基于視頻監(jiān)測和可視化模擬的大麥生產(chǎn)管理專家系統(tǒng)設計與開發(fā)

侯寶華，高曉陽,2，李紅嶺，楊 梅，王關(guān)平，趙子祎，劉 佳，劉盈盈，賀大偉

(1.甘肅農(nóng)業(yè)大學工學院,甘肅蘭州 730070； 2.甘肅省干旱生境作物學重點實驗室,甘肅蘭州 730070)

?

基于視頻監(jiān)測和可視化模擬的大麥生產(chǎn)管理專家系統(tǒng)設計與開發(fā)

侯寶華1，高曉陽1,2，李紅嶺1，楊 梅1，王關(guān)平1，趙子祎1，劉 佳1，劉盈盈1，賀大偉1

(1.甘肅農(nóng)業(yè)大學工學院,甘肅蘭州 730070； 2.甘肅省干旱生境作物學重點實驗室,甘肅蘭州 730070)

為給大麥生產(chǎn)提供栽培咨詢、農(nóng)情監(jiān)測、生長狀況比對、田間管理決策等技術(shù)服務，設計開發(fā)了一套大麥專家系統(tǒng)。本系統(tǒng)結(jié)合甘肅大麥生產(chǎn)實際和專家種植栽培技術(shù)及經(jīng)驗，采用Visual Basic研發(fā)了主界面，由VC++調(diào)用OpenGL圖像庫開發(fā)的大麥生長模型的模擬結(jié)果，嵌入了LabVIEW設計的大麥田間監(jiān)視窗口界面，并利用Access軟件開發(fā)了其數(shù)據(jù)庫。試驗結(jié)果表明，該系統(tǒng)界面友好，生產(chǎn)咨詢欄目瀏覽便利，遠程視頻監(jiān)控大麥田間狀況失幀率范圍為1.02%～1.11%，可實時模擬大麥可視化生長，并能與田間實際比較分析，誤差值為0.15～0.25，能實現(xiàn)大麥田間管理和病蟲害防治等推理決策，可信度高，可為搶抓農(nóng)時的生產(chǎn)管理提供一種農(nóng)業(yè)信息化技術(shù)新途徑。

大麥專家系統(tǒng)；可視化；推理決策；農(nóng)情監(jiān)測

近年來隨著現(xiàn)代生物技術(shù)和計算機技術(shù)的快速發(fā)展，農(nóng)業(yè)生產(chǎn)已逐步走向信息化、自動化與智能化融合的數(shù)字農(nóng)業(yè)道路。我國于20世紀70年代末就開始研究將專家系統(tǒng)技術(shù)應用于農(nóng)業(yè)生產(chǎn)領(lǐng)域，目前農(nóng)業(yè)專家系統(tǒng)已被應用到大田作物上，如小麥和水稻的栽培管理、病蟲害控制、灌溉、施肥、品種選擇及技術(shù)經(jīng)濟決策等領(lǐng)域[1-2]，智能專家系統(tǒng)也應用在蔬菜溫室大棚種植中[3]，從而加快了信息技術(shù)在農(nóng)業(yè)生產(chǎn)中的推廣應用。

大麥是我國重要的糧食作物之一,可飼用、食用和藥用，并可為啤酒生產(chǎn)提供原料[4]，但目前有關(guān)大麥專家系統(tǒng)鮮見報道。為提高大麥栽培的信息化技術(shù)水平，本研究選取甘肅啤酒大麥系列品種為樣本，以甘肅農(nóng)業(yè)大學多輪大麥試驗數(shù)據(jù)為基礎(chǔ)，并結(jié)合甘肅省武威市黃羊鎮(zhèn)大麥試驗資料研發(fā)了大麥專家系統(tǒng)。本系統(tǒng)除提供大麥品種和種植技術(shù)咨詢、病蟲害防治技術(shù)、國內(nèi)外市場信息等專家系統(tǒng)的基本功能外，還增加了大麥田間遠程監(jiān)視、生長可視化、多媒體互動咨詢等功能。

