基于機(jī)器視覺技術(shù)的南疆小麥病蟲害監(jiān)測(cè)系統(tǒng)

高桓凱 花元濤 張凌飛 邱霄坤 宋 欣

（塔里木大學(xué)信息工程學(xué)院，新疆阿拉爾843300）

南疆位于天山以南、昆侖山以北，多旱少雨，自然條件惡劣［1］。在南疆地區(qū)，略高的氣溫、偏低的降水量以及其他惡劣的氣象條件，這些不利的氣象條件使得白粉病、蚜蟲等病蟲害常年侵害小麥麥田［2］。為預(yù)防病蟲害大面積擴(kuò)散，該系統(tǒng)基于機(jī)器視覺技術(shù)，專門針對(duì)南疆小麥病蟲害進(jìn)行監(jiān)測(cè)，以期達(dá)到對(duì)南疆小麥病蟲害起到一定的防控作用。

1 關(guān)鍵技術(shù)

系統(tǒng)采用機(jī)器視覺技術(shù)，機(jī)器視覺（Machine Vision），也稱計(jì)算機(jī)視覺（Computer Vision）［3］，通俗地講，就是給機(jī)器加上了視覺裝置，令機(jī)器具有視覺功能，提高機(jī)器的智能自動(dòng)化程度［4］。系統(tǒng)通過機(jī)器視覺的圖像采集、圖像處理和分析技術(shù)對(duì)南疆小麥的生長(zhǎng)狀況進(jìn)行數(shù)據(jù)采集和分析。

1.1 圖像采集技術(shù)

在進(jìn)行南疆小麥病蟲害識(shí)別監(jiān)測(cè)時(shí)，先要對(duì)小麥的圖像信息進(jìn)行采集。為盡可能突出目標(biāo)的特征量，減少外界環(huán)境對(duì)采集圖像的影響，在進(jìn)行監(jiān)測(cè)時(shí)，需要自備光源［4］。對(duì)農(nóng)作物病蟲害葉片圖像的采集需選用一臺(tái)合適的攝像機(jī)或?qū)I(yè)的農(nóng)作物葉片圖像采集裝置。圖像采集卡是橋梁裝置，它負(fù)責(zé)將攝像機(jī)里面的數(shù)字信號(hào)傳輸給計(jì)算機(jī)，實(shí)現(xiàn)兩者之間的信號(hào)傳輸功能［4］。

1.2 圖像預(yù)處理技術(shù)

采集到小麥多部位圖像后，因?yàn)榄h(huán)境、氣候以及無益信息等要素的影響，使拍攝出的圖片可能無法突出重點(diǎn)、清晰明了，所以需要對(duì)圖像進(jìn)行預(yù)處理。本系統(tǒng)通過圖像篩選、圖像增強(qiáng)、圖像分離和提取病灶進(jìn)行預(yù)處理。

首先通過光照和清晰度篩選算法，對(duì)攝像機(jī)獲取到的小麥圖像提取出清晰度和亮度合適的圖像；然后使用中值濾波算法和高帽、低帽變換，過濾掉圖像的噪音并對(duì)圖像進(jìn)行增強(qiáng)；然后基于RGB 彩色原理，交替使用邊緣平滑、小面積孔洞填充及灰度二值化等算法［5］，將圖像部分分離；最后取出斑點(diǎn)部分，提取病灶。預(yù)處理流程圖如圖1所示。

圖1 圖像預(yù)處理流程

1.3 圖像特征提取技術(shù)

由于南疆獨(dú)特的地理位置和氣候特征，本系統(tǒng)通過提取小麥的特征信息，主要對(duì)黑穗?。?］、根腐?。?］和白粉病［8］三種病害以及蚜蟲等蟲害進(jìn)行監(jiān)測(cè)，其主要病蟲害特征統(tǒng)計(jì)如表1所示。

對(duì)南疆小麥的3種病害和蟲害識(shí)別，是依據(jù)病蟲害發(fā)生后小麥的形狀、顏色和紋理信息，根據(jù)這些特征信息對(duì)病害進(jìn)行識(shí)別。

1）形狀特征提取

在特征提取中，形狀特征是用于判斷發(fā)生蟲害的重要特征之一。據(jù)1-1、1-2 和1-3 三個(gè)公式［9］，對(duì)于經(jīng)過預(yù)處理的圖像進(jìn)行計(jì)算，求得球狀性A、偏心率B 以及不變矩C 的特征參數(shù)，對(duì)小麥的形狀特征進(jìn)行分組。

