曹旨昊，牟少敏，孫肖肖，蘇婷婷

(山東農(nóng)業(yè)大學(xué) 信息科學(xué)與工程學(xué)院，山東 泰安 271018)

蟲害是影響農(nóng)作物產(chǎn)量的一個重要因素，及時發(fā)現(xiàn)和控制蟲害，對保證農(nóng)作物的產(chǎn)量和品質(zhì)具有十分重要的作用。黃色粘蟲板利用昆蟲的趨黃性誘殺多種害蟲，可以減少農(nóng)藥用量和施藥次數(shù)，節(jié)約成本，且使用方便，有利于保護生態(tài)環(huán)境，目前已在田間大范圍使用[1]。對粘蟲板上害蟲數(shù)量進行統(tǒng)計可以估計害蟲種群密度以及掌握害蟲發(fā)生情況，便于根據(jù)害蟲的危害盛期和發(fā)生量及時開展預(yù)測預(yù)報以及防護工作。

目前統(tǒng)計粘蟲板害蟲數(shù)量的方法主要有2種，一是人工計數(shù)法，二是基于機器視覺的計數(shù)法。其中最常用的是人工計數(shù)法，即植保人員對粘蟲板害蟲進行人工分檢和計數(shù)，存在勞動強度大、效率低、實時性差等問題[2]?；跈C器視覺的計數(shù)方法利用圖像處理、模式識別等技術(shù)對蟲害圖像進行自動分析，能夠有效地識別出害蟲的種類及數(shù)量，具有速度快、精度高、客觀性強等特點，比人工計數(shù)方法效果好[3]。但是傳統(tǒng)的基于機器視覺的計數(shù)方法需要植保人員進入田間使用相機進行采集拍攝，然后將拍攝好的粘蟲板圖像傳送至計算機終端進行分檢和計數(shù)，過程繁瑣[4-6]。由于計算機終端便攜性較差，植保人員無法隨時隨地進行害蟲數(shù)量統(tǒng)計，統(tǒng)計結(jié)果時效性較差。

相較于傳統(tǒng)計算機終端，智能手機具有更好的便攜性和性價比，不但具有圖像處理的硬軟件條件，而且可以隨時連接互聯(lián)網(wǎng)上傳數(shù)據(jù)。將傳統(tǒng)的基于機器視覺的害蟲計數(shù)方法平移至Android平臺，可以減輕基層植保人員的勞動強度，提高粘蟲板害蟲計數(shù)的效率，從而提高田間害蟲監(jiān)測和預(yù)測預(yù)報的準確性和時效性[7-9]。

本研究基于Android手機平臺，設(shè)計一種粘蟲板害蟲自動計數(shù)系統(tǒng)，利用平臺的圖像處理能力和運算能力，對在田間拍攝的粘蟲板圖像進行實時處理，并將統(tǒng)計信息上傳到服務(wù)器。針對拍攝圖像中存在背景復(fù)雜的問題，提出了一種基于HSV空間的無關(guān)背景去除方法，提高了計數(shù)結(jié)果的準確率。

1 系統(tǒng)總體設(shè)計

1.1 系統(tǒng)環(huán)境

Android是Google開發(fā)的基于Linux平臺的開源手機操作系統(tǒng)，它包括操作系統(tǒng)、用戶界面和應(yīng)用程序三部分[10]。在 Windows 7 操作系統(tǒng)下，搭建了基于Android Studio 2.3.3、Android API 14、OpenCV 2.4圖像庫、JAVA JDK 7的應(yīng)用程序開發(fā)環(huán)境。測試手機為Xiaomi 6，手機系統(tǒng)為Android 6.0，拍攝的圖像尺寸為3 120像素×4 160像素。Web應(yīng)用服務(wù)器采用阿里云服務(wù)器，服務(wù)器數(shù)據(jù)庫為MySQL 5.5。

1.2 系統(tǒng)總體框架

系統(tǒng)分為Android客戶端和服務(wù)器端2個部分，總體框架如圖1所示。

Android手機客戶端主要完成對圖像的處理功能，包括圖像的拍攝、背景去除、害蟲計數(shù)、信息統(tǒng)計等。服務(wù)器端負責(zé)接收手機客戶端傳送的數(shù)據(jù)然后存儲至數(shù)據(jù)庫中，在有移動數(shù)據(jù)網(wǎng)絡(luò)的環(huán)境下，與Android 手機客戶端進行網(wǎng)絡(luò)通信并接收相關(guān)統(tǒng)計信息[11-12]。

