1. 课程导入与系统概览

温室种植与露天种植最大的差别,在于温室为作物提供了一个"可调控的小气候"。温度、湿度、光照、CO₂浓度和灌溉条件都可以人为干预,但干预的前提是"看得见作物当前的状态"。传统做法依赖种植者每天巡棚,用肉眼判断叶片是否舒展、颜色是否正常、株高是否整齐。这种方式在小面积温室里尚可维持,一旦温室扩展到几十栋、单栋面积上千平方米,人工巡检就会变成一件既费时又容易漏判的工作:病害往往在叶背或冠层内部先发生,等到巡棚时肉眼可见,最佳处置窗口已经过去。

作物长势图像监测系统要解决的正是这个问题。它用固定在温室内的相机,按固定周期拍摄作物冠层图像,把"人去看"变成"设备持续看",再通过图像处理与模型分析,把图像转换成可量化的长势指标——株高、叶面积指数、冠层覆盖度、叶色深浅、叶片舒展程度等。种植者不必逐棚查看,而是在管理端看到一组随时间变化的曲线和异常提示,从而决定是否需要补光、通风、调整灌溉或安排植保。

系统由哪几部分组成

一套完整的温室作物长势图像监测系统,可以拆成四个相互衔接的层次,它们的关系不是简单的串联,而是"采集—传输—分析—应用"的数据链路:

  • 图像采集层:由工业相机或网络摄像机、镜头、补光光源、相机云台或固定支架组成。相机安装高度、俯仰角和视场范围决定了能拍到哪一层冠层;光源的稳定性直接决定不同时段图像是否可比。
  • 传输与存储层:包括交换机、无线网桥、边缘计算盒或本地服务器。温室环境高温高湿,线缆和接口的防护等级需要与现场匹配;图像数据量大,通常采用"边缘暂存 + 定时上传"的方式,避免网络波动导致数据丢失。
  • 分析处理层:完成图像预处理(去噪、色彩校正、畸变矫正)、目标分割(把作物从背景中分离)、特征提取(株高、覆盖度、颜色指数)以及长势模型计算。这一层是系统的核心,也是本课程重点展开的部分。
  • 应用展示层:以看板、曲线、报警和报表的形式,把分析结果呈现给种植者或管理者,并支持按温室、按小区、按时间段查询。

下图给出这套系统的整体结构与数据流向,可以看到图像从相机出发,经过边缘端预处理后进入分析模块,最终形成长势指标与异常提示:

温室作物长势图像监测系统:四层结构与数据流 图像采集层 工业相机 / 网络摄像机 定焦镜头 · 俯视冠层 补光光源 稳定色温 · 减少时段差异 支架与云台 固定视场 · 可定时巡航 定时触发 如每 30 分钟一帧 输出:原始冠层图像 传输与存储层 交换机 / 无线网桥 温室高温高湿需防护 边缘计算盒 本地暂存 · 断网续传 本地服务器 / 云 按温室与小区归档 输出:有序图像序列 分析处理层 图像预处理 去噪 · 色彩校正 · 矫正 作物分割 冠层与背景分离 特征提取 株高 · 覆盖度 · 叶色 长势模型计算 指标合成 · 趋势判断 输出:长势指标与异常 应用展示层 长势看板 按温室 / 小区展示 趋势曲线 覆盖度随时间变化 异常提示 停滞 · 骤降 · 叶色异常 管理决策 补光 · 通风 · 灌溉 · 植保 输出:可执行建议 反馈:依据长势结果调整拍摄角度、补光策略与采样频率

系统是怎么跑起来的

把上面四层串起来,一次完整的监测循环大致是这样运转的。以番茄温室为例,假设相机安装在距冠层顶部约 2.5 米处,俯视拍摄 4 平方米的样方,每 30 分钟触发一次拍摄。清晨开棚前补光灯开启,保证图像亮度一致;相机拍下原始图像后,边缘计算盒先做一次质量检查——如果图像过曝、模糊或大面积被遮挡,就标记为无效帧并记录原因,而不是直接送入分析。

有效图像进入分析模块后,先做色彩校正,把不同时段因自然光变化带来的色偏拉回同一基准;然后用颜色阈值或语义分割模型把绿色冠层从地面、支架、地膜中分离出来,得到一张冠层掩膜。基于掩膜可以计算冠层覆盖度(冠层像素占样方面积的比例),结合相机标定参数可以把像素面积换算成实际面积;再通过掩膜的外接轮廓与标定高度推算株高。叶色则用归一化绿红差异指数等颜色指标来表征,用于观察是否出现整体褪绿或异常发黄。

这些指标按天汇总后,形成一条覆盖度随时间上升的曲线。正常生长的番茄,营养生长期覆盖度应稳步上升;如果连续三天覆盖度几乎不增长,同时叶色指数下降,就提示可能存在水分胁迫、根系问题或病害初期。系统把这类判断以异常提示的形式推到看板上,种植者再结合现场查看确认。需要强调的是,图像指标是"提示"而非"诊断",它缩小了需要人工核查的范围,但不能替代田间实地判断。

教学示例说明:上文中的相机高度、样方面积、拍摄间隔与覆盖度变化趋势均为便于讲解而设定的合理示例参数,实际项目中应根据温室结构、作物种类和相机分辨率重新标定,不能直接照搬。

本课程的学习路径

围绕这套系统,课程按"认知—搭建—分析—应用"的顺序展开,共 30 章。前期先建立对温室环境、作物长势指标和图像监测原理的整体认识,明确哪些长势特征适合用图像表达、哪些不适合;随后进入硬件与现场部署,包括相机选型、镜头与视场计算、安装位置与光源设计、网络与供电的现场处理;中段是课程的重点,系统讲解图像预处理、作物分割、特征提取与长势模型构建,每一部分都配有可运行的示例与参数说明;后段则把这些能力组合成完整系统,讨论数据管理、异常判断、看板呈现与长期运行中的稳定性问题。

课程配套一个贯穿始终的实战项目:为一座面积为 1200 平方米的番茄温室搭建长势图像监测原型。项目会从确定监测样方和相机安装方案开始,完成图像采集与传输链路,实现覆盖度与叶色指标的自动计算,最终形成一个能按天输出长势曲线并给出异常提示的最小可用系统。每一章的知识点都会在这个项目中找到对应的落点,读者可以边学边做,把分散的技术环节连成一条完整的数据链。

开始之前需要建立的几个认识

第一,图像监测不是"拍张照看看",它的价值来自时间序列。单张图像能说明的信息有限,只有把同一位置、同一角度、同一光照条件下的图像按时间排列,长势的变化趋势才会显现出来。因此相机位置一旦确定就应尽量固定,任何调整都要记录在案,否则前后数据不可比。

第二,图像指标必须与标定绑定。像素是相对单位,要变成厘米、平方米这样的绝对量,需要知道相机到冠层的距离、镜头焦距和传感器尺寸。没有标定的覆盖度只能做同一台相机的前后对比,无法在不同温室之间横向比较。

第三,系统要能在温室里长期稳定运行。高温、高湿、灰尘、冷凝水、虫网遮挡,都会影响成像质量。设计时就要考虑防护等级、镜头清洁周期和无效帧的自动识别,而不是等系统跑了一个月发现数据全是糊的再返工。