田 磊，李 麗，王明緒

(1.河南工業(yè)職業(yè)技術(shù)學院，河南 南陽 473000；2.焦作師范高等專科學校 計算機與信息工程學院，河南焦作 454001)

?

基于Android的玉米病蟲害機器視覺診斷系統(tǒng)研究

田 磊1，李 麗2，王明緒1

(1.河南工業(yè)職業(yè)技術(shù)學院，河南 南陽 473000；2.焦作師范高等專科學校 計算機與信息工程學院，河南焦作 454001)

為了使農(nóng)業(yè)智能診斷系統(tǒng)更加廉價、便捷，有效地為普通農(nóng)戶服務(wù)，提出了一種基于Android手機的農(nóng)業(yè)病蟲害智能診斷系統(tǒng)。該系統(tǒng)使用Android智能手機對玉米病蟲害部分進行圖片拍攝，并將圖像利用無線網(wǎng)上傳至Web服務(wù)器，利用分割和匹配算法對病蟲害部分進行智能化分析，最終將結(jié)果傳輸?shù)绞謾C用戶端。為實現(xiàn)圖像匹配的特征點提取，采用高斯差分的方法對圖像進行分割和精確定位，使用聚類算法對匹配效果進行優(yōu)化，并利用特征點的無限逼近，完成病蟲害圖像的匹配，從而診斷病蟲害的類型。上傳后的圖像和Web服務(wù)器的規(guī)則庫的圖像進行匹配后可以生成病蟲害的匹配結(jié)果信息，該信息可以通過Android智能系統(tǒng)接收，最終反饋給農(nóng)戶的手機客戶端。通過測試發(fā)現(xiàn)：玉米病蟲害診斷系統(tǒng)可從多幅圖像里有效地對病蟲害類型進行匹配，匹配成功率較高，系統(tǒng)的穩(wěn)定性較好，具有很好的推廣前景。

玉米病蟲害；機器視覺；圖像匹配；高斯差分；聚類算法；無限逼近

0 引言

截止目前，我國的農(nóng)業(yè)科研人員應(yīng)用了多種終端對小麥、蘋果、玉米等農(nóng)作物的栽培、施肥、病蟲害等進行大量的研究，其終端主要包括了PDA個人數(shù)字助理、PC機和手持個人計算機HPC等。但從實際效果可知，PC 機、HPC 、PDA 等應(yīng)用終端沒有得到普通農(nóng)戶的認可。其原因主要是智能系統(tǒng)應(yīng)用功能單一，價格又極其昂貴，且對網(wǎng)絡(luò)環(huán)境的依賴性非常強。再者，Windows 操作系統(tǒng)是目前農(nóng)業(yè)智能系統(tǒng)開發(fā)的主要平臺，使其在免費性、開源性和人機交互等方面較差，沒有得到更好的發(fā)展。通過總結(jié)可以發(fā)現(xiàn)，尋求一種針對普通用戶的農(nóng)業(yè)智能系統(tǒng)應(yīng)用終端界面，能更加簡單并且能為其構(gòu)建一個開源、免費的開發(fā)環(huán)境，是目前的大勢所趨，對我國農(nóng)業(yè)科技新技術(shù)、新成果及推動農(nóng)產(chǎn)業(yè)的快速發(fā)展有重要意義。

近年來，全球智能手機發(fā)展迅速，自從Google 發(fā)布Android 操作系統(tǒng)和中國4G 網(wǎng)絡(luò)覆蓋工程，中國的4G 智能手機發(fā)展的更加迅速。因為手機價格便宜，Android 4G 智能手機很多只需要幾百元，因此Android 智能手機得到了人們廣泛的認可和應(yīng)用。一方面，Android 4G 智能手機功能強大，具有通話、上網(wǎng)、多媒體等多種功能，且價格低廉，只需一部低廉的手機就能解決所有問題；另一方面，開源、免費的 Android操作系統(tǒng)不僅軟件應(yīng)用方便實用，而且支持觸屏、語音等強大的功能，推進了人機交互技術(shù)，極大推進了開源免費以及操作更具人性化的農(nóng)業(yè)智能系統(tǒng)的發(fā)展。

為了使農(nóng)業(yè)智能診斷系統(tǒng)更加廉價、便捷，有效地為基層普通農(nóng)戶服務(wù)，提出了一種基于Android手機的農(nóng)業(yè)病蟲害智能診斷系統(tǒng)，構(gòu)建了開源、免費的通用開發(fā)環(huán)境，并以玉米病蟲害智能診斷為例，設(shè)計了基于Android系統(tǒng)的玉米病蟲害智能診斷系統(tǒng)，為同類的系統(tǒng)開發(fā)和移植提供了技術(shù)參考。

