报警，以及预测产量。本发明的方法简单，操作方便，数据准确。

Description

一种空地一体植物自动检测系统及方法
技术领域
本发明属于植物检测技术领域，尤其涉及一种空地一体植物自动检测系统及方法。
背景技术
植被是陆地生态系统最重要的组成部分，在维护生态系统平衡、涵养水源、保持水土等方面具有重大作用。现有自动气象要素观测站用于对大气温度、相对湿度、风向、风速、雨量、气压、太阳辐射、土壤温度、土壤湿度、能见度等众多气象要素进行全天候现场地面监测。传统植物检测方案通过人工依托自动站观测数据用于估测植物生长量，需要以大量实地调查数据为基础，耗费大量的人力和物力，未能实现自动化观测。传统植物检测方案不能达到实现大面积种植区域的生长监测和生产量估计的目的，种植区域限制在3～5亩地。由于处于人工观测“点对点”阶段，即一台设备只能覆盖很小的一部分区域，观测站采集的气象因子、环境因子及图像不能实现存储、指令控制和实时显示以及综合分析，无法及时评价当前环境与植被生长发育是否相适应，并及时对相应突发状况(例如病虫害、病变等)进行报警，导致损失无法估量，以及无法做出产量预测，即所能达到的时效性和空间尺度有限。
综上所述，现有技术方案大部分集中在地面观测部分，无法实现空地一体的综合植物检测效果，尤其是在图像采集部分，沿用传统监控模式，导致大量图像数据无法正常传送到服务器端进行分析处理。
发明内容
本发明的目的在于提供一种空地一体植物自动检测系统及方法，旨在解决传统植物检测未能实现智能化(包括自动化、实时化等)、覆盖面积小、工作量大的问题。
本发明是这样实现的，一种空地一体植物自动检测系统，包括前端采集模块、无人机采集模块、极轨卫星遥感模块和后端处理模块。所述空地一体植物自动检测系统包括：
前端采集模块，主要用于气象因子、环境因子、中药材图像的采集，包括图像采集模块和气象环境传感器模块，分别采用HDMI数据线和RS232或RS485跟采集端控制芯片进行链路连接。图像采集模块有两套，每套图像采集模块包括工业相机、C口镜头、相机防护罩、机箱、支架、太阳能充电电池板、蓄电池；气象环境传感器模块包括空气温度传感器、湿度传感器、日照传感器、雨量传感器、网络传输设备、土壤墒情传感器、土壤氮磷钾浓度传感器等，其中土壤墒情传感器、土壤氮磷钾浓度传感器等埋入土壤中。空气温度传感器、湿度传感器、日照传感器、雨量传感器模块通过信号调理电路直接与MCU(微型控制器单元)，MCU通过RS-232/485方式将观测信息传输至串口服务器与以太网接口连接进行数据交换。土壤墒情传感器、土壤氮磷钾浓度传感器直接通过信号调理电路和串口网络服务器与以太网接口连接进行数据交换。工业相机通过CameraLink接口与DSP相连，相机采集到的数据通过DSP上的EDMA传送到片外的SDRAM，通过RJ45接口将观测信息传输至串口服务器与以太网接口连接进行数据交换，串口服务器将RS-232/485传输模式转换到以太网传输模式，再通过光电转换器实现电信号和光信号的相互转换，最终实现所有观测设备通过光纤实现终端计算机的数据传输。
无人机采集模块，主要通过2.4G频段跟控制器通信，采用厂家提供的图像数据传输硬件实现高清图像数据的传输，用于可见光图像采集及多光谱遥感图像的采集；
极轨卫星遥感模块，用于区域图像信息采集及高光谱植被遥感影像的采集；利用遥感信息与地面植物状况密切相关的特点，对不同时期的遥感信息进行处理，从而间接反映出地面植物的生长状况、分布状况，以便对大面积、区域化的中药材植被生长情况、产量等进行测量。极轨卫星通过卫星通信发送端与地面站数据接收端相连，实现数据的传输。后端数据处理中心从卫星地面站获取卫星遥感资料，下载并存储于服务器中，利用多台高性能计算机进行数据处理和光谱分析。
后端处理模块，通过对前端采集模块获取的气象因子(空气温度、湿度、日照、雨量等)、环境因子(土壤湿度、土壤氮磷钾浓度等)及前端采集模块通过图像采集与处理获取的中药材高度、覆盖度、叶面积指数等数据，与实际测得的数据进行拟合建立模型，通过该模型评价当前环境与中药材生长发育是否相适应，并对相应状况进行报警，以及预测产量。生长发育数学模型是基于中药材生长发育与内因(基因品质)、外因(气象和环境要素)之间的统计分析模型，随着收集数据数量的增加和收集时间的增加，统计模型相关参数自动微调从而更加适应植物的检测和分析。
网络传输模块和后端处理模块通过以太网与基站链接，形成高速的数据交换和传输网络，保证数据传输的稳定性和时效性。前端采集模块模块和无人机采集模块的数据通过网络传输模块将采集的气象因子(空气温度、湿度、日照、雨量等)和现场视频经由以太网光纤收发器实时传输到后端服务器数据接收端，并存储于服务器中。通过实时的现场视频资料，我们可以对目前大面积中药材种植区域的生长情况以及现场突发情况快速做出分析。采用多台高性能的计算机，通过对前端采集的气象因子、环境因子及图像的历史存储、指令控制和实时显示以及综合分析，得到影响中药材生长的因素，如降水、温度等。评价当前环境与中药材生长发育是否相适应，并对相应状况(例如病虫害、病变等)进行报警，进而预测产量。
极轨卫星的遥感数据通过卫星通信发送端与地面站数据接收端相连，不断接收由卫星传输的数据。我们通过后端处理中心，从地面接收站获取卫星资料，进而采用多台高性能的计算机，对卫星采集到的高光谱数据的历史存储、指令控制和实时显示以及综合分析，从宏观上区域性、大面积地评价当前环境与中药材生长发育是否相适应，并对相应状况(例如病虫害、病变等)进行报警，进而预测产量。近红外和红光两个波段组合后形成植被指数，可以反映植被生长状况。植被指数(NDVI)是对地表植被状况的简单、有效和经验的度量，它可以有效地反映植被活力与植被信息，成为遥感反演植被叶绿素含量、植被覆盖度、叶面积指数(Leaf Area Index,LAI)、生物量、净初级生产力和光合有效辐射吸收等生物物理与生物化学参数的重要技术手段。归一化植被指数(NDVI)是最常用的长势监测指数，表达式为；
式中：R为可见光红光波段的反射率；NIR为近红外波段的反射率。它的应用与植被覆盖度有很大的关系，当植被覆盖度小于15％时，植被的NDVI值变化率不大；当植被覆盖度为25％～80％时，NDVI值随植被覆盖度增加呈线性增长；当植被覆盖度大于80％时，监测的灵敏度下降；同时归一化植被指数对土壤背景变化较敏感，适于植被生长早、中期的监测。
NDVI是与草本植物绿度值相关性最高的植被指数，与植被长势存在正相关关系，可以反映植被长势情况。同时高光谱植被遥感主要研究生态遥感所涉及的植被类型的识别与分类、植物生化成分的估测、植物生态学评价等。不同植被类型，由于组织结构不同，季相不同，生态条件不同而具有不同的光谱特征、形态特征和环境特征等，这些特征在遥感影像中可以表现出来。当植物生长状况发生变化时，其波谱曲线的形态也会随之改变。如植物病虫害，农作物因缺乏营养和水分而生长不良时，海绵组织受到破坏，叶子的色素比例也发生变化，随之光谱也发生变化。比较受损植物与健康植物的光谱曲线，可以确定植物受伤害的程度。通过卫星获取地面中药材植被高光谱数据，分析植物的植被指数和光谱信息，从而获得植物生长信息。
进一步，所述前端采集模块包括：
两个图像采集模块，图像采集模块包括工业相机、C口镜头、相机防护罩、机箱、支架、太阳能充电电池板、蓄电池；支架固定于地面，机箱置于支架上，通过螺母固定。太阳能充电电池板安装于机箱外部，以倾斜30°-40°左右正对太阳光线，机箱内置控制器单元与蓄电池的接线端子相连，在一天中光照较强时，对蓄电池进行充电，一般时间为上午9点至下午4点之间，其余时间充电器暂停充电。整个太阳能系统通过蓄电池向相机部分供电。C口镜头通过相机旋转卡扣式镜头转接环，与工业相机相连，可以保证镜头的稳定，无松动，不晃动。相机和镜头部分整体固定于机箱外进行图像视频的采集，同时，在相机机身和镜头上安装定制的卡扣式相机防护罩，做到防水功能，有效保护相机以及镜头的使用寿命，同时防护罩起到遮光的作用，抑制杂散光线进入镜头从而消除雾霭，提高成像的清晰度与色彩还原，大大提高图像采集质量。
