本文內容轉載自《農業(yè)工程》2019年第11期，版權歸《農業(yè)工程》編輯部所有。
劉又夫，周志艷，田麓弘，鐘伯平，何越
華南農業(yè)大學(xué)工程學(xué)院，廣東省農業(yè)航空應用工程技術(shù)研究中心，國家精準農業(yè)航空施藥技術(shù)國際聯(lián)合研究中心，華南農業(yè)大學(xué)南方農業(yè)機械與裝備關(guān)鍵技術(shù)教育部重點(diǎn)實(shí)驗室
摘要：介紹了紅外熱成像技術(shù)的基本原理和常用熱圖像處理方法，總結了紅外熱成像技術(shù)在作物水分脅迫、侵染性病害監測、凍害脅迫以及產(chǎn)量預測等領(lǐng)域中的應用，分析了紅外熱成像技術(shù)在農業(yè)領(lǐng)域的開(kāi)發(fā)與應用中所面臨的難題和未來(lái)的發(fā)展趨勢，以期為紅外熱成像技術(shù)在農業(yè)上的實(shí)際開(kāi)發(fā)應用提供參考。
關(guān)鍵詞：紅外熱成像技術(shù)；熱圖像處理；應用進(jìn)展；指數
0引言
傳統的農業(yè)耕作方式存在成本高、效益低且環(huán)境污染等諸多問(wèn)題，由粗放式傳統農業(yè)向信息化精準農業(yè)轉化是農業(yè)發(fā)展的必然趨勢。精準農業(yè)（Precision Agriculture，簡(jiǎn)稱(chēng)PA），能夠快速獲取作物信息并進(jìn)行解析，是其發(fā)展的必要條件。紅外熱成像技術(shù)具有快速響應的優(yōu)點(diǎn)，并可通過(guò)手持或機器搭載的方式，做到無(wú)接觸、無(wú)損地獲取作物熱像信息。另外，在所有監測作物指標中，作物的表面溫度被認為是響應最快的指標，能夠在作物出現肉眼可視癥狀前察覺(jué)到作物的脅迫。因此，紅外熱成像技術(shù)被認為是精準農業(yè)發(fā)展中最有前景的技術(shù)手段之一。
干旱、凍害以及侵染性病害會(huì )對農作物的生理造成影響，其中部分生理影響使作物表面溫度產(chǎn)生的變化相較于正常作物的溫度十分顯著(zhù)，因此紅外熱成像技術(shù)可用于監測作物生長(cháng)或作物存儲的部分生理狀況，并且有助于實(shí)現農業(yè)監測方面的智能化、信息化管理作業(yè)。
本文介紹了熱紅外成像技術(shù)的基本原理和常用的圖像處理手段，總結了紅外熱成像技術(shù)在目前國內外農業(yè)中的研究與應用進(jìn)展（包括水分脅迫、侵染性病害監測、凍害脅迫、產(chǎn)量預測以及其他應用），分析了紅外熱成像技術(shù)在農業(yè)領(lǐng)域的開(kāi)發(fā)與應用中所面臨的難題和未來(lái)發(fā)展趨勢。
1農業(yè)中的熱紅外成像技術(shù)
熱紅外成像技術(shù)具有無(wú)損、反應快速、遠距離監測以及綠色分析等特點(diǎn)，目前已在農業(yè)監測的領(lǐng)域中得到廣泛使用，可以監測作物的生理信息與生態(tài)脅迫。應用熱紅外成像技術(shù)的主要目的是獲取對象的溫度并進(jìn)行進(jìn)一步的分析，其分析難點(diǎn)在于圖像的分割方法、特征提取和計算指標或建模等。
1.1熱紅外成像技術(shù)原理
紅外的熱效應最早是在1800年由英國天文學(xué)家F.W.赫謝爾所發(fā)現。赫謝爾在進(jìn)行關(guān)于太陽(yáng)光譜熱效應的試驗時(shí)，偶然發(fā)現了在紅光以外位置的溫度熱效應十分明顯，并也因此發(fā)現了除可見(jiàn)光以外的輻射能量。紅外波段的波長(cháng)范圍約為0.75～1000 μm，其中存在著(zhù)對大氣穿透性較好的幾個(gè)波段，被稱(chēng)為大氣窗口。大氣窗口的波段包括短波1～3 μm、中波3～5 μm以及長(cháng)波8～14 μm。通常熱像儀選用的是擁有熱效應最好的長(cháng)波波段來(lái)測量中低溫對象。
