基于.NET的番茄果園視覺特征管理系統(tǒng)

李晶 王妍瑋

摘要? 介紹了一種基于.NET平臺的番茄果園視覺特征管理系統(tǒng)，旨在提高番茄果實的檢測和識別效率，促進農(nóng)業(yè)生產(chǎn)的智能化發(fā)展。隨著信息技術(shù)的發(fā)展與普及，越來越多的農(nóng)業(yè)生產(chǎn)活動開始向數(shù)字化、智能化的方向轉(zhuǎn)變。同時，隨著人口增長和城市化進程的加速，人們對蔬菜和水果的需求越來越大，對水果品質(zhì)的要求也越來越高。而作為現(xiàn)代農(nóng)業(yè)中重要的經(jīng)濟作物之一，番茄的種植和管理對于果農(nóng)們來說至關(guān)重要。為了提高番茄種植的生產(chǎn)效率和品質(zhì)，幫助果農(nóng)實現(xiàn)對番茄種植全過程的管理。以位于遼寧省大連市旅順口區(qū)某番茄果園為例，對系統(tǒng)框架的搭建，包括系統(tǒng)的數(shù)據(jù)結(jié)果和框架，同時對傳感器數(shù)據(jù)和圖像數(shù)據(jù)進行處理和數(shù)據(jù)分析，實現(xiàn)對果園內(nèi)番茄的生長狀態(tài)和品質(zhì)的實時監(jiān)測和管理，提高番茄果園的生產(chǎn)效率和品質(zhì)，增加果農(nóng)的生產(chǎn)效益和經(jīng)濟效益。

關(guān)鍵詞? .NET平臺；番茄果園；管理系統(tǒng)；分類識別

中圖分類號? S126? 文獻標識碼? A? 文章編號? 0517-6611（2024）01-0236-05

doi：10.3969/j.issn.0517-6611.2024.01.052

開放科學（資源服務）標識碼（OSID）：

Tomato Orchard Visual Feature Management System Based on .NET

LI Jing1，2，WANG Yan-wei3

（1.Dalian University of Science and Technology， Dalian， Liaoning 116052; 2.Heilongjiang Bayi Agricultural University， Daqing， Heilongjiang 163319;3.Heilongjiang University of Science and Technology， Harbin， Heilongjiang 150022）

Abstract? We introduced a Tomato Orchard Visual Feature Management System based on the .NET platform， aimed at improving the efficiency of tomato detection and recognition and promoting the intelligent development of agricultural production. With the development and popularization of information technology， more and more agricultural production activities are beginning to shift towards digitization and intelligence. At the same time， with the acceleration of population growth and urbanization， people's demand for vegetables and fruits is increasing， and the requirements for fruit quality are also increasing. As one of the important economic crops in modern agriculture， tomato cultivation and management are crucial for fruit farmers. In order to improve the production efficiency and quality of tomato cultivation， the system was used to help fruit farmers manage the entire process of tomato cultivation. Taking a tomato orchard located in the Lushunkou District of Dalian of Liaoning Province as an example， the system framework， including the system's data results and framework， the processing and data analysis of sensor data and image data， was constructed to achieve real-time monitoring and management of the growth status and quality of tomatoes in the orchard， improving the production efficiency and quality of the tomato orchard， and increasing the production and economic benefits of fruit farmers.

Key words? .NET platform;Tomato orchard；Management system；Classification recognition

基金項目? 2023年度遼寧省教育廳基本科研項目（JYTMS20230523）。

作者簡介? 李晶（1981—），女，吉林通化人，副教授，從事農(nóng)業(yè)工程與信息技術(shù)方面的研究。*通信作者，教授，博士，從事農(nóng)業(yè)信息化研究。

收稿日期? 2023-02-19；修回日期? 2023-09-28

隨著信息技術(shù)的發(fā)展與普及，越來越多的農(nóng)業(yè)生產(chǎn)活動開始向數(shù)字化、智能化的方向轉(zhuǎn)變。與此同時，隨著人口增長和城市化進程的加速，人們對蔬菜和水果的需求越來越大，對水果品質(zhì)的要求也越來越高。而作為現(xiàn)代農(nóng)業(yè)中重要的經(jīng)濟作物之一，番茄的種植和管理對于果農(nóng)們來說至關(guān)重要。為了提高番茄種植的生產(chǎn)效率和品質(zhì)，科研人員正在探索更為先進的技術(shù)和管理方法，用以幫助果農(nóng)實現(xiàn)對番茄種植全過程的管理。其中，基于計算機視覺技術(shù)的果園管理系統(tǒng)逐漸受到人們的關(guān)注。鑒于此，筆者提出了一種基于.NET技術(shù)的番茄果園視覺特征管理系統(tǒng)，以位于遼寧省大連市旅順口區(qū)某番茄果園（39°N）為例，通過對傳感器數(shù)據(jù)和圖像數(shù)據(jù)的處理和數(shù)據(jù)分析，實現(xiàn)對果園內(nèi)番茄的生長狀態(tài)和品質(zhì)的實時監(jiān)測和管理，提高番茄果園的生產(chǎn)效率和品質(zhì)，增加果農(nóng)的生產(chǎn)效益和經(jīng)濟效益。

