本文內(nèi)容轉(zhuǎn)載自《農(nóng)業(yè)工程》2019年第11期，版權(quán)歸《農(nóng)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(nóng)業(yè)大學(xué)工程學(xué)院，廣東省農(nóng)業(yè)航空應(yīng)用工程技術(shù)研究中心，國(guó)家精準(zhǔn)農(nóng)業(yè)航空施藥技術(shù)國(guó)際聯(lián)合研究中心，華南農(nóng)業(yè)大學(xué)南方農(nóng)業(yè)機(jī)械與裝備關(guān)鍵技術(shù)教育部重點(diǎn)實(shí)驗(yàn)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(jié)了紅外熱成像技術(shù)在作物水分脅迫、侵染性病害監(jiān)測(cè)、凍害脅迫以及產(chǎn)量預(yù)測(cè)等領(lǐng)域中的應(yīng)用，分析了紅外熱成像技術(shù)在農(nóng)業(yè)領(lǐng)域的開(kāi)發(fā)與應(yīng)用中所面臨的難題和未來(lái)的發(fā)展趨勢(shì)，以期為紅外熱成像技術(shù)在農(nóng)業(yè)上的實(shí)際開(kāi)發(fā)應(yīng)用提供參考。
關(guān)鍵詞：紅外熱成像技術(shù)；熱圖像處理；應(yīng)用進(jìn)展；指數(shù)
0引言
傳統(tǒng)的農(nóng)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(tǒng)農(nóng)業(yè)向信息化精準(zhǔn)農(nóng)業(yè)轉(zhuǎn)化是農(nóng)業(yè)發(fā)展的必然趨勢(shì)。精準(zhǔn)農(nóng)業(yè)（Precision Agriculture，簡(jiǎn)稱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(yīng)的優(yōu)點(diǎn)，并可通過(guò)手持或機(jī)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(jiān)測(cè)作物指標(biāo)中，作物的表面溫度被認(rèn)為是響應(yīng)最快的指標(biāo)，能夠在作物出現(xiàn)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(rèn)為是精準(zhǔn)農(nóng)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(duì)農(nóng)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，因此紅外熱成像技術(shù)可用于監(jiān)測(cè)作物生長(zhǎng)或作物存儲(chǔ)的部分生理狀況，并且有助于實(shí)現(xiàn)農(nóng)業(yè)監(jiān)測(cè)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(jié)了紅外熱成像技術(shù)在目前國(guó)內(nèi)外農(nóng)業(yè)中的研究與應(yīng)用進(jìn)展（包括水分脅迫、侵染性病害監(jiān)測(cè)、凍害脅迫、產(chǎn)量預(yù)測(cè)以及其他應(yīng)用），分析了紅外熱成像技術(shù)在農(nóng)業(yè)領(lǐng)域的開(kāi)發(fā)與應(yīng)用中所面臨的難題和未來(lái)發(fā)展趨勢(shì)。
1農(nóng)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(yīng)快速、遠(yuǎn)距離監(jiān)測(cè)以及綠色分析等特點(diǎn)，目前已在農(nóng)業(yè)監(jiān)測(cè)的領(lǐng)域中得到廣泛使用，可以監(jiān)測(cè)作物的生理信息與生態(tài)脅迫。應(yīng)用熱紅外成像技術(shù)的主要目的是獲取對(duì)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(jì)算指標(biāo)或建模等。
1.1熱紅外成像技術(shù)原理
紅外的熱效應(yīng)最早是在1800年由英國(guó)天文學(xué)家F.W.赫謝爾所發(fā)現(xiàn)。赫謝爾在進(jìn)行關(guān)于太陽(yáng)光譜熱效應(yīng)的試驗(yàn)時(shí)，偶然發(fā)現(xiàn)了在紅光以外位置的溫度熱效應(yīng)十分明顯，并也因此發(fā)現(xiàn)了除可見(jiàn)光以外的輻射能量。紅外波段的波長(zhǎng)范圍約為0.75～1000 μm，其中存在著對(duì)大氣穿透性較好的幾個(gè)波段，被稱為大氣窗口。大氣窗口的波段包括短波1～3 μm、中波3～5 μm以及長(zhǎng)波8～14 μm。通常熱像儀選用的是擁有熱效應(yīng)最好的長(zhǎng)波波段來(lái)測(cè)量中低溫對(duì)象。