机箱内设置有传感器网络模块、空气温度传感器、湿度传感器、日照传感器、雨量传感器、网络传输设备、土壤墒情传感器、土壤氮磷钾浓度传感器，其中土壤墒情传感器、土壤氮磷钾浓度传感器等埋入土壤中。
进一步，所述图像采集模块工业相机内有一个网口，通过DSP编程对图像进行采集、处理，并通过网口传向远端的计算机端；
工业相机通过CameraLink接口与DSP相连，相机采集到的数据通过DSP上的EDMA传送到片外的SDRAM，以便供图像处理应用程序使用；图像处理应用程序对图像进行相应的处理，将处理后的图像及原图进行JPEG压缩，然后将JPEG图像及处理结果通过以太网控制器进行网络传输。
进一步，所述传感器网络模块为串口设备联网服务器、以太网光纤收发器；
空气温度传感器、湿度传感器、日照传感器、雨量传感器、网络传输设备、土壤墒情传感器、土壤氮磷钾浓度传感器通过RS-232/485方式将观测信息传输至串口设备联网服务器，串口设备联网服务器将RS-232/485传输模式转换到以太网传输模式，再通过光电转换器实现电信号和光信号的相互转换，最终实现所有观测设备均通过1对光纤实现和终端计算机的数据传输；
以太网光纤收发器把平时需要发送的电信号接受识别，进而转换成光信号，之后以太网光纤收发器将这些光信号发送出来；在同一个时间，接受到光信号的设备将其转换成电信号，输送到的计算机的接收端。
进一步，所述传感器网络模块为串口设备联网服务器、路由器、3G模块；
空气温度传感器、湿度传感器、日照传感器、雨量传感器、网络传输设备、土壤墒情传感器、土壤氮磷钾浓度传感器通过RS-232/485方式将观测信息传输至串口设备联网服务器，串口设备联网服务器将RS-232/485传输模式转换到以太网传输模式，再通过光电转换器实现电信号和光信号的相互转换，最终实现所有观测设备均通过路由器实现和终端计算机的数据传输；
路由器设置有3G模块，用于实现无线远程传输。
进一步，所述传感器网络模块为ZigBee无线网络、3G模块；
终端节点由MSP430F5438超低功耗微控制器、传感器模块、ZigBee无线通讯模块组成；终端节点定时采集药田墒情信息、空气温湿度、雨量、日照信息，并通过ZigBee无线网络将药田信息传输到网关节点，网关节点通过GPRS网络/3G模块将药田信息发送给上位机监控软件；
网关节点集MSP430F5438控制器模块、GPRS模块、ZigBee协调器模块为一体；做为中心连接环节，网关节点向下维护ZigBee网络并进行通信，向上与上位机监控软件交互信息。
进一步，所述传感器网络模块为无线收发模块；
图像采集模块采集到各个传感器的数据后，采用无线收发模块n进行数据传输，接收端采用另一个无线收发模块接收到数据后，对数据进行解析。
本发明的另一目的在于提供一种所述空地一体植物自动检测系统的空地一体植物自动检测方法，所述空地一体植物自动检测方法包括：
图像数据的压缩采用JPEG压缩算法；在DSP/BIOS配置工具中静态建立3个任务线程，包括图像采集线程、图像处理线程、网络初始化线程；
用FVID_create创建并初始化一个FVID通道，之后通过FVID_control发送控制命令到设备驱动并启动视频帧图像的采集，设备驱动工作后，利用FVID_alloc为应用程序分配视频帧缓冲区，当应用程序处理完成后，再用FVID_exchange完成应用程序与设备驱动间缓冲区的交换以为后续处理作准备；
在图像采集的过程中，使用硬件中断对图像数据进行控制和传输，在中断服务程序中，根据视频端口内部的FIFO的状态通过EDMA完成图像数据的读入。
在PC上利用Matlab进行算法的研究、仿真；然后对算法进行定点化，在DSP上采用C语言编程实现；
对处理后的结果及原始图像经JPEG压缩后再通过网络传输；
用API函数TaskCreate()创建；利用客户端/服务器网络通信模式实现，将DM642设计为嵌入式web服务器端，利用套接字Socket编程实现，服务器负责响应客户端的请求并发送编码流；同时在PC机端负责向服务器端发起请求并按帧接收数据、Jpeg解码及图像显示、运行结果显示。
本发明提供的空地一体植物自动检测系统及方法，中药材植被长势监测与产量估算是药材监测的两个重要领域，中药材植被长势监测分为地面监测、空中监测和遥感监测三部分，它能从宏观上揭示植物的生长状况及其动态变化，从而为植物科学管理提供快速、准确的重要参考依据。
地面监测是通过实地获取植被的长势指标并与以往的测定结果进行比较,来说明现在中药材植物的生长情况；中药材植物长势卫星遥感监测,是利用地面遥感信息与区域植物状况密切相关的特点,对不同时期遥感信息进行处理，能够区域性、大面积地覆盖种植区域的长势监测。低空无人机(UAV)遥感监测大面积植物区域，作为地面观测(如观测站、照相机)和高空观测(如遥感卫星)的有益补充，可以实现种植区域的定期巡航以及对突发事件的监测和预警，分析结果可靠，是高分辨率遥感数据获取的重要工具之一，有很好的应用前景。因此，形成天、空、地三位一体化、全天候立体的中药材植物智能检测系统，进入“点对面”阶段，即一个模块可以覆盖大面积种植范围，使得对于中药材植物的生长状况监测和产量预估工作量大大减少。
附图说明
图1是本发明实施例提供的空地一体植物自动检测系统结构示意图；
图中：1、前端采集模块；2、无人机采集模块；3、极轨卫星遥感模块；4、后端处理模块。
图2是本发明实施例提供的空地一体植物自动检测方法流程图。
图3是本发明实施例提供的前端采集模块硬件结构示意图。
图4是本发明实施例提供的图像采集模块结构示意图。
图5是本发明实施例提供的串口设备联网服务器+以太网光纤收发器连接示意图。
图6是本发明实施例提供的串口设备联网服务器+路由器+3G连接示意图。
图7是本发明实施例提供的ZigBee+3G连接示意图。
图8是本发明实施例提供的系统线程关系图。
图9是本发明实施例提供的网络传输流程图。
具体实施方式
为了使本发明的目的、技术方法及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
下面结合附图对本发明的应用原理作详细的描述。
如图1所示，本发明实施例提供的空地一体植物自动检测系统包括：前端采集模块1、无人机采集模块2、极轨卫星遥感模块3及后端处理模块4。
前端采集模块1，主要用于气象因子(空气温度、湿度、日照、雨量等)、环境因子(土壤墒情、土壤温度、土壤肥力等)、中药材图像等的采集，其中图像用于检测中药材植被的覆盖度、高度以及病虫害、病变情况进行检测。
无人机采集模块2，用于可见光图像采集及多光谱遥感图像的采集，以便对中药材植被面积、产量等进行测量。
极轨卫星遥感模块3，用于区域图像信息采集及高光谱植被遥感影像的采集；利用遥感信息与地面植物状况密切相关的特点，对不同时期的遥感信息进行处理，从而间接反映出地面植物的生长状况、分布状况，以便对大面积、区域化的中药材植被生长情况、产量等进行测量。
后端处理模块4，采用一台高性能的计算机，通过对前端采集的气象因子、环境因子及图像的历史存储、指令控制和实时显示以及综合分析，评价当前环境与中药材生长发育是否相适应，并对相应状况(例如病虫害、病变等)进行报警，以及预测产量。
前端采集模块1，主要用于气象因子、环境因子、中药材图像的采集，包括图像采集模块和气象环境传感器模块，分别采用HDMI数据线和RS232或RS485跟采集端控制芯片进行链路连接。图像采集模块有两套，每套图像采集模块包括工业相机、C口镜头、相机防护罩、机箱、支架、太阳能充电电池板、蓄电池；气象环境传感器模块包括空气温度传感器、湿度传感器、日照传感器、雨量传感器、网络传输设备、土壤墒情传感器、土壤氮磷钾浓度传感器等，其中土壤墒情传感器、土壤氮磷钾浓度传感器等埋入土壤中。空气温度传感器、湿度传感器、日照传感器、雨量传感器模块通过信号调理电路直接与MCU(微型控制器单元)，MCU通过RS-232/485方式将观测信息传输至串口服务器与以太网接口连接进行数据交换。土壤墒情传感器、土壤氮磷钾浓度传感器直接通过信号调理电路和串口网络服务器与以太网接口连接进行数据交换。工业相机通过CameraLink接口与DSP相连，相机采集到的数据通过DSP上的EDMA传送到片外的SDRAM，通过RJ45接口将观测信息传输至串口服务器与以太网接口连接进行数据交换，串口服务器将RS-232/485传输模式转换到以太网传输模式，再通过光电转换器实现电信号和光信号的相互转换，最终实现所有观测设备通过光纤实现终端计算机的数据传输。