熱像儀是一種被動(dòng)式接收目標紅外信號的光學(xué)儀器，原理與相機類(lèi)似，將對象發(fā)出的紅外光收集到光敏元件中，使紅外光轉化為電信號，通過(guò)模數轉換以不同的色彩顯示在顯示屏來(lái)表示溫度場(chǎng)和測量每個(gè)像素點(diǎn)的溫度值。由INAGAKI Terumi等提出的紅外熱像儀測溫公式可知，熱像儀測量的精準度很大程度會(huì )受到紅外焦平面探測器均勻性與暗電流的影響，且暗電流會(huì )隨著(zhù)探測器的溫度升高而變大，因而根據有無(wú)制冷系統又將熱像儀分為制冷型和非制冷型。制冷型紅外熱像儀雖測量更精準，但由于制冷系統的存在使得成本較高，且較笨重。非制冷型則更加輕便靈巧成本低，且隨著(zhù)研究的進(jìn)展，將會(huì )有相應的方法來(lái)降低暗電流。對于作物監測，較輕便的裝備更符合要求，非制冷型的熱像儀更適合用于農業(yè)方面。
1.2農業(yè)中熱紅外圖像處理方法
熱紅外圖像是熱紅外技術(shù)與成像技術(shù)相結合的產(chǎn)物。自然界一切高于絕對零度的物體都會(huì )發(fā)出熱紅外波段，熱紅外圖像就是利用目標與背景之間發(fā)出的輻射差來(lái)進(jìn)行成像。熱成像圖片一般是用鐵紅色來(lái)直觀(guān)地描述溫度分布，但輸出的并非是RGB圖像，而是一種灰度圖像。每一個(gè)像素點(diǎn)并非是通常的灰度信息，而是溫度信息。在圖片處理過(guò)程中，將圖片溫度信息歸一化后即可變?yōu)榛叶刃畔ⅰ?/span>農業(yè)擁有著(zhù)復雜的背景環(huán)境，因此，分割提取近似代表作物的溫度特征的典型區域，具有一定難度。
目前，主要有3種圖像處理方法，基于熱紅外軟件的方法、基于可見(jiàn)光的處理方法以及自適應切割的方法，具體如表1所示。
表1 熱紅外圖像常用處理方法
1.2.1 基于熱紅外軟件的方法
目前，流通在市場(chǎng)上的熱像儀產(chǎn)品通常都會(huì )自帶圖像處理軟件。大部分產(chǎn)品都具有點(diǎn)測溫、線(xiàn)測溫、規則與不規則區域測溫以及其溫度最值、平均值和跨度的修改等功能，以達到獲取熱成像圖有用信息的目的。
余耀等在研究低空氣濕度對小麥氣孔特性的影響時(shí)，利用熱像儀采集小麥葉片溫度。在葉片上隨機取30個(gè)點(diǎn)的溫度，將其平均值作為該葉片的溫度特征。李真在研究作物病毒早期檢測方面的應用研究中，利用熱像儀采集水稻稻瘟病葉片，利用軟件進(jìn)行線(xiàn)溫分析，分布圖的橫坐標為像素位置，縱坐標為溫度圖，用1條沿葉片走勢的線(xiàn)來(lái)近似作為細長(cháng)水稻葉片溫度特征分布圖。FANG Wenhui等在研究稻種發(fā)芽率時(shí)，利用紅外熱成像技術(shù)采集了圖片的熱紅外圖，以軟件的工具框選出種子的溫度，將框選范圍內的溫度平均值作為種子的溫度特征。高志勇等在研究玉米遺傳突變體群的干旱反應篩選與鑒定時(shí)，利用軟件對玉米的熱圖、面積和溫度直方圖分布進(jìn)行分析處理。
