难度 | <! – 7 – > |
所需时间 | 短(2-5天) |
先决条件 | 熟悉图像编辑软件,或者愿意学习它。 |
材料可用性 | 一应俱全 |
费用 | 非常低(低于20美元) |
安全 | 没有问题 |
摘要
想知道可持续的高产农业会是什么样子?这个科学项目探索了如何分析鸟瞰图片的田野可以让农民意识到他们田地的变化。农民可以利用这些信息来优化他们的耕作方法,甚至可以将这些信息提供给高科技农业设备,这样机器就可以根据一块土地的需要自动调整他们的行动(如施肥或浇水)。
目的
建立一个程序,以便计算机可以使用该区域鸟瞰图的颜色直方图来推断草覆盖的地面部分。
积分
引用本页
此处提供了一般引用信息。请务必检查所使用方法的格式,包括大小写,并根据需要更新引文。
MLA风格
APA风格
最后编辑日期:2019-01-26
简介
确保人们拥有食物始终是一项挑战,世界上更多的人意味着更多的人需要食物。随着世界人口估计显示持续快速增长(见图1),重要的是找到新的和可持续的方法来生产足够的食物来养活每个人。

图1。世界人口估计数从1800年到2100年,基于联合国2015年的”高” ,”中” 和”低” 预测以及联合国1950年前数据的历史估计.(图片来源Wikimedia Commons用户bdm25,2016。)
没有任何一种解决方案可以解决为世界不断增长的人口提供食物的挑战,但农业管理和农业技术使用的转变可以带来改变。
传统上,为了确定作物的作用,农民会从田地或作物中采集一些样本,然后为所有田地或作物做出决定。这样的问题是所有字段或甚至单个字段的所有部分的条件可能不同。现代农业技术允许农民考虑空间变异并转向精准农业或特定地点作物管理。这些是管理方式,其中决策基于特定于站点的数据,字段或作物根据其特定需求在本地处理。
卫星和无人机图片,GPS(全球定位系统),GIS(地理信息系统)和自动地面感应站等新技术使农民能够自动收集当地数据,并通过计算机持续进行分析。来自这些系统的报告帮助农民跟踪他们所有的作物,包括当地的变化,并可能提醒农民注意特定地点的问题。这使农民能够更有效地处理(例如,水,施肥或收获)个体田地,作物和地点。
为了让农民从精准农业或特定地点的作物管理中获益,计算机需要能够从原始数据中提取有用的信息。计算机可以通过分析农民田地的图片来讲述什么?作物的总体健康状况和大小通常与其树冠的颜色和覆盖范围有关。当人们看到田野的天线(或鸟瞰)图片时,人们很容易将充满健康植被的绿色区域与干燥和裸露的绿色区域区分开来,但计算机可以编程为解释这些图像并根据颜色评估字段?在这个科学项目中,我们将研究计算机如何分析和推断数字图像中的有价值信息。
计算机”看到” 数字图像为红色,绿色和蓝色的光强度值数组。对于图像中的每个像素(点),阵列存储红色,绿色和蓝色光的量(或强度),其存在为0(完全黑暗)和255(最大光强度)之间的值。图像中每个像素的颜色是为该像素添加红色,绿色和蓝色(R,G和B)的特定强度的结果。请注意,数字图像使用加色系统,其中红色,绿色和蓝色组合为白色。
图像中强度值的统计分布称为直方图图像。直方图显示图像中有多少像素具有特定的光强度值。您的图像编辑软件可能会显示几种类型的直方图。在此项目中,您将使用单独颜色的图像直方图来分析鸟瞰图片。图2显示了两个不同的图像及其绿色通道的直方图。横轴表示光强度,从左边的0(暗)到右边的255(光)。直方图中条形的高度表示图像中特定光强度的像素数。


图2. 草和泥土的图片,其中颜色直方图为绿色通道。
许多图像程序还可以选择以彩色显示直方图,并显示所有颜色的R,G和B值(如图3所示)。在R,G或B值重叠的地方,您将看到其他复合颜色(如黄色)。您的程序还可能提供直方图,显示R,G和B通道中的强度平均值(如图4所示)。注意:您的特定图像编辑软件可能会以与所示示例不同的方式标记直方图。


图3。直方图中可见的所有三个通道(R,G和B)的草和一个污垢的图片,其中光强度分布。


图4。草和一个污垢的图片,其中所有三个通道(R,G和B)的平均光强分布。
图像直方图如何帮助农民更好地评估和监测他们的土地和作物?哪些信息可以分析土地和作物冠层的”颜色” 为农民提供什么?你能教电脑看一块田地的照片,并根据颜色分析照片,为农民提供信息吗?在这个科学项目中,您将尝试一种程序,使计算机能够根据该区域的鸟瞰图(或航空图)的直方图估算区域的草覆盖量。
术语和概念
-
- 精准农业
- 特定地点的作物管理
- 航空摄影
- 添加色系
- 统计分布
- 直方图
- 算法
问题
-
- 航空摄影如何为农民或政府机构提供有用的信息?他们如何使用这些信息?
