基于智能圖像識別的番茄典型病害遠程診斷系統研究

楊健　鄒陽

摘 要：為提高小麥生產調控管理水平，設計實現了基于智能圖像處理的番茄典型病害遠程診斷系統。采用瀏覽器/服務器（Browser/Server）模式，通過遠程監控收集番茄病變信息，融合番茄生理生態指標進行分析診斷。將專家識別番茄病害的知識與數字圖像處理、神經網絡等技術相結合，對番茄生長過程中產生的病害構建相應特征數據庫，進行快速診斷，用戶可通過計算機與智能終端獲取番茄生長資源。研究表明，該系統有助于提高番茄生產效率，減少資源浪費與農業污染。

關鍵詞：智能圖像處理；神經網絡；番茄病害數據庫；遠程診斷系統

DOI：10.11907/rjdk.171396

中圖分類號：TP317.4 文獻標識碼：A 文章編號：1672-7800（2017）009-0199-03

Abstract：In order to improve the control and management level of wheat production， this paper designs and implements a remote diagnosis system for typical tomato diseases based on intelligent image processing. The system uses browser / server mode， through remote monitoring tomato disease information collection， integration of Tomato Physiological and ecological indicators for analysis and diagnosis. The expert identification of tomato diseases and knowledge of digital image processing and neural network technology to combine the growth of tomato produced during disease to construct the corresponding characteristic database， rapid diagnosis， users can access the growth of tomato resources through computer and intelligent terminal. Research shows that the system can help to improve the production efficiency， reduce the waste of resources and agricultural pollution.

Key Words：intelligent image processing； neural network； tomato； database； remote diagnosis system

0 引言

番茄是茄科，屬一年生或多年生草本植物，原產于南美洲，因其果實營養豐富，在中國南北方廣泛栽培。由于分布廣泛，容易遭遇各種蟲害與病害影響，如白粉虱、灰霉病、灰葉斑病、莖基腐病等，嚴重影響其正常生長與產量[1]。目前國內自動化檢測水平較低，信息采集時效性較差，如何快速準確提取番茄生長過程中的病害信息，采用智能化監控與診斷，提高番茄產量和品質，是當今農業生產中亟需解決的重要問題。我國農民科技、文化素質普遍偏低，擁有番茄病害診斷知識的專家并沒有時間與精力下到田間、大棚進行指導。基于智能圖像處理的遠程番茄典型病害診斷系統，進一步解決了上述問題。

1 系統總體分析與設計

在對番茄病害及診斷方法進行全面分析研究的基礎上，運用計算機網絡遠程技術、智能圖像識別技術對番茄病害進行推理與診斷。基于我國番茄種植業基本現狀與現實需求，構建了基于智能圖像處理的遠程番茄病害診斷系統。總體采用B/S結構，應用JAVAScript與VB等語言構建數據庫系統，使用Matlab與VC++語言開發了基于圖像識別的診斷系統（見圖1）。

此系統框架包含以番茄基本知識為基礎的數據庫子系統，收集了10種番茄典型病害的數據知識，為系統完成精確診斷提供數據支持，是構建診斷系統的基石。以建立的600多張番茄典型病害圖片數據庫快速診斷子系統為第二層次。通過對數據庫中番茄病害的數據進行提煉以及相關專家對番茄病害進行推理，形成番茄病害診斷模型，為診斷系統的第三層次。采用高清攝像頭、數字掃描儀、服務器與手機終端等設備，為此診斷系統提供了硬件保障。

2 系統詳細設計與實現

2.1 番茄圖像分割

圖像分割就是把圖像分成若干個特定的、具有獨特性質的區域，并提出感興趣目標的技術和過程。它是由圖像處理到圖像分析的關鍵步驟。現有的圖像分割方法主要分以下幾類：基于閾值的分割方法、基于區域的分割方法、基于邊緣的分割方法以及基于特定理論的分割方法等[2] 。本系統采用直方圖閾值法進行圖像分割，根據采集的番茄病害圖像組成結構將圖像劃分為若干個互不相交的子區域，通過Matlab軟件實現。其算法如下：