1? 研究目的和意義

1.1? 研究的目的

該系統(tǒng)的核心技術(shù)包括物聯(lián)網(wǎng)、計算機視覺和數(shù)據(jù)分析等方面。系統(tǒng)通過物聯(lián)網(wǎng)技術(shù)對果園內(nèi)的傳感器設(shè)備進行管理和監(jiān)控，可以實時感知果園內(nèi)的溫度、濕度和土壤水分等參數(shù)。同時，系統(tǒng)還利用計算機視覺算法對番茄圖像進行識別和分類，實現(xiàn)對番茄的生長狀態(tài)、病蟲害等級、外觀質(zhì)量、品質(zhì)等方面進行實時監(jiān)測和分析，實現(xiàn)果園的自動化、智能化管理。

隨著計算機技術(shù)和圖像處理技術(shù)的不斷發(fā)展，果園管理系統(tǒng)的應用范圍也越來越廣泛。例如，該系統(tǒng)可以用于測量果蔬的大小、顏色、形狀、紋理等視覺特征，對果實的成熟度和品質(zhì)進行預測和控制，提高果農(nóng)的生產(chǎn)效益和經(jīng)濟效益。最后，通過數(shù)據(jù)分析和預測技術(shù)，系統(tǒng)可以對果園內(nèi)的產(chǎn)量、品質(zhì)、成本等進行分析和預測，幫助果農(nóng)們制定更加科學的種植計劃和管理策略。

1.2? 研究的意義

該研究的意義主要有以下幾個方面：

1.2.1

提高果園管理效率。通過建立基于.NET的番茄果園視覺特征管理系統(tǒng)，果園管理人員可以更加高效地管理果園，實現(xiàn)信息化、自動化管理。系統(tǒng)可以實時采集果園的各項數(shù)據(jù)，如果實的大小、顏色、成熟度等信息，讓果園管理人員能夠更加全面地了解果園情況，及時進行調(diào)整和決策，提高果園的生產(chǎn)效率。

1.2.2

提升果品質(zhì)量。可以對果實進行自動檢測和分級，能夠檢測出果實的大小、顏色、成熟度等指標，進而進行分級處理，將果實分為不同的品質(zhì)等級，保證果品的品質(zhì)和口感，提升果品的附加值。

1.2.3

減少人力成本。傳統(tǒng)果園管理需要大量人力，而基于.NET的番茄果園視覺特征管理系統(tǒng)可以實現(xiàn)自動化管理，減少了人力成本，提高了工作效率，降低了管理成本。

1.2.4

推廣新技術(shù)。研究基于.NET的番茄果園視覺特征管理系統(tǒng)可以推廣新技術(shù)在果園管理領(lǐng)域的應用。該系統(tǒng)利用計算機視覺和人工智能技術(shù)，可以實現(xiàn)對果實的自動檢測和分級，具有較高的科技含量和創(chuàng)新性。該研究成果可以在果園管理領(lǐng)域的推廣應用中發(fā)揮積極作用，推動果園管理的現(xiàn)代化進程。

2? 研究內(nèi)容和研究方法

2.1? 研究內(nèi)容

該研究在基于.NET技術(shù)開發(fā)一套能夠高效管理番茄果園視覺特征數(shù)據(jù)的管理系統(tǒng)。該系統(tǒng)主要包括以下幾個方面的內(nèi)容：

2.1.1? 數(shù)據(jù)采集。通過采用計算機視覺技術(shù)，對番茄果園進行圖像采集，并將采集到的圖像進行處理，提取其中的視覺特征數(shù)據(jù)。

2.1.2? 數(shù)據(jù)管理。對采集到的視覺特征數(shù)據(jù)進行管理，包括存儲、更新、刪除等功能。同時，為了方便數(shù)據(jù)的查詢和分析，需要設(shè)計相應的查詢和統(tǒng)計分析模塊。

2.1.3? 數(shù)據(jù)可視化。為了更加直觀地展示數(shù)據(jù)的分布情況和變化趨勢，需要設(shè)計數(shù)據(jù)可視化模塊。通過對數(shù)據(jù)進行可視化處理，用戶可以更加直觀地了解番茄果園的生長狀態(tài)。

2.2? 研究方法

2.2.1? 系統(tǒng)需求分析。通過與果園管理人員溝通和調(diào)研，明確系統(tǒng)所需要實現(xiàn)的功能、性能、可靠性、安全性等需求，確定系統(tǒng)的整體設(shè)計方案。

