石新麗 曹夢穎 高雷博 溫志達(dá)

（1.泊頭市氣象局 河北滄州061001；2.河北科技大學(xué)信息科學(xué)與工程學(xué)院 石家莊050000；3.滄州天祥防雷檢測有限公司 河北滄州061001）

在當(dāng)今的社會生活中， 農(nóng)業(yè)生產(chǎn)生活占據(jù)重要的地位，但是對于農(nóng)作物所生長的環(huán)境，即它處的一個溫度、 濕度等環(huán)境是否適合于農(nóng)作物這種監(jiān)測工作是一個非常巨大的工程。 傳統(tǒng)的人力觀測農(nóng)作物生長狀況，是一個既耗費(fèi)時間又耗費(fèi)體力的過程，所以針對成本價格較高、監(jiān)測范圍較小等問題，整體提出了一個實時檢測的方法。

目前監(jiān)控記錄信息的方式主要是以視頻為主，它可以直觀地反映事物的表象， 大多數(shù)的設(shè)備都是采用實時畫面錄像的形式， 隨著科技生活的不斷進(jìn)步， 整個物聯(lián)網(wǎng)應(yīng)用技術(shù)可以利用互聯(lián)網(wǎng)及智能化設(shè)備將一些技術(shù)性設(shè)備與我們的日常生活進(jìn)行聯(lián)系，形成人與物、物與物相連的局面，實現(xiàn)一個信息化、遠(yuǎn)程管理控制和智能化的前景。 通過造價較低的卡片式電腦樹莓派、 單片機(jī)和無線網(wǎng)絡(luò)實現(xiàn)數(shù)據(jù)和圖像自動化、智能化、遠(yuǎn)程化采集及傳輸。 也以此得到農(nóng)作物詳細(xì)的生長信息， 以便可以對此及時進(jìn)行調(diào)整，減少不必要的損失。

在農(nóng)作物的生長環(huán)境下， 對于硬件這一方面難免會遇到各種自然環(huán)境的影響與干擾， 作為需要長時間段記錄農(nóng)作物生長環(huán)境的設(shè)備， 若想要高效并且準(zhǔn)確地監(jiān)測到真實環(huán)境， 是需要基于圖像特征的匹配方法來順利進(jìn)行的。 這次整體設(shè)計將會結(jié)合SURF 算法來進(jìn)行特征匹配及圖像的識別工具，該算法是一種基于SIFT 的局部特征檢測算法，具有實時性和穩(wěn)定性。

1 系統(tǒng)設(shè)計

本研究以樹莓派作為核心硬件， 配置一紅外攝像頭，一大功率紅外補(bǔ)光燈板，使用OpenCV 獲取農(nóng)作物所處環(huán)境的圖像， 采集的圖像可以通過阿里云官方的軟件開發(fā)包將獲取到的圖像傳輸至阿里云存儲空間 OSS。 然后用 FFmpeg（Fast Forward Mpeg）將圖片合成一個直觀的動態(tài)視頻， 合成視頻這一個過程可以根據(jù)自己的需要改變輸出視頻的畫面質(zhì)量、輸入圖片幀速率、輸出圖片幀速率、視頻編碼格式、視頻的封裝格式等。 各種農(nóng)作物的生長環(huán)境是否適合它本身會一目了然地呈現(xiàn)在眼前。 專業(yè)種植人員可以通過這段延時攝影來判斷作物的長勢好壞，以便對作物進(jìn)行各種作業(yè)， 免去了大量的實地觀察等工作，既節(jié)省了時間又可以達(dá)到之前的效果，甚至比以往效率更高。 系統(tǒng)整體結(jié)構(gòu)見圖1。

圖1 系統(tǒng)整體結(jié)構(gòu)

2 系統(tǒng)設(shè)計實現(xiàn)

2.1 樹莓派控制模塊

樹莓派是一個只有身份證大小的卡片電腦，運(yùn)行Linux 操作系統(tǒng)，具有一臺PC 的所有基本功能（只需接上外部設(shè)備即可使用）。 該樹莓派可以通過一系列編程語言，然后裝載Linux 系統(tǒng)和相應(yīng)的應(yīng)用程序?qū)崿F(xiàn)多種功能[1]。 此外，樹莓派通過 TCP/IP 協(xié)議實現(xiàn)了IP 攝像頭與樹莓派的通訊及圖像的實時采集或監(jiān)視視頻。 樹莓派硬件資源接口及外設(shè)參考見圖2。