圖1 系統(tǒng)總體框架

2 Android客戶端設(shè)計

Android軟件的主要功能是獲取圖像、去除無關(guān)背景、處理圖像、害蟲計數(shù)、相關(guān)信息統(tǒng)計，并將信息上傳至服務(wù)器進行分析，為田間害蟲監(jiān)測和預(yù)測預(yù)報提供數(shù)據(jù)支持?？蛻舳塑浖闹鹘缑嫒鐖D2所示。

圖2 客戶端軟件主界面

2.1 讀入圖像

讀入圖像的方法有2種，一是用Android手機的攝像頭拍攝田間粘蟲板圖像，二是選擇已經(jīng)存儲在存儲卡中的粘蟲板圖像。為保證系統(tǒng)計數(shù)的準確率，讀入的圖像中粘蟲板部分比例不能過小。該系統(tǒng)中閾值設(shè)置為90%，在下面的步驟中會進行判斷，當(dāng)選取的圖像中粘蟲板所占面積比例達不到90%時，需要重新讀入圖像。

2.2 去除復(fù)雜背景

在田間拍攝時不可避免拍攝到粘蟲板后面的背景，如圖3所示。因此，首先需要對圖像進行預(yù)處理，去除無關(guān)復(fù)雜背景，只保留粘蟲板部分。

圖3 粘蟲板原始圖像

HSV是一種尺度符合人類對顏色感知程度規(guī)律的顏色空間。其中H為色調(diào)，表示不同的顏色，即所處的光譜顏色的位置，如紅色、綠色，取值范圍0°～360°。S為飽和度，取值為0～1，S=1為純光譜色，加入白色可以減小飽和度。V為亮度，表示色彩的明亮程度，取值為0～1，加入黑色可減小亮度值。HSV顏色空間中色調(diào)H和飽和度S包含了顏色信息，并與人眼感知顏色的方式緊密相連，而亮度V則與圖像的彩色信息無關(guān)[13]。

在室外環(huán)境下拍攝時，光照因素對圖像影響很大，HSV對顏色敏感而對光照等外部因素不敏感[14]。使用基于HSV顏色空間的機器視覺方法，將圖像從RGB空間轉(zhuǎn)換至適合人視覺的HSV空間，然后提取粘蟲板圖像區(qū)域，去除無關(guān)背景，可以有效地減少受光照因素的影響[15-16]。RGB到HSV的轉(zhuǎn)換公式為：

V=max{R,G,B}

(1)

(2)

(3)

根據(jù)黃色粘蟲板的實際情況，確定顏色范圍。統(tǒng)計大量實際拍攝的粘蟲板圖像，確定粘蟲板顏色在HSV空間下范圍為(52°,0.169,0.180)至(34°,1,1)，提取原圖像顏色值在指定范圍中的像素點，生成新的圖像，如圖4所示。其中,白色部分是在指定范圍內(nèi)的點，黑色部分是無關(guān)背景。

由于拍攝環(huán)境的限制，背景部分會混有許多黃色的像素點，例如葉片缺水缺光照造成的發(fā)黃等，在圖4中表現(xiàn)為許多細小孤立的白點。使用基于中值濾波的方法對圖像進行去噪，消除細小白點的干擾，得到優(yōu)化后的粘蟲板區(qū)域，結(jié)果如圖5所示。然后遍歷圖像所有像素點，統(tǒng)計白色區(qū)域所占比例，小于90%說明讀入的圖像中粘蟲板部分太小，需要重新讀入。

圖4 提取黃色像素點的圖像

圖5 中值濾波處理后圖像

使用中值濾波后的圖像作為掩膜，對原圖像進行剪切，去除背景，生成新的粘蟲板圖像，如圖6所示。然后對剪切后的圖片進行灰度化和二值化處理，選擇合理的閾值可以去除粘蟲板上附著的顏色較淡的灰塵。