熱像儀是一種被動(dòng)式接收目標(biāo)紅外信號(hào)的光學(xué)儀器，原理與相機(jī)類似，將對(duì)象發(fā)出的紅外光收集到光敏元件中，使紅外光轉(zhuǎn)化為電信號(hào)，通過(guò)模數(shù)轉(zhuǎn)換以不同的色彩顯示在顯示屏來(lái)表示溫度場(chǎng)和測(cè)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(cè)溫公式可知，熱像儀測(cè)量的精準(zhǔn)度很大程度會(huì)受到紅外焦平面探測(cè)器均勻性與暗電流的影響，且暗電流會(huì)隨著探測(cè)器的溫度升高而變大，因而根據(jù)有無(wú)制冷系統(tǒng)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(cè)量更精準(zhǔn)，但由于制冷系統(tǒng)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，且隨著研究的進(jìn)展，將會(huì)有相應(yīng)的方法來(lái)降低暗電流。對(duì)于作物監(jiān)測(cè)，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(nóng)業(yè)方面。
1.2農(nóng)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(jié)合的產(chǎn)物。自然界一切高于絕對(duì)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(biāo)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(nóng)業(yè)擁有著復(fù)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(qū)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(yīng)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(cè)溫、線測(cè)溫、規(guī)則與不規(guī)則區(qū)域測(cè)溫以及其溫度最值、平均值和跨度的修改等功能，以達(dá)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(duì)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(jī)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(cè)方面的應(yīng)用研究中，利用熱像儀采集水稻稻瘟病葉片，利用軟件進(jìn)行線溫分析，分布圖的橫坐標(biāo)為像素位置，縱坐標(biāo)為溫度圖，用1條沿葉片走勢(shì)的線來(lái)近似作為細(xì)長(zhǎng)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(nèi)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(yīng)篩選與鑒定時(shí)，利用軟件對(duì)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(duì)象應(yīng)用紅外熱成像技術(shù)來(lái)計(jì)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(nèi)的裸露地面、小麥莖稈和穗部排除，將CWSI指數(shù)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(jì)算的精準(zhǔn)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(shù)據(jù)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，其中玉米地在當(dāng)?shù)氐恼绾蟪尸F(xiàn)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(shí)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(shí)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)行蘋果樹(shù)上的蘋果識(shí)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(zhǔn)，再基于支持向量機(jī)的方法分類每個(gè)像素，最后用后驗(yàn)概率與Hough變化的識(shí)別方法識(shí)別出蘋果。相比單用可見(jiàn)光圖像識(shí)別法，可見(jiàn)光+熱紅外的方法識(shí)別率提高了8.1%。