式中，r1表示區(qū)域內(nèi)切圓半徑；r2表示區(qū)域外切圓半徑；a、b為繞三維坐標(biāo)軸的轉(zhuǎn)動(dòng)慣量，c為慣性積。

2）顏色特征提取

相對(duì)于RGB 模型來說，HSV 顏色模型可更好地適應(yīng)人眼對(duì)顏色的觀察。首先應(yīng)取出模型中H、S、V三個(gè)分量，然后通過整理進(jìn)行分類，最后求出顏色分量的一、二和三階矩［10］：

式中，α、β、γ 表示一、二和三階矩，即均值、方差及偏移性；N 是像素總的個(gè)數(shù)；pij表示，當(dāng)顏色通道為第i個(gè)的時(shí)候，像素為灰色j的概率是多少。

3）紋理特征提取

小麥的紋理特征，可通過灰度共生矩陣法體現(xiàn)，它是小麥病害類型判斷的重要指標(biāo)?？赏ㄟ^以下公式，計(jì)算出熵A1，對(duì)比度A2和相關(guān)度A3三個(gè)量，通過這三個(gè)量的指標(biāo)表示出病斑的紋理特征［10］：

式中，A1體現(xiàn)出圖像紋理排列的混亂度，A2主要描述清晰度，A3反映周期性的強(qiáng)弱。m為行方向上紋理參數(shù)的均值、p 為方差，N 為灰度級(jí)，n、q 為列方向上紋理參數(shù)的均值和方差。

1.4 特征分析

對(duì)病蟲害圖像進(jìn)行特征分析時(shí)，需要通過分類器進(jìn)行識(shí)別。如果是數(shù)字圖像識(shí)別，常采用統(tǒng)計(jì)模式識(shí)別，優(yōu)點(diǎn)是可對(duì)信息價(jià)值做出合理的判斷，缺點(diǎn)是分析計(jì)算復(fù)雜；而線性分類器雖然識(shí)別方法較為簡(jiǎn)單，但只適合線性可分問題，局限性較大［5］。

本系統(tǒng)在對(duì)病蟲害進(jìn)行識(shí)別時(shí)，對(duì)樣本使用支持向量機(jī)（SVM）分類器：經(jīng)非線性映射，將輸入空間提高到高維空間，在這個(gè)新的空間中，獲取到分類間隔最優(yōu)的分類面，判別公式［5］如公式1-10所示。

在公式中，N為樣本的數(shù)量，x為輸入特征向量，y為所屬類別，K(x，xi)為核函數(shù)，b*是實(shí)常數(shù)，σi*是最優(yōu)系數(shù)向量。

由于小麥部分病蟲害常分散于葉片，且區(qū)域生長(zhǎng)算法對(duì)于處理害蟲的分類問題有很大幫助［11］，所以本系統(tǒng)可在分割識(shí)別基礎(chǔ)上通過運(yùn)用區(qū)域生長(zhǎng)算法，經(jīng)過合并、分裂相結(jié)合，將害蟲與葉片分割開來，實(shí)現(xiàn)蟲害的自動(dòng)辨別。

2 系統(tǒng)設(shè)計(jì)

在對(duì)系統(tǒng)進(jìn)行設(shè)計(jì)時(shí)，需要對(duì)硬件裝置的提供方面和軟件技術(shù)的支持方面進(jìn)行設(shè)計(jì)。其中硬件裝置的設(shè)計(jì)是通過預(yù)先比較篩選，系統(tǒng)選用分辨率高、圖像質(zhì)量好的MV-2000FC 工業(yè)數(shù)字相機(jī)，分辨率可達(dá)2 048×1 536，支持一臺(tái)計(jì)算機(jī)連接多只攝像機(jī)，無中繼數(shù)據(jù)傳輸4. 5 米，加中繼可達(dá)72 米。光源選取飛利浦公司的白熾燈，色溫為4 100 cm，接近自然光。由于攝像機(jī)選用的是數(shù)字相機(jī)，數(shù)字相機(jī)中圖像是以數(shù)字信號(hào)存儲(chǔ)在相機(jī)里的，所以在進(jìn)行數(shù)據(jù)傳輸時(shí)不需要選擇圖像采集卡來進(jìn)行數(shù)據(jù)轉(zhuǎn)換，攝像機(jī)獲得的圖像信息可以直接傳輸給PC 服務(wù)器，讓服務(wù)器進(jìn)行處理。軟件設(shè)計(jì)是通過將攝像機(jī)拍攝的圖像傳輸給服務(wù)器后，經(jīng)過存儲(chǔ)、預(yù)處理、特征提取和特征分析技術(shù)獲得有效特征值；再使用數(shù)據(jù)庫的相關(guān)技術(shù)，將提取后特征值與數(shù)據(jù)庫樣本的特征值比對(duì)、匹配，如若匹配成功，就將最終結(jié)果輸出顯示到用戶終端，達(dá)到病蟲害監(jiān)測(cè)的目的。其系統(tǒng)完整的流程圖如圖2所示。