1　大麥專家系統(tǒng)結(jié)構(gòu)設計

1.1系統(tǒng)開發(fā)工具

本系統(tǒng)選用VB、VC++、LabVIEW等軟件作為查詢、監(jiān)視、可視化和推理界面開發(fā)工具，以Access 2003軟件作為數(shù)據(jù)庫開發(fā)工具，并利用VB打包功能實現(xiàn)工程移植。系統(tǒng)硬件包括CPU主頻2.6GHz微機、1 200萬像素SONY相機、s5pv210型評估板、300萬像素的C270羅技攝像頭等。

1.2系統(tǒng)基本結(jié)構(gòu)設計

本系統(tǒng)是一個綜合型專家系統(tǒng)，提供大麥種植、施肥管理、品種選育、病蟲草害防治等技術(shù)支持，以文字、圖片、視頻等方式為用戶提供一個實用便捷的操作界面。系統(tǒng)基本結(jié)構(gòu)如圖1所示。

圖1　大麥專家系統(tǒng)基本結(jié)構(gòu)框圖

大麥專家系統(tǒng)知識庫主要包括與大麥生產(chǎn)有關(guān)的文獻、期刊、書籍、專家學術(shù)報告、經(jīng)驗資料以及不同地域大麥田間生長視頻監(jiān)控圖像，例如甘肅六大大麥種植生態(tài)區(qū)(河西走廊生態(tài)區(qū)、中部沿黃灌區(qū)、洮岷高寒陰濕裸大麥區(qū)、嶺南濕潤冬大麥區(qū)、隴南渭河上游冬大麥區(qū)、隴東涇河上游冬大麥區(qū))資料[5]。系統(tǒng)根據(jù)不同種植區(qū)域優(yōu)選出適合的種植品種及常見病蟲草(白粉病、云紋病、黃矮病、麥蚜、灰藜等)的防治方法[6]，供查詢和推理模塊調(diào)用；給出大麥種植最佳施肥方式和比例[7]；并根據(jù)大麥生長時期和品種特性作出合理的施肥決策。其數(shù)據(jù)庫主要記錄用戶輸入的原始數(shù)據(jù)。

本系統(tǒng)采用正向推理機制進行推理。當使用者首先通過人機界面輸入信息后，系統(tǒng)相應生成推理規(guī)則，并反復執(zhí)行形成的規(guī)則，直到搜索到目標；其次，計算機將在規(guī)則庫中搜索規(guī)則，最終達到規(guī)則與目標完全匹配；最后將搜索到的目標推理結(jié)論輸出，以便用戶參考。

2　大麥專家系統(tǒng)的功能模塊設計

本系統(tǒng)包括登錄模塊、查詢模塊、可視化模塊、監(jiān)視模塊和推理模塊。系統(tǒng)功能框圖見圖2。查詢模塊包括四個子界面。用戶進入查詢模塊，點擊施肥及品種界面按鈕，系統(tǒng)將自動彈出操作界面。施肥及品種選擇界面的運行實例見圖3。用戶在查詢界面可選擇信息查詢和利用查詢按鈕進行操作。由于篇幅所限，本文主要介紹大麥生長監(jiān)控模塊和可視化模塊的設計與實現(xiàn)。

2.1監(jiān)視功能模塊的設計和實現(xiàn)

本系統(tǒng)的特點之一是嵌入了麥田監(jiān)視模塊。監(jiān)控系統(tǒng)流程如圖4所示。在試驗田分區(qū)設置 16個攝像頭，每個攝像頭的監(jiān)測范圍為8 m2，在一天內(nèi)分多個時段依序監(jiān)視大麥生長狀況及田間環(huán)境狀況，然后通過四個AP(Access point)建立無線網(wǎng)絡，利用TCP/IP協(xié)議實現(xiàn)了快速視頻傳輸。大麥專家系統(tǒng)視頻監(jiān)視界面如圖5所示。

圖2　大麥專家系統(tǒng)的功能模塊框圖

圖3　施肥及品種選擇查詢界面

2.2可視化模擬模塊的設計和實現(xiàn)