張小雨等以冬小麥為對象應用紅外熱成像技術(shù)來(lái)計算CWSI以判斷作物水分狀態(tài)，用軟件劃定出冠層范圍，并取其平均值作為溫度特征。為了進(jìn)一步將劃定范圍內的裸露地面、小麥莖稈和穗部排除，將CWSI指數中的溫度上限Tdry與下限Twet作為軟件中溫度范圍的上下限，縮小了冠層溫度直方圖分布范圍，排除了背景干擾，且提高了CWSI計算的精準度。
用熱紅外儀器自帶的軟件處理具有精確、操作簡(jiǎn)易等優(yōu)點(diǎn)，但在處理大量的數據時(shí)，由于該方法是人為處理，比較耗時(shí)耗力。
1.2.2 基于可見(jiàn)光的處理方法
熱紅外圖像的信息量有限，僅擁有單通道的灰度信息，因此可用可見(jiàn)光圖像與熱紅外圖像兩者相互輔助。
余濤等利用熱紅外圖像在玉米地中進(jìn)行亮溫組分的分類(lèi)，其中玉米地在當地的正午后呈現3種組分：植被、被陽(yáng)光直射的亮土以及被植被遮擋的暗土。在可見(jiàn)光圖像下，識別出被陽(yáng)光直射后的亮土與植被2個(gè)分量，在熱紅外圖像中識別出被植被遮擋的暗土與暗植被2個(gè)分量。
宗澤等利用可見(jiàn)光圖像與熱紅外圖像進(jìn)行蘋(píng)果樹(shù)上的蘋(píng)果識別，即采取了可見(jiàn)光的RGB三通道的特征外加溫度特征。在獲取了原圖像后，將可見(jiàn)光圖像與熱紅外圖像進(jìn)行空間配準，再基于支持向量機的方法分類(lèi)每個(gè)像素，最后用后驗概率與Hough變化的識別方法識別出蘋(píng)果。相比單用可見(jiàn)光圖像識別法，可見(jiàn)光+熱紅外的方法識別率提高了8.1%。
1.2.3 自適應切割方法
自適應切割法是根據不同的需求采用不同的算法對熱紅外圖像進(jìn)行特征提取，待算法確定后，可大批量高效地處理熱紅外圖像。
陳浩在提取玉米葉部抗旱特性的研究中，利用基于K-means的Otsu分割算法對玉米葉的熱紅外圖像進(jìn)行分割，最后再與原熱紅外圖像進(jìn)行掩膜運算，取得了較好的效果。在提取玉米葉的邊緣時(shí)利用了基于蟻群優(yōu)化算法的圖像邊緣檢測進(jìn)行圖像分割，相較于傳統的蟻群算法運算速度快了5.2s。孫文娟在研究黃瓜葉片濕潤時(shí)間的機器視覺(jué)監測時(shí)，將沾有水滴的黃瓜葉片熱象圖的RGB模型轉化為L(cháng)*a*b的顏色空間模型，分別用G-MRF模型和K-means聚類(lèi)分割圖片，結果表明K-means聚類(lèi)分割的效果更好。
BANERJEEKoushik等在提取冬小麥的冠層溫度特征時(shí)，分別使用了支持向量機、最大似然法、馬氏距離法、最小距離法以及平行六面體法對熱紅外圖像中的冬小麥與土地兩種像素進(jìn)行分類(lèi)，其中支持向量機法的準確率最高。
較前兩種方法而言，自適應切割法由計算機進(jìn)行自動(dòng)分類(lèi)，且批量處理效率高，但圖像處理的算法多，找到合適的算法較困難。因此要在手工分割或其他方法測出真值的基礎上與多種算法進(jìn)行比較以找出最適合的處理算法。
2應用進(jìn)展
紅外熱成像技術(shù)在農業(yè)中的研究和應用廣泛，以下主要從水分脅迫監測、侵染性病害監測、凍害脅迫監測、測產(chǎn)以及其他等方面介紹和討論，如表2所示。
表2 熱紅外成像技術(shù)在農業(yè)研究中的相關(guān)應用
2.1水分脅迫監測
水具有較高的比熱容、穩定的化學(xué)性質(zhì)、高溶解性以及巨大的汽化潛熱，其性質(zhì)奠定了蒸騰作用的物理基礎。作物對水分含量十分敏感，水分對其生長(cháng)趨勢具有顯著(zhù)的影響。同時(shí)作物水分脅迫狀態(tài)也是農田灌溉調度、產(chǎn)量預測等方面的重要指標。因此，在農業(yè)熱紅外監測中，水分脅迫狀況是重要的監測指標之一。
