前言：尋找寫(xiě)作靈感？中文期刊網(wǎng)用心挑選的移動(dòng)互聯(lián)網(wǎng)系統(tǒng)設(shè)計(jì)分析，希望能為您的閱讀和創(chuàng)作帶來(lái)靈感，歡迎大家閱讀并分享。

【摘要】

針對(duì)田間葉螨蟲(chóng)害信息的采集和分析主要仍然靠人工用目測(cè)手查的方法，提出了一種基于移動(dòng)互聯(lián)網(wǎng)的蟲(chóng)害圖像分析系統(tǒng)設(shè)計(jì)。仿真試驗(yàn)表明，該系統(tǒng)能夠?qū)崿F(xiàn)對(duì)作物葉片上葉螨圖像的分割和自動(dòng)計(jì)數(shù)。該系統(tǒng)為田間葉螨蟲(chóng)害信息采集與監(jiān)測(cè)提供了一種新技術(shù)和新方法。

【關(guān)鍵詞】

葉螨圖像；邊緣檢測(cè)；圖像分割

1引言

葉螨是田間農(nóng)作物常見(jiàn)且危害性較大的害蟲(chóng)，對(duì)多種重要水果、蔬菜等經(jīng)濟(jì)農(nóng)作物如柑橘、荔枝、龍眼、桃、檸檬、桑樹(shù)、茄科、豆科、瓜類等為害甚廣[1~2]。目前對(duì)田間葉螨蟲(chóng)害信息的采集監(jiān)測(cè)主要仍然靠基層測(cè)報(bào)人員在實(shí)地用目測(cè)手查的方法觀察有無(wú)病蟲(chóng)害發(fā)生及其為害程度[3]。盡管該方法簡(jiǎn)單易行，但需要操作人員具備一定的專業(yè)基礎(chǔ)知識(shí)，而且采用人工目測(cè)的統(tǒng)計(jì)數(shù)據(jù)往往因?yàn)椴僮魅藛T的個(gè)體差異而出現(xiàn)較大誤差。近年來(lái)，隨著圖像采集裝備和計(jì)算機(jī)圖像分析技術(shù)的不斷發(fā)展，圖像識(shí)別分析具有準(zhǔn)確度高、勞動(dòng)量小和可視化等優(yōu)點(diǎn)，成為了目前昆蟲(chóng)識(shí)別分析研究中的熱點(diǎn)[4]。如邱道尹等用BP神經(jīng)網(wǎng)絡(luò)對(duì)棗樹(shù)紅蜘蛛圖像進(jìn)行了識(shí)別分析[5]，吳滄海等使用Matlab多種邊緣檢測(cè)算法對(duì)柑橘始葉螨圖像進(jìn)行了對(duì)比分析試驗(yàn)[6]，王建等提出了從紅蜘蛛為害葉片的高光譜圖像中識(shí)別受害區(qū)域的方法[7]。這些研究表明了計(jì)算機(jī)圖像處理與分析技術(shù)在葉螨防治領(lǐng)域方面具有重要的應(yīng)用價(jià)值和研究意義。本文采用了移動(dòng)互聯(lián)網(wǎng)技術(shù)和計(jì)算機(jī)圖像處理技術(shù)對(duì)葉螨蟲(chóng)害圖像的采集和分析方法進(jìn)行了研究，提出了一種基于移動(dòng)互聯(lián)網(wǎng)的蟲(chóng)害圖像分析系統(tǒng)設(shè)計(jì)和實(shí)現(xiàn)方法。該系統(tǒng)通過(guò)移動(dòng)終端設(shè)備（智能手機(jī)或平板電腦）客戶端獲取葉螨蟲(chóng)害圖像并進(jìn)行初步分析，進(jìn)而將圖像及處理分析傳輸?shù)椒?wù)主機(jī)存儲(chǔ)和做進(jìn)一步分析。該系統(tǒng)為葉螨蟲(chóng)害的分析和識(shí)別提供了一種新的技術(shù)和方法。

2蟲(chóng)害圖像分析系統(tǒng)設(shè)計(jì)

蟲(chóng)害圖像分析系統(tǒng)的設(shè)計(jì)分為客戶端和服務(wù)主機(jī)2部分?？紤]到蟲(chóng)害圖像數(shù)據(jù)采集具有便攜、快速、內(nèi)置電源的要求，客戶端采用智能手機(jī)或平板電腦，要求具有500萬(wàn)像素以上攝像頭（1000萬(wàn)像素以上較佳），中央處理器采用四核以上CPU，支持觸摸屏操作、3D加速GPU，擁有藍(lán)牙、WIFI。支持外置TF卡和U盤(pán)，選用Win8或Android作為操作系統(tǒng)。服務(wù)主機(jī)可以采用服務(wù)器或筆記本電腦，如果采用服務(wù)器作為服務(wù)主機(jī)，則客戶端可以通過(guò)無(wú)線路由器接入互聯(lián)網(wǎng)方式登錄服務(wù)主機(jī)，或者采用移動(dòng)網(wǎng)絡(luò)直接登錄服務(wù)主機(jī)實(shí)現(xiàn)數(shù)據(jù)傳輸和發(fā)送請(qǐng)求。如果采用筆記本電腦作為服務(wù)主機(jī)，則可以將筆記本電腦放置在無(wú)線路由器能夠覆蓋的范圍內(nèi)即可。