目前，有關(guān)嵌入生長模型和可視化模塊的專家系統(tǒng)文獻報道甚少。為方便比對理論生長與田間實際情況，使專家系統(tǒng)功能更加完善，本系統(tǒng)特別融入了虛擬生長可視化模塊，使用者可通過該模塊觀測大麥各器官的幾何模型以及在不同時期的大麥可視化虛擬生長狀況。

2.2.1大麥幾何建模

根據(jù)本項目前期相關(guān)研究和試驗數(shù)據(jù)，甘啤大麥葉片與莖稈符合“S”型生長曲線，本系統(tǒng)選擇Logistic方程建立大麥葉片、莖稈和籽粒的幾何模型。

(1)葉片生長模型

通過試驗數(shù)據(jù)分析得知，大麥主莖頂4葉受肥水因子影響不明顯，主要與大麥品種遺傳特性有關(guān)。因此葉片模型公式采用分段式函數(shù)表示，其表達式：

(1)

圖4　監(jiān)控系統(tǒng)流程圖

圖5　大麥專家系統(tǒng)視頻監(jiān)視界面

式中，T為生理發(fā)育時間；t為生長天數(shù)；Lny(t)為第n片葉子在t時刻的長度；Lnymax為第n片葉子的最終長度；IniLnt為第n片葉子長出的時間；實測數(shù)據(jù)擬合得到A=5，B=0.03。

(2)節(jié)間生長模型

當大麥處于拔節(jié)期，分生組織促使大麥節(jié)間長度和粗度都不斷的增加，不同節(jié)間位置的形態(tài)參數(shù)各不相同，所以節(jié)間長度建模采用公式2表示，節(jié)粗公式采用式3表示：

(2)

式中，Ln(d)為節(jié)間n在生長天數(shù)d時的長度(cm)；lmaxn為節(jié)間n的最終長度(cm)；a1、a2為擬合參數(shù)，它們隨節(jié)間序號的不同而不同。

(3)

式中，rmaxn為節(jié)間的最終直徑；Rn(d)為節(jié)間n在生長天數(shù)d時的節(jié)間直徑；b1、b2為擬合參數(shù)，它們也隨節(jié)間序號的變化而變化。

2.2.2構(gòu)建大麥器官形態(tài)結(jié)構(gòu)模型和實現(xiàn)可視化

本模塊以VC++為開發(fā)平臺，采用OpenGL圖像庫構(gòu)建大麥器官的幾何模型。主要模擬大麥葉片、莖稈、籽粒和芒[8]。

(1)葉片建模

將葉片看成一個曲面，對比Bezier、B樣條或者NURBS曲面建模方法后，本文采用NURBS曲面實現(xiàn)對大麥葉片的幾何模擬，其繪制圖形函數(shù)如下：

gluNurbsSurface(GLUnurbsObj*nobj, GLint sknot_count, GLfloat*sknot,

GLint tknot_count, GLfloat*tknot, GLint s_stride, GLint t_stride,

GLfloat*ctlarray, GLint sorder, GLint torder, GLenum type)

(2)芒和莖稈建模

通過對實驗田中不同大麥品種的觀察和測量，莖稈和葉鞘近似為圓柱體，利用OpenGL圖像庫中g(shù)luCylinder()函數(shù)實現(xiàn)；麥芒也近似為圓錐體，用gluCylinder()函數(shù)繪制，但要將GLdouble topRadius參數(shù)設置為0。繪制圖形函數(shù)如下：

gluCylinder(GLUquadricObj*qobj, GLdouble baseRadius, GLdouble topRadius,

GLdouble height, GLint slices, GLint stacks);

(3)籽粒建模

籽粒近似為橢球體，首先用gluSphere()函數(shù)繪制出圓體，然后用glScalef ()和glRotatef()變換為理想籽粒形狀。繪制函數(shù)如下：

gluSphere(GLUquadricObj*qobj, GLdouble radius, Glint slices, GLint stacks)；

glScalef(GLfloat x, GLfloat y, GLfloat z);

glRotated(GLdouble angle, GLdouble x, GLdouble y, GLdouble z);