无人机采集模块2，主要通过2.4G频段跟控制器通信，采用厂家提供的图像数据传输硬件实现高清图像数据的传输，用于可见光图像采集及多光谱遥感图像的采集；
极轨卫星遥感模块3，用于区域图像信息采集及高光谱植被遥感影像的采集；利用遥感信息与地面植物状况密切相关的特点，对不同时期的遥感信息进行处理，从而间接反映出地面植物的生长状况、分布状况，以便对大面积、区域化的中药材植被生长情况、产量等进行测量。极轨卫星通过卫星通信发送端与地面站数据接收端相连，实现数据的传输。后端数据处理中心从卫星地面站获取卫星遥感资料，下载并存储于服务器中，利用多台高性能计算机进行数据处理和光谱分析。
后端处理模块4，通过对前端采集模块获取的气象因子(空气温度、湿度、日照、雨量等)、环境因子(土壤湿度、土壤氮磷钾浓度等)及前端采集模块通过图像采集与处理获取的中药材高度、覆盖度、叶面积指数等数据，与实际测得的数据进行拟合建立模型，通过该模型评价当前环境与中药材生长发育是否相适应，并对相应状况进行报警，以及预测产量。生长发育数学模型是基于中药材生长发育与内因(基因品质)、外因(气象和环境要素)之间的统计分析模型，随着收集数据数量的增加和收集时间的增加，统计模型相关参数自动微调从而更加适应植物的检测和分析。
网络传输模块和后端处理模块4通过以太网与基站链接，形成高速的数据交换和传输网络，保证数据传输的稳定性和时效性。前端采集模块模块1和无人机采集模块2的数据通过网络传输模块将采集的气象因子(空气温度、湿度、日照、雨量等)和现场视频经由以太网光纤收发器实时传输到后端服务器数据接收端，并存储于服务器中。通过实时的现场视频资料，可以对目前大面积中药材种植区域的生长情况以及现场突发情况快速做出分析。采用多台高性能的计算机，通过对前端采集的气象因子、环境因子及图像的历史存储、指令控制和实时显示以及综合分析，得到影响中药材生长的因素，如降水、温度等。评价当前环境与中药材生长发育是否相适应，并对相应状况(例如病虫害、病变等)进行报警，进而预测产量。
极轨卫星的遥感数据通过卫星通信发送端与地面站数据接收端相连，不断接收由卫星传输的数据。我们通过后端处理中心，从地面接收站获取卫星资料，进而采用多台高性能的计算机，对卫星采集到的高光谱数据的历史存储、指令控制和实时显示以及综合分析，从宏观上区域性、大面积地评价当前环境与中药材生长发育是否相适应，并对相应状况(例如病虫害、病变等)进行报警，进而预测产量。近红外和红光两个波段组合后形成植被指数，可以反映植被生长状况。植被指数(NDVI)是对地表植被状况的简单、有效和经验的度量，它可以有效地反映植被活力与植被信息，成为遥感反演植被叶绿素含量、植被覆盖度、叶面积指数(Leaf Area Index,LAI)、生物量、净初级生产力和光合有效辐射吸收等生物物理与生物化学参数的重要技术手段。归一化植被指数(NDVI)是最常用的长势监测指数，表达式为；
式中：R为可见光红光波段的反射率；NIR为近红外波段的反射率。它的应用与植被覆盖度有很大的关系，当植被覆盖度小于15％时，植被的NDVI值变化率不大；当植被覆盖度为25％～80％时，NDVI值随植被覆盖度增加呈线性增长；当植被覆盖度大于80％时，监测的灵敏度下降；同时归一化植被指数对土壤背景变化较敏感，适于植被生长早、中期的监测。
NDVI是与草本植物绿度值相关性最高的植被指数，与植被长势存在正相关关系，可以反映植被长势情况。同时高光谱植被遥感主要研究生态遥感所涉及的植被类型的识别与分类、植物生化成分的估测、植物生态学评价等。不同植被类型，由于组织结构不同，季相不同，生态条件不同而具有不同的光谱特征、形态特征和环境特征等，这些特征在遥感影像中可以表现出来。当植物生长状况发生变化时，其波谱曲线的形态也会随之改变。如植物病虫害，农作物因缺乏营养和水分而生长不良时，海绵组织受到破坏，叶子的色素比例也发生变化，随之光谱也发生变化。比较受损植物与健康植物的光谱曲线，可以确定植物受伤害的程度。通过卫星获取地面中药材植被高光谱数据，分析植物的植被指数和光谱信息，从而获得植物生长信息。
进一步，所述前端采集模块包括：
两个图像采集模块，图像采集模块包括工业相机、C口镜头、相机防护罩、机箱、支架、太阳能充电电池板、蓄电池；支架固定于地面，机箱置于支架上，通过螺母固定。太阳能充电电池板安装于机箱外部，以倾斜30°-40°左右正对太阳光线，机箱内置控制器单元与蓄电池的接线端子相连，在一天中光照较强时，对蓄电池进行充电，一般时间为上午9点至下午4点之间，其余时间充电器暂停充电。整个太阳能系统通过蓄电池向相机部分供电。C口镜头通过相机旋转卡扣式镜头转接环，与工业相机相连，可以保证镜头的稳定，无松动，不晃动。相机和镜头部分整体固定于机箱外进行图像视频的采集，同时，在相机机身和镜头上安装定制的卡扣式相机防护罩，做到防水功能，有效保护相机以及镜头的使用寿命，同时防护罩起到遮光的作用，抑制杂散光线进入镜头从而消除雾霭，提高成像的清晰度与色彩还原，大大提高图像采集质量。
机箱内设置有传感器网络模块、空气温度传感器、湿度传感器、日照传感器、雨量传感器、网络传输设备、土壤墒情传感器、土壤氮磷钾浓度传感器，其中土壤墒情传感器、土壤氮磷钾浓度传感器等埋入土壤中。
如图2所示，本发明实施例提供的空地一体植物自动检测方法包括以下步骤：
S201：前端采集模块模块和无人机采集模块的数据通过网络传输模块将采集的气象因子(空气温度、湿度、日照、雨量等)和现场视频经由以太网光纤收发器实时传输到后端服务器数据接收端，并存储于服务器中。通过实时的现场视频资料，可以对目前大面积中药材种植区域的生长情况以及现场突发情况快速做出分析；
S202：采用多台高性能的计算机，通过对前端采集的气象因子、环境因子及图像的历史存储、指令控制和实时显示以及综合分析，得到影响中药材生长的因素，如降水、温度等。评价当前环境与中药材生长发育是否相适应，并对相应状况(例如病虫害、病变等)进行报警，进而预测产量；
S203：极轨卫星的遥感数据通过卫星通信发送端与地面站数据接收端相连，不断接收由卫星传输的数据。通过后端处理中心，从地面接收站获取卫星资料，进而采用多台高性能的计算机，对卫星采集到的高光谱数据的历史存储、指令控制和实时显示以及综合分析，从宏观上区域性、大面积地评价当前环境与中药材生长发育是否相适应，并对相应状况(例如病虫害、病变等)进行报警，进而预测产量；
S204：近红外和红光两个波段组合后形成植被指数，成为遥感反演植被叶绿素含量、植被覆盖度、叶面积指数(Leaf Area Index,LAI)、生物量、净初级生产力和光合有效辐射吸收等生物物理与生物化学参数的重要技术手段。
归一化植被指数(NDVI)是最常用的长势监测指数，表达式为；
式中：R为可见光红光波段的反射率；NIR为近红外波段的反射率。它的应用与植被覆盖度有很大的关系，当植被覆盖度小于15％时，植被的NDVI值变化率不大；当植被覆盖度为25％～80％时，NDVI值随植被覆盖度增加呈线性增长；当植被覆盖度大于80％时，监测的灵敏度下降；同时归一化植被指数对土壤背景变化较敏感，适于植被生长早、中期的监测。
NDVI是与草本植物绿度值相关性最高的植被指数，与植被长势存在正相关关系，可以反映植被长势情况。同时高光谱植被遥感主要研究生态遥感所涉及的植被类型的识别与分类、植物生化成分的估测、植物生态学评价等。不同植被类型，由于组织结构不同，季相不同，生态条件不同而具有不同的光谱特征、形态特征和环境特征等，这些特征在遥感影像中可以表现出来。当植物生长状况发生变化时，其波谱曲线的形态也会随之改变。如植物病虫害，农作物因缺乏营养和水分而生长不良时，海绵组织受到破坏，叶子的色素比例也发生变化，随之光谱也发生变化。比较受损植物与健康植物的光谱曲线，可以确定植物受伤害的程度。通过卫星获取地面中药材植被高光谱数据，分析植物的植被指数和光谱信息，从而获得植物生长信息。
