鄧祺盛，紀(jì)爽，李政，馬雪倩，趙璐

（河北農(nóng)業(yè)大學(xué)，保定071000）

0 引言

隨著物聯(lián)網(wǎng)技術(shù)在各個領(lǐng)域的興起[1]，物聯(lián)網(wǎng)技術(shù)也在農(nóng)業(yè)中[2]發(fā)揮了重要作用。在農(nóng)作物生長過程中，會遇到各種各樣的病蟲害使農(nóng)作物染上疾病，而這些疾病往往會導(dǎo)致農(nóng)作物大面積傳染并引起死亡，從而造成經(jīng)濟(jì)上非常嚴(yán)重的損失。所以設(shè)計(jì)一種有效的、便捷的設(shè)備來進(jìn)行病蟲害的發(fā)現(xiàn)和處理成為了一件亟待解決的事情。近年來，隨著圖像處理技術(shù)[3]的發(fā)展，一些學(xué)者也在農(nóng)作物病蟲害識別中廣泛地應(yīng)用了此項(xiàng)技術(shù)。

本設(shè)計(jì)采用的是基于BP 神經(jīng)網(wǎng)絡(luò)的圖像處理技術(shù)，通過提取圖像的顏色、紋理特征來更加精準(zhǔn)地發(fā)現(xiàn)并識別農(nóng)作物病蟲害，以便有效地實(shí)時反饋。

1 系統(tǒng)結(jié)構(gòu)

農(nóng)作物病蟲害圖像的采集與診斷系統(tǒng)主要由兩部分組成：病蟲害圖像采集終端和病蟲害圖像處理服務(wù)器。其中，病蟲害采集終端由相機(jī)模塊和可伸縮桿組成。相機(jī)模塊通過萬向輪固定在可伸縮桿的最頂端，可以進(jìn)行360 度無死角拍攝；可伸縮桿則將相機(jī)模塊送入一些人都難以企及的地方，例如農(nóng)作物的根部、作物比較茂盛的區(qū)域進(jìn)行圖像采集。圖像采集終端設(shè)備將采集的圖像傳輸給圖像處理服務(wù)器，圖像處理服務(wù)器則完成圖像數(shù)據(jù)的接收與存儲，并用BP 神經(jīng)網(wǎng)絡(luò)算法進(jìn)行病蟲害識別與處理，及時進(jìn)行反饋給用戶。

圖1 農(nóng)作物病蟲害圖像的采集與診斷系統(tǒng)

2 系統(tǒng)模塊的設(shè)計(jì)

2.1 圖像采集終端（相機(jī)）模塊的設(shè)計(jì)

本設(shè)計(jì)中的相機(jī)模塊主要采用的是訊為電子推出的一款iTOP-4412 核心板，擁有四核處理器，8GB 內(nèi)存容量，同時支持SD 卡擴(kuò)充。另外該開發(fā)板的續(xù)航能力非常強(qiáng)大，擁有電源管理芯片。而農(nóng)田里的溫度在夏天往往較高，變化幅度也大，而該開發(fā)板能夠在-20℃到70℃范圍內(nèi)能運(yùn)行正常，該開發(fā)板保證了采集終端設(shè)備在農(nóng)地里良好地運(yùn)行。

本設(shè)計(jì)中需要iTOP-4412 開發(fā)板實(shí)現(xiàn)圖像的采集、地理位置信息的獲取、農(nóng)作物溫度的測量以及圖像數(shù)據(jù)上傳等功能，所以配備的模塊主要有圖像采集模塊、JPEG 編碼模塊、溫濕度傳感器模塊、Wi-Fi 模塊、文件傳輸和圖像處理模塊以及GPS 地理位置信息模塊，因?yàn)椴杉K端是屬于手持可移動的便攜式設(shè)備，iTOP-4412 強(qiáng)大的續(xù)航能力給予了保障，所以供電問題可以先不用考慮。而且，本設(shè)計(jì)中是用定時采集方法采集圖像，定時周期根據(jù)具體效果具體設(shè)定。這樣做的好處就是節(jié)省用視頻拍攝所消耗的大部分資源。

