基于Android的玉米病虫害机器视觉诊断系统研究

田 磊，李 丽，王明绪

(1.河南工业职业技术学院，河南 南阳 473000；2.焦作师范高等专科学校 计算机与信息工程学院，河南焦作 454001)



基于Android的玉米病虫害机器视觉诊断系统研究

田 磊1，李 丽2，王明绪1

(1.河南工业职业技术学院，河南 南阳 473000；2.焦作师范高等专科学校 计算机与信息工程学院，河南焦作 454001)

为了使农业智能诊断系统更加廉价、便捷，有效地为普通农户服务，提出了一种基于Android手机的农业病虫害智能诊断系统。该系统使用Android智能手机对玉米病虫害部分进行图片拍摄，并将图像利用无线网上传至Web服务器，利用分割和匹配算法对病虫害部分进行智能化分析，最终将结果传输到手机用户端。为实现图像匹配的特征点提取，采用高斯差分的方法对图像进行分割和精确定位，使用聚类算法对匹配效果进行优化，并利用特征点的无限逼近，完成病虫害图像的匹配，从而诊断病虫害的类型。上传后的图像和Web服务器的规则库的图像进行匹配后可以生成病虫害的匹配结果信息，该信息可以通过Android智能系统接收，最终反馈给农户的手机客户端。通过测试发现：玉米病虫害诊断系统可从多幅图像里有效地对病虫害类型进行匹配，匹配成功率较高，系统的稳定性较好，具有很好的推广前景。

玉米病虫害；机器视觉；图像匹配；高斯差分；聚类算法；无限逼近

0 引言

截止目前，我国的农业科研人员应用了多种终端对小麦、苹果、玉米等农作物的栽培、施肥、病虫害等进行大量的研究，其终端主要包括了PDA个人数字助理、PC机和手持个人计算机HPC等。但从实际效果可知，PC 机、HPC 、PDA 等应用终端没有得到普通农户的认可。其原因主要是智能系统应用功能单一，价格又极其昂贵，且对网络环境的依赖性非常强。再者，Windows 操作系统是目前农业智能系统开发的主要平台，使其在免费性、开源性和人机交互等方面较差，没有得到更好的发展。通过总结可以发现，寻求一种针对普通用户的农业智能系统应用终端界面，能更加简单并且能为其构建一个开源、免费的开发环境，是目前的大势所趋，对我国农业科技新技术、新成果及推动农产业的快速发展有重要意义。

近年来，全球智能手机发展迅速，自从Google 发布Android 操作系统和中国4G 网络覆盖工程，中国的4G 智能手机发展的更加迅速。因为手机价格便宜，Android 4G 智能手机很多只需要几百元，因此Android 智能手机得到了人们广泛的认可和应用。一方面，Android 4G 智能手机功能强大，具有通话、上网、多媒体等多种功能，且价格低廉，只需一部低廉的手机就能解决所有问题；另一方面，开源、免费的 Android操作系统不仅软件应用方便实用，而且支持触屏、语音等强大的功能，推进了人机交互技术，极大推进了开源免费以及操作更具人性化的农业智能系统的发展。

为了使农业智能诊断系统更加廉价、便捷，有效地为基层普通农户服务，提出了一种基于Android手机的农业病虫害智能诊断系统，构建了开源、免费的通用开发环境，并以玉米病虫害智能诊断为例，设计了基于Android系统的玉米病虫害智能诊断系统，为同类的系统开发和移植提供了技术参考。

1 Android智能诊断系统总体框架设计

1.1 玉米病虫害Android智能诊断系统总体设计

玉米病虫害Android智能诊断系统的总体设计主要包括图像匹配算法设计、匹配规则库设计和Android智能系统设计，采用高斯差分方法对图像进行分割和精确定位，使用聚类算法对匹配效果进行优化。图1为Android智能病虫害诊断的主要流程。首先，通过Android智能手机对玉米的病虫害图像进行拍摄，利用Android智能系统上传到Web服务器的规则库进行图像匹配；图像匹配的过程使用图像分割算法对病虫害的部位进行清晰化和放大处理，提取病虫害图像的特征点，利用特征点和病虫害本体库数据进行匹配；通过匹配可以得到病虫害的类型数据，反馈信息可以通过android智能手机端接收。