2.1.1 監測水分脅迫的指數
作物冠層溫度最早被認為是可指示作物水分脅迫的指標，由于冠層溫度是農田生態(tài)系統復雜的能量交換結果，受到的干擾因素很多，因此單一的將冠層溫度作為水分脅迫的指標并不理想。
目前，常用的2個(gè)衡量水分脅迫的指數是水分脅迫指數（Crop Water Stress Index，CWSI）和氣冠溫差指數（Canopy Temperature Depression，CTD）。CWSI指數由IDSOSB等首次提出，該指數基于經(jīng)驗模式衡量水分脅迫狀態(tài)。隨后又由JACKSON R D等在農田冠層能量平衡的基礎上，對該指數做出了進(jìn)一步的理論完善。CWSI指數能有效地反映土壤水分的狀況。CWSI指數的難點(diǎn)在于上下基線(xiàn)的確定。常用的上基線(xiàn)確定方法有當前空氣干球溫度+5℃、涂抹凡士林法以及線(xiàn)性回歸法；常用的下基線(xiàn)的確定方法有人工濕面法、葉面噴霧法以及線(xiàn)性回歸法。CTD指數則常用于反映作物生理因子，如光合速率、氣孔導度、蒸騰速率和產(chǎn)量等。
2.1.2 水分及生理狀況監測
作物的部分生理狀況以及土壤的水分情況與作物的水分脅迫存在密切的關(guān)系，都可用紅外熱成像技術(shù)檢測出。LIMARSN等在不同的灌溉條件下，用熱成像技術(shù)探究了木瓜的水分脅迫程度與3個(gè)生理指標（氣孔導度、蒸騰速率以及凈光合作用）的關(guān)系。結果為葉溫和葉氣溫差與3個(gè)指標的相關(guān)系數在處理第9天時(shí)達到極顯著(zhù)水平，第14天除凈光合作用為顯著(zhù)水平，其余2個(gè)指標均為極顯著(zhù)水平。COHENY等在研究棉花葉水勢時(shí)，作5種灌溉處理。利用熱成像技術(shù)獲取棉花的紅外圖，計算出棉花的水分脅迫指數。在2次試驗的結果中，水分脅迫指數與葉水勢的相關(guān)性系數分別達到R2=0.79與R2=0.90，具有較好的相關(guān)性。MANGUS L Devin等研制了TIRIS系統（ThermalInfraredImagingSystem，TIRIS）來(lái)監測溫室中的玉米葉缺水狀況，結果表明，在CWSI指數達到0.6以上時(shí)，土壤水分含量與CWSI指數相關(guān)性達到R2=0.82，證明該系統具有成本低、體型小且反應靈敏等特點(diǎn)。OSHAUGHNESSYS A等用熱紅外監測系統研究了黃豆田的水分脅迫指數與葉水勢的關(guān)系，結果表明葉水勢與水分脅迫指數呈負相關(guān)關(guān)系，且相關(guān)系數達到R2=0.93。
2.1.3 抗旱性檢測
作物的氣孔行為會(huì )改變作物冠層表面的蒸騰速率，繼而反映到葉面上。基于該理論，在作物受到水分脅迫時(shí)氣孔減小，蒸騰速率減緩，即可通過(guò)紅外熱成像技術(shù)觀(guān)測作物冠層溫度變化以檢測其抗旱性。劉亞等用熱成像技術(shù)研究了2種玉米苗期葉片的抗旱性與生物量積累的變化。結果表明，在水分脅迫的條件下，葉溫上升而生物量減少。抗旱性較高的葉片表現出的生理現象是氣孔響應較大，葉溫差較大，以利于維持正常的生理代謝和生物量的積累。郭江等在不同的灌溉水平下觀(guān)察不同轉基因玉米的抗旱性，用熱像儀拍攝了其各個(gè)生長(cháng)時(shí)期的狀況。結果表明，不同的轉基因玉米葉之間的溫差在水分脅迫下最大達到6℃，冠層溫度與空氣溫度的溫差在5～10℃，證明熱成像能有效地被應用于玉米抗旱性的篩選中。
2.2侵染性病害監測