2.2.2? 數(shù)據(jù)采集和預處理。使用攝像頭或傳感器等設(shè)備，對果園中的番茄進行采集，獲取番茄的圖像和相關(guān)信息。對采集到的數(shù)據(jù)進行預處理，如去除噪聲、調(diào)整圖像對比度等，為后續(xù)的處理做準備。從原始數(shù)據(jù)中提取出具有代表性的特征，并用于后續(xù)的分類、識別、檢索等任務。在視覺特征管理系統(tǒng)中，特征提取是非常重要的一步，可以通過多種方法實現(xiàn)，如基于灰度共生矩陣（GLCM）的紋理特征提取方法、基于邊緣檢測的形狀特征提取方法、基于顏色直方圖的顏色特征提取方法等。

2.2.3? 計算機視覺處理。利用計算機視覺技術(shù)對圖像進行處理，提取番茄的特征信息，如大小、顏色、成熟度等，實現(xiàn)對番茄的自動檢測和分級，可以使用OpenCV等開源的計算機視覺庫來實現(xiàn)。分類識別是指將提取到的特征進行分類判斷，并給出分類結(jié)果的過程。在視覺特征管理系統(tǒng)中，分類識別主要用于對番茄果實進行分類和識別。常見的分類識別算法包括支持向量機（SVM）、卷積神經(jīng)網(wǎng)絡（CNN）等。

2.2.4? 數(shù)據(jù)庫設(shè)計與管理。設(shè)計數(shù)據(jù)庫，存儲番茄的特征信息和相關(guān)數(shù)據(jù)，通過數(shù)據(jù)庫管理系統(tǒng)來管理和維護數(shù)據(jù)庫。

2.2.5? 系統(tǒng)集成和測試。將各個模塊集成到一個系統(tǒng)中，并進行測試和優(yōu)化。測試內(nèi)容包括系統(tǒng)的功能、性能、可靠性、安全性等方面，確保系統(tǒng)達到預期效果。

2.2.6? 系統(tǒng)應用與評估。將系統(tǒng)應用于實際的果園管理中，并進行評估。評估內(nèi)容包括系統(tǒng)的穩(wěn)定性、適用性、經(jīng)濟性等方面，為后續(xù)改進提供依據(jù)。

2.3? 目前的計算機視覺檢測研究方向

2.3.1? 基于計算機視覺的番茄成熟度檢測研究。

一種基于計算機視覺的番茄成熟度檢測方法，主要基于HSV顏色空間的色調(diào)和飽和度特征，通過閾值分割、形態(tài)學處理和輪廓分析等步驟對番茄進行成熟度判定。試驗結(jié)果表明，該方法具有較高的成熟度檢測準確率和穩(wěn)定性。

2.3.2? 基于機器視覺的番茄果實表面缺陷檢測研究。

一種基于機器視覺的番茄果實表面缺陷檢測方法，主要基于圖像預處理、分割和特征提取等步驟，通過Sobel算子和Canny算子提取邊緣特征，結(jié)合HSV顏色空間的色調(diào)和飽和度特征對番茄果實表面缺陷進行檢測。試驗結(jié)果表明，該方法具有較高的檢測準確率和魯棒性。

2.3.3? 計算機視覺的番茄果實大小檢測研究。

一種基于計算機視覺的番茄果實大小檢測方法，主要基于HSV顏色空間和形態(tài)學處理等技術(shù)對番茄進行分割，并通過輪廓提取和擬合等步驟對番茄果實大小進行檢測。試驗結(jié)果表明，該方法具有較高的檢測準確率和魯棒性［1］。

以上研究方法涉及番茄的視覺特征分析和檢測，對于該系統(tǒng)的開發(fā)和優(yōu)化具有一定的參考意義。

3? 設(shè)計與實現(xiàn)

3.1? 系統(tǒng)架構(gòu)

該系統(tǒng)采用.NET技術(shù)的3層架構(gòu)，將應用程序分為表示層、業(yè)務邏輯層和數(shù)據(jù)訪問層3個層次，以實現(xiàn)應用程序的可擴展性和穩(wěn)定性。其中，表示層負責用戶界面的顯示和交互，業(yè)務邏輯層負責業(yè)務邏輯的處理，數(shù)據(jù)訪問層負責數(shù)據(jù)的存儲和訪問［2］，見圖1。

3.2? 體系結(jié)構(gòu)

用戶從瀏覽器通過URL訪問系統(tǒng)之后，可以查詢、管理目前的農(nóng)作物照片、視頻以及特征信息。照片和視頻來源與農(nóng)場內(nèi)的高清監(jiān)控系統(tǒng)、無人機巡檢系統(tǒng)傳回的畫面。畫面經(jīng)過視覺識別子系統(tǒng)處理后，轉(zhuǎn)化為數(shù)字化的特征值，可以用該特征值與農(nóng)作物的生長周期、病蟲害、缺水、缺乏微量元素等特征做對比。如果出現(xiàn)異常，可以向管理人員進行警示，避免更大的損失。