下面结合附图对本发明的应用原理作进一步的描述。
一、硬件部分：
如图3所示，前端采集模块1的硬件部分包括：两套图像采集模块，每套图像采集模块内含1台500万像素智能工业相机(工业相机内自带DSP)，1个500万像素C口镜头，相机防护罩；一个机箱(传感器网络模块)，内含空气温度传感器、湿度传感器、日照传感器、雨量传感器以及网络传输设备，其中土壤墒情传感器、土壤氮磷钾浓度传感器等埋入土壤中；此外还有支架、太阳能充电电池板、蓄电池等其它设备。
如图4所示，图像采集模块中工业智能相机内有一个网口，通过DSP编程对图像进行采集、处理，并通过网口传向远端的计算机端。
工业相机通过CameraLink接口与DSP相连，相机采集到的数据通过DSP上的EDMA传送到片外的SDRAM，以便供图像处理应用程序使用。图像处理应用程序对图像进行相应的处理之后，将处理后的图像及原图进行JPEG压缩，然后将JPEG图像及处理结果通过以太网控制器进行网络传输。
核心处理器采用DSP。DSP的型号选用DM642。DM642是TI公司针对数字媒体应用推出的一款32位定点DSP芯片。其工作主频高达720MHz，8个并行处理单元，处理性能可达5760MIPS。采用二级缓存结构LlP、LID和L2；具有64个独立的EDMA通道，能够实现L2和其他外设之间数据的高速传输；具有3个可配置为输入或输出的视频端口，支持多种视频标准，具有符合IEEE 802.3规范的10/100M以太网MAC和媒体独立接口(MII)，可直接与PHY器件连接。此外还拥有HPI、PCI、McASP、McBSP、12C总线模块以及GHO等外设接口。在DSP芯片片外扩展64M的SDRAM，可保存最近采集的8张图片。
传感器网络模块包括4种方法。
如图5所示，方法1串口设备联网服务器+以太网光纤收发器
各观测设备或传感器通过RS-232/485方式将观测信息传输至串口服务器，串口服务器将RS-232/485传输模式转换到以太网传输模式，再通过光电转换器实现电信号和光信号的相互转换，最终实现所有观测设备均通过1对光纤实现和终端计算机的数据传输。
串口设备联网服务器采用了MOXA公司的NPORT串口服务器，它是一个带有CPU、嵌入式操作系统以及完整TCP/IP协议栈的独立智能设备，完成串行数据和网络IP包之间的数据转换，进而实现终端登陆、扩展串口、联网传统的串行设备等功能。它作为独立的设备，不占用主机的系统资源，保证了系统的可靠性和运行效率，这一点对于资源有限的区域控制器非常重要。保证921.6K bps无以匹敌的超高速度的传输性能和方便省力的维护方法。
NPort串口服务器的具体型号可根据被连接智能设备的接口类型及数量选择。本发明中因为同时有RS-485和RS-232接口形式存在，且接口数量为6，因此选择NPort 5650-8-DT。该设备提供八个RS-232/RS-485接口，可通过面板或软件修改接口形式，不受现场串口协议类型的限制。
由于串口服务器采用串口方式接入，因此要求前端传感器采用串口方式接口，这样要求有一个支持多串口的单片机实现信号的采集、变换及串口输出。STM32(4～5个串口)、Atmega1280(4个串口)、STC15(4个串口)等单片机满足这样的要求。
以太网光纤收发器又叫光电转换器，以太网光纤收发器可以把平时需要发送的电信号接受识别，进而转换成光信号，之后以太网光纤收发器将这些光信号发送出来。在同一个时间，接受到光信号的设备将其转换成电信号，输送到的计算机的接收端。目前很多网络基本都是快速类型的以太网。因为以太网光纤的网络信号十分的稳定，而且兼容性也很高。因此，在日常生活和工作中使用的网络接发器基本都是选用以太网光纤收发器。本发明需要将两路以太网电信号(传感器信号与图像图像)转换成光信号，因此需要采用10/100Mbps自适应快速多以太网口光纤收发器(亦称光电介质转换器)，内置多口(例如八口)10M/100Mbps自适应交换机，可将八个独立的10Base-T和100Base-TX双绞线电信号同100Base-FX光信号进行相互转换。支持双纤多模、双纤单模和单纤单模多种光纤传输。它将网络的传输距离从铜线100m的极限扩展到120Km(单模全双工方式)。本发明采用千兆单模单纤以太网光纤收发器HTB-GS-03/4GE-20(1光4电)和HTB-GS-03-20(1光1电)，均为5V供电。
室内局域网的各个计算机均可通过设置Nport管理工具访问到各个仪器的对应的虚拟串口号，实现对各个仪器设备的访问。
本发明仅通过一根光纤实现各个设备与终端计算机监控软件的连接，实现了对各个仪器的集约化管理。同时，本发明采用多以太网转光纤收发器，可方便以后扩展挂接其它传感器。
本发明传感器易扩展，实现较容易，网络传输速度快，可以传输图像，可实现远距离传输，且受外部环境干扰少，但需布置光纤。
如图6所示，方法2串口设备联网服务器+路由器+3G
为了进行无线远程传输，在方法1基础上，将以太网光纤收发器及光纤等改为交换机和3G模块。
这里的3G模块是一个DTU，即无线数据传输设备。在3G网络中有CDMA2000、WCDMA、TD-SCDMA三大主流无线接口标准，他们是中国三大运营商的标准，分别属于中国电信、中国联通、中国移动。其中，中国联通的WCDMA的上下行速率最高，但通信质量是最差的，因为通讯质量是由信号强度来决定的，信号强度是由基站覆盖范围来确定的，而由于呼吸效应，基站的覆盖面积会随当地用户数的增多而缩小，所以目前在城区中基站尽量将覆盖半径控制在1～2Km左右，如覆盖过大，会造成污染，影响网络质量；而覆盖过小，会造成部分地区通信不了。三大运营商在城区的基站覆盖范围，其中中国移动达到11.2Km、中国联通是500～1000m，而中国电信的覆盖范围刚好是在1-2Km。所以在通讯质量上，CDMA2000比TD-SCDMA、WCDMA更有优势。基于CDMA2000的优势优先现在中国电信的3G网络。可以选用广州致远的ZWD-35系列模块或上海卓岚ZLAN8303系列模块。它们是一款无线数据传输终端设备。提供全透明数据传输通道，可以方便的实现远程、无线、网络的通信方式。3G路由器可以选择华为喵王，它支持3G网络，可实现3G网络转WIFI、有线网络转WIFI、3G网络转有线，是结合3G路由器、无线路由器、移动电源三合一的设备。
如图7所示，方法3 ZigBee+3G
ZigBee(紫峰)是基于IEEE 802.15.4标准的低功耗个域网双向无线通信协议，具有近距离、低复杂度、自组织、低功耗、低数据速率、低成本等特点，在传输数据量不大的场合如环境监测、医疗监控等应用广泛。具有20～250Kbit/s的传输速率，灵活的工作频段为免执照频段2.4GHz无线通讯。一直处在监听状态下的协调器能够及时发现网络中新添加的终端节点。一个ZigBee网络中可以容纳多达254个终端节点和1个中心节点，节点间的无线通讯距离为75m、几百米到几公里不等。系统由终端节点、网关节点、上位机监控软件组成。在ZigBee终端节点与网关节点的软、硬件设计上均注重低功耗的实现。终端节点由MSP430F5438超低功耗微控制器、传感器模块、ZigBee无线通讯模块等组成。终端节点可定时采集药田墒情信息、空气温湿度、雨量、日照等信息，并通过ZigBee无线网络将药田信息传输到网关节点，网关节点通过GPRS网络将药田信息发送给上位机监控软件。终端节点的ZigBee无线模块有终端与路由2种功能，可依实际距离人为配置工作模式以适应现场的药田环境，实现点对点，一点对多点无线通讯。网关节点集MSP430F5438控制器模块、GPRS模块、ZigBee协调器模块为一体；做为中心连接环节，网关节点向下维护ZigBee网络并进行通信，向上与上位机监控软件交互信息。系统选用TI公司的16位超低功耗微控制器MSP430F5438为核心控制模块，整机待机电流只有100uA左右；无线通讯模块采用休眠机制来实现终端节点硬件电路的低功耗设计。无线通讯模块(ZigBee模块)采用广州周立功公司自主研发的ZM2410芯片(CC2530+8051内核)，内嵌串口透明传输通讯协议，最高无线通讯速度可达1Mbps，内置RS-485方向切换管脚，可直接驱动RS-485芯片，具有16个可配置通道，采用5V电源模块供电。GPRS是一种适用于间歇性的、突发性的或频繁的、少量数据传输的无线通信技术。GPRS通讯芯片可采用SIM900A，该芯片采用省电技术设计，在睡眠环境下最低功耗只有1.0mA，适合于恶劣或特殊环境下的低功耗要求。芯片内嵌TCP/IP协议，扩展的TCP/IP AT命令方便用户使用，可以实现语音、SMS、数据和传真信息的低功耗传输。对SIM900A采用标准的AT命令写入，实现与中心服务器的TCP连接，从而将ZigBee网络汇聚的数据经GPRS网络发送至服务器。GSM/GPRS模块一般采用RS232接口，常用的型号有西门子的MC37i、华为的GTM1900、中兴的ME3000等。