病害的監測在農業(yè)中占有重要地位，在早期發(fā)現病害引起作物生理上的變化，就能進(jìn)行預防治療，減小其對產(chǎn)量的影響。通?？蓪⒆魑锊『Ψ譃榍秩拘圆『εc非侵染性病害。非侵染性病害通常由環(huán)境因素導致，如水分脅迫。侵染性病害則是由病原生物侵染宿主所引起的病害。對于侵染性病害，在傳統目測監測方法中，如能觀(guān)察到葉表發(fā)生的變化，則此時(shí)大多數作物病害已處于較嚴重的時(shí)期。
在病毒監測中，紅外熱成像技術(shù)可獲取病毒感染部位的溫度隨時(shí)間變化情況，將其與可見(jiàn)光圖片作對比，可驗證將紅外熱成像技術(shù)應用于早期檢測中的可行性。徐小龍用熱像儀監測黃瓜葉片以研究黃瓜霜霉病的早期檢測。將黃瓜霜霉病毒病變過(guò)程分成4個(gè)時(shí)期，其中熱像儀在第1期發(fā)現其溫度低于正常溫度。受到病毒侵染后的部位氣孔產(chǎn)生了生理變化，進(jìn)行過(guò)度的蒸騰作用而導致葉溫比正常值更低。而肉眼看見(jiàn)葉面出現變化時(shí)病變已經(jīng)發(fā)展到了第3期或第4期。WANG Min等用熱像儀監測模擬黃瓜葉片受鐮刀真菌感染部位的溫度變化。用濃度為100mg/L鐮刀菌酸滴液處理黃瓜葉片，并與另一個(gè)用純水處理的黃瓜葉片作比較。葉片處理的部位在4h后出現熱效應，較純水處理組高0.9℃，并在之后溫度持續上升，在9h后葉片出現了肉眼可見(jiàn)的病斑特征，此時(shí)高出約3.8℃，差異性達到顯著(zhù)水平。CHAERLE L等用熱像儀監測感染了煙草花葉病毒的煙草葉的溫度變化。在感染后的7～9h出現熱效應，感染部位較周?chē)牟课桓?.3～0.4℃，比肉眼觀(guān)察法提前31h觀(guān)察到感染特征。姚志鳳等用熱像儀監測感染了小麥條銹病的小麥。在接種病毒后的第6天通過(guò)熱紅外圖像觀(guān)測到了條銹病病斑，較可見(jiàn)光圖片提早了4d觀(guān)測到病變特征。
紅外熱成像技術(shù)在病毒早期監測中具有良好的效果，為基于機器視覺(jué)的病毒早期監測提供了較可見(jiàn)光監測更具有時(shí)效性的監測手段。
2.3凍害脅迫監測
凍害脅迫指的是作物長(cháng)時(shí)間在0℃以下，植物體內的水因溫度過(guò)低而發(fā)生固體變化形成冰核導致其喪失生理活性，植物內部的冰晶形成與發(fā)展還與一種細菌有關(guān)，最終引發(fā)植株的死亡。
2.3.1 冰核形成與冰凍傳播特征
用熱像儀觀(guān)察冰核的形成與冰凍傳播特征，有利于更好地探索作物凍害脅迫的實(shí)質(zhì)。WISNIEWSKI M等開(kāi)始嘗試用熱像儀觀(guān)察多種植物的冰核形成過(guò)程，并用熱電偶與熱成像的溫度變化做驗證比較。結果顯示，熱成像與熱電偶的結果相近，表明熱像儀的觀(guān)察具有準確性。此外，在觀(guān)察中發(fā)現紅外熱成像技術(shù)能確定冰核形成的初始位置、成核時(shí)的溫度以及后續冰凍傳播的狀況。PEARCE R S等用熱紅外成像視頻技術(shù)來(lái)觀(guān)測大麥和絨毛草的冰凍傳播的特征。結果表明，大麥的葉子沿葉片方向的冰凍傳播速度為1～4cm/s，延側向的速度只有較慢的0.3cm/s。絨毛草試驗也得到了相似的結果。在大麥第1次接受冷凍脅迫時(shí)，如果環(huán)境溫度＜22℃便會(huì )加快第2次冷凍脅迫時(shí)的冰凍傳播速度。FULLER M P等在研究馬鈴薯凍害的特征時(shí)發(fā)現，葉子的降溫速度遠快于莖的降溫速度，說(shuō)明不同部位的凍害速度也不一樣。