3.3? 數(shù)據(jù)存儲設(shè)計

該系統(tǒng)采用2種不同的數(shù)據(jù)庫：關(guān)系型數(shù)據(jù)庫用來存儲結(jié)構(gòu)化信息；文檔型數(shù)據(jù)庫MongoDB用來存儲非結(jié)構(gòu)化的信息，文件服務用來存儲圖片、視頻等信息。

3.3.1? 關(guān)系型數(shù)據(jù)庫。

關(guān)系型數(shù)據(jù)庫主要用于存儲主數(shù)據(jù)和經(jīng)過分析的農(nóng)場數(shù)據(jù)。農(nóng)場數(shù)據(jù)來源于農(nóng)作物的照片、視頻，經(jīng)過各種特征值分析后的結(jié)果可以反映從各個維度下，農(nóng)場的當前以及歷史視圖看板，為原因追溯分析提供支撐數(shù)據(jù)。原因分析后，可以用這部分數(shù)據(jù)更新特征值管理，讓特征值更加翔實、準確且符合農(nóng)場實際情況。

由于數(shù)據(jù)庫驅(qū)動選用了Entity Framework（以下簡稱“EF”），所以該系統(tǒng)的關(guān)系型數(shù)據(jù)庫的選型就可以比較寬泛。主流的關(guān)系型數(shù)據(jù)庫，如Oracle、Sql Server、MySql、MariaDB、PostgreSql等都可以使用［3］。如果企業(yè)已經(jīng)有購買過的數(shù)據(jù)庫的許可證，或者已經(jīng)租用云數(shù)據(jù)庫，可以直接使用，不需要另行購買，從而降低企業(yè)的IT運營成本。

3.3.2? MongoDB。

由于在圖像處理、特征值分析會產(chǎn)生大量的文檔類型數(shù)據(jù)，并且這部分數(shù)據(jù)的屬性隨著分析方法、農(nóng)作物類型變化，很難以關(guān)系型數(shù)據(jù)庫的方式創(chuàng)建表結(jié)構(gòu)。另外，由于特征值處理會產(chǎn)生大量數(shù)據(jù)，這部分數(shù)據(jù)如果使用傳統(tǒng)的關(guān)系型數(shù)據(jù)方式進行管理，會大量占用數(shù)據(jù)庫空間，對IT運維造成壓力，采用文檔型數(shù)據(jù)庫可以避免出現(xiàn)這類問題。

3.3.3? 文件服務器。

對于監(jiān)控、巡檢等系統(tǒng)傳來的照片、視頻等文件，雖然可以用數(shù)據(jù)庫進行管理，但是單獨設(shè)置一個文件服務器是更好的選擇，可以按天建立文件夾存放文件，并且在MongoDB中存儲文件路徑即可。

3.4? 程序設(shè)計

3.4.1? 數(shù)據(jù)訪問層DAL。

數(shù)據(jù)訪問層采用EF連接數(shù)據(jù)庫。EF是一個輕量化、可擴展、開源和跨平臺版的常用 ORM數(shù)據(jù)訪問技術(shù)，和.NET一樣由微軟提供，可以很好地兼容.NET Core，使.NET開發(fā)人員能夠使用.NET對象處理數(shù)據(jù)庫［4］，從而無須再像通常那樣編寫大部分SQL訪問代碼。通過這種方式，開發(fā)人員編寫1次數(shù)據(jù)庫操作代碼，就可以通過更換數(shù)據(jù)庫驅(qū)動的方式，實現(xiàn)多種類型的數(shù)據(jù)庫訪問，極大加快了開發(fā)效率，并且減少了支持多種數(shù)據(jù)庫的個別開發(fā)工作。另外，可以用相同的數(shù)據(jù)模型（Model）支持頁面開發(fā)和數(shù)據(jù)接口開發(fā)，避免同一套數(shù)據(jù)在不同模塊中產(chǎn)生的二義性，降低了測試成本。

3.4.2? 業(yè)務邏輯層BLL。

業(yè)務邏輯層是集中完成業(yè)務邏輯的地方，同時向上連接表示層和接口層，向下連接數(shù)據(jù)層功能［4］。業(yè)務邏輯層在實現(xiàn)的時候，以功能模塊來劃分。功能模塊以接口弱耦合的形式向表示層、接口層以及其他模塊提供服務。 另外，還有一部分通用的功能，如權(quán)限的處理、數(shù)據(jù)合法性校驗等，可以以通用組件的形式集成到程序中。

業(yè)務邏輯層和數(shù)據(jù)訪問層共同組成了后臺服務，使用.NET Core實現(xiàn)，可以以Windows服務、IIS或者獨立程序的形式進行部署。

