基于物聯(lián)網(wǎng)的現(xiàn)代農(nóng)業(yè)病蟲害圖像識(shí)別云平臺(tái)開發(fā)

杭州職業(yè)技術(shù)學(xué)院 吳弋旻

云平臺(tái)由搭載了云平臺(tái)服務(wù)器端軟件的云服務(wù)器、客戶端軟件的云電腦以及網(wǎng)絡(luò)組件構(gòu)成。三個(gè)層次的云平臺(tái)包括：基礎(chǔ)環(huán)境層、系統(tǒng)基礎(chǔ)應(yīng)用層及第三方應(yīng)用層。云平臺(tái)主要運(yùn)用于智能監(jiān)控管理，對(duì)計(jì)算、存儲(chǔ)、網(wǎng)絡(luò)等資源，云應(yīng)用的服務(wù)可實(shí)現(xiàn)全時(shí)段、全方位、廣地域、智能化、立體式的運(yùn)維管理及監(jiān)控，保障運(yùn)維整個(gè)系統(tǒng)的穩(wěn)定、可靠、安全。

1 農(nóng)業(yè)物聯(lián)網(wǎng)現(xiàn)代農(nóng)業(yè)病蟲害圖像識(shí)別云平臺(tái)總體設(shè)計(jì)方案

物聯(lián)網(wǎng)的現(xiàn)代農(nóng)業(yè)病蟲害圖像[1]識(shí)別云平臺(tái)由用戶平臺(tái)、虛擬運(yùn)維軟件平臺(tái)與云計(jì)算基礎(chǔ)硬件等組成，集成了物聯(lián)網(wǎng)技術(shù)、通信技術(shù)、云計(jì)算技術(shù)、移動(dòng)互聯(lián)技術(shù)等，對(duì)云計(jì)算、信息管理、大數(shù)據(jù)及數(shù)據(jù)中心進(jìn)行處理與整合。

云平臺(tái)能提供方便、簡(jiǎn)單、易統(tǒng)一的管理平臺(tái)，豐富的內(nèi)置資源管理以及交付功能；將靜態(tài)分配的IT 基礎(chǔ)設(shè)施抽象為易調(diào)度、可管理、按需分配的資源；云平臺(tái)將資源封裝提供按需要求、靈活使用的IT 資源服務(wù)，滿足物聯(lián)網(wǎng)在農(nóng)業(yè)應(yīng)用綜合系統(tǒng)的實(shí)施（圖1）。

圖1 農(nóng)業(yè)物聯(lián)網(wǎng)云平臺(tái)系統(tǒng)結(jié)構(gòu)圖

平臺(tái)從“服務(wù)”的角度出發(fā)，在資源池之上，關(guān)注如何將資源封裝為可度量的服務(wù)，并使最終用戶以最便捷靈活的形式按需使用這些服務(wù)。提供病蟲害圖像服務(wù)模板定義、服務(wù)模板管理、服務(wù)目錄管理、訂單管理、用戶管理、系統(tǒng)管理、日志管理、個(gè)人信息、農(nóng)業(yè)運(yùn)營(yíng)納管和農(nóng)業(yè)運(yùn)營(yíng)報(bào)表功能，幫助農(nóng)業(yè)運(yùn)營(yíng)者完成日常運(yùn)營(yíng)工作，提高作物產(chǎn)量。

2 農(nóng)業(yè)病蟲害圖像識(shí)別平臺(tái)整體結(jié)構(gòu)

農(nóng)業(yè)病蟲害識(shí)別處理平臺(tái)由高清鏡頭、高速攝像機(jī)、圖像處理器作為硬件基礎(chǔ)，嵌入病蟲害識(shí)別、分析等軟件，實(shí)現(xiàn)采集農(nóng)作物、病蟲害的圖像，提取實(shí)物特征、識(shí)別及分析等功能。

圖2 農(nóng)業(yè)病蟲害圖像識(shí)別平臺(tái)整體結(jié)構(gòu)

2.1 農(nóng)業(yè)病蟲害圖像數(shù)據(jù)采集[2]