2.3.2 凍害評估
通過(guò)觀(guān)察恢復常溫后的作物生存狀況是一種檢測作物抗凍性的常用方法。FULLER Michael P等用熱像儀研究抽穗后小麥的局部?jì)龊γ{迫特征。通過(guò)熱成像觀(guān)察兩種小麥的莖和麥穗在7種0℃以下氣溫中冰核形成過(guò)程。結果表明，這兩種小麥在－5℃時(shí)達到承受凍害脅迫的極限，比在其他溫度下更具有抗凍性，并且認為大多數品種的小麥都應具有相似的特點(diǎn)。在基于多元數據的遙感監測中，紅外熱成像遙感反演技術(shù)與其他遙感技術(shù)相結合可被用于凍害脅迫的監測。林海榮等探索用紅外熱成像遙感技術(shù)反演出棉花冠層溫度，再與EMT遙感植被指數相結合使用，對棉花冠層的凍害脅迫進(jìn)行分級，結果表明，該方法可被用于凍害程度的區域劃分，相較傳統的方法更具有優(yōu)勢。
2.4產(chǎn)量預測
基于統計學(xué)的抽樣調查測產(chǎn)法具有較高精度的預測結果，但該方法需要消耗大量的人力物力，且效率低下，性?xún)r(jià)比低。通過(guò)獲取作物的紅外熱成像信息特征進(jìn)行測產(chǎn)，可明顯提高效率。
在產(chǎn)量預測中，由于紅外熱成像提取的特征與某種脅迫有關(guān)，因此基于紅外熱成像技術(shù)產(chǎn)量預測的實(shí)質(zhì)是研究預測產(chǎn)量與脅迫之間的關(guān)系，脅迫通常是水分脅迫。有學(xué)者最早通過(guò)紅外熱成像技術(shù)提取特征值測產(chǎn)，利用脅迫積溫指數（Stress Degree Day，簡(jiǎn)稱(chēng)SDD）來(lái)調度灌溉量，并發(fā)現該指數與產(chǎn)量成負相關(guān)關(guān)系。假設將衡量水分脅迫狀況的指數作為產(chǎn)量預測的特征值，則在作物的哪個(gè)生長(cháng)階段獲取該特征值便是第2個(gè)研究點(diǎn)。GIUSEPPE Roman等用紅外熱成像技術(shù)研究不同的轉基因玉米，發(fā)現在玉米籽粒形成期的水分脅迫指數與玉米的產(chǎn)量存在負相關(guān)關(guān)系，且相關(guān)性達到了顯著(zhù)水平。PURUSHOTHAMANR等研究作物各生長(cháng)時(shí)期的脅迫特征與產(chǎn)量關(guān)系。用熱像儀記錄了不同水分脅迫程度下的鷹嘴豆冠層生長(cháng)過(guò)程的溫度，計算各個(gè)生長(cháng)時(shí)期的CTD指數，并將該指數作為預測產(chǎn)量的水分脅迫特征值。結果表明，播種后的第62天（約在整個(gè)生長(cháng)過(guò)程的中間階段）的CTD指數最能代表產(chǎn)量的特征值，相關(guān)系數R2=0.4。HUZhenfang等用BP神經(jīng)網(wǎng)絡(luò )預測不同灌溉條件下冬小麥的產(chǎn)量，用熱像儀測量冬小麥冠層溫度并計算出水分脅迫指數。使用1個(gè)灌溉周期的3個(gè)不同時(shí)間點(diǎn)的水分脅迫指數作為神經(jīng)網(wǎng)絡(luò )的輸入層，網(wǎng)絡(luò )輸出是產(chǎn)量。結果表明，神經(jīng)網(wǎng)絡(luò )預測值最大相對誤差僅為3.43%，遠小于非線(xiàn)性擬合函數的相對誤差。
2.5其他方面
2.5.1 倉儲監測