圖6、圖7、圖8、圖9分別為大麥莖稈、籽粒、葉片和整株的模型。

圖6　大麥莖稈模型

圖7　大麥籽粒模型

圖8　大麥葉片模型

圖9　整株大麥模型

2.3大麥專家系統(tǒng)推理模塊設計和實現(xiàn)

2.3.1大麥專家系統(tǒng)的事實推理界面設計

本系統(tǒng)可根據(jù)推理條件如生長區(qū)域、生長天數(shù)和病癥部位及顏色特征進行實際病蟲草害推理判斷。本系統(tǒng)采用正向推理機制，經(jīng)過四層推理后，得到大麥在不同時期病蟲害、施肥技術(shù)等決策方案，條件推理操作面如圖10所示。推理的可信度DCF越大，推理決策可靠性越高。

(4)

式中DCF為多層推理可信度之和，DCFi為單層推理可信度值，n為變量。

圖10　條件推理界面

2.3.2大麥專家系統(tǒng)的圖像對比推理窗口設計

以可視化模型和麥地監(jiān)視圖像為基礎(chǔ)，系統(tǒng)首先對原始圖像進行灰度處理，然后利用閾值分割法提取出病蟲害和草害形態(tài)特征，并提取葉片的紋理和顏色特征，最后將幾何模型和實際大麥器官進行比較(病斑大小、顏色差值等)，參考楊 倩等[12]的研究結(jié)果得出推理決策方案。具體操作流程如圖11所示。

圖11　對比推理模塊流程圖

此外，大麥專家系統(tǒng)在查詢和推理模塊上嵌入了網(wǎng)絡聊天功能，遵循TCP/IP協(xié)議，采用單服務器多客戶端形式，使得用戶不僅能夠進行技術(shù)咨詢，還可以與其他用戶共同探討大麥種植問題。

3　系統(tǒng)軟件調(diào)試與試驗

本系統(tǒng)在甘肅農(nóng)業(yè)大學試驗田和甘肅省武威市黃羊鎮(zhèn)農(nóng)科院試驗站調(diào)試運行。由于系統(tǒng)采用的是模塊化程序設計，因此以分塊方式進行校驗和程序調(diào)試。

3.1可視化模塊校驗

試驗以甘啤4、甘啤5、甘啤6品種作為樣品分3 d進行，通過實測值與擬合值的誤差分析，利用誤差值(E)校驗可視化模塊的準確程度，其中ODm為實測值，SDm為擬合值，n為樣本數(shù)量。E值越小，模型描述越精確。結(jié)果表明，該模塊的葉長和莖稈長的誤差為0.136～0.267(表1)。

(5)

3.2監(jiān)視模塊校驗

試驗田中部署4個AP，1個AP上聯(lián)網(wǎng)4個攝像頭，全天監(jiān)控。選取其中3個攝像頭作為檢測對象，以每秒傳輸15幀為基準，通過監(jiān)測傳輸速率、接受和損失幀數(shù)及失幀率來校驗模塊性能。2015年6月5日、8日和10日的試驗結(jié)果表明，模塊傳輸速率很高，失幀率僅為1.02%～1.11%(表2)。

(6)

式中,Pt為數(shù)據(jù)包發(fā)送成功率；Ftot為某段時間內(nèi)的失幀數(shù)；Frec為某段時間內(nèi)接受幀數(shù)。

3.3查詢推理模塊校驗

選取病害(白粉病、云紋病、條銹病)、蟲害(麥蚜)、草害(灰藜)作為檢驗樣本，通過校驗和調(diào)試其推理可信度，分析出推理模塊的性能。結(jié)果(表3)表明，模塊對三種病害的推理可信度在0.86以上，但對蟲、草害的可信度只有0.50左右。

表2　大麥專家系統(tǒng)視頻監(jiān)視模塊檢驗結(jié)果

表3　大麥專家系統(tǒng)推理模塊檢驗結(jié)果

4　討 論

在大麥生長模型研究中，不同學者采用不同的建模方法，如李紅玲等[9]采用Richards方程描述大麥莖稈節(jié)間伸長和增粗的動態(tài)過程；楊占峰等[10]采用 Logistic方程模擬大麥莖稈生長發(fā)育。本系統(tǒng)為描述不同時期大麥幾何器官和植株動態(tài)生長過程，也采用Logistic方程，而且模型擬合效果好，對甘肅啤酒大麥植株和葉片生長動態(tài)具有較準確的描述性，并且大麥虛擬生長模擬也較好地反映了實際生長狀況，對比性較強。對于系統(tǒng)采用哪一種建模方法效果更好，未來還需要進一步檢驗。

