一种基于数字信号处理的荔枝冬梢检测与修剪控制系统的制作方法

本发明涉及自动化控制领域，具体为一种基于数字信号处理的荔枝冬梢检测与修剪控制系统及系统。

背景技术：

1、荔枝冬梢的适时管控是决定翌年成花质量和果实产量的关键农艺措施；面向农业物候监测的模式识别领域，现有分类系统多基于单一时相传感数据构建特征空间，依赖大规模标注样本训练判别模型；针对果树梢枝生长状态的识别任务，相关方法通常从多光谱数据中提取色彩与几何的独立特征维度，经简单拼接后输入分类器，对时序信号中蕴含的动态演化规律挖掘不足；同时，农业冠层环境光照条件复杂多变，单一时刻的传感数据易受瞬时辐照扰动而产生系统性偏差，现有系统对此缺乏有效的自适应筛选机制；更为突出的问题在于，时序动态特征与空间结构特征在现有特征工程中往往作为正交维度直接叠加，未能建立二者在物候物理机制层面的内在关联，使得特征空间的类别边界模糊，判别置信度不足；尤其在样本标注稀缺的条件下，上述缺陷导致系统对细微生长状态差异的区分能力显著下降，难以满足精准农业对高可靠性分类的需求。

技术实现思路

1、为实现以上目的，本发明通过以下技术方案予以实现：一种基于数字信号处理的荔枝冬梢检测与修剪控制系统，包括图像采集终端和数据处理中心；

2、所述图像采集终端，配置为同步采集荔枝树冠层的可见光波段与近红外波段的原始多光谱图像数字信号，并输出至数据处理中心；

3、所述数据处理中心包括依次连接的信号预处理单元、特征提取单元、冬梢判别单元和驱动信号单元；

4、所述信号预处理单元，配置为对原始多光谱图像数字信号进行辐射定标以映射为反射率数值，根据可见光波段反射率与近红外波段反射率构建时序植被指数，并对时序植被指数进行时域低通滤波以抑制光照高频噪声，输出标准化植被指数时空数据场；

5、所述特征提取单元，配置为基于标准化植被指数时空数据场和可见光图像信号，提取枝梢区域的多维特征向量，所述多维特征向量至少包括相对生长活性特征和几何与光谱耦合特征；

6、所述冬梢判别单元，配置为计算多维特征向量与预存冬梢聚类中心和非冬梢聚类中心在特征空间中的距离，若到冬梢聚类中心的距离小于到非冬梢聚类中心的距离且差值超出预设偏置，则判定为冬梢并输出其位置信息；

7、所述驱动信号单元，配置为根据位置信息经预置的坐标映射关系求取实际三维修剪坐标，并以实际三维修剪坐标作为运动学逆解的输入，求解修剪执行机构各关节的目标转动角度，将各所述目标转动角度转换为时序化的数字驱动脉冲信号输出至修剪执行机构。

8、优选的，所述信号预处理单元在构建时序植被指数前，基于当前帧可见光红光波段反射率与近红外波段反射率生成像素级波段比值图，该比值图各像素点的取值为rlocal(x,y)=ρnir(x,y)/ρred(x,y)，以该像素级波段比值图为权重对可见光红光波段反射率进行增益补偿，补偿公式为，其中rglobal为树冠区域内像素级波段比值的中值，通过增益补偿抑制光照空间不均匀引起的反射率伪变化；完成增益补偿后，信号预处理单元基于校正后的红光波段反射率与近红外波段反射率构建归一化植被指数ndvi的时序序列，其计算公式为ndvi=(ρnir-ρred)/(ρnir+ρred)；信号预处理单元采用滑动多项式拟合的时域低通滤波方法对时序植被指数进行平滑处理，对于第t帧的植被指数值，以其前后各若干帧共预设滤波窗口宽度帧数据为窗口，在窗口内拟合多项式g(z)=a0+a1·z+a2·z²+…+an·zn，以多项式在窗口中心位置的取值g(0)=a0作为滤波后该帧的植被指数值；时域滤波完成后，信号预处理单元对单帧树冠区域内的植被指数数值执行z-score标准化处理，标准化公式为ndvistd(x,y,t)=[ndvi(x,y,t)-μ(t)]/σ(t)，其中μ(t)为第t帧树冠区域ndvi均值，σ(t)为第t帧树冠区域ndvi标准差，形成以像素坐标为空间维度、帧序号为时间维度的标准化时序植被指数时空数据场。