1.2.3 自適應(yīng)切割方法
自適應(yīng)切割法是根據(jù)不同的需求采用不同的算法對(duì)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(duì)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(yùn)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(cè)進(jìn)行圖像分割，相較于傳統(tǒng)的蟻群算法運(yùn)算速度快了5.2s。孫文娟在研究黃瓜葉片濕潤(rùn)時(shí)間的機(jī)器視覺(jué)監(jiān)測(cè)時(shí)，將沾有水滴的黃瓜葉片熱象圖的RGB模型轉(zhuǎn)化為L(zhǎng)*a*b的顏色空間模型，分別用G-MRF模型和K-means聚類分割圖片，結(jié)果表明K-means聚類分割的效果更好。
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(jī)、最大似然法、馬氏距離法、最小距離法以及平行六面體法對(duì)熱紅外圖像中的冬小麥與土地兩種像素進(jìn)行分類，其中支持向量機(jī)法的準(zhǔn)確率最高。
較前兩種方法而言，自適應(yīng)切割法由計(jì)算機(jī)進(jìn)行自動(dòng)分類，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(cè)出真值的基礎(chǔ)上與多種算法進(jìn)行比較以找出最適合的處理算法。
2應(yīng)用進(jìn)展
紅外熱成像技術(shù)在農(nóng)業(yè)中的研究和應(yīng)用廣泛，以下主要從水分脅迫監(jiān)測(cè)、侵染性病害監(jiān)測(cè)、凍害脅迫監(jiān)測(cè)、測(cè)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(nóng)業(yè)研究中的相關(guān)應(yīng)用
2.1水分脅迫監(jiān)測(cè)
水具有較高的比熱容、穩(wěn)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(chǔ)。作物對(duì)水分含量十分敏感，水分對(duì)其生長(zhǎng)趨勢(shì)具有顯著的影響。同時(shí)作物水分脅迫狀態(tài)也是農(nóng)田灌溉調(diào)度、產(chǎn)量預(yù)測(cè)等方面的重要指標(biāo)。因此，在農(nóng)業(yè)熱紅外監(jiān)測(cè)中，水分脅迫狀況是重要的監(jiān)測(cè)指標(biāo)之一。
2.1.1 監(jiān)測(cè)水分脅迫的指數(shù)
作物冠層溫度最早被認(rèn)為是可指示作物水分脅迫的指標(biāo)，由于冠層溫度是農(nóng)田生態(tài)系統(tǒng)復(fù)雜的能量交換結(jié)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(biāo)并不理想。
目前，常用的2個(gè)衡量水分脅迫的指數(shù)是水分脅迫指數(shù)（Crop Water Stress Index，CWSI）和氣冠溫差指數(shù)（Canopy Temperature Depression，CTD）。CWSI指數(shù)由IDSOSB等首次提出，該指數(shù)基于經(jīng)驗(yàn)?zāi)Ｊ胶饬克置{迫狀態(tài)。隨后又由JACKSON R D等在農(nóng)田冠層能量平衡的基礎(chǔ)上，對(duì)該指數(shù)做出了進(jìn)一步的理論完善。CWSI指數(shù)能有效地反映土壤水分的狀況。CWSI指數(shù)的難點(diǎn)在于上下基線的確定。常用的上基線確定方法有當(dāng)前空氣干球溫度+5℃、涂抹凡士林法以及線性回歸法；常用的下基線的確定方法有人工濕面法、葉面噴霧法以及線性回歸法。CTD指數(shù)則常用于反映作物生理因子，如光合速率、氣孔導(dǎo)度、蒸騰速率和產(chǎn)量等。
2.1.2 水分及生理狀況監(jiān)測(cè)