圖2 樹莓派硬件資源接口及外設(shè)參考

2.2 紅外攝像頭及紅外燈板

紅外攝像頭及紅外燈板要配合使用， 選擇一個可以提供夜視視角的攝像頭模塊， 選用500 W 像素可調(diào)焦的3.6 mm 的一款專門為樹莓派設(shè)計的攝像頭，這個模塊通過15 Pin 的軟排線與樹莓派的csi 接口相連（即樹莓派主板上標(biāo)有“camera”的接口）。但是由于攝像頭不能單獨(dú)在漆黑的夜晚工作， 因此必須要用紅外燈為其照明。 紅外補(bǔ)光燈板采用光控原理，作為相機(jī)夜間采集圖像信息的工具， 首選4 顆串聯(lián)方式連接的LED 發(fā)光二極管（有紅曝）作為補(bǔ)光燈，供電電源為直流12 V。 可調(diào)焦鏡頭可以根據(jù)攝像頭的安裝位置進(jìn)行一定的調(diào)節(jié)， 使用軟排線將攝像頭與樹莓派連接成功后， 需要用軟件測試一下它們之間的連接是否良好。 如若全部測試正常，Open CV 就會利用它將畫面保存下來。

2.3 OpenCV 的環(huán)境搭建

OpenCV 是一個跨平臺的開源計算機(jī)視覺庫，它的開源性使它可以運(yùn)行在 Windows、Linux、Mac OS和安卓等的操作品臺上。 本設(shè)計需要下載它的源代碼并對此進(jìn)行編譯。 成功后要執(zhí)行命令 sudo make install 將編譯好的二進(jìn)制文件放到系統(tǒng)的目錄中，完成OpenCV 安裝的工作。 其中，變量存儲信息是利用OpenCV 中的CV::VideoCapture 這個類選定樹莓派的一個攝像頭并定義一個變量capture， 保存從攝像頭獲得的一幀圖像，用CV::Mat 定義frame 來存儲一個圖像結(jié)構(gòu)，再將capture 的內(nèi)容傳遞給frame[2]。 拍照流程見圖3。

圖3 拍照流程

2.4 阿里云軟件的安裝及圖像上傳

在樹莓派中上傳圖片信息到阿里云對象存儲服務(wù)需要用到軟件開發(fā)包，本設(shè)計使用C++語言，所以從阿里云官網(wǎng)下載OSS C++ SDK。 照片拍攝完成后需要把圖片上傳到阿里云存儲服務(wù)OSS，這個需要事先在操作系統(tǒng)中安裝對應(yīng)的軟件開發(fā)包。 此時需要使用相應(yīng)的訪問域名來上傳文件并對此文件命名。接著從樹莓派上通過文件名找到要上傳的文件執(zhí)行上傳； 最后釋放網(wǎng)絡(luò)資源， 至此完成圖片的上傳工作。圖像上傳流程見圖4。圖像全部上傳后，可以根據(jù)工作人員的需求來選擇是否需要合成視頻。 若想要合成視頻，則需要搭建FFmpeg 環(huán)境，整體工作進(jìn)行后就可以使用FFmpeg 工具來根據(jù)實際情況合成所需視頻。

圖4 圖像上傳流程

3 圖像的預(yù)處理與特征的獲取

3.1 OpenCV 與圖像信息處理

在使用紅外攝像頭與OpenCV 獲取圖像的過程中，后面要對其進(jìn)行處理來獲取圖像的RGB 信息[3]，更加準(zhǔn)確的一個方法是將二維像素坐標(biāo)轉(zhuǎn)換為三維點(diǎn)云空間坐標(biāo)。 由于具有內(nèi)參矩陣，所以每一個在該空間點(diǎn)的位置和像素坐標(biāo)都能夠用一個簡單的矩陣形式來說明，如公式（1）所示。

式中，參數(shù)矩陣C如公式(2)所示。 ［u,v,d］是圖像中的像素坐標(biāo)，其中d指深度數(shù)據(jù)。 空間點(diǎn)［x,y,z］和像素坐標(biāo)［u,v,d］的對應(yīng)關(guān)系如公式（3）所示。

式中，fx、fy是指相機(jī)在下x、y兩個軸上的焦距，cx、cy指相機(jī)的光圈中心，s指深度圖的縮放因子。 最后，可以獲得三維點(diǎn)云的空間坐標(biāo)，如公式（4）所示。

3.2 特征點(diǎn)的提取與匹配

特征點(diǎn)的提取與匹配關(guān)系到圖像配準(zhǔn)的精度與整體算法的效率， 該處理使用 SURF 算法進(jìn)行特征點(diǎn)的提取與匹配， 主要由4 個步驟組成： 第一步是Hessian 矩陣及尺度空間的構(gòu)建； 第二步是找到定位特征點(diǎn)；第三步是給特征點(diǎn)方向賦值；第四步是得到特征點(diǎn)描述因子。

對于各個像素點(diǎn)都能夠得到一個與其對應(yīng)的Hessian 矩陣， 其中x表示特征點(diǎn)的坐標(biāo)，σ表示尺度，如公式（5）所示。