- 您希望在草地的鸟瞰图片的绿色,红色和蓝色通道直方图中看到什么?这些直方图与裸地鸟瞰图的直方图有何不同?
- 地域摄影如何有助于精准农业以及精准农业在哪些方面有助于为不断增长的人口提供食物?
参考书目
-
- Ranganathan,J(2013年12月3日)全球食品挑战18世界资源研究所解释世界资源研究所。检索2017年4月20日,来自 http://www.wri.org/blog/2013/12/全球食品挑战说明的-18的图形
- Broughton,J(2015年7月6日)农民如何收获大数据 Inc.检索2017年4月18日,来自 https://www.inc.com/jenna-broughton/how-农民-是收获-大data.html
- Rutter,A(2016年3月31日)案例研究:为什么这个农民称农场日志将为他节省16,000美元 FarmLogs。检索2017年5月8日,来自 https://blog.farmlogs.com/why-这-种植者说,farmlogs,将保存谦16000-A-年
-
- Lukina,E.V.et al(1999)使用数字图像估算小麦的植被覆盖率植物营养学杂志,第22卷。检索2017年4月18日,来自 http://www.nue.okstate.edu/Index_Publications/估计%20Vegetation%20Coverage%20英寸%20Wheat%20Using%20Digital%20Images.pdf
- McHugh,S(n.a。)相机直方图:亮度&amp;颜色剑桥颜色.2017年4月18日检索,来自 https://www.cambridgeincolour.com/tutorials/histograms2.htm
材料和设备
-
- 绿色建筑纸(4张)
- 棕色建筑纸(4张)
-
- 剪刀
-
- 数码相机
- 带有图像编辑软件的计算机,带有直方图工具,如Adobe Photoshop或 GIMP 。
- 完善的草地补丁
- 裸地补丁
- 使用已建立的草地和裸露地面的组合修补程序,或使用图像编辑软件组合两个图像的能力。
- 实验室笔记本
实验程序
在这个科学项目中,您将尝试一种程序,使计算机能够根据该区域的鸟瞰图(航空图)的直方图估算区域的草覆盖量。
首先,您将使用绿色和棕色构造纸的图片来建立一个程序,以确定图片的哪个部分被绿色覆盖。之后,您将使用草和泥土的图片来完善您的程序。最后,您将测试该程序如何从该区域的鸟瞰图中推断草覆盖区域的分数,并评估您的程序的优点和缺点。
注意:由于可以使用不同的图像编辑程序,因此我们没有使用一个程序的特定说明编写此过程。您可能需要查阅教程或阅读帮助文件,以了解如何在您选择的程序中使用直方图工具。
建立程序
- 使用绿色和棕色建筑纸创建图片组合。使用建筑纸张创建下面标有绿色和棕色部分的图像。拍摄下面列出的照片时,请考虑以下提示:
- 保持相机设置不变。
- 尽量保持所有照片的光线条件相似,避免在纸张上投下阴影.
