基于樹莓派和Python的黃瓜病斑識(shí)別系統(tǒng)的設(shè)計(jì)

李警波 李密生 唐博 張正陽(yáng)

摘 要：為了實(shí)現(xiàn)黃瓜斑病的識(shí)別，綜合應(yīng)用計(jì)算機(jī)數(shù)字處理技術(shù)與圖像識(shí)別技術(shù)進(jìn)行黃瓜病斑識(shí)別研究。使用樹莓派3B硬件開發(fā)平臺(tái)，融合Python開發(fā)和圖像識(shí)別等先進(jìn)技術(shù)，設(shè)計(jì)了黃瓜病斑識(shí)別系統(tǒng)，該系統(tǒng)具有功能強(qiáng)大、使用方便、識(shí)別精確等優(yōu)勢(shì)。文中介紹了系統(tǒng)的整體框架，樹莓派的硬件設(shè)計(jì)，圖像識(shí)別的關(guān)鍵技術(shù)和流程，同時(shí)該系統(tǒng)在傳統(tǒng)測(cè)量葉片面積的基礎(chǔ)上，還增加了黃瓜病斑的面積計(jì)算，根據(jù)相應(yīng)病害面積計(jì)算出黃瓜病害的等級(jí)。該黃瓜病斑識(shí)別系統(tǒng)具有一定理論參考價(jià)值和實(shí)用價(jià)值，能夠有效提高黃瓜種植栽培的工作效率與黃瓜產(chǎn)量。

關(guān)鍵詞：樹莓派3B;Python;處理技術(shù);圖像識(shí)別;黃瓜病斑;葉面積;栽培

0 引 言

隨著計(jì)算機(jī)數(shù)字處理技術(shù)、信息技術(shù)的飛速發(fā)展，以及互聯(lián)網(wǎng)+時(shí)代的到來(lái)，通過(guò)樹莓派和Python的融合實(shí)現(xiàn)黃瓜病斑的識(shí)別系統(tǒng)已成為可能。近年來(lái)，國(guó)內(nèi)外越來(lái)越多的研究人員對(duì)各種蔬菜的病斑進(jìn)行了相關(guān)研究和實(shí)驗(yàn)，并取得了較好效果，同時(shí)各種病斑也得到了很好的控制。但對(duì)于大棚作物，尤其是黃瓜病害的研究較少。

樹莓派為Python編程提供了一個(gè)成本低廉、穩(wěn)定可靠的開發(fā)平臺(tái)，其允許樹莓派的開發(fā)者將項(xiàng)目擴(kuò)展到令人難以置信的規(guī)模[1]。

黃瓜最早在農(nóng)業(yè)大棚里廣泛種植，具有較高的營(yíng)養(yǎng)價(jià)值，且生長(zhǎng)成熟周期較短，由于其具有眾多優(yōu)點(diǎn)，成為飯桌上的美味佳肴，也成為美容界的明星作物。針對(duì)黃瓜病害的識(shí)別很大程度上仍然停留在依靠人眼觀察階段，存在較大主觀性，識(shí)別結(jié)果不精確且速度較慢，無(wú)法滿足人們的需求。因此，將黃瓜病斑識(shí)別技術(shù)應(yīng)用于農(nóng)業(yè)領(lǐng)域以解決上述問(wèn)題[2]，開發(fā)出滿足精準(zhǔn)農(nóng)業(yè)要求的黃瓜斑病識(shí)別系統(tǒng)。