圖2 圖像采集終端（相機(jī)）模塊結(jié)構(gòu)示意圖

（1）圖像采集模塊

圖3 圖像采集具體流程

該模塊采用的是OV5640 CMOS 圖像傳感器，能夠高分辨率進(jìn)行拍攝，以保證實(shí)現(xiàn)病蟲害圖像清晰識別。本設(shè)計(jì)主要利用V4L2 的API 接口函數(shù)對設(shè)備文件進(jìn)行設(shè)置，用來實(shí)現(xiàn)采集終端對于攝像頭圖像數(shù)據(jù)的采集工作。對于圖像傳感器模塊，iTOP-4412 開發(fā)板提供有專用的硬件接口，處理器內(nèi)核有相應(yīng)的驅(qū)動程序。而V4L2 為Linux 下的視頻設(shè)備程序提供了一套接口的規(guī)范。具體流程為：首先調(diào)用接口，選擇采集設(shè)備、設(shè)置分辨率以及圖像幀大小等步驟，通過定時器每隔一段時間進(jìn)行一次拍攝圖像，使采集設(shè)備更加精簡，從而完成圖像的采集工作。

（2）JPEG 編碼模塊

獲得拍攝的圖像數(shù)據(jù)后，為了節(jié)省圖像傳輸所消耗的流量，以及能夠盡可能地提高圖像傳輸效率，以便服務(wù)器能夠及時處理并實(shí)時反饋給用戶，設(shè)計(jì)中必須盡可能地節(jié)省采集到傳輸?shù)臅r間，所以必須在無線傳輸前對圖像進(jìn)行壓縮處理。在該模塊中即完成對拍攝圖像數(shù)據(jù)的壓縮編碼功能。

具體步驟為：

圖像采集模塊收到定時器發(fā)來的拍照命令后，JPEG 編碼模塊初始化、進(jìn)行一系列的參數(shù)設(shè)置、開始編碼完成對圖像的JPEG 編碼。

（3）GPS 位置信息采集模塊

當(dāng)我們采集完成所需要的圖像后，如何確定該圖像所拍攝的地理位置，進(jìn)行病蟲害治療，這就需要用到定位模塊來確定了。在本設(shè)計(jì)中采用傳統(tǒng)的GPS 定位技術(shù)來獲取位置信息。當(dāng)定時器發(fā)出拍攝命令時，系統(tǒng)將更新當(dāng)前的GPS 經(jīng)緯度、高度以及時間信息，并連同編碼后的JPEG 數(shù)據(jù)寫入到文件中保存。

（4）圖像預(yù)處理模塊

在將采集到的圖像進(jìn)行上傳前，本模塊將進(jìn)行最后一道操作，即對采集的圖像先進(jìn)行常用的一些預(yù)處理工作，進(jìn)行圖像增強(qiáng)、特征提取等算法步驟，即上傳的圖像只需要原圖像的特征值信息、地理位置信息等少量數(shù)據(jù)，這樣就降低了圖像處理所需要的執(zhí)行周期，減輕服務(wù)器處理的負(fù)擔(dān)，對于實(shí)時反饋系統(tǒng)有莫大的幫助。

（5）數(shù)據(jù)傳輸模塊

采集完成并經(jīng)過預(yù)處理以及寫入GPS 位置信息的圖像將會通過無線方式傳送到圖像處理服務(wù)器。在于本設(shè)計(jì)中，主要的面向?qū)ο笫寝r(nóng)田，而一般可知，農(nóng)田都距離城鎮(zhèn)較遠(yuǎn)，傳統(tǒng)的藍(lán)牙、Wi-Fi、ZigBee 技術(shù)都無法達(dá)到長距離傳輸，所以我們采用了GPRS 進(jìn)行數(shù)據(jù)傳輸。當(dāng)然，考慮到為了使采集終端設(shè)備更加廣泛的應(yīng)用于農(nóng)業(yè)的各個領(lǐng)域，本設(shè)計(jì)中也添加了Wi-Fi 模塊，主要用于大棚、果園等距離城鎮(zhèn)、用戶居住地較近的地方進(jìn)行數(shù)據(jù)傳輸。