9、优选的，所述特征提取单元在提取各类特征前，先以预设时间窗口内各像素点的近红外反射率时序方差为稳定性判定指标，计算连续n帧时间窗口内各像素近红外反射率的方差，将方差小于预设波动阈值的像素点标记为稳定候选像素，后续所有特征提取操作均限定在稳定候选像素的范围内执行。

10、优选的，所述相对生长活性特征通过帧间空间配准与全局基准漂移扣除的方式提取得到；特征提取单元首先对相邻两帧图像采用特征点检测与匹配算法完成相邻帧间的空间配准，消除图像采集终端飞行姿态变化带来的帧间位移偏差；空间配准完成后，以配准后的当前帧枝梢区域为中心，在预设空间邻域窗口内选取植被指数时序变化率δndvi(x,y,t)=|ndvi(x,y,t)-ndvi(x,y,t-1)|小于预设平稳阈值、且不属于上一帧标记的冬梢候选区域的像素作为背景参照像素；计算所有背景参照像素在相邻帧间的一阶时序差分均值作为全树基准漂移量，从枝梢区域内各像素的一阶时序差分值中逐像素扣除全树基准漂移量，得到各像素的相对生长活性数值，取枝梢区域内所有稳定候选像素相对生长活性数值的均值，即为该枝梢区域的相对生长活性特征。

11、优选的，所述几何与光谱耦合特征通过光谱厚度加权与几何方向分析相结合的方式提取得到；特征提取单元首先从可见光图像中提取枝梢区域，对可见光图像中的枝梢区域采用边缘检测算子进行边缘检测得到梯度幅值图g(x,y)；基于稳定候选像素的近红外反射率时序均值μnir(x,y)与预设基准反射率rbase构建稳态冠层厚度指数h(x,y)=[μnir(x,y)-rbase]/rbase，以稳态冠层厚度指数作为空间权重，对稳定候选像素区域内的梯度幅值进行空间加权得到加权梯度场gw(x,y)=g(x,y)×[1+h(x,y)]；对枝梢区域内各像素点的二维坐标进行主成分分析，将第一主成分方向确定为枝梢主轴方向，第二主成分方向确定为枝梢次轴方向，分别计算加权梯度场在枝梢主轴方向的梯度能量与在次轴方向的梯度能量，求取二者的比值rg=eaxis1/eaxis2；同时计算枝梢区域最小外接矩形的长宽比rrect，以及稳定候选像素近红外反射率时序变异系数的区域均值cvavg，其中变异系数cv=σnir/μnir，最终得到几何与光谱耦合特征fgeom=rg×rrect×(1+cvavg)。

12、优选的，所述多维特征向量还包括色度分布特征；特征提取单元在稳定候选像素集内，根据各像素点的近红外反射率时序均值将稳定候选像素集划分为高光稳定子集、阴影稳定子集及过渡稳定子集，划分阈值通过对稳定候选像素的近红外反射率时序均值进行核密度估计，以核密度曲线的局部极小值谷点作为划分边界；分别提取三个稳定子集在hsv色彩空间的色相均值，计算过程中采用圆形均值算法处理色相的角度周期性，通过计算各像素色相正弦值的均值与余弦值的均值的反正切值得到色相均值；以过渡稳定子集的色相均值htransition为基准，对高光稳定子集与阴影稳定子集的色相均值进行比值归一化，得到hhigh_norm=hhigh/htransition、hshadow_norm=hshadow/htransition，其中hhigh为高光稳定子集的色相圆形均值，hshadow为阴影稳定子集的色相圆形均值，htransition为过渡稳定子集的色相圆形均值；按照预设权重w1、w2、w3对归一化基准值1、hhigh_norm、hshadow_norm进行加权求和，得到色度分布特征的基础值cbase=w1×1+w2×hhigh_norm+w3×hshadow_norm，再以各稳定候选像素点的近红外反射率时序变异系数的倒数作为色度置信权重对基础值加权，得到最终的色度分布特征cfinal=cbase×[1/(1+cvavg)]，将色度分布特征并入初阶多维特征向量后构成完整多维特征向量。

13、优选的，所述冬梢判别单元中预存冬梢聚类中心cbud和非冬梢聚类中心cnon由历史样本数据预先训练得到，具体通过选取经人工标注的样本分别提取完整多维特征向量，计算各维度均值作为聚类中心；预设偏置初始值根据样本数据统计确定；若某枝梢区域的多维特征向量x满足dist(x,cbud)预设偏置，则判定该枝梢为冬梢并输出其位置信息；当前帧冬梢判别完成后，冬梢判别单元将判定为冬梢的区域和判定为非冬梢的区域所对应的多维特征向量作为增量样本，分别采用指数加权移动平均方法更新预存的聚类中心，更新公式为cnew=(1-λ)×cold+λ×xsample，其中λ为遗忘因子，遗忘因子采用指数衰减函数λ(δn)=λ0·exp(-k·δn)，λ0为初始遗忘因子，k为衰减系数，δn为当前帧与初始帧的帧序号差值，cnew为更新后的聚类中心，cold为更新前的聚类中心，xsample为当前帧新样本的特征向量。