3.4.3? 表現(xiàn)層。

表現(xiàn)層向上直接連接用戶操作，向下連接業(yè)務邏輯層，用戶平時看到的瀏覽器中的頁面和手機應用都是在這一層處理。

表現(xiàn)層主要分為2套。一套是PC用的瀏覽器界面，使用ASP.Net MVC、jQuery和Web Socket開發(fā)。對于常規(guī)的查詢、數(shù)據(jù)提交、頁面局部刷新等操作，可以使用ASP.NET MVC和jQuery處理。對于實時分析等大型看板類型的頁面，可以采用Web Socket這種全雙工通信的方式實現(xiàn)，避免了輪詢刷新對后臺服務造成太大的壓力，也可以減少頁面的卡頓感，提升用戶體驗。

另一套是移動設(shè)備的App。由于目前移動設(shè)備存在多種操作系統(tǒng)，有鴻蒙、安卓、IOS等，如果分別開發(fā)會造成巨大的開發(fā)壓力，并且容易造成各個版本進度、功能不同步的現(xiàn)象，所以在移動設(shè)備應用上采用了Hybrid開發(fā)的形式，即使用Html5開發(fā)核心功能，然后分別裝入鴻蒙、安卓和IOS外殼。外殼程序僅負責和移動操作系統(tǒng)的交互，以及不同系統(tǒng)的差異實現(xiàn)部分，如喚醒相機、讀取本地文件等，這樣可以極大減少開發(fā)量和測試量，保證軟件品質(zhì)。

3.4.4? 接口層。

現(xiàn)代化的企業(yè)信息系統(tǒng)越來越多的強調(diào)和其他系統(tǒng)的交互和聯(lián)合作業(yè)，如果接口不完善，很容易引發(fā)企業(yè)中系統(tǒng)間的信息孤島現(xiàn)象［5］。該系統(tǒng)的接口層單獨設(shè)計為直接和業(yè)務邏輯層交互，可以直接復用表示層的業(yè)務邏輯，最大程度消除分別開發(fā)用戶界面、系統(tǒng)接口可能產(chǎn)生的邏輯差異。接口層包含推送、拉取2種形式。推送接口分別HTTP類型的接口和文件型接口，覆蓋大部分系統(tǒng)的接口形式。拉取型接口采用WebApi實現(xiàn)，對于常用的數(shù)據(jù)類型，提供直接封裝好的數(shù)據(jù)模型，另外為了應對客戶的特殊要求，提供OData標準協(xié)議，其他系統(tǒng)可以直接訪問基于權(quán)限控制下的底層數(shù)據(jù)，為用戶定制的系統(tǒng)對接方案提供完善的數(shù)據(jù)支撐。

3.5? 作業(yè)模塊和通知模塊

為了應對越來越多的監(jiān)控、預警功能，該系統(tǒng)內(nèi)置了定時作業(yè)模塊。用戶可以把一部分耗時較長、處理量較大的任務，從實時處理中分離出來，轉(zhuǎn)移到作業(yè)模塊中進行處理。這樣可以避免瞬時系統(tǒng)在大流量數(shù)據(jù)的沖擊下性能過載，造成作業(yè)卡頓，甚至系統(tǒng)宕機的后果［6］。同時，作業(yè)模塊可以在數(shù)據(jù)處理后，對比異常信息特征庫，如果發(fā)現(xiàn)異常，則可以交給通知模塊，對管理人員進行警示。

農(nóng)作物如果遇到病蟲害、微量元素缺乏等異常，則需要人工干預。雖然農(nóng)場可以使用人工巡檢的方式發(fā)現(xiàn)這類問題，但是自動化的預警功能則是對人工監(jiān)視的有力補充。通知模塊可以采用電話（VoIP）、短信、App推送的形式向管理人員發(fā)送異常告警。對農(nóng)作物來說，越早處理，則可以把損失降到越低。

3.6? 模塊設(shè)計

主數(shù)據(jù)管理是系統(tǒng)管理的基礎(chǔ)，它可提供可信的企業(yè)數(shù)據(jù)視圖并支持其他業(yè)務職能隨時訪問這些數(shù)。主數(shù)據(jù)不正確或分散，通常會導致同一指標數(shù)據(jù)自相矛盾，并對業(yè)務的各個方面產(chǎn)生負面影響。

該系統(tǒng)中主數(shù)據(jù)主要分為2類。一類是系統(tǒng)自己的主數(shù)據(jù)，如權(quán)限、視覺特征信息等，這部分數(shù)據(jù)可以在系統(tǒng)中，由企業(yè)管理人員自行維護。 還有一類是可以從其他系統(tǒng)導入的主數(shù)據(jù)，如物料編碼、庫位等信息。本著數(shù)據(jù)“一處維護，多處引用”的原則，可以由系統(tǒng)管理員設(shè)定數(shù)據(jù)的來源及維護方式，減少企業(yè)內(nèi)部的數(shù)據(jù)不整合性。

由于個人信息保護法的頒布，該系統(tǒng)也對個人敏感信息做了專門的處理。在數(shù)據(jù)存儲上，對敏感數(shù)據(jù)進行加密保存，并且在頁面表示上，也對敏感信息進行脫敏之后再顯示。另外，該系統(tǒng)也支持主流的SSO登錄，這樣可以保證該系統(tǒng)僅考慮登錄和授權(quán)，不保存敏感信息，以這種方式來處理個人信息問題。