本发明传感器布线方便，网络传输无需布线，适于野外工作，但网络传输(GPRS)速度慢、需要额外费用，而且传输图像时速度较慢、易发生丢帧现象。
方法4无线收发模块
单片机采集到各个传感器的数据之后，统一采用一个无线收发模块nRF24L01进行数据传输，接收端采用另一个无线收发模块接收到数据后，对数据进行解析。此方法传输速度相比于GPRS快。
传感器选型
(1)温度传感器、湿度传感器：采用温湿度一体传感器模块SM1810A(RS232输出，SM1810B时采用RS485输出)，内置SHT11传感器，5V供电。
(2)日照传感器：采用Vaisala公司的BH1750FVI，采用I2C接口。(也可以采用TSL2561T，也是I2C接口，或DSU12型日照时数传感器)
(3)雨量传感器：采用Vaisala公司的Raincap传感器，或其它压电雨量传感器。
以上(1)、(2)、(3)可以采用一个维萨拉(Vaisala)公司六要素传感器WXT520实现，它是一种紧凑型多参数传感器，同时用于测量多种气象参数(风速、风向、降雨量、气压、温度、湿度)。它采用RS232接口。
(4)土壤墒情传感器：土壤墒情即为土壤湿度，或称为土壤含水量，可采用AQUA-TEL-TDR型土壤水分传感器直接稳定地测量各种土壤的真实水分含量。可测量土壤的体积百分比。具有高稳定性、安装维护操作简便、有效测量长度超过45cm，产品环氧树脂材料，强度和寿命有保证(土壤盐分对测量结果有一定影响)。(也可以采用TH-FDR2000传感器、或TS-100)
(5)土壤氮磷钾浓度传感器：土壤肥力是土壤的基本属性和本质特征，是指土壤供应和协调作物生长所需的营养和环境因素的能力，是土壤的物理、化学和生物等性质的综合反映。土壤肥力的水平通常用空白产量，即作物种植在不施任何肥料的土壤上所得的产量来加以衡量，一般情况下，空白产量高，说明土壤供肥能力强.肥力高；反之，空白产量低，说明土壤供肥能力弱，肥力低。土壤肥力的高低，是自然和人为2个方面综合影响的结果。一方面，在未开垦的自然土壤中，土壤肥力的形成受母质、生物、气候、地形、植被、成土年龄等多种自然因素的影响；另一方面，在耕作农田土壤中，又受人为的耕作、施肥、灌溉和其他各种农事活动的影响。
水、肥、气、热是构成土壤肥力的重要因素。肥力是个综合的指标，测肥力没有专用传感器，需要用多个不同传感器测试很多相关数据后，采用一定的计算方法获取。可以用专用仪器，例如土壤肥料养分速测仪测。一般可采用土壤肥力综合指数(IFI)计算。运用模糊综合评价模型，以模糊数学中的加乘原则为原理，利用各项肥力指标的权重值和隶属度，计算土壤肥力综合指数(Integrated Fertility Index，IFI)，具体计算公式如下：IFI＝ΣFi×Ci(i＝l，2，3，…，n)；式中，IFI为(Integrated Fertility Index)综合肥力指数；Fi为第i个因素的隶属度；Ci为第i个因素的权重。为了测土壤肥力，可以选择几个关键指标，采用相应的传感器来测量。例如测量土壤氮磷钾含量的传感器SSIOT-SOIL-NPK(采用RS-485输出)；测CO2浓度可以采用英国GSS公司的C20(RS232接口)。
二、软件部分
1、软件整体架构
系统软件架构采用了TI的RF5参考框架。在本系统中，图像数据的压缩采用JPEG压缩算法。网络传输采用TI公司专门为C6000DSP推出的NDK(Network Developer's Kit)网络开发包。在操作系统方面，采用了基于DSP/BIOS的实时操作系统。
首先，在DSP/BIOS配置工具中静态建立3个任务线程，包括图像采集线程、图像处理线程、网络初始化线程，如图8所示。网络传输线程由网络初始化线程在程序中动态创建。
main函数主要完成整个程序的初始化工作，如片上L2缓存的分配，目标板的初始化，RF5模块的初始化，视频采集和显示的初始化与启动等，然后DM642把程序的控制权交给DSP/BIOS线程调度器(Scheduler)，由调度器按线程的优先级来调度执行。
线程之间通过RF5中的SCOM模块(Synchronized Communication)进行同步通信。图像帧在各个任务之间的传递是通过指针实现的，即通过SCOM消息将图像数据的指针(首地址)传递到下一个任务。
2、图像采集驱动程序
图像采集程序的编写采用了FVID视频I/O开发包。对于DM642的VP口，TI提供了一个两层的设备驱动模型：类/微驱动模型(Class/Mini Driver)。其中Class Driver(上层驱动)用于连接应用程序和下层驱动，Mini Driver(下层驱动)靠近底层硬件。TI为ClassDriver提供了驱动程序标准FVID和相应的基于DSP/BIOS的应用程序的API函数。该模块以芯片支持库CSL和设备驱动为基础，实现帧图像的获取和显示。模块集中完成了CSL中EDMA、VP、IRQ和I2C四个模块的配置和控制，实现了VP口与L2间固定周期的EDMA传输、EDMA中断及VP口中断这些固定操作，极大地简化了编程工作。
模块使用时首先用FVID_create创建并初始化一个FVID通道，之后通过FVID_control发送控制命令到设备驱动并启动视频帧图像的采集，设备驱动工作后，利用FVID_alloc为应用程序分配视频帧缓冲区，当应用程序处理完成后，再用FVID_exchange完成应用程序与设备驱动间缓冲区的交换以为后续处理作准备。
在图像采集的过程中，使用硬件中断对图像数据进行控制和传输，在中断服务程序中，根据视频端口内部的FIFO的状态通过EDMA完成图像数据的读入。
3、图像处理
先期在PC上利用Matlab进行算法的研究、仿真。然后对算法进行定点化，在DSP上采用C语言编程实现。开发环境采用CCS3.3。首先进行中药材检测，由相机采集的图像中的像素是否具备某些特征，从而直接在RGB空间上转换成二值化图像，分割出中药材与非中药材区域。这些特征应既考虑中药材的色度信息又考虑中药材的光照信息。然后在二值化图像中逐点统计中药材区域的像素点数，从而计算出中药材的覆盖度等参数。最后对嵌入式软件进行优化。为提高实时性，实现时尽量采用TI的图像处理库(IMGLIB)，没有提供的图像处理函数自己编写。测试、评估其性能，在程序运行的瓶颈处采用一些优化措施对程序进行优化。
具体方法如下：
由相机采集的图像中的像素是否具备某些特征，从而直接在RGB空间上转换成二值化图像，分割出中药材与非中药材区域。这些特征应既考虑作物的色度信息又考虑中药材的光照信息。这些特征由用户根据以下四个参数来定义：
a.在RGB空间的主导成分
b.在RGB空间的受控成分
c.最小亮度
d.最大亮度
通过该算法，将中药材区域用白色表示，非中药材区域用黑色表示，这样检测出中药材区域。
根据以上方法检测出作物后，再统计出图像中中药材区域的像素个数，与总像素的比值即为中药材的覆盖度。同时用一个相机水平放置(略偏上)拍摄作物，通过图像中每行中药材像素点数量的变化情况，获得最高一层的高度信息，为避免非中药材的干扰，还要采取滤波算法对非中药材的干扰进行滤除。
中药材生长发育期的检测是利用水平和垂直两个方向上的特征提取。由水平放置的相机获取的绿色像素的密度、黄色像素的密度与垂直放置的相机获取的绿色覆盖度、黄色覆盖度根据预设的阀值共同确定作物的当前生长发育期。