1 Android智能診斷系統(tǒng)總體框架設(shè)計

1.1 玉米病蟲害Android智能診斷系統(tǒng)總體設(shè)計

玉米病蟲害Android智能診斷系統(tǒng)的總體設(shè)計主要包括圖像匹配算法設(shè)計、匹配規(guī)則庫設(shè)計和Android智能系統(tǒng)設(shè)計，采用高斯差分方法對圖像進行分割和精確定位，使用聚類算法對匹配效果進行優(yōu)化。圖1為Android智能病蟲害診斷的主要流程。首先，通過Android智能手機對玉米的病蟲害圖像進行拍攝，利用Android智能系統(tǒng)上傳到Web服務(wù)器的規(guī)則庫進行圖像匹配；圖像匹配的過程使用圖像分割算法對病蟲害的部位進行清晰化和放大處理，提取病蟲害圖像的特征點，利用特征點和病蟲害本體庫數(shù)據(jù)進行匹配；通過匹配可以得到病蟲害的類型數(shù)據(jù)，反饋信息可以通過android智能手機端接收。

圖1 圖像匹配算法示意圖

1.2 圖像匹配和智能診斷算法設(shè)計

為了實現(xiàn)圖像匹配的特征點提取，采用高斯差分的方法對圖像進行分割和精確定位。如果高斯差分算子定義不好，其極值在沿邊緣方向有較大的主曲率，在垂直邊緣的方向有較小的主曲率，主曲率可以通過一個2×2的Hessian矩陣H求出，則

(1)

其中，D表示匹配的原始圖像，D的主曲率和特征值成正比。令a是最大特征值，b是最小特征值，且滿足下式，即

(2)

其中，r表示曲率半徑。令α=rb，則

(3)

(4)

在提取不穩(wěn)定點后，對特征值點進行精確的定位，圖像匹配過程就是將兩個特征點X(1,2)、Y(1,2)無線逼近。假設(shè)逼近函數(shù)Z(1,2)，該函數(shù)可以寫成

Z(1,2)=?(X-Y)dxdy

(5)

假設(shè)逼近前特征點的距離為xk、yl，則逼近的距離函數(shù)可以寫成

(6)

于是兩幅圖像的逼近距離的聚類中心可以寫成

(7)

該聚類可以看作是一個聚類中心，當該聚類中心達到設(shè)定的最小閾值時，系統(tǒng)會提示匹配成功，并顯示匹配結(jié)果。

2 玉米病蟲害診斷Android智能系統(tǒng)設(shè)計

為了開發(fā)玉米病蟲害診斷系統(tǒng)，構(gòu)建了通用的應(yīng)用系統(tǒng)開發(fā)環(huán)境。該開發(fā)環(huán)境是Linux 操作系統(tǒng)下由JDK+Eclipse +Android SDK+ADT構(gòu)建，并借助Jena平臺對Web圖像匹配的規(guī)則庫進行開發(fā)。其推理機制如圖2所示，智能系統(tǒng)結(jié)構(gòu)如圖3所示。

圖2 推理工作機制

圖3 智能系統(tǒng)結(jié)構(gòu)圖

目前，Jena支持基于RDFS和OWL等語義的推理，支持RDQL語義網(wǎng)查詢語言。OWL公理分為類公理和約束公理兩種，本研究僅用到了類公理，如子類父類關(guān)系公理和排他關(guān)系公理。玉米蟲害本體庫用OWL表示如下:

......

針對Android 手機在數(shù)據(jù)庫支持和硬件資源等方面相對有限的特點，系統(tǒng)的主要結(jié)構(gòu)包括人機交互界面、推理機制、規(guī)則庫和數(shù)據(jù)庫等。JDK的下載界面如圖4所示。

圖4 JDK下載示意圖

下載完成后需要對JDK進行安裝，安裝之前需要修改相應(yīng)的環(huán)境變量，主要包括JAVA _H OME變量配置和CLASSPATH變量配置。JDK下載安裝完成后需要安裝Eclipse集成軟件。

圖5表示Eclipse集成軟件下載界面，包括Java Developers和C/C++ Developers。在集成環(huán)境安裝的過程中需要根據(jù)提示，選擇合適的安裝路徑和環(huán)境變量，便可搭建Android智能系統(tǒng)的開發(fā)環(huán)境，并生產(chǎn)apk文件。

