实景自动监测:补充农业气象“智慧之眼”

发布时间:2020-07-28

农作物实景自动监测是对传统农业气象观测的补充,人工智能可使自动监测采用更多的技术手段,其在业务应用中具备相当潜力,但难题犹存。

农业生产与气象条件息息相关。过去,农业往往靠天吃饭,风调雨顺则五谷丰收,遇上干旱或洪涝则农作物减产甚至颗粒无收。随着科技发展,逐渐有了农业生态监测技术,可以及时有效地监测田间气象条件变化,农业生产添了一个“好帮手”。

现代农业发展对农业气象产品提出更高要求。当前,我国农业已转向高质量发展的新阶段,迫切需要气象为现代农业发展提供时效更快、内容更多、针对性更强的服务产品,获取高精度、高密度、多要素、连续稳定的农业气象观测信息势在必行。其中,农作物实景自动监测是一项具备潜力和重要价值的技术。

农作物实景自动监测具有24小时连续工作、时间分辨率高、非接触、非破坏性等优点,是对传统农业气象观测的有效补充,在农业灾害监测领域有重要价值。

什么是农作物实景自动监测?它或许被误解为就是在田间安装监控设备,但实际上并不是那么简单。

农作物实景自动监测系统借助机器学习、图像处理和无线多媒体网络技术和方法,利用电荷耦合器件传感器、图像采集器和通信装置,采集自然光照条件下农作物图像并传输至计算机终端。其采集的图像并不能直接使用,而是要通过内置的图像识别算法提取图像特征参数,进而反演得到农作物生长特征信息。

“实际大田环境比较复杂,需要根据不同用途采用不同的自动化监测设备。” 李翠娜说,可见光观测对天气有较为苛刻的要求,例如,雾霾、雨雪和沙尘等恶劣天气会在一定程度上影响到农作物的分割、发育期识别以及覆盖度和叶面积指数的准确计算。而多光谱观测对天气和气候条件的要求相对较低,适用于多层次观测,但硬件成本相对较高。因此,需要针对不同任务设计更为科学、性价比更高的观测系统。

随着人工智能在计算机视觉领域的迅速发展,农作物实景自动监测可以采用更多的技术手段。目前已经在农作物长势分析、灾后评估、病虫害检测、土壤墒情等领域展开研究,部分已形成实用性技术。

目前,在农业气象自动化监测领域研究中,国内外科学家主要集中于分割算法和图像特征提取算法等方面,针对农作物图像以及基于图像识别的农作物生长特征质量控制的研究很少。

农作物实景自动监测系统探测资料主要包括农作物可视图像和农作物生长特征要素。这些要素不同于气温、湿度等常规气象要素,传统质量控制方法难以适用。因此,亟须研制一套适用于农作物实景自动监测系统探测资料的质量控制方法。

李翠娜和研究团队在农作物实景监测图像数据质量控制方法上做了一些探索。他们利用三个较为典型地方的历史农作物实景图像资料,设计了两类质量控制方法,即图像像素缺失检测和图像污染检测,通过检验表现良好,可有效识别出农作物图像中对应的异常数据。该方法已初步应用于省级农业自动观测业务系统,满足了现有业务中图像质量控制的需要。

虽然农作物实景自动监测已经在农作物长势分析、灾后评估、病虫害监测等领域“一展身手”,但难题犹存。李翠娜介绍,主要表现在两个方面:一是在部分农业气象业务中仍然需要寻求更有效的技术手段,形成有效的功能产品,让基层部门的业务工作量得以解放;二是农作物实景监测可能改变部分传统农业耕作方式,要让产品真正用起来、用得好,就要在基层中下工夫、强应用。

李翠娜指出,当前的研究仍主要基于单一农作物实景自动监测平台,未来研究中将通过农作物地面实景平台、无人机低空遥感、卫星遥感进行混合组成的天-地-空综合监测手段,实现农作物的多尺度多时空观测。结合所开展业务,准确定位实景监测所能完成的主要功能服务,在此基础上形成有效应用产品。