图1 图像匹配算法示意图

1.2 图像匹配和智能诊断算法设计

为了实现图像匹配的特征点提取，采用高斯差分的方法对图像进行分割和精确定位。如果高斯差分算子定义不好，其极值在沿边缘方向有较大的主曲率，在垂直边缘的方向有较小的主曲率，主曲率可以通过一个2×2的Hessian矩阵H求出，则

(1)

其中，D表示匹配的原始图像，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，且满足下式，即

(2)

其中，r表示曲率半径。令α=rb，则

(3)

(4)

在提取不稳定点后，对特征值点进行精确的定位，图像匹配过程就是将两个特征点X(1,2)、Y(1,2)无线逼近。假设逼近函数Z(1,2)，该函数可以写成

Z(1,2)=∬(X-Y)dxdy

(5)

假设逼近前特征点的距离为xk、yl，则逼近的距离函数可以写成

(6)

于是两幅图像的逼近距离的聚类中心可以写成

(7)

该聚类可以看作是一个聚类中心，当该聚类中心达到设定的最小阈值时，系统会提示匹配成功，并显示匹配结果。

2 玉米病虫害诊断Android智能系统设计

为了开发玉米病虫害诊断系统，构建了通用的应用系统开发环境。该开发环境是Linux 操作系统下由JDK+Eclipse +Android SDK+ADT构建，并借助Jena平台对Web图像匹配的规则库进行开发。其推理机制如图2所示，智能系统结构如图3所示。

图2 推理工作机制

图3 智能系统结构图

目前，Jena支持基于RDFS和OWL等语义的推理，支持RDQL语义网查询语言。OWL公理分为类公理和约束公理两种，本研究仅用到了类公理，如子类父类关系公理和排他关系公理。玉米虫害本体库用OWL表示如下:

......

针对Android 手机在数据库支持和硬件资源等方面相对有限的特点，系统的主要结构包括人机交互界面、推理机制、规则库和数据库等。JDK的下载界面如图4所示。

图4 JDK下载示意图

下载完成后需要对JDK进行安装，安装之前需要修改相应的环境变量，主要包括JAVA _H OME变量配置和CLASSPATH变量配置。JDK下载安装完成后需要安装Eclipse集成软件。

图5表示Eclipse集成软件下载界面，包括Java Developers和C/C++ Developers。在集成环境安装的过程中需要根据提示，选择合适的安装路径和环境变量，便可搭建Android智能系统的开发环境，并生产apk文件。

图5 Eclipse集成软件下载

3 智能玉米病虫害诊断系统测试

为了验证系统的有效性和可靠性，测试选取了几组具有代表性的玉米叶片的病虫害，使用手机拍摄图像，并通过Android系统对图像进行上传和接受病虫害的类型信息，选取的主要图像如图6所示。

图6 玉米病虫害选取示意图

为了验证系统的有效性，本次研究选取了叶片病虫害结构明显的图像进行分析，首先利用特征点提取的方法对图像进行灰度处理，如图7所示。

图7 图像的灰度化处理示意图

通过对图像RGB的3个通道进行灰度匹配发现，在R通道病虫灾害区域与健康区域的灰度差异较大，所以可以首先将R通道进行图像分割，结合特征点的提取，结果如图8所示。

图8 病虫害图像分割

为了对图像中病虫害特征点突出的地方进行提取，衰减不需要分析的区域，提高图像的匹配效果，先将病虫害区域以外的图像当作噪声区合理的去除，并通过图像锐化使图像清晰。

图9表示病虫害匹配的接受结果。分割后的图像和规则库的图像进行匹配后可以生成病虫害的匹配结果信息，该信息可以通过Android智能系统接收，最终反馈给农户的手机客户端。