3蟲(chóng)害圖像分析系統(tǒng)實(shí)現(xiàn)

3.1蟲(chóng)害圖像分析系統(tǒng)實(shí)現(xiàn)

客戶端軟件主要包含圖像采集模塊、圖像存儲(chǔ)模塊、圖像分析模塊、圖像顯示模塊、數(shù)據(jù)傳輸模塊、以及中央處理模塊等6部分。其中圖像采集模塊調(diào)用智能手機(jī)或平板電腦攝像頭實(shí)現(xiàn)對(duì)蟲(chóng)害圖像的獲取，采集結(jié)果經(jīng)中央處理模塊處理后保存到圖像存儲(chǔ)模塊中，同時(shí)可以通過(guò)圖像顯示模塊將采集圖像顯示出來(lái)。圖像分析模塊通過(guò)中央處理模塊調(diào)出圖像存儲(chǔ)模塊中的蟲(chóng)害圖像進(jìn)行分析，分析結(jié)果經(jīng)由中央處理模塊通過(guò)數(shù)據(jù)傳輸模塊傳送到服務(wù)主機(jī)。服務(wù)主機(jī)軟件對(duì)客戶端發(fā)送的請(qǐng)求進(jìn)行響應(yīng)，接收并將客戶端傳送的數(shù)據(jù)保存到MySQL數(shù)據(jù)庫(kù)，并根據(jù)客戶端的請(qǐng)求對(duì)保存在數(shù)據(jù)庫(kù)中的圖像數(shù)據(jù)進(jìn)行匯總和分析，并將結(jié)果返回客戶端。

3.2蟲(chóng)害圖像分析算法實(shí)現(xiàn)

對(duì)蟲(chóng)害圖像的分割與分析是系統(tǒng)實(shí)現(xiàn)的關(guān)鍵部分。由于蟲(chóng)害圖像分割與分析要求快速、準(zhǔn)確?？紤]到采集到的圖像為彩色RGB圖像，而圖像中的葉螨呈現(xiàn)紅色，葉片背景則為綠色，二者間具有較為明顯的色差。因此利用RGB彩色圖像中的Green分量可以有效地去除大部分綠色的葉片背景，從而降低后續(xù)圖像處理過(guò)程中的計(jì)算量和分割難度。有鑒于此，采用RGB色彩空間分析與閾值分割相結(jié)合的方法，在通過(guò)對(duì)初始圖像中R、G、B分量圖像分析的基礎(chǔ)上，獲得初始圖像中綠色分量的灰度圖像，然后采用全局閾值算法實(shí)現(xiàn)對(duì)該灰度圖像中葉螨圖像進(jìn)行二值化分割，最后對(duì)得到的二值化葉螨圖像進(jìn)行蟲(chóng)量計(jì)數(shù)。首先，通過(guò)圖像采集模塊獲取作物葉片葉螨的彩色RGB圖像，由于RGB圖像中每個(gè)像素的顏色由R、G、B三個(gè)分量決定，先對(duì)RGB圖像中的G分量進(jìn)行分析，并將提取出來(lái)的綠色分量圖像轉(zhuǎn)變成灰度圖像。采用全局閾值，將灰度圖像中的剩余的葉片背景去除，得到二值化的葉螨圖像，再使用形態(tài)學(xué)的開(kāi)運(yùn)算將二值化圖像中微小的雜質(zhì)或邊緣去除，得到一個(gè)完整的葉螨二值化分割圖像，最后計(jì)算二值化圖像中的閉合區(qū)域數(shù)量，從而得到圖像中的葉螨蟲(chóng)量信息。

4仿真試驗(yàn)與結(jié)果分析

4.1分割算法仿真試驗(yàn)及結(jié)果分析

為了驗(yàn)證本文分割方法的效果，用本文方法對(duì)采集的圖像樣本進(jìn)行分割試驗(yàn)。該分割圖像結(jié)果即可進(jìn)行后續(xù)的蟲(chóng)量自動(dòng)計(jì)算。仿真試驗(yàn)表明，本文方法能夠?qū)崿F(xiàn)將蟲(chóng)害圖像與葉片背景的分離，分割結(jié)果能夠滿足后續(xù)的蟲(chóng)量計(jì)算。