圖5 Eclipse集成軟件下載

3 智能玉米病蟲害診斷系統(tǒng)測試

為了驗證系統(tǒng)的有效性和可靠性，測試選取了幾組具有代表性的玉米葉片的病蟲害，使用手機拍攝圖像，并通過Android系統(tǒng)對圖像進行上傳和接受病蟲害的類型信息，選取的主要圖像如圖6所示。

圖6 玉米病蟲害選取示意圖

為了驗證系統(tǒng)的有效性，本次研究選取了葉片病蟲害結(jié)構(gòu)明顯的圖像進行分析，首先利用特征點提取的方法對圖像進行灰度處理，如圖7所示。

圖7 圖像的灰度化處理示意圖

通過對圖像RGB的3個通道進行灰度匹配發(fā)現(xiàn)，在R通道病蟲災(zāi)害區(qū)域與健康區(qū)域的灰度差異較大，所以可以首先將R通道進行圖像分割，結(jié)合特征點的提取，結(jié)果如圖8所示。

圖8 病蟲害圖像分割

為了對圖像中病蟲害特征點突出的地方進行提取，衰減不需要分析的區(qū)域，提高圖像的匹配效果，先將病蟲害區(qū)域以外的圖像當作噪聲區(qū)合理的去除，并通過圖像銳化使圖像清晰。

圖9表示病蟲害匹配的接受結(jié)果。分割后的圖像和規(guī)則庫的圖像進行匹配后可以生成病蟲害的匹配結(jié)果信息，該信息可以通過Android智能系統(tǒng)接收，最終反饋給農(nóng)戶的手機客戶端。

圖9 病蟲害匹配結(jié)果

表1表示利用Android智能玉米病蟲害診斷系統(tǒng)對病蟲害類型進行診斷，通過計算得到的病蟲害類型匹配結(jié)果。為了使結(jié)果更加精確可靠，采集了8組不同病蟲害個數(shù)的圖像，并利用Android智能系統(tǒng)上傳到上位機。上位機利用圖像處理器將圖像進行分割處理，并對病蟲害圖像庫里的圖像和拍攝圖像進行匹配，依此來判斷病蟲害的類型。由表1可以看出：玉米病蟲害診斷系統(tǒng)可多幅圖像里有效地對病蟲害類型進行匹配，成功匹配率較高，系統(tǒng)的穩(wěn)定性較好。

表1 病蟲害類型匹配個數(shù)

4 結(jié)論

1)提出并設(shè)計了基于Android系統(tǒng)的玉米病蟲害診斷系統(tǒng)。該系統(tǒng)支持無線網(wǎng)絡(luò)傳輸，擺脫了有線網(wǎng)絡(luò)環(huán)境的輸入，并且簡單實用，是一種農(nóng)村基層使用手機診斷病蟲害的有效方法。

2)使用Android系統(tǒng)構(gòu)建了人機交互界面，并開發(fā)了系統(tǒng)的通用環(huán)境。該環(huán)境具有開源性，便于二次開發(fā)。

3)系統(tǒng)以Jena為數(shù)據(jù)庫平臺，實現(xiàn)了圖像匹配規(guī)則庫的設(shè)計，有利于不斷完善系統(tǒng)的規(guī)則庫，提高了系統(tǒng)的病蟲害診斷效果。

[1] 郭靜,陳慶奎.基于 CUDA 的快速圖像壓縮[J]. 計算機工程與設(shè)計,2010,31(14):3302-3304.

[2] 樊曉平,熊哲源,陳志杰,等.無線多媒體傳感器網(wǎng)絡(luò)視頻編碼研究[J].通信學報,2011,32(9): 137-146.

[3] 熊哲源,樊曉平,劉少強,等.一種適用于無線多媒體傳感器網(wǎng)絡(luò)的JPEG圖像編碼算法[J].傳感技術(shù)學報,2011,24(10):1489-1495.

[4] 鐘茂生,劉慧,劉磊.詞匯間語義相關(guān)關(guān)系量化計算方法[J].中文信息學報,2009,23(2):115-122.

[5] 宋曉麗,王慶.基于GPGPU 的數(shù)字圖像并行化預(yù)處理[J].計算機測量與控制,2009,17(6):1169-1171.

[6] 張強,孫雨耕,楊挺,等.無線傳感器網(wǎng)絡(luò)在智能電網(wǎng)中的應(yīng)用[J].中國電力,2010,43(6):31-36.