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(cè)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(biāo)（氣孔導(dǎo)度、蒸騰速率以及凈光合作用）的關(guān)系。結(jié)果為葉溫和葉氣溫差與3個(gè)指標(biāo)的相關(guān)系數(shù)在處理第9天時(shí)達(dá)到極顯著水平，第14天除凈光合作用為顯著水平，其余2個(gè)指標(biāo)均為極顯著水平。COHENY等在研究棉花葉水勢(shì)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(jì)算出棉花的水分脅迫指數(shù)。在2次試驗(yàn)的結(jié)果中，水分脅迫指數(shù)與葉水勢(shì)的相關(guān)性系數(shù)分別達(dá)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(tǒng)（ThermalInfraredImagingSystem，TIRIS）來(lái)監(jiān)測(cè)溫室中的玉米葉缺水狀況，結(jié)果表明，在CWSI指數(shù)達(dá)到0.6以上時(shí)，土壤水分含量與CWSI指數(shù)相關(guān)性達(dá)到R2=0.82，證明該系統(tǒng)具有成本低、體型小且反應(yīng)靈敏等特點(diǎn)。OSHAUGHNESSYS A等用熱紅外監(jiān)測(cè)系統(tǒng)研究了黃豆田的水分脅迫指數(shù)與葉水勢(shì)的關(guān)系，結(jié)果表明葉水勢(shì)與水分脅迫指數(shù)呈負(fù)相關(guān)關(guān)系，且相關(guān)系數(shù)達(dá)到R2=0.93。
2.1.3 抗旱性檢測(cè)
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)觀測(cè)作物冠層溫度變化以檢測(cè)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(jié)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(xiàn)出的生理現(xiàn)象是氣孔響應(yīng)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察不同轉(zhuǎn)基因玉米的抗旱性，用熱像儀拍攝了其各個(gè)生長(zhǎng)時(shí)期的狀況。結(jié)果表明，不同的轉(zhuǎn)基因玉米葉之間的溫差在水分脅迫下最大達(dá)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(yīng)用于玉米抗旱性的篩選中。
2.2侵染性病害監(jiān)測(cè)
病害的監(jiān)測(cè)在農(nóng)業(yè)中占有重要地位，在早期發(fā)現(xiàn)病害引起作物生理上的變化，就能進(jìn)行預(yù)防治療，減小其對(duì)產(chǎn)量的影響。通常可將作物病害分為侵染性病害與非侵染性病害。非侵染性病害通常由環(huán)境因素導(dǎo)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(duì)于侵染性病害，在傳統(tǒng)目測(cè)監(jiān)測(cè)方法中，如能觀察到葉表發(fā)生的變化，則此時(shí)大多數(shù)作物病害已處于較嚴(yán)重的時(shí)期。
在病毒監(jiān)測(cè)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(duì)比，可驗(yàn)證將紅外熱成像技術(shù)應(yīng)用于早期檢測(cè)中的可行性。徐小龍用熱像儀監(jiān)測(cè)黃瓜葉片以研究黃瓜霜霉病的早期檢測(cè)。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(xiàn)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(dǎo)致葉溫比正常值更低。而肉眼看見(jiàn)葉面出現(xiàn)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(jiān)測(cè)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(xiàn)熱效應(yīng)，較純水處理組高0.9℃，并在之后溫度持續(xù)上升，在9h后葉片出現(xiàn)了肉眼可見(jiàn)的病斑特征，此時(shí)高出約3.8℃，差異性達(dá)到顯著水平。CHAERLE L等用熱像儀監(jiān)測(cè)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(xiàn)熱效應(yīng)，感染部位較周圍的部位高0.3～0.4℃，比肉眼觀察法提前31h觀察到感染特征。姚志鳳等用熱像儀監(jiān)測(cè)感染了小麥條銹病的小麥。在接種病毒后的第6天通過(guò)熱紅外圖像觀測(cè)到了條銹病病斑，較可見(jiàn)光圖片提早了4d觀測(cè)到病變特征。
紅外熱成像技術(shù)在病毒早期監(jiān)測(cè)中具有良好的效果，為基于機(jī)器視覺(jué)的病毒早期監(jiān)測(cè)提供了較可見(jiàn)光監(jiān)測(cè)更具有時(shí)效性的監(jiān)測(cè)手段。
2.3凍害脅迫監(jiān)測(cè)