在監(jiān)視模塊設計中，本系統(tǒng)基于LabVIEW平臺開發(fā)無線監(jiān)控模塊，以一對一、一對多的遠程通信方式，實現(xiàn)田間生產(chǎn)的實時監(jiān)控和遠程傳輸，傳輸速率在4 Mb·s-1，失幀率為1.02%～1.11%，傳輸速度和成功率高。與王明磊等[11]開發(fā)的田間視頻圖像采集與無線傳輸系統(tǒng)相比，本系統(tǒng)速度快，失幀率低。

在推理模塊設計中，楊 倩等[12]提取大麥圖像顏色、紋理參數(shù)輸入分類器，并實現(xiàn)了大麥病害圖像識別正確率達到75%～84%。本系統(tǒng)在此基礎(chǔ)上，采用莖、葉、穗等多層推理，并結(jié)合病斑顏色和紋理特征進行病害分類，實現(xiàn)大麥病蟲草害的識別，病害推理可信度達到0.86以上；用其指導大麥噴藥作業(yè)和田間管理，使甘啤4號、甘啤5號和甘啤6號年均產(chǎn)量分別達到8 079.75、8 353.05和9 024.00 kg·hm-2，并改善了大麥品質(zhì)。但由于知識庫中的蟲草害對比模型還較少，蟲害和草害的識別推理可信度相對較低，本系統(tǒng)仍需要在今后應用過程中繼續(xù)改進與完善。

[1]夏 于,孫忠富,杜克明,等.基于物聯(lián)網(wǎng)的小麥苗情診斷管理系統(tǒng)設計與實現(xiàn)[J].農(nóng)業(yè)工程學報,2013,29(5):117-124.

XIA Y,SUN Z F,DU K M,etal.Design and realization of IOT-based diagnosis and management system for wheat production [J].TransactionsoftheChineseSocietyofAgriculturalEngineering,2013,29(5):117-124.

[2]孫傳恒,唐啟義,唐 潔,等.基于權(quán)重自動調(diào)整神經(jīng)網(wǎng)絡的水稻病蟲害診斷專家系統(tǒng)[J].農(nóng)業(yè)工程學報,2007,23(6):159-164.

SUN C H,TANG Q Y,TANG J,etal.Rice pest insects and diseases diagnosis expert system based on weight self-adjustment artificial neural networks [J].TransactionsoftheChineseSocietyofAgriculturalEngineering,2007,23(6):159-164.

[3]付煥森,李元貴,張雪蓮,等.智能專家系統(tǒng)在蔬菜溫室大棚種植中的應用[J].中國農(nóng)機化學報,2014,35(1):240-244.

FU H S,LI Y G,ZHANG X L,etal.Application of intelligent expert system in greenhouse vegetable planting [J].JournalofChineseAgriculturalMechanization,2014,35(1):240-244.

[4]楊 濤,曾亞文,蕭鳳回,等.藥用大麥及其活性物質(zhì)研究進展[J].麥類作物學報,2007,27(6):1154-1158.

YANG T,ZENG Y W,XIAO F H,etal.Research progress on medicinal barley and its active substance [J].JournalofTriticeaeCrops,2007,27(6):1154-1158.

[5]楊東群,李先德.中國大麥生產(chǎn)格局變化及其決定因素[J].中國農(nóng)學通報,2013,29(32):105-111.

YANG D Q,LI X D.Analysis on the spatial changes of barley production of China and their determinants [J].ChineseAgriculturalScienceBulletin,2013,29(32):105-111.

[6]陳志國.河西走廊地區(qū)啤酒大麥主要病蟲害發(fā)生及防治[J].大麥與谷類科學,2009(4):45-46.

CHEN Z G.Occurrence and control of major pests and diseases on malting barley in hexi corridor [J].BarleyandCerealSciences,2009(4):45-46.