圖2 系統(tǒng)整體流程圖

2.1硬件設(shè)計(jì)

用戶需配備一臺(tái)控制終端，可以是手機(jī)、電腦或者其他監(jiān)控設(shè)備，這些終端通過對(duì)監(jiān)測(cè)模塊發(fā)送監(jiān)測(cè)命令，接收監(jiān)控中心服務(wù)器發(fā)來的最終監(jiān)測(cè)結(jié)果，最后獲得小麥?zhǔn)欠窠】档谋O(jiān)測(cè)信息。本次設(shè)計(jì)選用手機(jī)為控制設(shè)備。硬件設(shè)計(jì)框架圖如圖3所示。

手機(jī)終端在對(duì)小麥監(jiān)測(cè)模塊發(fā)送控制信號(hào)時(shí)，可通過無線通信傳輸；為保證圖像采集的普遍性，采集到的樣本數(shù)據(jù)能夠可靠傳輸，攝像機(jī)使用有線通信方式與監(jiān)控服務(wù)器連通。

圖3 硬件設(shè)計(jì)框架圖

2.2 軟件設(shè)計(jì)

監(jiān)控服務(wù)器通過使用java 7 Update 60(64-bit)編程軟件，設(shè)計(jì)出監(jiān)控服務(wù)器(PC機(jī))可對(duì)攝像機(jī)傳輸過來的圖像信息進(jìn)行圖像預(yù)處理、特征提取以及特征分析的程序，再通過使用版本號(hào)為11.00.3000.00的SQL SERVER 2012 Service Pack 1 數(shù)據(jù)庫，將最后服務(wù)器分析出來的樣本特征值發(fā)送到數(shù)據(jù)庫，對(duì)樣本特征值進(jìn)行存儲(chǔ)、對(duì)比以及匹配，實(shí)現(xiàn)對(duì)該區(qū)域小麥病蟲害的有效診斷。軟件設(shè)計(jì)流程圖如圖4所示。

圖4 軟件設(shè)計(jì)流程

通過使用Android Studio 3. 2. 0 開發(fā)者平臺(tái)，設(shè)計(jì)出一款用于實(shí)時(shí)監(jiān)測(cè)的app，它和服務(wù)器通過B/S和C/S 進(jìn)行架構(gòu)，每次監(jiān)測(cè)時(shí)自選采樣點(diǎn)，得出最后的監(jiān)測(cè)結(jié)果是可能發(fā)生病蟲害的概率。使用戶手機(jī)終端實(shí)時(shí)獲取病蟲害的監(jiān)測(cè)結(jié)果，界面功能如圖5監(jiān)測(cè)界面所示。

圖5 監(jiān)測(cè)界面

3 試驗(yàn)與總結(jié)

為檢測(cè)南疆小麥病蟲害監(jiān)測(cè)系統(tǒng)的準(zhǔn)確性，試驗(yàn)時(shí)，測(cè)試地點(diǎn)選取近年小麥種植面積約170萬畝的阿克蘇地區(qū)。在預(yù)先選好的小麥試驗(yàn)田里，通過Android手機(jī)進(jìn)行病蟲害監(jiān)測(cè)，測(cè)試最終結(jié)果如圖6所示。

圖6 病蟲害監(jiān)測(cè)測(cè)試

在相同的硬件設(shè)備和環(huán)境條件下，選擇阿克蘇地區(qū)五種測(cè)試麥田進(jìn)行監(jiān)測(cè)測(cè)試，五種麥田分別為：黑穗病麥田、根腐病麥田、白粉病麥田、蚜蟲麥田以及健康麥田。在試驗(yàn)時(shí)要先檢測(cè)系統(tǒng)設(shè)備可否正常工作，首先，攝像機(jī)在各麥田中分別獲取多張病蟲害癥狀小麥和健康小麥的樣本圖像進(jìn)行處理，部分樣本圖像經(jīng)處理后的病蟲害原始圖像和特征分割圖像結(jié)果如圖7所示。