图9 病虫害匹配结果

表1表示利用Android智能玉米病虫害诊断系统对病虫害类型进行诊断，通过计算得到的病虫害类型匹配结果。为了使结果更加精确可靠，采集了8组不同病虫害个数的图像，并利用Android智能系统上传到上位机。上位机利用图像处理器将图像进行分割处理，并对病虫害图像库里的图像和拍摄图像进行匹配，依此来判断病虫害的类型。由表1可以看出：玉米病虫害诊断系统可多幅图像里有效地对病虫害类型进行匹配，成功匹配率较高，系统的稳定性较好。

表1 病虫害类型匹配个数

4 结论

1)提出并设计了基于Android系统的玉米病虫害诊断系统。该系统支持无线网络传输，摆脱了有线网络环境的输入，并且简单实用，是一种农村基层使用手机诊断病虫害的有效方法。

2)使用Android系统构建了人机交互界面，并开发了系统的通用环境。该环境具有开源性，便于二次开发。

3)系统以Jena为数据库平台，实现了图像匹配规则库的设计，有利于不断完善系统的规则库，提高了系统的病虫害诊断效果。

[1] 郭静,陈庆奎.基于 CUDA 的快速图像压缩[J]. 计算机工程与设计,2010,31(14):3302-3304.

[2] 樊晓平,熊哲源,陈志杰,等.无线多媒体传感器网络视频编码研究[J].通信学报,2011,32(9): 137-146.

[3] 熊哲源,樊晓平,刘少强,等.一种适用于无线多媒体传感器网络的JPEG图像编码算法[J].传感技术学报,2011,24(10):1489-1495.

[4] 钟茂生,刘慧,刘磊.词汇间语义相关关系量化计算方法[J].中文信息学报,2009,23(2):115-122.

[5] 宋晓丽,王庆.基于GPGPU 的数字图像并行化预处理[J].计算机测量与控制,2009,17(6):1169-1171.

[6] 张强,孙雨耕,杨挺,等.无线传感器网络在智能电网中的应用[J].中国电力,2010,43(6):31-36.

[7] 庾志成.移动互联网的发展现状和发展趋势[J].移动通信,2008(5):22-24.

[8] 危贵川.2008-2009年中国移动互联网产业评述[J].电子商务,2009(4):32.

[9] 孟博,姚国祥.结构化 P2P 网络模型Tapestry 的改进方案[J].计算机工程与设计，2010,31(21):4569-4573.

[10] 赵宇翔,朱庆华,吴克文,等.基于用户贡献的 UGC 群体分类及其激励因素探讨[J].情报学报，2011,10(10):1095-1107.

[11] 胡星波,晏渭川.基于Android的 NFC实现与应用[J].电视技术,2011,35(21):84-89.

[12] 毕抒,任明,王成道.小波变换在图像镶嵌技术中的研究[J].计算机工程与应用,2004，2(21):51-52.

[13] 高丽,韦群.基于小波分析的图像镶嵌融合研究与实现[J].指挥技术学院学报,2001(10):20-21.

[14] 魏明果.实用小波分析[M].北京：北京理工大学出版社,2005:221-324.

[15] 李弼程,罗建书. 小波分析及其应用[M]. 北京：电子工业出社,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] 成礼智,王红霞,罗永.小波的理论与应用[M]. 北京：科学出版社,2004:123-365.

[18] 黄铜城,银丽萍.基于投影变换的图像自动配准[J].微机发展, 2003,13(2):59-61.

[19] 宋利,周源华,周军. 基于复小波变换的图像镶嵌[J].上海交通大学学报,2005，39(8):179-180.

[20] 陈宝林.最优化理论与算法[M].北京:清华大学出版社,2002:11-121.

[21] 郑涛, 张民.小波分析在图像处理中的应用[J].中国人民公安大学报,2003,4(4):76-77.

[22] 吴媛媛,李斌,孙春奇,等.基于 Chord 的对等网络内容搜索技术的研究[J].微型计算机，2011,27(1):164-167.

[23] 孙继平,李迎春.基于小波变换的图像边界问题的研究[J].西安科技大学学报，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

河南省科技攻关项目(152102110161)

田 磊(1983-)，男，河南南阳人，讲师，硕士。

王明绪(1986-)，男，河南唐河人，助教，硕士，(E-mail)34296064@qq.com。

S24;S126

A

1003-188X(2017)04-0207-05