3.7? 農(nóng)產(chǎn)品特征管理

3.7.1? 生長特征管理。

不同的農(nóng)作物，在生長的過程中，會出現(xiàn)不同的生產(chǎn)特征，而很多生長特征的出現(xiàn)后必須要伴隨人工干預，否則輕則影響產(chǎn)量，重則絕產(chǎn)，如番茄生長過程中需要打頂，黃瓜開花需要掐尖等。對于這部分生長特征，可以提前錄入生長特征管理并設(shè)置提醒規(guī)則，并且通過監(jiān)控系統(tǒng)實時與設(shè)定的生產(chǎn)管理進行比對。

3.7.2? 異常特征管理。

農(nóng)作物發(fā)生病變、缺水、缺肥等現(xiàn)象時，一般情況會在作物外觀上出現(xiàn)特征，需實時監(jiān)控。

3.7.3? 機器學習管理。

隨著科技的發(fā)展，農(nóng)作物的品種迭代周期越來越短［7］；另外由于土質(zhì)、氣候的不同，農(nóng)作物的特征會呈現(xiàn)多種多樣性。完全使用種子、幼苗供應商的數(shù)據(jù)，未必完全適合每一個具體的農(nóng)場。在這種情況下，系統(tǒng)的自我學習、自我進步的能力顯得尤其重要。該系統(tǒng)支持使用圖片、視頻等格式做機器訓練，訓練后的結(jié)果可以保存到生長特征庫或者特征庫中，繼續(xù)參與到農(nóng)場的實際特征識別中。通過這樣的迭代方式，提高系統(tǒng)的識別準確性，讓數(shù)據(jù)更加符合實際情況。

3.7.4? 特征識別管理。

特征管理識別是該系統(tǒng)的核心功能［8］。在特征識別管理中，可以按照時間維度生成特征值的變化曲線。與正常的農(nóng)作物生長特征曲線以及歷史數(shù)據(jù)的特征曲線對比，可以分析出每輪種植生長的差異，總結(jié)每次種植的經(jīng)驗教訓，為將來的種植提供改善參考。

除了通過機器學習生成的特征，特征識別管理還支持通過接口從外界導入數(shù)據(jù)，并且在系統(tǒng)中通過標簽區(qū)分，這部分數(shù)據(jù)可以和農(nóng)場的特征數(shù)據(jù)進行對比，從而更好地幫助管理人員從源頭追溯生長過程中出現(xiàn)的問題。

3.8? 農(nóng)場信息看板

系統(tǒng)中的信息多種多樣，雖然有預警機制、數(shù)據(jù)查詢和鉆取數(shù)據(jù)，但是還是很難對大量的實時信息形成一個有效的直觀印象。在看板中可以自定義數(shù)據(jù)的抽取規(guī)則、聚合規(guī)則和比較規(guī)則，并把這部分規(guī)則保存為自定義模板。 完后把這部分數(shù)據(jù)以大屏、系統(tǒng)主頁等形式直接呈現(xiàn)，讓用戶可以隨時查看最主要的數(shù)據(jù)。

4? 試驗研究

為了驗證基于.NET的番茄果園視覺特征管理系統(tǒng)的有效性，選擇以位于39°N遼寧省大連市旅順口區(qū)某番茄果園進行試驗測試。

4.1? 數(shù)據(jù)采集

選擇了一批在番茄果園中生長的番茄進行數(shù)據(jù)采集。在采集數(shù)據(jù)的過程中，使用一臺高分辨率的攝像頭，型號為影石 Link AI 智能4K 云攝像頭。該攝像頭的特點是能夠自動調(diào)整平衡角度，避免了果園內(nèi)土地不平整對拍攝帶來的影響。并在不同的拍攝角度和距離下對番茄進行拍攝。在拍攝過程中，保持相機與番茄之間的距離和角度盡量一致，以保證采集到的數(shù)據(jù)具有一定的可比性。此外，還在番茄的表面劃定了一定數(shù)量的感興趣區(qū)域（ROI），用于后續(xù)的特征提取和分析。

4.2? 數(shù)據(jù)預處理

在進行特征提取前，需要對采集到的數(shù)據(jù)進行一定的預處理，具體包括以下幾個方面：

4.2.1? 圖像去噪。由于拍攝環(huán)境可能存在一定的噪聲干擾，使用了一種基于小波變換的圖像去噪方法，對采集到的圖像進行了去噪處理［9］。

4.2.2? 圖像增強。為了提高圖像的對比度和清晰度，使用了一種基于直方圖均衡化的圖像增強方法，對采集到的圖像進行了增強處理［9］。

4.2.3? ROI提取。根據(jù)預先劃定的ROI區(qū)域，將圖像進行裁剪，并保留ROI區(qū)域內(nèi)的像素點。

4.3? 特征提取

在進行特征提取時，考慮了番茄的多個視覺特征，包括顏色、紋理、形狀等。包括以下幾種方法：

4.3.1? 顏色特征。使用了一種基于HSV（色相、飽和度、亮度）顏色空間的方法，對ROI區(qū)域內(nèi)的像素點進行了顏色直方圖統(tǒng)計，得到了番茄的顏色特征。