為保障成品糧在倉儲過(guò)程中的品質(zhì)安全，需對成品糧倉儲結露進(jìn)行監測，預防結露的發(fā)生。倉儲堆內的溫度、濕度以及微氣流速度是直接影響結露發(fā)生的3個(gè)關(guān)鍵因素。同等濕度下，隨著(zhù)倉庫溫度的變化，會(huì )析出冷凝水，從而影響儲糧生態(tài)系統。王振華在研究倉儲堆熱傳遞數學(xué)模型時(shí)，利用熱像儀觀(guān)察倉內溫度場(chǎng)，分析倉內熱量傳遞過(guò)程以及氣場(chǎng)的流動(dòng)方式。再利用垂直隔膜進(jìn)行倉內谷物分離，并通過(guò)其溫度場(chǎng)來(lái)查看熱量在倉內的均勻化程度。尹君在進(jìn)行小麥糧堆耦合模型及結露預測研究時(shí)，利用熱像儀圖片呈現的溫度場(chǎng)圖片進(jìn)行圖像灰度化二值化處理，找出受熱區域的邊緣點(diǎn)并計算其面積，比較前后的圖片，得出受熱面積的變化，進(jìn)而推斷出倉內氣體的自然對流現象。
2.5.2 農藥霧滴沉積效果
農藥霧滴在作物上會(huì )產(chǎn)生蒸發(fā)吸熱的物理現象，基于該原理，霧滴的沉積效果也可用紅外熱成像技術(shù)進(jìn)行衡量。張京等在研究無(wú)人機噴霧參數對霧滴沉積的影響時(shí)，利用熱像儀獲取田間溫度的噴霧前后溫差變化信息，從而求出水稻冠層溫差變化率，以表征霧滴沉積量的指標。通過(guò)不同的飛行速度與高度進(jìn)行噴霧測試，結果表明，在飛機的飛行速度為1.5m/s、飛行高度為2m時(shí)，噴霧前后冠層溫度變化率最大，為16.83%。因此，確定該飛行狀態(tài)條件下，霧滴沉積效果最佳。
2.5.3 機器視覺(jué)與圖像識別
在試驗中獲取作物的紅外熱成像視覺(jué)特征，可與其他視覺(jué)相結合增加信息量或根據目標與背景之間的溫差進(jìn)行識別。褚翔等用可見(jiàn)光+紅外熱成像四通道信息測量蘋(píng)果樹(shù)上的蘋(píng)果產(chǎn)量。測試的目標有86個(gè)，與單用可見(jiàn)光相比，可見(jiàn)光+紅外熱成像的機器視覺(jué)識別法的漏檢量減少7個(gè)，正確率為78.2%。周建民等用熱成像機器視覺(jué)對橡樹(shù)上的板栗進(jìn)行識別，并將正常果、空心果和壞死果區分開(kāi)。試驗結果的總體識別率為92.5%，其中對壞死果的識別率為100%；正常果的識別率為96.7%；空心果由于表面溫度接近正常果，識別率僅為70%。
2.5.4 蟲(chóng)害監測
蟲(chóng)害的監測在農業(yè)應用中擁有重要的地位，植食性昆蟲(chóng)的取食行為可以改變寄主植物的表現形態(tài)，并引起寄主植物一系列的生理、生化應激反應，從而改變寄主植物與以后或同時(shí)取食該植物的同種或異種昆蟲(chóng)之間的物理和化學(xué)信息聯(lián)系，植食性昆蟲(chóng)種內和種間相互作用很大程度上通過(guò)寄主植物得以實(shí)現。
目前，在研究早期監測蟲(chóng)害的手段中，研究熱點(diǎn)主要集中在光譜檢測，檢測對象通常是蟲(chóng)體本身或是遭到蟲(chóng)害脅迫后的作物對象。紅外熱成像技術(shù)在蟲(chóng)害監測中的應用相對較少，其缺乏針對性，無(wú)法監測出昆蟲(chóng)種類(lèi)或遭到蟲(chóng)害脅迫后作物對象的特征，即無(wú)法與其他脅迫有效地區分開(kāi)。GJJR Michelsd等用小麥做了4種方式的脅迫來(lái)進(jìn)行蟲(chóng)害脅迫與水分脅迫之間的區分試驗，且用熱像儀采集溫度信息數據，但依然無(wú)法有效地分辨出蟲(chóng)害脅迫與水分脅迫之間的區別。