- 将纸张放在地板上,将相机放在上面,俯视纸张。如果您的相机具有变焦功能,请增加相机与纸张之间的距离,然后使用变焦将相框完全填满相纸。
拍摄以下各项的三张鸟瞰图片(或相机俯视物体的图片):
- 绿色建筑纸
- 布朗建筑纸
- 图片中框架半覆有纯绿色,半覆有纯棕色
- 图片的框架是四分之一覆盖着坚实的绿色,四分之三覆盖着纯棕色
- 框架为四分之三的图片覆盖着纯绿色,四分之一覆盖着纯棕色
- 图片的框架整体三分之二绿色和三分之一棕色。而不是棕色,将褐色分解成分散在绿色背景周围的几个斑块。一个例子如图5所示。
- 对于框架为棕色背景上散布的三分之一绿色斑点的图片,重复步骤 f .

图5. 棕色斑块散布在绿色背景周围。
- 找到一种区分绿色和棕色的算法。
-
- 在图像编辑程序中打开纯绿色建筑纸张的图片,然后打开图片的直方图窗口。
- 重复步骤 a 以获得纯棕色建筑纸的图片.
- 比较两张照片的直方图。
- 绿色通道的分布是否非常不同?
- 绿色通道与每个图像的其他颜色直方图相比如何?你看到了相当大的差异吗?
- 通过仅查看图片的直方图,找到一种方法来区分绿色建筑纸和棕色。例如,如果绿色建筑纸在高强度值(例如,高于180)的绿色通道中显示清晰的峰值,而棕色建筑纸张的绿色通道中的分布明显较低,则可能推断出在高强度值的绿色通道中清晰的峰值表示绿色图片。
- 使用您在步骤 d 中找到的算法编写计算机可以执行的算法来分析图片并确定以绿色覆盖的图像部分.算法是一系列步骤,其目的是解决问题。对于上面的示例,计算机可以计算高于截止值(例如,180)的绿色分布的百分比,并将该百分比报告为由绿色覆盖的纸张的分数.
注意:许多图像编辑程序可以显示特定强度值范围内的像素百分比。图6显示图像中58.2%的像素的绿色强度值介于154和255之间。您可能需要查阅程序的教程才能找到此功能。如果不可用,请考虑使用 GIMP ,这是一个免费的开源图像编辑程序.
-

图6. 评估落在选定强度范围内的像素百分比。
- 测试您的算法。要查看您的算法是否有效,您将为您创建的绿色和棕色构造纸图像应用该算法。
- 回顾实心绿色建筑纸图像的直方图。应用您在步骤 2.e 中创建的算法来计算绿色覆盖的图像分数。将结果记录在表1中。这样就完成了绿色建筑纸的第一次试验。
- 在图像编辑软件中打开第二张纯绿色建筑纸张图片。打开直方图窗口并应用算法。将结果记录在表1中。
- 再次重复步骤 b 以获得绿色建筑纸张的第三张照片.
- 对所有其他类型的图片重复步骤 a 至 c .
图片类型 | 绿色覆盖的分数 | 以绿色覆盖的测量分数 | 第二行>”2″ >以绿色覆盖的平均测量分数 | |||
---|---|---|---|---|---|---|
试验1 | 试验2 | 试验3 | ||||
绿色建筑纸 | 1 | |||||
布朗建筑纸 | 0 | |||||
半绿色,半棕色 | 1/2 | |||||
四分之一的绿色,四分之三的棕色 | 1/4 | |||||
四分之三绿色,四分之一棕色 | 3/4 | |||||
三分之二的绿色,三分之一的棕色 | 2/3 | |||||
三分之一的绿色,三分之二的棕色 | 1/3 |
表1。用于记录图片中绿色的测量分数的表格。
- 分析您的数据。
- 计算每种图片的绿色平均测量分数.
- 创建图表。在x轴上绘制绿色覆盖的实际分数(从0到1),在y轴上绘制绿色覆盖的平均测量分数.
- 通过数据点绘制最佳拟合线。
- y拦截显示哪些信息?
- 你从这条线的斜坡得到什么信息?
- 评估您的算法。
-
- 查看您的数据和图表,您是否认为您的算法能够很好地估算出绿色覆盖的棕色和绿色建筑纸张的分数?