凍害脅迫指的是作物長(zhǎng)時(shí)間在0℃以下，植物體內(nèi)的水因溫度過(guò)低而發(fā)生固體變化形成冰核導(dǎo)致其喪失生理活性，植物內(nèi)部的冰晶形成與發(fā)展還與一種細(xì)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(yàn)證比較。結(jié)果顯示，熱成像與熱電偶的結(jié)果相近，表明熱像儀的觀察具有準(zhǔn)確性。此外，在觀察中發(fā)現(xiàn)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(xù)冰凍傳播的狀況。PEARCE R S等用熱紅外成像視頻技術(shù)來(lái)觀測(cè)大麥和絨毛草的冰凍傳播的特征。結(jié)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(cè)向的速度只有較慢的0.3cm/s。絨毛草試驗(yàn)也得到了相似的結(jié)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(xiàn)，葉子的降溫速度遠(yuǎn)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(píng)估
通過(guò)觀察恢復(fù)常溫后的作物生存狀況是一種檢測(cè)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?jī)龊γ{迫特征。通過(guò)熱成像觀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(jié)果表明，這兩種小麥在－5℃時(shí)達(dá)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(rèn)為大多數(shù)品種的小麥都應(yīng)具有相似的特點(diǎn)。在基于多元數(shù)據(jù)的遙感監(jiān)測(cè)中，紅外熱成像遙感反演技術(shù)與其他遙感技術(shù)相結(jié)合可被用于凍害脅迫的監(jiān)測(cè)。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(shù)相結(jié)合使用，對(duì)棉花冠層的凍害脅迫進(jìn)行分級(jí)，結(jié)果表明，該方法可被用于凍害程度的區(qū)域劃分，相較傳統(tǒng)的方法更具有優(yōu)勢(shì)。
2.4產(chǎn)量預(yù)測(cè)
基于統(tǒng)計(jì)學(xué)的抽樣調(diào)查測(cè)產(chǎn)法具有較高精度的預(yù)測(cè)結(jié)果，但該方法需要消耗大量的人力物力，且效率低下，性價(jià)比低。通過(guò)獲取作物的紅外熱成像信息特征進(jìn)行測(cè)產(chǎn)，可明顯提高效率。
在產(chǎn)量預(yù)測(cè)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(yù)測(cè)的實(shí)質(zhì)是研究預(yù)測(cè)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(cè)產(chǎn)，利用脅迫積溫指數(shù)（Stress Degree Day，簡(jiǎn)稱SDD）來(lái)調(diào)度灌溉量，并發(fā)現(xiàn)該指數(shù)與產(chǎn)量成負(fù)相關(guān)關(guān)系。假設(shè)將衡量水分脅迫狀況的指數(shù)作為產(chǎn)量預(yù)測(cè)的特征值，則在作物的哪個(gè)生長(zhǎng)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(zhuǎn)基因玉米，發(fā)現(xiàn)在玉米籽粒形成期的水分脅迫指數(shù)與玉米的產(chǎn)量存在負(fù)相關(guān)關(guān)系，且相關(guān)性達(dá)到了顯著水平。PURUSHOTHAMANR等研究作物各生長(zhǎng)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(zhǎng)過(guò)程的溫度，計(jì)算各個(gè)生長(zhǎng)時(shí)期的CTD指數(shù)，并將該指數(shù)作為預(yù)測(cè)產(chǎn)量的水分脅迫特征值。結(jié)果表明，播種后的第62天（約在整個(gè)生長(zhǎng)過(guò)程的中間階段）的CTD指數(shù)最能代表產(chǎn)量的特征值，相關(guān)系數(shù)R2=0.4。HUZhenfang等用BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)不同灌溉條件下冬小麥的產(chǎn)量，用熱像儀測(cè)量冬小麥冠層溫度并計(jì)算出水分脅迫指數(shù)。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(shù)作為神經(jīng)網(wǎng)絡(luò)的輸入層，網(wǎng)絡(luò)輸出是產(chǎn)量。結(jié)果表明，神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)值最大相對(duì)誤差僅為3.43%，遠(yuǎn)小于非線性擬合函數(shù)的相對(duì)誤差。