检测中药材的生长发育期时需要采用数理统计的方法事先设置各个生长发育期的判别阀值。
4、图像压缩
由于图像有200万像素，数据量较大，原始图像已经在DSP硬件平台上处理过，并得到所需要的结果，在客户端没有必要看到原始数据，因此可以对处理后的结果及原始图像经JPEG压缩后再通过网络传输，数据量大大减少。图像压缩可以采用TI给出的经过优化后的JPEG编码库实现。在DSP软件中通过调用JPEG编码库对采集的到的原始图像及经过图像处理后的图像数据流进行JPEG压缩。其JPEG压缩参数通过上位机传递给DSP软件。
5、网络传输
网络模块使用NDK(Network Developer’s Kit)开发，NDK是TI针对其C6X系列DSP的TCP/IP协议栈而开发的新型网络开发工具包。NDK采用紧凑的设计方法，仅用200～250K字节的程序空间和95K字节的数据空间即可支持常规的TCP/IP服务，是DSP网络开发的上等之选。
采用网络主线程完成协议栈的配置、初始化及网络事件调度，而真正被DSP/BIOS调度的网络任务线程是服务器任务，可用API函数TaskCreate()创建。该线程利用“客户端/服务器”网络通信模式实现，将DM642设计为嵌入式web服务器端，利用套接字Socket编程实现，服务器负责响应客户端的请求并发送编码流；同时在PC机端用VC++开发了基于WinSock的客户端，负责向服务器端发起请求并按帧接收数据、Jpeg解码及图像显示、运行结果显示。
考虑到尽管数据量较大，但要求的帧率不高，为了保证系统可靠，传输层协议采用了可靠的、有连接的TCP协议传输图像数据及结果数据，从而保证了实际应用中的可靠性要求，系统网络通信部分的基本流程图如图9。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种空地一体植物自动检测系统，其特征在于，所述空地一体植物自动检测系统包括：
前端采集模块，用于气象因子、环境因子、中药材图像的采集；
无人机采集模块，用于可见光图像采集及多光谱遥感图像的采集；
极轨卫星遥感模块，用于区域图像信息采集及高光谱植被遥感影像的采集；
后端处理模块，通过对前端采集模块的气象因子、环境因子及图像的历史存储、指令控制和实时显示以及综合分析，评价当前环境与中药材生长发育是否相适应，并对相应状况进行报警，以及预测产量。
2.如权利要求1所述的空地一体植物自动检测系统，其特征在于，所述前端采集模块包括：
两个图像采集模块，图像采集模块包括工业相机、C口镜头、相机防护罩、机箱、支架、太阳能充电电池板、蓄电池；支架固定于地面，机箱置于支架上，通过螺母固定；太阳能充电电池板安装于机箱外部，以倾斜30°-40°左右正对太阳光线，机箱内置控制器单元与蓄电池的接线端子相连；C口镜头通过相机旋转卡扣式镜头转接环，与工业相机相连；相机和镜头部分整体固定于机箱外进行图像视频的采集，在相机机身和镜头上安装定制的卡扣式相机防护罩；
机箱内设置有传感器网络模块、空气温度传感器、湿度传感器、日照传感器、雨量传感器、网络传输设备、土壤墒情传感器、土壤氮磷钾浓度传感器。
3.如权利要求2所述的空地一体植物自动检测系统，其特征在于，所述图像采集模块工业相机内有一个网口，通过DSP编程对图像进行采集、处理，并通过网口传向远端的计算机端；
工业相机通过CameraLink接口与DSP相连，相机采集到的数据通过DSP上的EDMA传送到片外的SDRAM，以便供图像处理应用程序使用；图像处理应用程序对图像进行相应的处理，将处理后的图像及原图进行JPEG压缩，然后将JPEG图像及处理结果通过以太网控制器进行网络传输。
4.如权利要求2所述的空地一体植物自动检测系统，其特征在于，所述传感器网络模块为串口设备联网服务器、以太网光纤收发器；
空气温度传感器、湿度传感器、日照传感器、雨量传感器、网络传输设备、土壤墒情传感器、土壤氮磷钾浓度传感器通过RS-232/485方式将观测信息传输至串口设备联网服务器，串口设备联网服务器将RS-232/485传输模式转换到以太网传输模式，再通过光电转换器实现电信号和光信号的相互转换，最终实现所有观测设备均通过1对光纤实现和终端计算机的数据传输；
以太网光纤收发器把平时需要发送的电信号接受识别，进而转换成光信号，之后以太网光纤收发器将这些光信号发送出来；在同一个时间，接受到光信号的设备将其转换成电信号，输送到的计算机的接收端。
5.如权利要求2所述的空地一体植物自动检测系统，其特征在于，所述传感器网络模块为串口设备联网服务器、路由器、3G模块；
空气温度传感器、湿度传感器、日照传感器、雨量传感器、网络传输设备、土壤墒情传感器、土壤氮磷钾浓度传感器通过RS-232/485方式将观测信息传输至串口设备联网服务器，串口设备联网服务器将RS-232/485传输模式转换到以太网传输模式，再通过光电转换器实现电信号和光信号的相互转换，最终实现所有观测设备均通过路由器实现和终端计算机的数据传输；
路由器设置有3G模块，用于实现无线远程传输。
6.如权利要求2所述的空地一体植物自动检测系统，其特征在于，所述传感器网络模块为ZigBee无线网络、3G模块；
终端节点由MSP430F5438超低功耗微控制器、传感器模块、ZigBee无线通讯模块组成；终端节点定时采集药田墒情信息、空气温湿度、雨量、日照信息，并通过ZigBee无线网络将药田信息传输到网关节点，网关节点通过GPRS网络/3G模块将药田信息发送给上位机监控软件；
网关节点集MSP430F5438控制器模块、GPRS模块、ZigBee协调器模块为一体；做为中心连接环节，网关节点向下维护ZigBee网络并进行通信，向上与上位机监控软件交互信息。
7.如权利要求2所述的空地一体植物自动检测系统，其特征在于，所述传感器网络模块为无线收发模块；
图像采集模块采集到各个传感器的数据后，采用无线收发模块n进行数据传输，接收端采用另一个无线收发模块接收到数据后，对数据进行解析。
8.一种如权利要求1所述空地一体植物自动检测系统的空地一体植物自动检测方法，其特征在于，所述空地一体植物自动检测方法包括：
图像数据的压缩采用JPEG压缩算法；在DSP/BIOS配置工具中静态建立3个任务线程，包括图像采集线程、图像处理线程、网络初始化线程；
用FVID_create创建并初始化一个FVID通道，之后通过FVID_control发送控制命令到设备驱动并启动视频帧图像的采集，设备驱动工作后，利用FVID_alloc为应用程序分配视频帧缓冲区，当应用程序处理完成后，再用FVID_exchange完成应用程序与设备驱动间缓冲区的交换以为后续处理作准备；
在图像采集的过程中，使用硬件中断对图像数据进行控制和传输，在中断服务程序中，根据视频端口内部的FIFO的状态通过EDMA完成图像数据的读入；
在PC上利用Matlab进行算法的研究、仿真；然后对算法进行定点化，在DSP上采用C语言编程实现；
对处理后的结果及原始图像经JPEG压缩后再通过网络传输；
用API函数TaskCreate()创建；利用客户端/服务器网络通信模式实现，将DM642设计为嵌入式web服务器端，利用套接字Socket编程实现，服务器负责响应客户端的请求并发送编码流；同时在PC机端负责向服务器端发起请求并按帧接收数据、Jpeg解码及图像显示、运行结果显示。
CN201811144259.8A 2018-09-29 2018-09-29 一种空地一体植物自动检测系统及方法 Pending CN109269475A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811144259.8A CN109269475A (zh) 2018-09-29 2018-09-29 一种空地一体植物自动检测系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811144259.8A CN109269475A (zh) 2018-09-29 2018-09-29 一种空地一体植物自动检测系统及方法