- 如果您不满意,请在对真实植被和污垢的照片上测试类似算法之前,请返回步骤2并优化算法。
-
测试你对真草和泥土图片的程序
-
- 收集图片组合。以下是拍照时要考虑的一些提示:
- 保持相机设置不变。
- 尽量保持所有照片的光线条件相似,避免在阳光直射下拍摄草或污垢。
- 从地面以上相同距离拍摄所有照片,肩高或更高。
至少拍摄以下各项的三张鸟瞰图片:
-
- 完善的草
-
- 泥
-
- 图片中框架部分充满草,部分充满污垢。您可能需要寻找可以找到草地边界污垢的区域。如果你找不到这样的位置,你可以买一块草,把它们放在泥土上,或者在一片草地上铺上泥土。拍摄照片后,请确保能够清除污垢。如果这些都不可能,您可以使用图像编辑程序通过组合其他图像的一部分来创建这些图像。
- 收集图片组合。以下是拍照时要考虑的一些提示:
- 编写一种算法来区分图片中的草和污垢。
- 在图像编辑程序中打开草和一个污垢的图片,然后打开每个图像的直方图窗口.
- 比较直方图。
- 评估您在比较绿色和棕色建筑纸的图片时是否看到类似于您所看到的图案。
- 调整您为建筑纸张建立的算法或截止值,以便您的算法更适合区分草和泥土。
- 注意:用于区分草和泥土的算法可能不会与区分绿色和棕色建筑纸的算法一样好。为什么你认为是这种情况?
- 测试新算法。要查看您的算法是否有效,您将测试您拍摄的草和泥土的鸟瞰照片的算法。
-
- 应用您的算法并计算所拍摄的所有照片中草覆盖的拍摄区域的分数。将结果写在表2中。
-
图片类型 | 草覆盖的部分 | 草覆盖的测量部分 | 草覆盖的平均测量分数 | ||
---|---|---|---|---|---|
试验1 | 试验2 | 试验3 | |||
所有草 | 1 | ||||
所有污垢 | 0 | ||||
部分被草覆盖 | |||||
部分被草覆盖 | |||||
部分被草覆盖 |
表2。用于记录图片中草的测量分数的表。
-
- 分析您的数据。
- 计算每张图片的草坪平均测量分数。
- 创建图表。在x轴上绘制草覆盖的实际分数(从0到1),在y轴上绘制草覆盖的平均测量分数.
- 通过数据点绘制最佳拟合线。
- y拦截显示哪些信息?
- 你从这条线的坡度得到什么信息?
- 这条线如何帮助您更好地估算草覆盖的部分?
- 评估您的算法。
-
- 查看您的数据和图表,您是否认为您的算法可以很好地估算草覆盖区域的比例?
- 如果时间允许,您可以随时返回步骤2并改进或扩展您的算法。
-
- 分析您的数据。
- 评估您的程序
-
- 为您建立的程序写出一步一步的操作序列。注意:您首先校准算法,使其对您要区分的特定颜色敏感(例如,绿色与棕色建筑纸,草与污垢)。这是您程序的一部分.
- 在这个项目中,您完成了所有工作。计算机是否能够接管所有或大部分工作?为什么或为什么不呢?
- 您的手术有哪些优点和缺点?
- 有哪些方法可以改善程序?
- 这种程序如何对农民有用?在其他行业中,这样的程序可能有用吗?
-
如果你喜欢这个项目,你可能会喜欢探索这些相关的职业:
变体形式
-
- 此项目建议您使用在类似光线条件下拍摄的照片。研究光线条件的变化如何影响算法的结果或有效性,或找到纠正光线条件变化的方法。
- 在此项目中,您使用了距离地面特定距离拍摄的照片。研究增加距离会如何影响您的结果。会增加距离会增加还是降低手术的准确性?
- 如果你有一架带摄像头的无人机,可以用它来拍摄草地和/或其他田地的照片,并建立一个程序来评估这些照片的植被覆盖率。
- 该项目仅使用反射可见光光谱来计算植被覆盖度。除了反射的可见光光谱之外,其他方法使用反射的近红外光谱来评估生物量或植被覆盖度。查阅关于归一化差异植被指数(NDVI)的参考资料,了解如何在您的程序中使用这两种光谱。
- 使用真实卫星图像及其光谱建立程序。此文档可以帮助您查找卫星图像。