1 硬件組成

基于樹莓派和Python的黃瓜病斑識(shí)別系統(tǒng)主要包含供電模塊、存儲(chǔ)模塊、檢測(cè)模塊和處理模塊。

病斑識(shí)別系統(tǒng)中檢測(cè)模塊對(duì)被檢測(cè)對(duì)象的圖像進(jìn)行采集，并且對(duì)采集到的圖片進(jìn)行分割等預(yù)處理。處理模塊對(duì)預(yù)處理后的葉片圖像進(jìn)行灰度化、去噪等深度處理，計(jì)算葉片的病斑面積，之后將病斑面積根據(jù)病斑的等級(jí)標(biāo)準(zhǔn)進(jìn)行識(shí)別和提示。存儲(chǔ)模塊為樹莓派的底層系統(tǒng)、檢測(cè)到的圖片初始數(shù)據(jù)和處理識(shí)別后的數(shù)據(jù)提供存儲(chǔ)支持。供電模塊采用鋰電池設(shè)備，既能提供穩(wěn)定電源，又為病斑識(shí)別系統(tǒng)使用方式的自由度提供了有力支持。鋰電池供電方式的應(yīng)用使其不僅可以在實(shí)驗(yàn)室使用，又可以直接走向一線場(chǎng)景進(jìn)行采集和識(shí)別。

葉片掃描儀由樹莓派3B電路板、LCD顯示屏幕、攝像頭和電池供電系統(tǒng)組成，其中樹莓派為硬件和軟件的集成核心，負(fù)責(zé)連接各部分，提供相應(yīng)的拍照和計(jì)算服務(wù)。

黃瓜病斑識(shí)別系統(tǒng)的核心在于樹莓派。樹莓派3B電路板是一款搭載Debian操作系統(tǒng)的微型主機(jī)，它將擴(kuò)充存儲(chǔ)卡作為存儲(chǔ)器，主板含有一個(gè)百兆以太網(wǎng)接口和WiFi模塊以供信息流傳輸，同時(shí)還具有一個(gè)CSI2接口攝像頭，用于圖像采集及與40個(gè)GPIO引腳連接，電源線接入樹莓派BOARD引腳2（5 V接口），GND接入BOARD引腳14，拍照鍵接入BOARD引腳14（GPIO4），關(guān)機(jī)重啟按鍵接入BOARD引腳40（GPIO29）。通過(guò)USB電源線連接至樹莓派3B的MicroUSB供電接口，觸發(fā)電源開關(guān)為掃描儀供電。CPU處理器用于處理信息，GPU處理器使顯卡減少了對(duì)CPU的依賴，可進(jìn)行部分原本屬于CPU的工作，如圖像處理。該電路板還含有1 GB內(nèi)存用于存儲(chǔ)數(shù)據(jù)和圖片，主板外設(shè)有一個(gè)開關(guān)鍵用于對(duì)樹莓派的設(shè)備進(jìn)行關(guān)機(jī)和開機(jī)操作，通過(guò)圖片捕獲鍵對(duì)黃瓜葉片進(jìn)行拍攝，由電池對(duì)樹莓派的設(shè)備供電，借助LCD顯示屏顯示拍攝的黃瓜葉片。系統(tǒng)結(jié)構(gòu)如圖1所示。

2 病斑識(shí)別

通過(guò)掃描儀的攝像頭采集數(shù)據(jù)，將采集的圖片進(jìn)行預(yù)處理，之后進(jìn)行病斑識(shí)別，并對(duì)黃瓜病斑識(shí)別圖像進(jìn)行病斑等級(jí)分類。

2.1 圖像預(yù)處理

由于采集的圖片會(huì)受光照等因素影響，所以需采取平滑、濾波等方式對(duì)黃瓜病斑識(shí)別系統(tǒng)進(jìn)行預(yù)處理操作，以增大病斑圖像和背景反差，去除噪聲，保障后續(xù)能夠準(zhǔn)確、完整地分割病斑圖像[3]。

圖像分割即按照?qǐng)D像中記錄內(nèi)容的特點(diǎn)將圖像分割成不同區(qū)域，以便后期對(duì)其進(jìn)行加工、分析、處理[4]。圖像分割對(duì)后期病害等級(jí)分類和準(zhǔn)確計(jì)算至關(guān)重要。常見的圖像分割方法包括最大類間方差法（OTSU算法）、固定閾值法、迭代閾值法等，本文選用最大類間方差法（OTSU算法）對(duì)圖像進(jìn)行分割處理。