2.2 圖像處理服務(wù)器模塊

圖像處理服務(wù)器主要包括病蟲害診斷模塊以及病蟲害反饋模塊。當(dāng)服務(wù)器收到來自病蟲害采集終端發(fā)來的圖像數(shù)據(jù)后，用訓(xùn)練好的BP 神經(jīng)網(wǎng)絡(luò)算法進(jìn)行病蟲害類型識別，得出對應(yīng)的病種后通過向用戶發(fā)送帶有位置信息、病蟲害信息以及解決辦法的數(shù)據(jù)，完成實(shí)時反饋工作。

（1）圖像處理算法

BP 神經(jīng)網(wǎng)絡(luò)是一種多個層次并有反饋系統(tǒng)的網(wǎng)絡(luò)，該網(wǎng)絡(luò)通過輸入樣本值進(jìn)行大量的練習(xí)，來得到期望的輸出。分為三層：輸入層、隱含層、輸出層。它的特點(diǎn)是從輸入層通過隱含層到輸出層逐層傳遞神經(jīng)元，若有誤差，則進(jìn)行反饋傳遞。當(dāng)輸出層的結(jié)果達(dá)不到預(yù)期的輸出時，神經(jīng)網(wǎng)絡(luò)就會反向傳遞，在反向傳遞的過程中，根據(jù)誤差來調(diào)整網(wǎng)絡(luò)權(quán)值和閾值，這樣就可以給出BP 神經(jīng)網(wǎng)絡(luò)一個樣本，BP 神經(jīng)網(wǎng)絡(luò)得到的預(yù)測結(jié)果就更能接近真實(shí)值（期望值），即一個良好的識別預(yù)測系統(tǒng)就構(gòu)成了。

圖4 BP神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)圖

圖4 中，X1，X2，…，Xn是BP 神經(jīng)網(wǎng)絡(luò)的輸入值，Y1，Y2，…，Ym是BP 神經(jīng)網(wǎng)絡(luò)的預(yù)測值或輸出值，中間的Wij和Wjk為BP 神經(jīng)網(wǎng)絡(luò)的權(quán)值。

以上是BP 神經(jīng)網(wǎng)絡(luò)的整體框架，該網(wǎng)絡(luò)可以看成一個非線性函數(shù)，當(dāng)我們需要做預(yù)測的時候，首先要做的是把這個非線性函數(shù)訓(xùn)練好，得到的誤差值越小越好，即預(yù)測值逼近真實(shí)值。所以，我們需要進(jìn)行以下的過程。

過程一：初始化

①確定網(wǎng)絡(luò)輸入層節(jié)點(diǎn)數(shù)n、隱含層節(jié)點(diǎn)數(shù)l，輸出層節(jié)點(diǎn)數(shù)m；

②輸入層與隱含層和隱含層與輸出層神經(jīng)元之間的權(quán)值Wij和Wjk；

③隱含層閾值a，輸出層閾值b；

④給定學(xué)習(xí)速率和神經(jīng)元激勵函數(shù)。

過程二：隱含層輸出

計(jì)算隱含層輸出H：

其中f 為隱含層激勵函數(shù)，在本設(shè)計(jì)中的表達(dá)形式為：

過程三：輸出層計(jì)算

根據(jù)隱含層輸出函數(shù)H，權(quán)值Wjk和閾值b，計(jì)算神經(jīng)網(wǎng)絡(luò)預(yù)測輸出O：

過程四：誤差計(jì)算

根據(jù)網(wǎng)絡(luò)預(yù)測輸出O 和期望輸出（真實(shí)輸出）Y，計(jì)算神經(jīng)網(wǎng)絡(luò)的預(yù)測誤差值e：