Publications (1)

Publication Number Publication Date
CN109269475A true CN109269475A (zh) 2019-01-25

Family

ID=65198800

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811144259.8A Pending CN109269475A (zh) 2018-09-29 2018-09-29 一种空地一体植物自动检测系统及方法

Country Status (1)

Country Link
CN (1) CN109269475A (zh)

Cited By (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109918531A (zh) * 2019-03-06 2019-06-21 长光禹辰信息技术与装备(青岛)有限公司 一种毒品原植物的搜查方法、装置和计算机可读存储介质
CN110012200A (zh) * 2019-04-09 2019-07-12 中国科学院地理科学与资源研究所 一种植物物候观测相机设备
CN110134016A (zh) * 2019-05-20 2019-08-16 孙艺 一种基于人工智能的中草药栽培及药性鉴定标准制定系统
CN110169340A (zh) * 2019-05-24 2019-08-27 华南农业大学 一种基于无人机通信的果园管理与控制系统及方法
CN110243412A (zh) * 2019-06-24 2019-09-17 西南林业大学 一种湿地环境因子采集装置
CN110376167A (zh) * 2019-07-29 2019-10-25 北京麦飞科技有限公司 基于无人机高光谱的水稻叶片氮含量监测方法
CN110426020A (zh) * 2019-08-20 2019-11-08 中国科学院地理科学与资源研究所 一种便携式地形摄影测量系统及其测量方法
CN110991484A (zh) * 2019-11-04 2020-04-10 广东科创工程技术有限公司 一种预测生物池出水cod浓度的方法
CN111624160A (zh) * 2020-06-10 2020-09-04 忻州师范学院 一种在线检测谷物生长状况的方法及其装置
CN111727443A (zh) * 2020-05-15 2020-09-29 安徽中科智能感知产业技术研究院有限责任公司 一种基于深度神经网络的土壤速效养分反演方法
CN111855653A (zh) * 2019-04-25 2020-10-30 河南中原光电测控技术有限公司 一种植物干旱监测方法、监测模块和监测装置
CN112001343A (zh) * 2020-08-31 2020-11-27 严钦武 园艺病虫害防治管理系统
CN112042483A (zh) * 2020-09-15 2020-12-08 定西市农业科学研究院 一种立体化中药材新品种栽培方法、系统及装置
CN112055420A (zh) * 2020-09-10 2020-12-08 深圳鸿祥源科技有限公司 一种基于5g网络通信连接的遥感试验观测处理终端
CN112179414A (zh) * 2020-10-08 2021-01-05 广东后海控股股份有限公司 一种作物生长物联网监测系统
CN112947258A (zh) * 2021-04-02 2021-06-11 江苏百绿园林景观工程有限公司 一种智慧园林管理方法
CN113075359A (zh) * 2021-03-18 2021-07-06 塔里木大学 一种基于卫星与无人机遥感结合的核桃生长预测系统
WO2022016569A1 (zh) * 2020-07-22 2022-01-27 南京科沃云计算信息技术有限公司 一种基于边缘计算的农作物病虫害识别系统及其识别方法
CN114077427A (zh) * 2020-08-12 2022-02-22 中移物联网有限公司 基于光谱分析模型的交互方法及系统
CN117685929A (zh) * 2024-02-01 2024-03-12 中国地质调查局西安矿产资源调查中心 一种用于监测光伏板空间分布信息的方法和终端设备
US11935242B2 (en) 2020-03-09 2024-03-19 International Business Machines Corporation Crop yield estimation