王蕾在研究落葉松林蟲(chóng)害的監測時(shí)，將熱紅外波段引入到監測研究中，突破了以往主流研究的幾個(gè)波段的局限性，在數據源上得到了一定的拓展。紅外熱成像技術(shù)關(guān)鍵還是在于監視對象的表面溫度。從本質(zhì)看，蟲(chóng)害所引起的作物生理特征的改變，是由昆蟲(chóng)引起的病害，如因昆蟲(chóng)身上攜帶的病毒傳播，感染或昆蟲(chóng)吸吮汁液而引起的水分脅迫。因此紅外熱成像技術(shù)對于蟲(chóng)害監測中的意義更多是在于一種輔助的作用。
2.5.5 脫葉劑效果
脫葉劑擁有破壞葉綠體膜的作用，會(huì )使作物葉片的生理活性下降，降低蒸騰速率。為了觀(guān)察脫葉劑的使用效果，可使用熱像儀監測施藥前后的冠層溫度進(jìn)行藥效評估。王康麗等使用機載無(wú)人機監測了脫葉劑對棉花冠層溫度的影響，以探究紅外熱成像評估脫葉劑效果的可行性。結果表明，晴朗無(wú)云的中午是監測的最佳時(shí)段，初步證明了紅外熱成像技術(shù)評估藥效的可行性。
3結束語(yǔ)
紅外熱成像技術(shù)由于快速、無(wú)損等特點(diǎn)，在作物水分脅迫監測、凍害脅迫監測、侵染性病害監測以及測產(chǎn)等方面已經(jīng)被深入研究和應用。對作物紅外熱圖像信息特征進(jìn)行分析，有助于研究作物機理變化規律，獲取生物生態(tài)信息，對作物的生長(cháng)狀況進(jìn)行監測。雖然紅外熱成像技術(shù)已被應用于精準農業(yè)信息的獲取中，但仍然存在一些問(wèn)題。一是在圖像處理方面，其軟件大多只有基本的功能，對于復雜的農業(yè)環(huán)境，人為切割區域分析效率低下，自適應算法的多樣性和優(yōu)化有待提高，針對各種類(lèi)作物建立熱像數據庫以及自適應的算法是今后研究的關(guān)鍵。二是在紅外熱成像監測方面，氣象因子的復雜性使溫度在不同時(shí)刻受到的光照強度、空氣溫度以及濕度不同，導致冠層的溫度不穩定，以致無(wú)法有效地在時(shí)間序列上對作物監測信息進(jìn)行精確地縱向比較。找到有效指數或準確地預測葉溫以排除氣象因子的影響，能更有效地評判監測作物的狀態(tài)。三是在建模方面，溫度指標分析方法仍基本停留在統計分析對比上，較少建立監測作物的冠層溫度特征與某種研究對象關(guān)系的模型。四是在遙感方面，目前，大多數研究還只停留在地面上的監控，與無(wú)人機結合的大田試驗應用不多。因此，應以農業(yè)大數據為基礎，結合神經(jīng)網(wǎng)絡(luò )、支撐向量機以及決策樹(shù)等機器學(xué)習算法，對圖片信息進(jìn)行識別分析。
從當前研究看，紅外熱成像在農業(yè)方面的監測開(kāi)始走向結合無(wú)人機遙感的路線(xiàn)，這也是未來(lái)的發(fā)展趨勢。紅外熱成像技術(shù)在農業(yè)上的應用雖還處在發(fā)展階段，作為精準農業(yè)最有前景的信息獲取技術(shù)已經(jīng)在農業(yè)生產(chǎn)、作物監測以及抗性檢測中發(fā)揮了重要的作用。在精準農業(yè)中，精確且有效地獲取作物的紅外熱成像特征仍然是農業(yè)精準管理和作業(yè)的重點(diǎn)與難點(diǎn)，相關(guān)技術(shù)與方法的突破對實(shí)現精準農業(yè)、信息化農業(yè)與智能化農業(yè)管理具有重要意義。
延伸閱讀：
《非制冷紅外成像儀和探測器技術(shù)及市場(chǎng)趨勢-2019版》
《基于FLIR ISC0901微測輻射熱計的Autoliv第三代汽車(chē)夜視攝像頭》
《FLIR非制冷型長(cháng)波紅外熱像儀機芯：Boson》