匹配特征點(diǎn)時提取出來的特征向量中的歐式距離有一個相關(guān)性，但是想要提高整個匹配的精準(zhǔn)度，就要剔除一些點(diǎn) （最近鄰歐氏距離和次近鄰歐氏距離的比值大于閾值T的點(diǎn)）， 即需要滿足圖5 為閾值T=0.5 的SURF 特征點(diǎn)匹配示例。

圖5 閾值T=0.5 的SURF 特征點(diǎn)匹配示例

3.3 基于RANSAC 的特征點(diǎn)篩選與影像配準(zhǔn)

在完成特征點(diǎn)的匹配之后， 就要從這些所得的匹配點(diǎn)中獲取影像的變換矩陣， 這時候圖像才能夠配準(zhǔn)。 但是過程中難免會出現(xiàn)誤匹配點(diǎn)，致使所得到的矩陣有些誤差。剔除誤差時，本研究采用RANSAC算法來進(jìn)行匹配點(diǎn)篩選并計算出影像變換矩陣。RANSAC 算法的核心在于2 個點(diǎn)集的配準(zhǔn)過程，如下表示：pt=Rps+T。 其中，pt與ps為一組對應(yīng)點(diǎn),R與T為變換矩陣。

該算法通過一部分“模內(nèi)點(diǎn)集”迭代估計數(shù)學(xué)模型的參數(shù)，得到一個包含最多點(diǎn)集的最優(yōu)數(shù)學(xué)模型。RANSAC 算法具有不確定性， 需要增加迭代次數(shù)來提高配準(zhǔn)的精度。 對于農(nóng)作物這種需要長時間記錄并不斷受自然環(huán)境影響的情況， 可以嘗試多次迭代來提高所需圖像的精準(zhǔn)度。

4 結(jié)論分析

按照流程，硬件與軟件都準(zhǔn)備好之后，接通電源就可以看到樹莓派系統(tǒng)正常運(yùn)行， 然后進(jìn)行軟件程序的測試，設(shè)置定時拍照時間間隔為3 min，拍照完成之后實時上傳圖片，設(shè)置每天1:06 重啟樹莓派，樹莓派本地內(nèi)存卡保存的照片見圖6， FFmpeg 將圖片合成視頻的結(jié)果見圖7。

圖6 樹莓派本地圖片

圖7 合成視頻

本設(shè)計以樹莓派微核心進(jìn)行拍照和上傳， 樹莓派通過OpenCV 實現(xiàn)對作物進(jìn)行拍照再通過OSS C++ SDK 實時將拍攝到的圖片上傳到對象存儲OSS中， 在電腦端通過OSS 控制臺或OSS 圖形化界面（OSS-browser）觀察到樹莓派上傳的照片[4]。如果想將一段時間內(nèi)拍到的照片以視頻的形式呈現(xiàn)出來，可以使用FFmpeg 軟件將多張圖片轉(zhuǎn)換成視頻。當(dāng)視頻性能穩(wěn)定時，可以將視頻講解切割，所分割的分辨率不超過 320×180 像素，單聲道 96 kbps 音質(zhì)，控制每個文件尺寸不超過10 M， 就可以根據(jù)需要觀察作物生長的情況。

考慮到長時間后自然環(huán)境對該設(shè)備的影響，可以通過把紅外攝像頭及OpenCV 所獲取的圖像信息提取，并且轉(zhuǎn)換得到該圖像的RGB 信息來進(jìn)行坐標(biāo)的計算，緊接著就是特征點(diǎn)的提取來進(jìn)行特征匹配。整體工作是使用SURF 算法和RANSAC 算法來消除一些影響因素， 得到后續(xù)所需要的農(nóng)作物在自然條件影響下的生長環(huán)境狀況的圖像。

通過圖和視頻這種直觀性的敘述， 保證了監(jiān)測到的農(nóng)作物生長環(huán)境的真實性和準(zhǔn)確性， 同時節(jié)省了大量的人力與物力資源， 避免了各種外界因素的影響， 由此用戶可以對農(nóng)作物的生長環(huán)境進(jìn)行實時監(jiān)測，以此可以及時對此進(jìn)行各種改善。 從測試的結(jié)果來看，它極大地降低了信息的存儲空間，提高了信息的共享能力，使作物的生長過程表現(xiàn)地更加直觀。此種監(jiān)測方法能夠?qū)崿F(xiàn)農(nóng)作物生長中大范圍內(nèi)的監(jiān)測。 之后還可以通過增加其他的一些傳感器等智能化模塊對其進(jìn)行完善，進(jìn)而實現(xiàn)更完整的監(jiān)測，能夠更好地應(yīng)用到生產(chǎn)生活中。