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002156227A (ja) * 2000-11-16 2002-05-31 Natl Aerospace Lab 垂直降下時に平坦区域を検出する立体視システム
CN108574737A (zh) * 2018-06-13 2018-09-25 成都信息工程大学 基于云技术和zynq平台的农业自动监控系统及方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002156227A (ja) * 2000-11-16 2002-05-31 Natl Aerospace Lab 垂直降下時に平坦区域を検出する立体視システム
CN108574737A (zh) * 2018-06-13 2018-09-25 成都信息工程大学 基于云技术和zynq平台的农业自动监控系统及方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
刘云涛: "基于DM642的嵌入式实时视频处理系统设计与实现", 《武汉理工大学学报.信息与管理工程版》 *
谢彩香等: "无人机遥感技术应用于药用植物资源调查研究", 《中国现代中药》 *

Cited By (29)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109918531A (zh) * 2019-03-06 2019-06-21 长光禹辰信息技术与装备(青岛)有限公司 一种毒品原植物的搜查方法、装置和计算机可读存储介质
CN110012200B (zh) * 2019-04-09 2020-08-28 中国科学院地理科学与资源研究所 一种植物物候观测相机设备
CN110012200A (zh) * 2019-04-09 2019-07-12 中国科学院地理科学与资源研究所 一种植物物候观测相机设备
CN111855653A (zh) * 2019-04-25 2020-10-30 河南中原光电测控技术有限公司 一种植物干旱监测方法、监测模块和监测装置
CN111855653B (zh) * 2019-04-25 2023-11-28 河南中原光电测控技术有限公司 一种植物干旱监测方法、监测模块和监测装置
CN110134016A (zh) * 2019-05-20 2019-08-16 孙艺 一种基于人工智能的中草药栽培及药性鉴定标准制定系统
CN110134016B (zh) * 2019-05-20 2021-11-23 孙艺 一种基于人工智能的中草药栽培及药性鉴定标准制定系统
CN110169340A (zh) * 2019-05-24 2019-08-27 华南农业大学 一种基于无人机通信的果园管理与控制系统及方法
CN110243412A (zh) * 2019-06-24 2019-09-17 西南林业大学 一种湿地环境因子采集装置
CN110243412B (zh) * 2019-06-24 2024-05-28 西南林业大学 一种湿地环境因子采集装置
CN110376167A (zh) * 2019-07-29 2019-10-25 北京麦飞科技有限公司 基于无人机高光谱的水稻叶片氮含量监测方法
CN110426020A (zh) * 2019-08-20 2019-11-08 中国科学院地理科学与资源研究所 一种便携式地形摄影测量系统及其测量方法
CN110991484A (zh) * 2019-11-04 2020-04-10 广东科创工程技术有限公司 一种预测生物池出水cod浓度的方法
US11935242B2 (en) 2020-03-09 2024-03-19 International Business Machines Corporation Crop yield estimation
CN111727443A (zh) * 2020-05-15 2020-09-29 安徽中科智能感知产业技术研究院有限责任公司 一种基于深度神经网络的土壤速效养分反演方法
CN111727443B (zh) * 2020-05-15 2023-10-31 安徽中科智能感知科技股份有限公司 一种基于深度神经网络的土壤速效养分反演方法
CN111624160A (zh) * 2020-06-10 2020-09-04 忻州师范学院 一种在线检测谷物生长状况的方法及其装置
WO2022016569A1 (zh) * 2020-07-22 2022-01-27 南京科沃云计算信息技术有限公司 一种基于边缘计算的农作物病虫害识别系统及其识别方法
CN114077427B (zh) * 2020-08-12 2024-05-24 中移物联网有限公司 基于光谱分析模型的交互方法及系统
CN114077427A (zh) * 2020-08-12 2022-02-22 中移物联网有限公司 基于光谱分析模型的交互方法及系统
CN112001343A (zh) * 2020-08-31 2020-11-27 严钦武 园艺病虫害防治管理系统
CN112055420A (zh) * 2020-09-10 2020-12-08 深圳鸿祥源科技有限公司 一种基于5g网络通信连接的遥感试验观测处理终端
CN112042483A (zh) * 2020-09-15 2020-12-08 定西市农业科学研究院 一种立体化中药材新品种栽培方法、系统及装置
CN112179414A (zh) * 2020-10-08 2021-01-05 广东后海控股股份有限公司 一种作物生长物联网监测系统
CN113075359A (zh) * 2021-03-18 2021-07-06 塔里木大学 一种基于卫星与无人机遥感结合的核桃生长预测系统
CN112947258B (zh) * 2021-04-02 2022-03-11 江苏百绿园林集团有限公司 一种智慧园林管理方法
CN112947258A (zh) * 2021-04-02 2021-06-11 江苏百绿园林景观工程有限公司 一种智慧园林管理方法
CN117685929A (zh) * 2024-02-01 2024-03-12 中国地质调查局西安矿产资源调查中心 一种用于监测光伏板空间分布信息的方法和终端设备
CN117685929B (zh) * 2024-02-01 2024-05-03 中国地质调查局西安矿产资源调查中心 一种用于监测光伏板空间分布信息的方法和终端设备

Similar Documents

Publication Publication Date Title
CN109269475A (zh) 一种空地一体植物自动检测系统及方法
CN103309378B (zh) 一种手机远程实时监控大棚环境因子的多功能无线装置
CN101709954B (zh) 一种基于机器视觉技术的架空线路覆冰在线监测装置
CN202309772U (zh) 基于Zigbee的水产养殖环境移动式定位与监测系统
CN105005234B (zh) 基于zigbee的智能温室环境遥测与控制系统
CN102288222A (zh) 一种基于无线传感器网络的农情信息实时监测平台
CN103905558A (zh) 基于物联网的奶牛场无线监测系统
CN101277431B (zh) 可用于水环境监测的无线传感器网络数据视频基站
CN202854630U (zh) 一种基于zigbee无线传感网络的大棚温湿度控制系统
CN101661664A (zh) 基于无线传感器网络的果园种植监测系统及其监测方法
CN206161052U (zh) 基于智能监控及环境信息采集的有机茶园管理系统
CN103512618A (zh) 一种自供电的农业综合信息智能监测系统
CN104089590A (zh) 一种获取植被冠层结构参数的自动测量装置
CN106941535A (zh) 一种采集果园环境信息的方法
Zhang et al. Method for monitoring the cotton plant vigor based on the WSN technology
CN109981752A (zh) 基于远程视频的移动型野外农林种植智能预警物联网系统
CN104807498A (zh) 一种基于Zigbee和3G技术的农田环境无线监测系统
CN214151461U (zh) 一种基于物联网的玉米大田监测系统
CN102608349B (zh) 基于嵌入式双相机平台的智能温室油桃果实生长速率无线监测系统
CN209002233U (zh) 一种农业物联网低成本低功耗超远距离无线传输系统
CN206807400U (zh) 一种分布式光伏点的监测装置
CN203489918U (zh) 一种自供电的农业综合信息智能监测系统
CN205103173U (zh) 基于多类图像终端—服务器架构的大田作物信息检测系统
CN208921171U (zh) 一种基于NB-IoT的农业环境监控无线传感器节点
CN105791435A (zh) 一种灌区实时数据采集装置

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20190125

RJ01 Rejection of invention patent application after publication