圖7 處理后的五類病蟲害小麥圖像

在圖7 中，A 為小麥根腐病植株源圖像，a 小麥根腐病植株病斑分割結(jié)果；B 為小麥黑穗病植株源圖像，b小麥黑穗病植株病斑分割結(jié)果；C為小麥健康植株源圖像；D為小麥白粉病植株源圖像，d小麥白粉病植株病斑分割結(jié)果；E為小麥蚜蟲植株源圖像，e小麥蚜蟲植株病斑分割結(jié)果。

用攝像機(jī)將病斑分割結(jié)果圖上傳至服務(wù)器終端進(jìn)行病蟲害判別：由于A植株葉鞘腐爛、卷曲，葉鞘顏色為褐色，服務(wù)器通過公式1-1 至1-6 對(duì)形狀和顏色特征進(jìn)行提取與分析，最終判斷為小麥根腐病植株；B 植株由于病粒為灰黑色，服務(wù)器通過公式1-7至1-10 對(duì)紋理特征進(jìn)行提取與分析，最終判斷為小麥黑穗病植株；C 植株由于在形狀、顏色及紋理特征上均無異樣，服務(wù)器最終判斷為健康小麥植株；D 植株由于病斑為橢圓與圓狀灰白色，服務(wù)器通過公式1-4至1-10 對(duì)顏色和紋理特征進(jìn)行提取與分析，最終判斷為小麥白粉??；E 植株由于葉片表面形狀為綠色橢圓形，服務(wù)器通過公式1-1 至1-6 對(duì)形狀和顏色特征進(jìn)行提取與分析，最終判斷為小麥蚜蟲植株。

由于最終的判別結(jié)果與已知病狀均相同，說明系統(tǒng)設(shè)備可以正常工作。所以本次試驗(yàn)從各麥田科學(xué)地選取了50 株試驗(yàn)小麥作為抽樣樣本，將抽樣樣本分為五組進(jìn)行試驗(yàn)，并將最后試驗(yàn)結(jié)果進(jìn)行了數(shù)據(jù)的統(tǒng)計(jì)與分析，最后得出如表2所示的小麥病蟲害概率統(tǒng)計(jì)表。

表2 南疆小麥病蟲害概率統(tǒng)計(jì)表

由表2可知本次試驗(yàn)結(jié)果為，在試驗(yàn)小麥樣本數(shù)統(tǒng)一、試驗(yàn)條件基本相同的條件下，在對(duì)黑穗病進(jìn)行監(jiān)測(cè)時(shí)，系統(tǒng)誤判次數(shù)6次，正確判斷次數(shù)44次，監(jiān)測(cè)準(zhǔn)確率為88.0%；在對(duì)根腐病進(jìn)行監(jiān)測(cè)時(shí)，系統(tǒng)誤判次數(shù)4次，正確判斷次數(shù)46次，監(jiān)測(cè)準(zhǔn)確率為92.0%；在對(duì)白粉病進(jìn)行監(jiān)測(cè)時(shí)，系統(tǒng)誤判次數(shù)6次，正確判斷次數(shù)44 次，監(jiān)測(cè)準(zhǔn)確率為88.0%；在對(duì)蚜蟲進(jìn)行監(jiān)測(cè)時(shí)，系統(tǒng)誤判次數(shù)7次，正確判斷次數(shù)43次，監(jiān)測(cè)準(zhǔn)確率為86.0%；在對(duì)健康植株進(jìn)行監(jiān)測(cè)時(shí)，系統(tǒng)誤判次數(shù)3次，正確判斷次數(shù)47次，監(jiān)測(cè)準(zhǔn)確率為94.0%。

該試驗(yàn)數(shù)據(jù)說明，系統(tǒng)雖然通過較為準(zhǔn)確的數(shù)據(jù)庫信息與錄入信息進(jìn)行比對(duì)，但可能由于光源、硬件、環(huán)境以及一些其他因素的影響，攝像機(jī)采集的圖像將會(huì)受到視覺干擾或圖像失真等因素的影響，這使得系統(tǒng)對(duì)病蟲害的監(jiān)測(cè)存在一定偏差。但可以接受的是，各試驗(yàn)田里病蟲害識(shí)別的準(zhǔn)確率均達(dá)85.0%以上，可以滿足對(duì)南疆大面積麥田監(jiān)測(cè)的需求，能夠在實(shí)際應(yīng)用中投入使用。