過程五：權(quán)值更新

根據(jù)網(wǎng)絡(luò)預(yù)測誤差e 更新網(wǎng)絡(luò)連接權(quán)值Wij和Wjk：

過程六：閾值更新

根據(jù)網(wǎng)絡(luò)預(yù)測誤差e 更新網(wǎng)絡(luò)節(jié)點(diǎn)閾值a，b：

過程七：判斷是否結(jié)束算法，當(dāng)誤差小于我們設(shè)定的某一個值時，即預(yù)測輸出逼近真實(shí)輸出，可以結(jié)束算法，否則重復(fù)執(zhí)行。

（2）MATLAB 圖像處理

本設(shè)計(jì)采用MATLAB 作為圖像識別軟件。具體步驟為提取圖像的顏色、紋理特征，本例建立一個基于BP 神經(jīng)網(wǎng)絡(luò)的大麥白粉病識別模型，最后可以實(shí)驗(yàn)測試。

上節(jié)已經(jīng)講過，BP 神經(jīng)網(wǎng)絡(luò)分為三層結(jié)構(gòu)，首先確定輸入層：由顏色特征中的R、G 分量一階矩和G 分量的二階矩，紋理特征中由熵、能量、慣性矩、相關(guān)參數(shù)，總共是7 個輸入量來輸入到輸入層，則輸入層的神經(jīng)元為7。再確定隱含層：通過大量的訓(xùn)練，我們來確定合適的隱含層神經(jīng)元數(shù)量，接下來就可以選取大量的（50 幅以上）得白粉病的大麥圖像作為BP 神經(jīng)網(wǎng)絡(luò)的樣本進(jìn)行訓(xùn)練，隨著訓(xùn)練次數(shù)的增加，BP 神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)誤差值會逐漸減小，直到逼近真實(shí)值某個固定范圍即可。

2.3 反饋系統(tǒng)

當(dāng)大麥的圖像被圖像處理服務(wù)器進(jìn)行病蟲害診斷以后，需要及時反饋給用戶。所以我們需要有一個反饋系統(tǒng)。這個反饋系統(tǒng)所反饋的信息包括：發(fā)現(xiàn)病蟲害的名稱、地理位置信息、時間農(nóng)田溫濕度以及病蟲害解決辦法。基于此，我們就可以直接和用戶進(jìn)行通信了。在本設(shè)計(jì)中，我們選取了兩種辦法結(jié)合：一是直接通過采集終端設(shè)備的GPRS 模塊進(jìn)行通信，當(dāng)有病蟲害的圖像被識別時，服務(wù)器直接發(fā)送數(shù)據(jù)到采集終端設(shè)備，讓終端設(shè)備發(fā)出警報(bào)信息；二是在手機(jī)端建立一個微信公眾號平臺，進(jìn)行發(fā)送更加具體的關(guān)于病蟲害的名稱、地理位置信息、時間、以及解決辦法信息，并針對具體農(nóng)戶建立一個屬于自己的個性化農(nóng)作物參考。

2.4 應(yīng)用實(shí)例

（1）對象的選取

本設(shè)計(jì)出的系統(tǒng)選取大麥白粉病來進(jìn)行實(shí)地測試。

通過對白粉病的了解并與正常大麥對比，我們可以發(fā)現(xiàn)得白粉病的大麥圖像和正常的大麥顏色和紋理特征均存在有一定的差異，即我們可以用來作為分類的依據(jù)。

（2）特征的提取

①顏色特征的提取

想要準(zhǔn)確地提取病蟲害圖像的顏色，就得選用一種合適的顏色系統(tǒng)。目前，主流的顏色系統(tǒng)包括RGB系統(tǒng)、HIS 系統(tǒng)、CIE 系統(tǒng)等，而RGB 是運(yùn)用最廣泛的、最基本的顏色系統(tǒng)。本設(shè)計(jì)就采用RGB 顏色系統(tǒng)。

