基于Android的玉米病蟲害機器視覺診斷系統研究

田 磊，李 麗，王明緒

(1.河南工業職業技術學院，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研究

田 磊1，李 麗2，王明緒1

(1.河南工業職業技術學院，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)

為了使農業智能診斷系統更加廉價、便捷，有效地為普通農戶服務，提出了一種基于Android手機的農業病蟲害智能診斷系統。該系統使用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上傳至Web服務器，利用分割和匹配算法對病蟲害部分進行智能化分析，最終將結果傳輸到手機用戶端。為實現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服務器的規則庫的圖像進行匹配后可以生成病蟲害的匹配結果信息，該信息可以通過Android智能系統接收，最終反饋給農戶的手機客戶端。通過測試發現：玉米病蟲害診斷系統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，系統的穩定性較好，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，我國的農業科研人員應用了多種終端對小麥、蘋果、玉米等農作物的栽培、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 等應用終端沒有得到普通農戶的認可。其原因主要是智能系統應用功能單一，價格又極其昂貴，且對網絡環境的依賴性非常強。再者，Windows 操作系統是目前農業智能系統開發的主要平臺，使其在免費性、開源性和人機交互等方面較差，沒有得到更好的發展。通過總結可以發現，尋求一種針對普通用戶的農業智能系統應用終端界面，能更加簡單并且能為其構建一個開源、免費的開發環境，是目前的大勢所趨，對我國農業科技新技術、新成果及推動農產業的快速發展有重要意義。

近年來，全球智能手機發展迅速，自從Google 發布Android 操作系統和中國4G 網絡覆蓋工程，中國的4G 智能手機發展的更加迅速。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用。一方面，Android 4G 智能手機功能強大，具有通話、上網、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操作系統不僅軟件應用方便實用，而且支持觸屏、語音等強大的功能，推進了人機交互技術，極大推進了開源免費以及操作更具人性化的農業智能系統的發展。

為了使農業智能診斷系統更加廉價、便捷，有效地為基層普通農戶服務，提出了一種基于Android手機的農業病蟲害智能診斷系統，構建了開源、免費的通用開發環境，并以玉米病蟲害智能診斷為例，設計了基于Android系統的玉米病蟲害智能診斷系統，為同類的系統開發和移植提供了技術參考。

1 Android智能診斷系統總體框架設計

1.1 玉米病蟲害Android智能診斷系統總體設計

玉米病蟲害Android智能診斷系統的總體設計主要包括圖像匹配算法設計、匹配規則庫設計和Android智能系統設計，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智能系統上傳到Web服務器的規則庫進行圖像匹配；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據進行匹配；通過匹配可以得到病蟲害的類型數據，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計

為了實現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。假設逼近函數Z(1,2)，該函數可以寫成

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

(5)

假設逼近前特征點的距離為xk、yl，則逼近的距離函數可以寫成

(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定的最小閾值時，系統會提示匹配成功，并顯示匹配結果。

2 玉米病蟲害診斷Android智能系統設計

為了開發玉米病蟲害診斷系統，構建了通用的應用系統開發環境。該開發環境是Linux 操作系統下由JDK+Eclipse +Android SDK+ADT構建，并借助Jena平臺對Web圖像匹配的規則庫進行開發。其推理機制如圖2所示，智能系統結構如圖3所示。

圖2 推理工作機制

圖3 智能系統結構圖

目前，Jena支持基于RDFS和OWL等語義的推理，支持RDQL語義網查詢語言。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，如子類父類關系公理和排他關系公理。玉米蟲害本體庫用OWL表示如下:

......

針對Android 手機在數據庫支持和硬件資源等方面相對有限的特點，系統的主要結構包括人機交互界面、推理機制、規則庫和數據庫等。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的環境變量，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。在集成環境安裝的過程中需要根據提示，選擇合適的安裝路徑和環境變量，便可搭建Android智能系統的開發環境，并生產apk文件。

圖5 Eclipse集成軟件下載

3 智能玉米病蟲害診斷系統測試

為了驗證系統的有效性和可靠性，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

為了驗證系統的有效性，本次研究選取了葉片病蟲害結構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現，在R通道病蟲災害區域與健康區域的灰度差異較大，所以可以首先將R通道進行圖像分割，結合特征點的提取，結果如圖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域，提高圖像的匹配效果，先將病蟲害區域以外的圖像當作噪聲區合理的去除，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果。分割后的圖像和規則庫的圖像進行匹配后可以生成病蟲害的匹配結果信息，該信息可以通過Android智能系統接收，最終反饋給農戶的手機客戶端。

圖9 病蟲害匹配結果

表1表示利用Android智能玉米病蟲害診斷系統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果。為了使結果更加精確可靠，采集了8組不同病蟲害個數的圖像，并利用Android智能系統上傳到上位機。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，系統的穩定性較好。

表1 病蟲害類型匹配個數

4 結論

1)提出并設計了基于Android系統的玉米病蟲害診斷系統。該系統支持無線網絡傳輸，擺脫了有線網絡環境的輸入，并且簡單實用，是一種農村基層使用手機診斷病蟲害的有效方法。

2)使用Android系統構建了人機交互界面，并開發了系統的通用環境。該環境具有開源性，便于二次開發。

3)系統以Jena為數據庫平臺，實現了圖像匹配規則庫的設計，有利于不斷完善系統的規則庫，提高了系統的病蟲害診斷效果。

[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絡視頻編碼研究[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絡的JPEG圖像編碼算法[J].傳感技術學報,2011,24(10):1489-1495.

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

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

[6] 張強,孫雨耕,楊挺,等.無線傳感器網絡在智能電網中的應用[J].中國電力,2010,43(6):31-36.

[7] 庾志成.移動互聯網的發展現狀和發展趨勢[J].移動通信,2008(5):22-24.

[8] 危貴川.2008-2009年中國移動互聯網產業評述[J].電子商務,2009(4):32.

[9] 孟博,姚國祥.結構化 P2P 網絡模型Tapestry 的改進方案[J].計算機工程與設計，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實現與應用[J].電視技術,2011,35(21):84-89.

[12] 畢抒,任明,王成道.小波變換在圖像鑲嵌技術中的研究[J].計算機工程與應用,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[J].指揮技術學院學報,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. 小波分析及其應用[M]. 北京：電子工業出社,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].微機發展, 2003,13(2):59-61.

[19] 宋利,周源華,周軍. 基于復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 的對等網絡內容搜索技術的研究[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