[7] 庾志成.移動互聯(lián)網(wǎng)的發(fā)展現(xiàn)狀和發(fā)展趨勢[J].移動通信,2008(5):22-24.

[8] 危貴川.2008-2009年中國移動互聯(lián)網(wǎng)產(chǎn)業(yè)評述[J].電子商務(wù),2009(4):32.

[9] 孟博,姚國祥.結(jié)構(gòu)化 P2P 網(wǎng)絡(luò)模型Tapestry 的改進方案[J].計算機工程與設(shè)計，2010,31(21):4569-4573.

[10] 趙宇翔,朱慶華,吳克文,等.基于用戶貢獻的 UGC 群體分類及其激勵因素探討[J].情報學報，2011,10(10):1095-1107.

[11] 胡星波,晏渭川.基于Android的 NFC實現(xiàn)與應(yīng)用[J].電視技術(shù),2011,35(21):84-89.

[12] 畢抒,任明,王成道.小波變換在圖像鑲嵌技術(shù)中的研究[J].計算機工程與應(yīng)用,2004，2(21):51-52.

[13] 高麗,韋群.基于小波分析的圖像鑲嵌融合研究與實現(xiàn)[J].指揮技術(shù)學院學報,2001(10):20-21.

[14] 魏明果.實用小波分析[M].北京：北京理工大學出版社,2005:221-324.

[15] 李弼程,羅建書. 小波分析及其應(yīng)用[M]. 北京：電子工業(yè)出社,2003:12-348.

[16] Szeliski Richard, Shum Heung-Yeung. Creating full view panoramic image mosaicsand environment maps[J]. Proceedings of the ACM SIGGRAPH Conference on Computer Graphics, 1997, 2(5):251-258.

[17] 成禮智,王紅霞,羅永.小波的理論與應(yīng)用[M]. 北京：科學出版社,2004:123-365.

[18] 黃銅城,銀麗萍.基于投影變換的圖像自動配準[J].微機發(fā)展, 2003,13(2):59-61.

[19] 宋利,周源華,周軍. 基于復(fù)小波變換的圖像鑲嵌[J].上海交通大學學報,2005，39(8):179-180.

[20] 陳寶林.最優(yōu)化理論與算法[M].北京:清華大學出版社,2002:11-121.

[21] 鄭濤, 張民.小波分析在圖像處理中的應(yīng)用[J].中國人民公安大學報,2003,4(4):76-77.

[22] 吳媛媛,李斌,孫春奇,等.基于 Chord 的對等網(wǎng)絡(luò)內(nèi)容搜索技術(shù)的研究[J].微型計算機，2011,27(1):164-167.

[23] 孫繼平,李迎春.基于小波變換的圖像邊界問題的研究[J].西安科技大學學報，2006,3(3):81-84.

Research on the Diagnosis System of Maize Plant Diseases and Insect Pests Based on Android

Tian Lei1, Li Li2,Wang Mingxu1

(1.Henan Polytechnic Institute, Nanyang 473000, China; 2.School of Computer and Information Engineering, Jiaozuo Teachers College, Jiaozuo 454001, China)

In order to make the agricultural intelligent diagnosis system more cheap, convenient, efficient service for the ordinary farmers,it puts forward a kind of intelligent diagnosis system of agricultural plant diseases and insect pests based on Android mobile phone.The system uses Android intelligent mobile phone on plant diseases and insect pests of maize Part pictures. By using the wireless network to the Web server, it uses the segmentation and matching algorithm of pest and disease part of intelligent analysis.The final result is transmitted to the mobile phone user end. In order to realize image matching feature points extraction, it uses Gauss differential method for segmentation and precise location of the image,uses clustering algorithm to optimize the matching effect, and makes use of the characteristic points of infinite approximation, image,then it completes plant diseases and insect pest diagnosis of plant diseases and insect pests. It can generate matching results of pests and diseases information through image rule and web server.The information can be received by Android intelligent system, ultimately back to the farmer's mobile phone client. Finally, through the test,it was found that maize pest diagnosis system can effectively realize the aim from multiple images of plant diseases and insect pests type matching.And the matching success rate is high, the system is stable, which has good popularizing prospect.

maize diseases and insect pests; machine vision; image matching; gauss difference; clustering algorithm; infinite approximation

2016-01-27

河南省科技攻關(guān)項目(152102110161)

田 磊(1983-)，男，河南南陽人，講師，碩士。

王明緒(1986-)，男，河南唐河人，助教，碩士，(E-mail)34296064@qq.com。

S24;S126

A

1003-188X(2017)04-0207-05