圖6 去背景后的粘蟲板圖像

2.3 害蟲邊緣處理

潛蠅、小綠葉蟬等害蟲邊緣形狀不規(guī)則，如翅膀部分、足部分，二值化后會在軀干區(qū)域周圍生成細小孤立的連通區(qū)域，對結(jié)果統(tǒng)計造成干擾。使用均值濾波圓滑化害蟲邊緣，使周圍細小孤立的連通區(qū)域向鄰近的軀干部分連通區(qū)域連通，消除這些孤立噪聲點的干擾，便于統(tǒng)計。對比結(jié)果如圖7，其中白色部分是害蟲陰影，圖7A是未經(jīng)處理的二值化圖像，圖7B是使用均值濾波處理過的二值化圖像。可以看出，經(jīng)過均值濾波處理后，害蟲區(qū)域變?yōu)檫吘壱?guī)則的連通區(qū)域。對圖6所示的粘蟲板圖像進行灰度化與二值化處理，然后使用均值濾波圓滑化害蟲邊緣部分，最終處理后的圖像如圖8所示。

圖7 處理前后的二值化圖像

圖8 粘蟲板最終圖像

2.4 害蟲信息統(tǒng)計

統(tǒng)計的害蟲信息包括害蟲數(shù)量、害蟲類型、拍攝時間以及粘蟲板編號。首先統(tǒng)計粘蟲板上的害蟲數(shù)量。遍歷處理后圖像所有連通區(qū)域，統(tǒng)計每個連通區(qū)域的面積。由于粘蟲板常年暴露在室外環(huán)境下，會附著塵土、沙粒等細小顆粒物，在圖像上表現(xiàn)為面積很小的連通區(qū)域。這些區(qū)域一般只有一兩個像素點，如果不進行排除，最終統(tǒng)計結(jié)果會偏高，影響計數(shù)準確性。因此需要設(shè)定一個范圍，只有面積在指定范圍內(nèi)連通的區(qū)域才被統(tǒng)計。觀察與測試大量采集的粘蟲板圖像以及查閱相關(guān)資料，小綠葉蟬、潛葉蠅和黑刺粉虱等粘蟲板常見害蟲大小不一，黑刺粉虱較小，潛葉蠅較大[17-19]，但所有類型害蟲面積保持在10～50像素點，其中小綠葉蟬面積在23～35像素點，潛葉蠅面積在35～50像素點，黑刺粉虱面積在10～23像素點(表1)。統(tǒng)計面積在10～50像素點內(nèi)的連通區(qū)域數(shù)量作為害蟲的數(shù)量，這樣計數(shù)結(jié)果更能準確地反映粘蟲板上實際的蟲口數(shù)量[16]，同時面積在指定范圍內(nèi)的連通區(qū)域數(shù)量也能反映不同類型害蟲的數(shù)量。

然后統(tǒng)計粘蟲板其他相關(guān)信息，包括拍攝時間、粘蟲板編號，并在網(wǎng)絡(luò)暢通的情況下上傳至服務(wù)器數(shù)據(jù)庫中，方便植保人員根據(jù)采集到的信息估計害蟲種群密度以及掌握害蟲發(fā)生情況[17]。系統(tǒng)信息統(tǒng)計界面如圖9。其中，害蟲數(shù)量由系統(tǒng)自動計算得到，粘蟲板編號需要手動輸入，拍攝時間為Android手機系統(tǒng)時間。

表1 粘蟲板3種常見害蟲信息

圖9 害蟲信息統(tǒng)計界面

3 系統(tǒng)測試

在泰安茶溪谷茶園進行系統(tǒng)測試，以茶園中黃色粘蟲板作為對象，對茶園中常見的小綠葉蟬、潛葉蠅和黑刺粉虱進行計數(shù)測試。從茶園中隨機選擇10張新放置的黃色粘蟲板(圖10A)與10張放置時間較長的黃色粘蟲板(圖10B)，在田間進行拍攝，使用本系統(tǒng)進行計數(shù)。然后將粘蟲板取下，用人工的方法統(tǒng)計害蟲總數(shù)，比較2種方法統(tǒng)計的結(jié)果。

對比結(jié)果如表2所示，編號1—10為新放置的粘蟲板，害蟲數(shù)量較少，編號11—20為放置時間較長的粘蟲板，害蟲數(shù)量比較多?？梢钥闯觯?dāng)測試的粘蟲板上害蟲數(shù)量較少時，本系統(tǒng)統(tǒng)計的害蟲數(shù)量與人工觀察統(tǒng)計的數(shù)量相對誤差率在-8.3%～9.6%，當(dāng)害蟲數(shù)量充足時，系統(tǒng)誤差率逐漸穩(wěn)定在-6.7%～4.1%。