作為一種簡(jiǎn)單且效果理想，并具有較強(qiáng)適應(yīng)能力的一種分割方法，OTSU算法在分割圖像的過(guò)程中非常有利，目前很多應(yīng)用領(lǐng)域都已普及了該種算法用于圖像分割[5]。

OTSU算法于1979年首次被日本研究人員提出，其根據(jù)灰度特征將圖像分為兩部分，即目標(biāo)和背景。目標(biāo)和背景之間的差異越大，圖像兩個(gè)部分之間的差異越大，因此，選取類間方差最大時(shí)的閾值將目標(biāo)和背景分離[6]。

式中：w0為背景比例，其均值為?0;w1為前景比例，其均值為?1;?為圖像均值;g為類間方差;圖像大小為M·N[7]。運(yùn)用OTSU算法對(duì)黃瓜病斑進(jìn)行分割的結(jié)果如圖2所示。

2.2 深度處理

2.2.1 灰度化

灰度圖像是一種特殊的彩色圖像[8]。經(jīng)過(guò)分割后的黃瓜病斑圖像為彩色圖片，經(jīng)過(guò)灰度化處理后對(duì)主要病害區(qū)域進(jìn)行噪聲和紋路處理，其灰度值范圍為0～255。RGB模型中R，G，B分別為三維立體坐標(biāo)的三個(gè)坐標(biāo)軸，從坐標(biāo)原點(diǎn)到每個(gè)坐標(biāo)軸的區(qū)域?yàn)楹谏饾u變?yōu)榘咨姆植记闆r，而灰度圖像只需要灰度等級(jí)值R=G=B。RGB轉(zhuǎn)灰度化的方法主要包括加權(quán)平均法、平均法、最大值法等。

2.2.2 去噪

黃瓜圖像在采集和處理過(guò)程中會(huì)引入一些噪聲，使圖像變得模糊不清，增加實(shí)驗(yàn)誤差，為避免這些影響，需要對(duì)圖像進(jìn)行去噪處理。本文使用中值濾波法對(duì)圖像去噪，不僅方便快捷[9]，還能較好地保留圖像的關(guān)鍵細(xì)節(jié)。

中值濾波是最常見的濾波手段，首先尋找圖像中的某一點(diǎn)值，然后計(jì)算該點(diǎn)周圍域中的各點(diǎn)中值并用其代替，從而消除圖像鄰域內(nèi)的單一噪聲[10]。

目標(biāo)范圍內(nèi)像素的總個(gè)數(shù)為n，（x， y）為掩膜中心的灰度值，當(dāng)n為奇數(shù)時(shí)，將（n+1）/2作為當(dāng)前像素（x， y）的值;若n為偶數(shù)時(shí)，將中間2個(gè)像素值和的一半作為當(dāng)前像素的值[11]。

2.3 面積計(jì)算

通過(guò)引入標(biāo)準(zhǔn)參考物，對(duì)采集的黃瓜葉片進(jìn)行預(yù)處理和深度處理，得到黃瓜葉片與參照物間像素的對(duì)應(yīng)關(guān)系，從而求出待測(cè)黃瓜葉片的面積，根據(jù)公式，便可以求出黃瓜葉片的實(shí)際面積。

2.4 病斑等級(jí)確定

病斑等級(jí)主要依據(jù)黃瓜葉片的病害面積與整個(gè)黃瓜葉片面積的比值來(lái)確定，共分為如下6個(gè)等級(jí)。

（1）0級(jí)：若病斑占整個(gè)葉片面積的百分比為0，則說(shuō)明黃瓜葉片目前處于健康狀態(tài);