[7]張如標,王蓓蓓,丁煥新,等.氮肥對耐鹽啤酒大麥產(chǎn)量、品質(zhì)及光合功能的影響[J].麥類作物學報,2013,33(1):162-168.

ZHANG R B,WANG B B,DING H X,etal.Effects of nitrogen application amount and ratio on yield,quality and photosynthetic function of malting barley [J].JournalofTriticeaeCrops,2013,33(1):162-168.

[8]王碧波,毋國慶.基于OpenGL的三維仿真系統(tǒng)研究與應用[J].計算機工程與科學,2005,27(12):65-67.

WANG B B,WU G Q.Research of 3D simulation systems based on OpenGL [J].ComputerEngineering&Science,2005,27(12):65-67.

[9]李紅嶺,高曉陽,張明艷,等.大麥莖稈生長動態(tài)模擬模型[J].干旱地區(qū)農(nóng)業(yè)研究,2012,30(4):129-132.

LI H L,GAO X Y,ZHANG M Y,etal.Simulation models of internode dynamic growth in barley [J].AgriculturalResearchintheAridAreas,2012,30(4):129-132.

[10]楊占峰,高曉陽,武季玲,等.甘肅幾個大麥品種莖稈形態(tài)生長模型試驗研究[J].干旱地區(qū)農(nóng)業(yè)研究,2013,31(6):44-49.

YANG Z F,GAO X Y,WU J L,etal.Experimental research on morphologic growing model of stalk for several barley varieties in Gansu [J].AgriculturalResearchintheAridAreas,2013,31(6):44-49.

[11]王明磊,楊建青,李紅嶺,等.大麥田間視頻采集與無線傳輸系統(tǒng)設計[J].中國農(nóng)業(yè)大學學報,2015,20(5):256-261.

WANG M L,YANG J Q,LI H L,etal.Design of image acquisition and wireless transmission system in barley field [J].JournalofChinaAgriculturalUniversity,2015,20(5):256-261.

[12]楊 倩,高曉陽,武季玲,等.基于顏色和紋理特征的大麥主要病害識別研究[J].中國農(nóng)業(yè)大學學報,2013,18(5):129-135.

YANG Q,GAO X Y,WU J L,etal. Identification of barley diseases based on texture color feature [J].JournalofChinaAgriculturalUniversity,2013,18(5):129-135.

Designing and Development of Barley Production Management Expert System Based on Monitoring and Visualization Simulation

HOU Baohua1, GAO Xiaoyang1,2, LI Hongling1, YANG Mei1,WANG Guanping1,ZHAO Ziyi1, LIU Jia1, LIU Yingying1, HE Dawei1

(1.College of Engineering, Gansu Agricultural University,Lanzhou,Gansu 730070,China; 2.Gansu Provincial Key Laboratory of Aridland Crop Science, Gansu Agricultural University,Lanzhou,Gansu 730070,China)

The barley expert system was developed based on the expertise of experienced professionals and the data of barley collected from six ecological zones in Gansu province of China. It mainly provided query, monitoring, simulating visualization, reasoning and decision-making services about barley cultivation. In this system, Visual Basic software was taken as a developmental tool, and OpenGL graphics library in the VC++ and LabVIEW software were used to complete the simulation of growth process and monitoring, and Access software was used to develop database. The experimental debugging results showed that the system was easy to use.For example,it could provide a reasonable decision alternative,and meet the surveillance requirements for a broader area,and compare the actual with simulated growth process of actual with simulated, which provides a new way for users to manage farming field.

Barley expert system;Visualization; Inferential design; Monitoring

2016-01-24

2016-03-18

國家自然科學基金項目(61164001)；干旱生境作物學重點實驗室開放基金課題(1102-11)

E-mail：879352882@qq.com

高曉陽(E-mail:gaoxiao1081@sina.com)

S512.3；TP31

A

1009-1041(2016)08-1113-08

網(wǎng)絡出版時間：2016-08-01

網(wǎng)絡出版地址：http://www.cnki.net/kcms/detail/61.1359.S.20160801.1123.030.html