4.2蟲(chóng)量分析試驗(yàn)及結(jié)果分析

為了驗(yàn)證本文蟲(chóng)量分析方法性能和分割效果，將本文方法對(duì)多組采集圖像樣本進(jìn)行蟲(chóng)量計(jì)數(shù)分析試驗(yàn)。從試驗(yàn)結(jié)果來(lái)看，本文方法能夠?qū)颖救~片圖像中的葉螨蟲(chóng)量進(jìn)行分析與計(jì)算，準(zhǔn)確率達(dá)到。該方法具有算法簡(jiǎn)單、速度快的優(yōu)點(diǎn)和效果。

5結(jié)論

本文基于移動(dòng)互聯(lián)網(wǎng)技術(shù)和計(jì)算機(jī)圖像分析技術(shù)，根據(jù)田間對(duì)蟲(chóng)害信息的采集監(jiān)測(cè)需求，提出了一種基于移動(dòng)互聯(lián)網(wǎng)的蟲(chóng)害圖像分析系統(tǒng)的設(shè)計(jì)思路和方法，來(lái)解決對(duì)田間蟲(chóng)害信息采集與計(jì)數(shù)分析問(wèn)題。本文圖像分析方法在對(duì)植株葉片葉螨RGB彩色圖像進(jìn)行分析的基礎(chǔ)上，實(shí)現(xiàn)了葉螨圖像和葉片背景的分離，通過(guò)對(duì)分離圖像進(jìn)行種子填充和形態(tài)學(xué)開(kāi)運(yùn)算處理，有效地過(guò)濾了葉片中的微小雜質(zhì)和冗余葉脈邊緣，實(shí)現(xiàn)了葉螨圖像的分割。試驗(yàn)結(jié)果分析表明，基于本文的方法，能夠分割葉片上的葉螨圖像和進(jìn)行蟲(chóng)量自動(dòng)計(jì)算。該系統(tǒng)設(shè)計(jì)與圖像分析方法可以應(yīng)用到田間對(duì)葉螨蟲(chóng)量的計(jì)數(shù)調(diào)查，成為蟲(chóng)害發(fā)生狀態(tài)信息采集監(jiān)測(cè)的一個(gè)新技術(shù)和新方法。同時(shí)試驗(yàn)結(jié)果和分析也表明，由于受到光照、環(huán)境等因素的干擾和影響，田間采集圖像的背景較為復(fù)雜時(shí)，本文圖像分析計(jì)數(shù)方法的誤判率較高。因此在后續(xù)研究中，有必要對(duì)圖像分析方法再進(jìn)一步深入研究，找出更為有效地方法來(lái)解決這個(gè)問(wèn)題。

作者：劉國(guó)成 單位：廣州鐵路職業(yè)技術(shù)學(xué)院

基金項(xiàng)目：

廣東省自然科學(xué)基金培育項(xiàng)目（GTXYP1310）。

參考文獻(xiàn)

[1]李仰潔，王梓英，張國(guó)豪，等.溫度對(duì)柑橘始葉螨實(shí)驗(yàn)種群牛長(zhǎng)發(fā)育繁殖的影響[J].生態(tài)學(xué)報(bào)，2014，34（4）：862~868.

[2]高俊燕，郭俊，王自然，等.云南德宏檸檬園害蟲(chóng)種類及主要害蟲(chóng)發(fā)生規(guī)律研究[J].江西農(nóng)業(yè)學(xué)報(bào)，2012，24（6）：70~73.

[3]陳鵬程，張建華，李眉眉，等.土耳其斯坦葉螨為害棉葉的生理變化及光譜特征分析[J].昆蟲(chóng)知識(shí)，2007，44（1）：61~64.

[4]熊煥亮，吳滄海.基于BP神經(jīng)網(wǎng)絡(luò)的柑橘始葉螨圖像識(shí)別[J].湖北農(nóng)業(yè)科學(xué)，2013，52（23）：5863~5865.

[5]邱道尹，李俊霞，楊利濤.基于神經(jīng)網(wǎng)絡(luò)的棗樹(shù)紅蜘蛛識(shí)別研究[J].電子科技，2014，27（3）：48~51.

[6]吳滄海，熊煥亮，裘武.基于Matlab的柑橘始葉螨邊緣檢測(cè)的研究[J].微計(jì)算機(jī)信息，2010，26（9）：l98~199.

[7]王建，李震，洪添勝，等.從紅蜘蛛為害葉片的高光譜圖像中識(shí)別受害區(qū)域[J].農(nóng)機(jī)化研究，2015（7）：18~22.