clc；clear；close；

[filename，pathname]=uigetfile（'*.png'，'請選擇波形文件'）；

I=imread（strcat（pathname，filename））；

I1=rgb2gray（I）；

figure；

subplot（2，2，1）；

imshow（I1）；endprint

title（'灰度圖像'）

grid on； %顯示網格線

axis on； %顯示坐標系

[m，n]=size（I1）； %測量圖像尺寸參數

GP=zeros（1，256）； %預創建存放灰度出現概率的向量

for k=0：255

GP（k+1）=length（find（I1==k））/（m*n）； %計算每級灰度出現的概率，將其存入GP中相應位置

end

subplot（2，2，2），bar（0：255，GP，'g'） %繪制直方圖

title（'灰度直方圖'）

xlabel（'灰度值'）

ylabel（'出現概率'）

I2=im2bw（I，150/255）；

subplot（2，2，3），imshow（I2）；

title（'閾值150的分割圖像'）

grid on； %顯示網格線

axis on； %顯示坐標系

I3=im2bw（I，200/255）；

subplot（2，2，4），imshow（I3）；

title（'閾值200的分割圖像'）

grid on； %顯示網格線

axis on；

選取的閾值應位于兩個不同峰之間的谷上，從而將各個峰隔開。以番茄病害白粉虱與炭疽病為例進行了圖像分割研究，如圖2、圖3所示。從圖3可以看出，直方圖被分成了兩大區域，灰度值20-120為一個區域，120-180為一個區域，且各有一個明顯的波峰，一個位于100處，一個位于150處。

對番茄病害圖像進行研究發現，用圖像診斷番茄病害，能較容易區分發生在不同部位的病害，但是葉片部位由于發生部位相同、癥狀相似，很難區分開來 [3] 。

2.2 數據庫建立

數據庫中圖像識別特征字段包含的番茄病害顏色特征有R、G、B、R/（G+B）、G/（R+B）、B/（R+G）、H、I、S等9個[4] 。紋理特征設置了局部平穩性、慣性矩、相關性、能量值等4個。為了后期能混合編程實現，數據庫設計了4張表：番茄病害表、部位表、識別特征信息表、圖像識別特征表。已建成番茄典型病害圖像識別診斷特征數據，包含白粉虱、灰霉病、灰葉斑、莖基腐、枯萎病、潰瘍病、葉霉病等7種番茄典型病害。番茄病害診斷特征數據庫是整個系統的核心，通過圖像識別診斷番茄病害，其準確率均取決于所構建圖像特征數據庫的樣本量。因此，隨著后期數據庫的不斷擴充與完善，其準確率會越來越高。

2.3 番茄病害論斷與知識的神經網絡表達

思維學普遍認為，人類大腦的思維分為抽象（邏輯）思維、形象（直觀）思維與靈感（頓悟）思維3種基本方式[5] 。人工神經網絡就是模擬人思維的第二種方式。這是一個非線性動力學系統，其特色在于信息的分布式存儲與并行協同處理。雖然單個神經元的結構極其簡單，功能有限，但大量神經元構成網絡系統所能實現的行為卻是極其豐富多彩的[6] 。在神經網絡拓撲中，如何確定輸出與輸入節點非常重要。1個3層BP網絡可以完成任意N維到M維的映射。本系統的神經網絡結構就是采用1個隱層，隱層節點數的確定采用經驗公示確定：m=log2n。權值與閾值是每訓練一次，就調整一次。逐步試驗得到隱層節點數，需先設置一個初始值，然后在其基礎上逐漸增加，比較每次網絡的預測性能，選擇性能最好的對應節點數作為隱層神經元節點數。通過net=newff（P，T，S）與feedforwardnet函數指定隱層節點數。還需設定神經網絡的系統精度、最大訓練次數、輸入層數目、輸出層數目[7] 。系統精度是根據需要來定義網絡訓練誤差精度，誤差公式是對訓練出網絡輸出層節點與實際網絡輸出結果求平方差的和。最大訓練次數可根據需要來進行調整，一旦達到最大設定的訓練次數，而精度還未達到要求，程序就會退出。本系統采用BP訓練算法，圖4、圖5是對番茄典型病害白粉虱病的樣本進行訓練。

3 結語

目前系統還處于不斷測試和訓練中，結果表明，番茄典型病害診斷比較精準，已經達到預期效果。因為番茄病害種類較多，影響因子較為復雜，在建立番茄病害診斷數據庫、圖像識別算法等方面還需進一步加強與優化。隨著算法優化以及不斷訓練，可以給種植戶提供更方便快捷的服務。

參考文獻：

[1] 張春紅，裘曉峰，夏海輪，等.物聯網技術與應用[M].北京：人民郵電出版社，2011.

[2] 劉海濤，馬建，熊永平.物聯網技術應用[M].北京：機械工業出版社，2011.

[3] 趙偉，孫忠富，杜克明.基于GPRS和WEB的溫室遠程自動控制系統設計與實現[J]. 微計算機信息，2010，26（11）：20-22.

[4] 陳世軍.基于SOCKET技術的計算機遠程控制實現[J].計算機光盤軟件與應用，2012（2）：124-126.

[5] 趙楊，苗則彥，李穎，等.番茄灰霉病防治研究進展[J].中國植保導刊，2014（7）：21-29.

[6] 宋建軍，王琳珊，田鵬，等.番茄主要病害抗病基因分子標記的研究進展[J].東北農業大學學報，2012（4）：1-10.

[7] 陳娟.安徽省番茄主要病害的發生與防治[J].農業災害研究，2015 （10）：8-15.

（責任編輯：何 麗）endprint