2.5其他方面
2.5.1 倉(cāng)儲(chǔ)監(jiān)測(cè)
為保障成品糧在倉(cāng)儲(chǔ)過(guò)程中的品質(zhì)安全，需對(duì)成品糧倉(cāng)儲(chǔ)結(jié)露進(jìn)行監(jiān)測(cè)，預(yù)防結(jié)露的發(fā)生。倉(cāng)儲(chǔ)堆內(nèi)的溫度、濕度以及微氣流速度是直接影響結(jié)露發(fā)生的3個(gè)關(guān)鍵因素。同等濕度下，隨著倉(cāng)庫(kù)溫度的變化，會(huì)析出冷凝水，從而影響儲(chǔ)糧生態(tài)系統(tǒng)。王振華在研究倉(cāng)儲(chǔ)堆熱傳遞數(shù)學(xué)模型時(shí)，利用熱像儀觀察倉(cāng)內(nèi)溫度場(chǎng)，分析倉(cāng)內(nèi)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(cāng)內(nèi)谷物分離，并通過(guò)其溫度場(chǎng)來(lái)查看熱量在倉(cāng)內(nèi)的均勻化程度。尹君在進(jìn)行小麥糧堆耦合模型及結(jié)露預(yù)測(cè)研究時(shí)，利用熱像儀圖片呈現(xiàn)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(qū)域的邊緣點(diǎn)并計(jì)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(cāng)內(nèi)氣體的自然對(duì)流現(xiàn)象。
2.5.2 農(nóng)藥?kù)F滴沉積效果
農(nóng)藥?kù)F滴在作物上會(huì)產(chǎn)生蒸發(fā)吸熱的物理現(xiàn)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(jī)噴霧參數(shù)對(duì)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(biāo)。通過(guò)不同的飛行速度與高度進(jìn)行噴霧測(cè)試，結(jié)果表明，在飛機(jī)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(jī)器視覺(jué)與圖像識(shí)別
在試驗(yàn)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(jié)合增加信息量或根據(jù)目標(biāo)與背景之間的溫差進(jìn)行識(shí)別。褚翔等用可見(jiàn)光+紅外熱成像四通道信息測(cè)量蘋果樹(shù)上的蘋果產(chǎn)量。測(cè)試的目標(biāo)有86個(gè)，與單用可見(jiàn)光相比，可見(jiàn)光+紅外熱成像的機(jī)器視覺(jué)識(shí)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(jī)器視覺(jué)對(duì)橡樹(shù)上的板栗進(jìn)行識(shí)別，并將正常果、空心果和壞死果區(qū)分開(kāi)。試驗(yàn)結(jié)果的總體識(shí)別率為92.5%，其中對(duì)壞死果的識(shí)別率為100%；正常果的識(shí)別率為96.7%；空心果由于表面溫度接近正常果，識(shí)別率僅為70%。
2.5.4 蟲(chóng)害監(jiān)測(cè)
蟲(chóng)害的監(jiān)測(cè)在農(nóng)業(yè)應(yīng)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(xiàn)形態(tài)，并引起寄主植物一系列的生理、生化應(yīng)激反應(yīng)，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(nèi)和種間相互作用很大程度上通過(guò)寄主植物得以實(shí)現(xiàn)。
目前，在研究早期監(jiān)測(cè)蟲(chóng)害的手段中，研究熱點(diǎn)主要集中在光譜檢測(cè)，檢測(cè)對(duì)象通常是蟲(chóng)體本身或是遭到蟲(chóng)害脅迫后的作物對(duì)象。紅外熱成像技術(shù)在蟲(chóng)害監(jiān)測(cè)中的應(yīng)用相對(duì)較少，其缺乏針對(duì)性，無(wú)法監(jiān)測(cè)出昆蟲(chóng)種類或遭到蟲(chóng)害脅迫后作物對(duì)象的特征，即無(wú)法與其他脅迫有效地區(qū)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(qū)分試驗(yàn)，且用熱像儀采集溫度信息數(shù)據(jù)，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(qū)別。
