基于无人机的田间残膜污染评估方法与技术

摘要

覆膜技术具有增温、保熵、节水、增产等作用，被广泛应用于农业生产，但是作物收获后遗留的残膜得不到及时清理,不仅造成严重的环境污染，同时降低土壤含水率，导致土壤板结，肥力下降，最终使作物减产。因此，快速准确地评估田间残膜污染分布情况，对于指导田间残膜捡拾精准作业，具有较大的现实意义。针对传统评估方法劳动强度高、效率低等缺点，本文创新地提出了基于无人机的田间残膜污染评估方法，研究了田间残膜污染分布特点和残膜图像识别方法，建立了田间残膜污染分布数学模型，通过田间试验验证了数学模型的准确性，主要研究内容如下： （1）研究了田间残膜图像的信息采集与特性。搭建了基于无人机的残膜图像采集系统，采集了不同时期烟田残膜图像，分析了残膜图像的预处理方法，利用灰度插值法对残膜图像进行畸变矫正，对比分析了不同模板不同滤波方法对图像的滤波效果，发现3×3中值滤波效果最好。 （2）基于无人机的残膜图像分割算法研究。为避免光照对残膜识别精度的影响，统计与分析了阳光直射区与阴影区残膜和土壤的RGB与HSV颜色分量灰度值，发现B分量阴影区残膜介于直射区土壤与阴影区土壤灰度值之间；S分量直射区与阴影区残膜低于背景灰度值。分别对B和S分量进行手动阈值法、迭代阈值法、最大类间方差法、最大熵值法、K-mean均值聚类法和基于脉冲神经网络法分割对比，发现：B分量可从背景中分割出直射区残膜，不能分割出阴影区残膜；S分量可从背景中出分割出直射区和阴影区残膜；基于S分量的脉冲神经网络法分割效果较好，最大类间方差法和迭代阈值法效果次之。根据阳光直射和不同作物生长时期田间残膜分布特点，建立了不同的田间残膜识别方法，其平均识别率为87.42%。 （3）研究了田间残膜污染分布特点。利用随机抽样法和梅花点采样法对毕节市典型烟区的残膜污染情况进行调研，得到残膜污染分布特点：随着覆膜年限增加，0～10cm土层残膜增长量最为显著，10～25cm土层残膜质量稳定增长；平均残膜数量为48.72片/m2，平均残膜质量为18.549g/m2，由上而下三个土层内残膜数量分别为10.38片/m2、26.1片/m2、12.24片/m2，残膜质量分别为11.34g/m2、5.57g/m2、1.639g/m2；覆膜年限越久、土层越深残膜破碎度越小，覆膜1～6年的农田，残膜破碎度分别为：1.567、0.946、0.430、0.348、0.332、0.237。 （4）研究了田间残膜污染分布数学模型。利用Origin软件对残膜分布调研数据进行了函数拟合分析发现：各土层残膜质量和数量与覆膜年限的拟合度高于97%；同一覆膜年限下，表层残膜质量与残膜总质量的拟合程度高于85%。依据拟合函数构建残膜污染分布数学模型，制定毕节市烟田残膜污染等级，小于6g/m2视为1级污染，6～13g/m2视为2级污染，13～18g/m2视为3级污染，18～23g/m2视为4级污染，23～28g/m2视为5级污染，大于28g/m2视为6级污染。 （5）基于图像信息的残膜污染评估方法研究。提出了一种基于无人机图像信息的残膜污染分布计算方法，引入权重Q，建立了基于无人机的残膜污染分布数学模型，利用田间试验验证该数学模型，制定了基于无人机图像信息的残膜污染评价标准，实现了田间残膜污染的快速准确评估。

目录

第1章 绪论

1.1 课题研究的背景与意义

1.2 国内外研究现状

1.2.1 基于无人机农田信息获取和监测研究现状

1.2.2 基于图像信息的地膜识别研究现状

1.2.3 残膜评估方法研究现状

1.3 课题来源及研究内容

1.3.1 课题来源

1.3.2 研究目标

1.3.3 研究内容

1.4 创新点

1.5 研究方法与技术路线

1.6 本章小结

第2章 基于无人机的残膜图像采集及图像预处理

2.1 残膜信息采集软硬件系统

2.1.1 残膜图像采集硬件系统

2.1.2 残膜信息采集软件系统

2.2 无人机田间残膜图像信息采集

2.2.1 研究区域概况

2.2.2 图像获取

2.3 图像预处理

2.3.1 图像预处理介绍

2.3.2 图像预处理

2.4 本章小结

第3章 残膜图像分割算法研究

3.1 残膜图像颜色空间

3.1.1 图像颜色分量

3.1.2 残膜图像颜色分量分析

3.2 基于无人机的田间残膜分割方法

3.2.1 分割算法理论

3.2.2 残膜图像不同颜色分量分割方法比较

3.2.3 基于无人机的残膜识别算法

3.3 基于无人机的田间残膜识别率

3.3.1 基于无人机的田间残膜识别率计算方法

3.3.2 基于无人机的残膜识别率结果分析

3.4 本章小结

第4章 残膜污染评估方法研究

4.1 残膜污染评估背景

4.2 材料与方法

4.2.1 实验材料

4.2.2 调研对象的选择

4.2.3 采样点的选择

4.2.4 残膜样品的收集和处理

4.2.5 残膜统计

4.3 残膜污染分布特点

4.3.1 不同覆膜年限残膜数量分布

4.3.2 不同覆膜年限残膜质量分布

4.3.3 残膜破碎度

4.4 残膜调研数据拟合及数学模型建立

（1）拟合内容

（2）拟合方式

（3）拟合评价指标

4.5 烟地残膜污染评价等级

4.6 基于无人机图像信息的残膜污染

4.6.1 基于无人机图像信息的残膜污染分布计算方法

4.6.2 基于无人机的残膜污染数学模型

4.6.3 基于无人机图像信息的残膜污染验证

4.6.4 基于无人机图像信息的残膜污染评价标准

4.7 本章小结

第5章 结论与展望

5.1 主要结论

5.2 展望

致谢

参考文献

附录

声明