RGB 顏色系統(tǒng)是基于人眼視覺結(jié)構(gòu)形成的模型，所有的顏色都是三種基本色：紅（R）、綠（G）、藍(lán)（B）的不同排列組合，大部分的顯示器都是采用這種顏色系統(tǒng)。在大麥病蟲害中，不同的病所表現(xiàn)的顏色特征大多分布在低階矩陣中。所以我們可以提取病蟲害圖像RGB 顏色體系的一階矩σ1和二階矩σ2：

上式中，Ii(x,y)表示圖像的灰度。

然后用MATLAB 軟件從大麥病蟲害圖像、正常圖像中提取RGB 三通道分量的一階矩和二階矩，形成對比如表1 所示。

表1 圖像顏色矩陣特征參數(shù)

從表1 中可以看出，正常情況下大麥比得白粉病的大麥圖像的一階矩略低，但R 分量和B 分量也有明顯的差距；在二階矩中，正常大麥二階矩明顯低于得白粉病大麥，主要有G 分量。

②紋理特征的提取

紋理所反映的特征就是某些局部是緩慢變化的或者是重復(fù)性的，基于此我們就可以提取出不同圖像的紋理特征進(jìn)行識別。紋理特征是通過像素以及局部紋理信息，即周圍空間的灰度分布來表現(xiàn)的。紋理特征的特點(diǎn)：局部序列性不斷重復(fù)、非隨機(jī)性、紋理區(qū)域內(nèi)大致均勻的統(tǒng)一體。在識別具有粗細(xì)、疏密等方面有較大區(qū)別的圖像時是一種非常有效的方式。

本設(shè)計(jì)中采用灰度共生矩陣的方法來提取紋理。

灰度共生矩陣（GLDM）的統(tǒng)計(jì)方法是20 世紀(jì)70年代初由R.Haralick 等人提出的，即通過計(jì)算圖像灰度得到它的共生矩陣。這個共生矩陣的特征值即課代表圖像的紋理特征。在本設(shè)計(jì)中提取了病蟲害圖像的能量、熵、相關(guān)性以及能量矩。通過灰度共生矩陣分析紋理特征得到表2 數(shù)據(jù)。

表2 紋理特征參數(shù)

從表2 可以看出，在熵值方面，正常的大麥比得白粉病的大麥圖像高十幾倍（均值），但此時的得白粉病的大麥圖像標(biāo)準(zhǔn)差很大；無論是能量、慣性矩還是相關(guān)性正常的大麥總比得白粉病的大圖要高一些，這些都可以作為區(qū)分的一個重要依據(jù)。

3 結(jié)語

本設(shè)計(jì)是一種基于圖像處理技術(shù)的農(nóng)作物病蟲害圖像的采集與診斷系統(tǒng)，在該系統(tǒng)中，我們主要從圖像采集終端和圖像處理服務(wù)器兩方面考慮的。在圖像采集終端設(shè)備，我們是站在前輩的肩膀上向前更近了一步，對于可移動伸縮采集終端進(jìn)行了優(yōu)化設(shè)計(jì)，實(shí)現(xiàn)固定頻率拍照。從實(shí)時性的角度出發(fā)，進(jìn)行圖像預(yù)處理，能夠完成積極反饋，使之經(jīng)濟(jì)簡單有效，更加符合農(nóng)民的切實(shí)考慮需求。在圖像處理服務(wù)器中，本設(shè)計(jì)采用了BP 神經(jīng)網(wǎng)絡(luò)算法，通過大量的樣本訓(xùn)練，用訓(xùn)練好的BP 神經(jīng)網(wǎng)絡(luò)模型進(jìn)行病蟲害識別，該模型對于大麥病斑（主要有白粉病、云紋病、條銹病）識別正確率高達(dá)86.7 %。

在此次設(shè)計(jì)中，還存在著一些不足。對于伸縮桿的伸縮程度并沒有考慮，在采集的位置選擇以及采集時間并沒有過多的探究，采集終端的數(shù)據(jù)傳輸方式還有更多的改善空間，還有對于反饋系統(tǒng)還沒有進(jìn)行平臺的設(shè)計(jì)。