14、优选的，所述冬梢判别单元根据上一帧已判定的冬梢区域和非冬梢区域的多维特征向量，计算两类区域在特征空间中的类间散度矩阵迹tr(sb)=||μbud-μnon||²，其中μbud为冬梢区域的均值向量，μnon为非冬梢区域的均值向量；当类间散度矩阵迹小于预设稳定阈值时，以预设第一固定步长增大预设偏置；当类间散度矩阵迹大于等于预设稳定阈值时，以预设第二固定步长减小预设偏置，同时设置预设偏置的取值上下限。

15、优选的，所述驱动信号单元的坐标映射关系通过相机标定与现场手眼标定共同构建，相机内参经平面标定法标定得到，相机外参通过图像采集终端搭载的定位模块获取，修剪执行机构的基坐标系与世界坐标系的转换关系通过现场手眼标定获取；通过透视投影逆变换结合坐标系转换，将图像二维坐标映射到修剪执行机构基坐标系下的三维实际修剪坐标，映射关系为齐次坐标变换方程λ·[u,v,1]t=k·[r|t]·[x,y,z,1]t，其中λ为深度因子，k为相机内参矩阵，r和t为相机坐标系到机械臂基坐标系的旋转矩阵和平移向量，求解该方程得到实际三维修剪坐标(x,y,z)；修剪执行机构采用多自由度关节型机械臂，例如通过标准d-h参数建立运动学模型，以实际三维修剪坐标为输入，采用代数解析法进行运动学逆解，依次求解得到各关节的目标转动角度。

16、优选的，所述驱动信号单元在求解得到各关节目标转动角度后，根据冬梢位置信息在可见光图像中的对应坐标，提取邻域内的枝梢边缘轮廓，以该枝梢边缘轮廓为碰撞约束边界，限定修剪执行机构的末端执行器不得进入该轮廓围成的内部区域，以修剪执行机构当前关节角度为起点、目标转动角度为终点，采用快速搜索随机树算法在关节空间中规划无碰撞轨迹；所述快速搜索随机树算法的搜索步长根据邻域内枝梢边缘轮廓的像素占比按预设分段映射规则设定，像素占比定义为邻域窗口内边缘像素数与窗口总像素数的比值，像素占比与搜索步长成反比关系，即像素占比越大，搜索步长越小。

17、优选的，修剪执行机构完成单次修剪后，数据处理中心控制图像采集终端采集修剪断面的可见光图像与近红外图像，将修剪断面的近红外波段反射率空间分布r(λ)与预存的冬梢木质部光谱特征模板t(λ)进行相关匹配，相关匹配采用皮尔逊相关系数，其中r为皮尔逊相关系数，ri为修剪断面图像在第i个波长采样点的反射率值，ti为冬梢木质部光谱特征模板在第i个波长采样点的反射率值，μr为所有采样点断面反射率的均值，μt为所有采样点模板反射率的均值；当相关系数大于预设匹配阈值时，判定冬梢未被完全切除，向驱动信号单元输出补切信号，驱动修剪执行机构对残留冬梢执行二次修剪。

18、本发明提供了一种基于数字信号处理的荔枝冬梢检测与修剪控制系统。具备以下有益效果：

19、1、本发明解决了传统方法中因光照空间分布不均与时序波动相互耦合所导致的特征空间分布失稳问题，提高了模式识别系统对农业冠层复杂环境下传感数据质量波动的抗干扰能力。

20、2、本发明通过将植被指数时序动态特征与冠层厚度空间结构特征进行物理关联，以稳态冠层厚度指数为全局权重对梯度场实施空间调制，并以近红外反射率时序变异系数作为空间分布调节因子修正几何延伸特征，解决了现有系统中时序动态特征与空间结构特征作为正交维度简单叠加所造成的类别边界模糊问题，提高了特征向量对细微生长状态差异的区分度和判别置信度。

21、3、本发明解决了小样本条件下因树体个体差异和时序演化导致的类别分布漂移及判别阈值僵化问题，提高了系统对未标注样本的在线学习能力和长期判别稳定性。