（2）1級(jí)：若病斑占整個(gè)葉片面積百分比在0～5%之間，則說(shuō)明目前黃瓜葉片處于發(fā)病初級(jí)期，應(yīng)該做好防護(hù)工作;

（3）3級(jí)：若病斑占整個(gè)葉片面積百分比在5%～10%之間，則說(shuō)明黃瓜葉片目前處于發(fā)病期，應(yīng)該制定合理的方案，進(jìn)行抑制;

（4）5級(jí)：若病斑占整個(gè)葉片面積百分比在10%～25%之間，則說(shuō)明黃瓜葉片目前處于發(fā)病蔓延期;

（5）7級(jí)：若病斑占整個(gè)葉片面積百分比在25%～50%之間，則說(shuō)明黃瓜葉片目前處于發(fā)病嚴(yán)重期;

（6）9級(jí)：若病斑占整個(gè)葉片面積百分比高于50%，則說(shuō)明黃瓜葉片目前處于發(fā)病肆虐期。

根據(jù)對(duì)黃瓜病斑的等級(jí)判定結(jié)果，對(duì)黃瓜采取合理的防治措施。

3 結(jié) 語(yǔ)

基于樹莓派和Python的黃瓜病斑識(shí)別系統(tǒng)具有高擴(kuò)展性，其在Linux的底層系統(tǒng)對(duì)圖像捕獲和圖像數(shù)據(jù)處理語(yǔ)言的支持極為豐富，為研發(fā)者提供了諸多便利。利用樹莓派結(jié)合Python語(yǔ)言完成黃瓜病斑的識(shí)別，通過(guò)對(duì)黃瓜病斑葉片的采集、預(yù)處理和病斑的等級(jí)判定，對(duì)有嚴(yán)重葉片的病斑及時(shí)做到防御和抑制工作，以保證黃瓜產(chǎn)量。該系統(tǒng)具有較好的經(jīng)濟(jì)效益與社會(huì)效益。

參考文獻(xiàn)

[1]許禮捷，葛華，陳紅.基于樹莓派和Python的智能家居系統(tǒng)設(shè)計(jì)[J].沙洲職業(yè)工學(xué)院學(xué)報(bào)，2019，22（1）：1-5.

[2]楊頌，張少偉，孫培壯，等.基于STM32和OV5640的無(wú)人機(jī)農(nóng)情監(jiān)測(cè)系統(tǒng)[J].物聯(lián)網(wǎng)技術(shù)，2018，8（7）：22-25.

[3]關(guān)瑩.基于圖像處理的水稻葉部病害快速識(shí)別方法研究[D].哈爾濱：東北農(nóng)業(yè)大學(xué)，2018.

[4]李長(zhǎng)有.青椒果實(shí)識(shí)別系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D].哈爾濱：哈爾濱工業(yè)大學(xué)，2017.

[5]孫佳佳.基于限制灰度范圍的OTSU算法的皮膚鏡圖像分割[D].南陽(yáng)：南陽(yáng)師范學(xué)院，2018.

[6]孔聰雅.基于分?jǐn)?shù)階螢火蟲優(yōu)化的OTSU圖像分割算法研究[D].銀川：寧夏大學(xué)，2019.

[7]孫宏佳.基于機(jī)器視覺(jué)的花生種子自動(dòng)識(shí)別系統(tǒng)設(shè)計(jì)[D].哈爾濱：哈爾濱理工大學(xué)，2014.

[8]李向志.遙感圖像海上典型人造目標(biāo)識(shí)別系統(tǒng)研究[D].大連：大連理工大學(xué)，2019.

[9]趙世達(dá).基于機(jī)器視覺(jué)的草莓識(shí)別技術(shù)研究[D].武漢：武漢輕工大學(xué)，2018.

[10]李寧.手眼伺服作業(yè)機(jī)器人平臺(tái)系統(tǒng)的研究[D].秦皇島：河北科技師范學(xué)院，2017.