圖10 2類粘蟲板

粘蟲板編號 人工計數(shù)總數(shù)/頭系統(tǒng)計數(shù)總數(shù)/頭誤差率/%粘蟲板編號人工計數(shù)總數(shù)/頭系統(tǒng)計數(shù)總數(shù)/頭誤差率/%13633-8.31172754.1239415.1127571-5.3322200138482-3.741918-5.2147974-6.354039-2.5159186-5.463231-3.1168983-6.772423-4.1179994-5.081918-5.21810297-4.9931349.61979823.7103332-3.0206766-1.4

由于1—10號粘蟲板放置時間短，害蟲種類單一，因此對11—20號粘蟲板進行3類害蟲計數(shù)測試，分別統(tǒng)計3類害蟲人工計數(shù)與系統(tǒng)計數(shù)數(shù)量，結(jié)果如圖11所示。從圖11可以看出，黑刺粉虱數(shù)量最多，總體上系統(tǒng)測試的結(jié)果偏高，誤差范圍為-2.7%～9.0%。研究中發(fā)現(xiàn)，黑刺粉虱體積較小，且顏色較深，一些大的沙粒也會被檢測為害蟲，造成測試數(shù)量高于實際數(shù)量。小綠葉蟬數(shù)量較少，系統(tǒng)測試結(jié)果偏低，最大誤差4頭。研究中發(fā)現(xiàn)，小綠葉蟬顏色較淡，翅膀等部分呈透明狀，容易被檢測為粘蟲板背景，造成對應(yīng)的連通區(qū)域面積減少，進而造成測試數(shù)量低于實際數(shù)量。潛葉蠅數(shù)量最少，測試結(jié)果準確率最高，因為潛葉蠅體積較大，受到外界干擾因素的影響最小。

圖11 3類害蟲計數(shù)測試結(jié)果

4 結(jié)論與討論

關(guān)于傳統(tǒng)的基于機器視覺的害蟲計數(shù)方法研究較多，而基于Android平臺的研究尚未見報道，本研究開發(fā)了一種基于Android的粘蟲板害蟲計數(shù)系統(tǒng)，并對軟件客戶端進行了設(shè)計。傳統(tǒng)的害蟲計數(shù)方法需要將圖像在計算機終端進行人工剪裁以去除無關(guān)背景，本研究根據(jù)在田間實地拍攝的具體情況，提出了一種基于HSV空間的方法自動去除復(fù)雜背景，提高了統(tǒng)計的時效性。有學(xué)者對多種害蟲計數(shù)進行了研究，但是一般為螟蟲、眼蝶、卷蛾等鱗翅目害蟲和粉虱、蚜蟲[20]。針對潛葉蠅、小綠葉蟬翅足邊緣不規(guī)則的情況，本研究使用均值濾波技術(shù)處理邊緣部分，提高了識別的準確率。系統(tǒng)通過對處理后圖像的連通區(qū)域面積進行分析與統(tǒng)計，獲得粘蟲板上害蟲數(shù)量。同時根據(jù)面積大小進行害蟲分類，但是當(dāng)環(huán)境更加復(fù)雜，害蟲種類較多時，準確率會下降，下一步考慮采用基于深度學(xué)習(xí)的算法，來處理環(huán)境更加復(fù)雜的情況。

以泰安茶溪谷茶園內(nèi)黃色粘蟲板為對象，對本系統(tǒng)進行測試。測試數(shù)據(jù)說明，當(dāng)粘蟲板上害蟲數(shù)量充足時，系統(tǒng)自動統(tǒng)計的數(shù)量與人工觀察統(tǒng)計的數(shù)量相對誤差率在-6.7%～4.1%。測試結(jié)果表明系統(tǒng)運行效果良好，能夠有效地對粘蟲板害蟲進行計數(shù)，提高了田間害蟲數(shù)量統(tǒng)計的效率，并實現(xiàn)了統(tǒng)計結(jié)果實時上傳，對于開展害蟲預(yù)測預(yù)報以及防護工作有一定的意義。