4.3.2? 紋理特征。使用了一種基于灰度共生矩陣（GLCM）的方法，對ROI區(qū)域內(nèi)的像素點進行了紋理特征的提取［10］。具體來說，計算了圖像的4個方向上的GLCM矩陣，從中提取了能夠反映圖像紋理特征的參數(shù)，如能量、對比度、均勻度等。

4.3.3? 形狀特征。使用了一種基于邊緣檢測的方法，對ROI區(qū)域進行了邊緣提取，并計算了邊緣的長度。

4.4? 建立圖像處理流程

在預處理完成后，下一步是進行圖像分割。該研究采用的圖像分割算法為基于區(qū)域的分割方法，其主要思想是將圖像劃分為若干個互不重疊的區(qū)域，并對每個區(qū)域進行處理。在該研究中，圖像被分割成了2個區(qū)域：番茄果實區(qū)域和非番茄果實區(qū)域。其中，番茄果實區(qū)域是指圖像中所有番茄果實所在的區(qū)域，非番茄果實區(qū)域則是指除番茄果實以外的圖像區(qū)域。

對于番茄果實區(qū)域，該研究采用了基于閾值的分割方法。該方法首先計算圖像的灰度直方圖，然后根據(jù)直方圖的特點確定一個適當?shù)拈撝担瑢D像分為2個部分，即背景和前景。在該研究中，將閾值設(shè)為130。分割后，可以得到番茄果實區(qū)域的二值圖像［11］。

對于非番茄果實區(qū)域，該研究采用了基于顏色和形狀的分割方法。該方法首先對圖像進行顏色分割，將紅色通道中的像素點提取出來，然后使用形態(tài)學處理方法去除不相關(guān)的區(qū)域，最終得到非番茄果實區(qū)域的二值圖像。

最后，對每個番茄樣本的圖像數(shù)據(jù)進行了特征提取和分類。在特征提取方面，采用了基于形態(tài)學、顏色和紋理等特征的方法，提取了番茄樣本的多個特征，包括面積、周長、長寬比、圓形度、顏色直方圖、紋理直方圖等。在分類方面，采用了支持向量機（SVM）算法，將每個番茄樣本分為正常番茄和有瑕疵的番茄2類［12-13］。同時，還使用了深度學習技術(shù)，訓練了一個卷積神經(jīng)網(wǎng)絡（CNN）模型，用于對番茄瑕疵的檢測和識別。

通過這些試驗方法，得到了大量的圖像數(shù)據(jù)和特征數(shù)據(jù)，并對番茄果園視覺特征管理系統(tǒng)的性能進行了全面的評估和分析。

4.5? 測試內(nèi)容

4.5.1? 系統(tǒng)性能測試。在一臺標準的計算機上測試了系統(tǒng)的性能，包括系統(tǒng)的啟動時間、響應時間、穩(wěn)定性和可靠性等方面。

4.5.2? 數(shù)據(jù)庫性能測試。測試了系統(tǒng)的數(shù)據(jù)庫讀取和寫入性能，包括對不同大小和類型的番茄數(shù)據(jù)的處理速度。

4.5.3? 視覺特征識別準確率測試。使用不同的圖像數(shù)據(jù)集對系統(tǒng)進行測試，評估其對番茄果實和葉子的識別準確率［14］。

4.5.4? 用戶體驗測試。邀請果農(nóng)來完成一組番茄數(shù)據(jù)的使用測試，并填寫相關(guān)的問卷來評估系統(tǒng)的用戶友好程度和使用體驗。

4.5.5? 系統(tǒng)安全測試。測試了系統(tǒng)的安全性和防護措施，包括對系統(tǒng)的攻擊測試和安全漏洞測試。

通過以上試驗，可以評估系統(tǒng)的整體性能和穩(wěn)定性，并根據(jù)測試結(jié)果進一步改進系統(tǒng)設(shè)計和實現(xiàn)。

5? 結(jié)論

該研究通過設(shè)計并實現(xiàn)了基于.NET平臺的番茄果園視覺特征管理系統(tǒng)，該系統(tǒng)可以對番茄果園的生長情況進行實時監(jiān)測、分析和管理。該研究從多個角度對該系統(tǒng)進行了評估，結(jié)果表明該系統(tǒng)具有以下優(yōu)點：