王蕾在研究落葉松林蟲(chóng)害的監(jiān)測(cè)時(shí)，將熱紅外波段引入到監(jiān)測(cè)研究中，突破了以往主流研究的幾個(gè)波段的局限性，在數(shù)據(jù)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(jiān)視對(duì)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(duì)于蟲(chóng)害監(jiān)測(cè)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。為了觀察脫葉劑的使用效果，可使用熱像儀監(jiān)測(cè)施藥前后的冠層溫度進(jìn)行藥效評(píng)估。王康麗等使用機(jī)載無(wú)人機(jī)監(jiān)測(cè)了脫葉劑對(duì)棉花冠層溫度的影響，以探究紅外熱成像評(píng)估脫葉劑效果的可行性。結(jié)果表明，晴朗無(wú)云的中午是監(jiān)測(cè)的最佳時(shí)段，初步證明了紅外熱成像技術(shù)評(píng)估藥效的可行性。
3結(jié)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(jiān)測(cè)、凍害脅迫監(jiān)測(cè)、侵染性病害監(jiān)測(cè)以及測(cè)產(chǎn)等方面已經(jīng)被深入研究和應(yīng)用。對(duì)作物紅外熱圖像信息特征進(jìn)行分析，有助于研究作物機(jī)理變化規(guī)律，獲取生物生態(tài)信息，對(duì)作物的生長(zhǎng)狀況進(jìn)行監(jiān)測(cè)。雖然紅外熱成像技術(shù)已被應(yīng)用于精準(zhǔn)農(nóng)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(duì)于復(fù)雜的農(nóng)業(yè)環(huán)境，人為切割區(qū)域分析效率低下，自適應(yīng)算法的多樣性和優(yōu)化有待提高，針對(duì)各種類作物建立熱像數(shù)據(jù)庫(kù)以及自適應(yīng)的算法是今后研究的關(guān)鍵。二是在紅外熱成像監(jiān)測(cè)方面，氣象因子的復(fù)雜性使溫度在不同時(shí)刻受到的光照強(qiáng)度、空氣溫度以及濕度不同，導(dǎo)致冠層的溫度不穩(wěn)定，以致無(wú)法有效地在時(shí)間序列上對(duì)作物監(jiān)測(cè)信息進(jìn)行精確地縱向比較。找到有效指數(shù)或準(zhǔn)確地預(yù)測(cè)葉溫以排除氣象因子的影響，能更有效地評(píng)判監(jiān)測(cè)作物的狀態(tài)。三是在建模方面，溫度指標(biāo)分析方法仍基本停留在統(tǒng)計(jì)分析對(duì)比上，較少建立監(jiān)測(cè)作物的冠層溫度特征與某種研究對(duì)象關(guān)系的模型。四是在遙感方面，目前，大多數(shù)研究還只停留在地面上的監(jiān)控，與無(wú)人機(jī)結(jié)合的大田試驗(yàn)應(yīng)用不多。因此，應(yīng)以農(nóng)業(yè)大數(shù)據(jù)為基礎(chǔ)，結(jié)合神經(jīng)網(wǎng)絡(luò)、支撐向量機(jī)以及決策樹(shù)等機(jī)器學(xué)習(xí)算法，對(duì)圖片信息進(jìn)行識(shí)別分析。
從當(dāng)前研究看，紅外熱成像在農(nóng)業(yè)方面的監(jiān)測(cè)開(kāi)始走向結(jié)合無(wú)人機(jī)遙感的路線，這也是未來(lái)的發(fā)展趨勢(shì)。紅外熱成像技術(shù)在農(nóng)業(yè)上的應(yīng)用雖還處在發(fā)展階段，作為精準(zhǔn)農(nóng)業(yè)最有前景的信息獲取技術(shù)已經(jīng)在農(nóng)業(yè)生產(chǎn)、作物監(jiān)測(cè)以及抗性檢測(cè)中發(fā)揮了重要的作用。在精準(zhǔn)農(nóng)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(nóng)業(yè)精準(zhǔn)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(duì)實(shí)現(xiàn)精準(zhǔn)農(nóng)業(yè)、信息化農(nóng)業(yè)與智能化農(nóng)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(cè)器技術(shù)及市場(chǎng)趨勢(shì)-2019版》
《基于FLIR ISC0901微測(cè)輻射熱計(jì)的Autoliv第三代汽車夜視攝像頭》
《FLIR非制冷型長(zhǎng)波紅外熱像儀機(jī)芯：Boson》