利用高清攝像頭將需識(shí)別的病蟲害圖像信息采集后導(dǎo)入計(jì)算機(jī)中，通過采樣、測(cè)量、對(duì)比和量化技術(shù)，使用矩陣及向量對(duì)待識(shí)別的對(duì)象信息進(jìn)行分析；應(yīng)用平滑、增強(qiáng)、變換、濾波及除噪等技術(shù)對(duì)采集的圖像進(jìn)行處理；將批量的病蟲害圖像樣本判定出一整套分類、鑒別的規(guī)則，進(jìn)行特征提取，將根據(jù)平臺(tái)庫中已確定的判別規(guī)則進(jìn)行比對(duì)、分類、識(shí)別。

2.2 分割農(nóng)業(yè)病蟲害圖像特征信息

圖像處理過程中病蟲害圖像分割是第一步，將病蟲害圖像切割細(xì)分為一個(gè)個(gè)細(xì)小的帶有圖像紋理、結(jié)構(gòu)、灰度、顏色等特征微小區(qū)域或細(xì)小物體，然后對(duì)圖像進(jìn)行質(zhì)的轉(zhuǎn)換，充分提取其特征值。分割的算法種類很多，具體有數(shù)學(xué)形態(tài)學(xué)、模糊聚類與特定理論結(jié)合的分割方法，基于灰度值不連續(xù)性和相似性，閾值分割、邊緣檢測(cè)等經(jīng)典分割的理論。

2.3 獲取農(nóng)業(yè)病蟲害圖像特征信息

特征信息獲取主要包括兩個(gè)方面即特征描述和提取。病蟲害圖像的特征提取主要是數(shù)字圖像的處理，影響到分類器分類的精度和設(shè)計(jì)效率，并決定分類算法的可行性。對(duì)圖像中切割出來的細(xì)小圖像屬性予以量化的描述表示為特征描述，通過數(shù)學(xué)變換將樣本空間降維，特征子集計(jì)算，使目標(biāo)方便識(shí)別。按特征屬性的提取方法有紋理、顏色、形態(tài)等的特征提取，農(nóng)作物病蟲害圖像的特征提取后，需對(duì)這些特征進(jìn)行大量的分析與研究。

2.4 分類識(shí)別農(nóng)業(yè)病蟲害圖像

以提取后的病蟲害圖像特征為基礎(chǔ)，建立分類器，實(shí)現(xiàn)識(shí)別病蟲害圖像目標(biāo)。圖像處理后的第二步是分類識(shí)別，分類算法追求的是分類的準(zhǔn)確度，快速、穩(wěn)定、高精度的農(nóng)作物病蟲害圖像分類識(shí)別的算法是研究目標(biāo)。目前有基于統(tǒng)計(jì)、形狀、紋理等分類的判別規(guī)則；在數(shù)量上有兩類和多類分類器，兩類分類器和策略組合成多類分類器，常用的多類分類器有模糊聚類法、神經(jīng)網(wǎng)絡(luò)法及向量機(jī)法等。

3 結(jié)語

基于物聯(lián)網(wǎng)的現(xiàn)代農(nóng)業(yè)病蟲害圖像識(shí)別云平臺(tái)系統(tǒng)，有效地利用了物聯(lián)網(wǎng)技術(shù)、模式識(shí)別、數(shù)據(jù)采集和云平臺(tái)，圖像分割識(shí)別算法能夠自動(dòng)[3]、有效地對(duì)害蟲進(jìn)行識(shí)別，為害蟲綜合管理系統(tǒng)提供數(shù)據(jù)支持，實(shí)現(xiàn)對(duì)農(nóng)業(yè)病蟲害的實(shí)時(shí)監(jiān)控和有效控制。農(nóng)業(yè)病蟲害圖像識(shí)別云計(jì)算平臺(tái)，建立了病蟲害識(shí)別模型庫、預(yù)警庫，農(nóng)作物生長(zhǎng)、環(huán)境模型庫，報(bào)警等信息庫，運(yùn)用智能化算法對(duì)這些信息進(jìn)行處理，讓農(nóng)戶采取適當(dāng)措施，從而實(shí)現(xiàn)對(duì)病蟲害的有效控制。該平臺(tái)系統(tǒng)能提升農(nóng)作物產(chǎn)量與質(zhì)量，具有極好的生態(tài)效益、經(jīng)濟(jì)效益及社會(huì)效益。