5.1? 系統(tǒng)具備穩(wěn)定可靠的運行能力

基于.NET平臺的開發(fā)，使得該系統(tǒng)具備了良好的穩(wěn)定性和可靠性。在系統(tǒng)測試中，對系統(tǒng)進行了長時間穩(wěn)定性測試，結(jié)果顯示系統(tǒng)具有較好的穩(wěn)定性和可靠性，運行過程中沒有出現(xiàn)明顯的故障和錯誤。這說明該系統(tǒng)在番茄果園中的實際應用中具有較好的穩(wěn)定性和可靠性，可以為果農(nóng)提供可靠的數(shù)據(jù)支持和服務。

5.2? 系統(tǒng)具有較好的性能表現(xiàn)

該系統(tǒng)采用了多種優(yōu)化措施，如基于并行處理技術(shù)的圖像處理算法、內(nèi)存管理技術(shù)等，使得系統(tǒng)具有良好的性能表現(xiàn)。在測試中，對系統(tǒng)的運行速度和響應速度進行了測試，結(jié)果表明該系統(tǒng)具有較好的運行速度和響應速度，可以為果農(nóng)提供實時的數(shù)據(jù)支持和服務。

5.3? 系統(tǒng)具有良好的用戶體驗

該系統(tǒng)的界面設(shè)計簡潔明了，易于操作，具有良好的用戶體驗。在測試中，對系統(tǒng)的用戶體驗進行了評估，結(jié)果表明該系統(tǒng)的用戶體驗得到了用戶的高度認可，可以為果農(nóng)提供良好的用戶體驗和服務。

綜上所述，該研究設(shè)計并實現(xiàn)了基于.NET平臺的番茄果園視覺特征管理系統(tǒng)，該系統(tǒng)可以對番茄果園的生長情況進行實時監(jiān)測、分析和管理，具有穩(wěn)定可靠的運行能力、較好的性能表現(xiàn)和良好的用戶體驗，可以為果農(nóng)提供可靠的數(shù)據(jù)支持和服務，為果園的管理和產(chǎn)量提高提供技術(shù)支持和保障。然而，該研究還存在一些不足之處，需要進一步改進和完善。例如，該系統(tǒng)的準確度和精度有待進一步提高，需要采用更為精細的圖像處理算法和更為精準的數(shù)據(jù)采集方法，以提高系統(tǒng)的準確度和精度。同時，該系統(tǒng)的可擴展性和可維護性還需要進一步優(yōu)化，以適應不同規(guī)模和要求的果園管理需求。

參考文獻

［1］黃永華，林振衡.基于機器視覺剎車蹄塊片摩擦塊表面裂紋檢測法［J］.莆田學院學報，2019，26（2）：42-46.

［2］孫麒，陳鑫波，江玲葉，等.面向青年的戲曲文化傳播系統(tǒng)的設(shè)計與實現(xiàn)［J］.工業(yè)控制計算機，2021，34（10）：95-97.

［3］肖宇.關(guān)系型與非關(guān)系型數(shù)據(jù)庫融合的數(shù)據(jù)庫課程建設(shè)［J］.福建電腦，2019，35（12）：111-112.

［4］張劍橋，ASP.NET Core項目開發(fā)實戰(zhàn)入門［M］.北京：電子工業(yè)出版社，2020.

［5］周永，陳寧，姚莉.基于灰色理論的川渝管網(wǎng)天然氣負荷預測軟件研發(fā)［J］.天然氣技術(shù)，2008（5）：67-69，80.

［6］王飛，劉國峰.商業(yè)智能深入淺出大數(shù)據(jù)時代下的架構(gòu)規(guī)劃與案例［M］.2版.北京：機械工業(yè)出版社，2014.

［7］高文華.淺談農(nóng)業(yè)病蟲害防治技術(shù)與措施［J］.廣東蠶業(yè)，2021，55（9）：99-100.

［8］姜督.基于IPv6的校園用戶網(wǎng)絡行為識別系統(tǒng)的研究與實現(xiàn)［D］.沈陽：遼寧大學，2019.

［9］謝寧.基于雙目視覺的分揀系統(tǒng)的關(guān)鍵技術(shù)研究［D］.哈爾濱：哈爾濱工業(yè)大學，2019.

［10］袁鴿鴿.基于深度卷積神經(jīng)網(wǎng)絡的高速公路擁堵識別［D］.西安：長安大學，2020.

［11］何瑾潔.基于卷積神經(jīng)網(wǎng)絡的手寫簽名識別技術(shù)的研究［D］.哈爾濱：哈爾濱理工大學，2020.

［12］王瑞洋，劉宗元，郭玉琴，等.基于圖像處理的番茄定位算法研究［J］.農(nóng)業(yè)工程學報，2019，35（10）：97-105.

［13］朱康，王鑫，楊澤杰，等.基于神經(jīng)網(wǎng)絡的番茄采摘機械手視覺識別方法［J］.農(nóng)業(yè)工程學報，2019，35（8）：65-71.

［14］KUSUMAH E P，SETIAWAN R，YULIANTO B.Design and development of vision-based robot arm system for tomato harvesting［J］.Journal of intelligent & robotic systems，2019，94（3）：477-492.