基于ARM的番茄葉綠素和氮的實時檢測與3G傳輸

孔 文， 焦 俊， 王 強， 高 雅， 袁晨晨

(安徽農業大學信息與計算機學院，安徽合肥 230036)

基于ARM的番茄葉綠素和氮的實時檢測與3G傳輸

孔 文， 焦 俊*， 王 強， 高 雅， 袁晨晨

(安徽農業大學信息與計算機學院，安徽合肥 230036)

摘要為了觀測番茄本體成分的變化，實時監測番茄的生長狀況，設計實現了基于ARM的番茄葉片葉綠素和氮含量實時監測與遠程傳輸軟件系統，集圖像采集、處理和3G傳輸功能于一體。建立了番茄葉片圖像中各顏色分量與葉片葉綠素及氮含量之間的回歸方程，推導了番茄葉片葉綠素和氮含量的計算公式。研究結果為番茄生長狀況的研究和生長環境的智能調控提供了依據。

關鍵詞ARM；圖像采集；圖像處理；成分計算；3G傳輸

番茄味道鮮美、營養豐富，是最受人們喜愛的蔬菜品種之一。精確自動地監測番茄的生長狀況是提高番茄生產管理自動化水平的前提[1-2]。表征植物生長狀況的信息主要有葉片的水分含量、葉綠素含量和氮含量等[3]。近年來，隨著信息技術及數字圖像處理技術的不斷發展，機器視覺技術在作物形態生理監測方面展現出了潛在的應用價值[4]。傳統的圖像采集和處理系統主要是基于PC平臺，因而不可避免地具有結構復雜、成本高、體積大、不易攜帶、功耗大等特點。吳晴等[5]介紹了一種利用嵌入式Linux操作系統和ARM硬件平臺進行圖像采集的解決方案，卻未能實現圖像數據的遠程傳輸功能。馮麗芳等[6]設計了基于ARM的網絡視頻監控系統，實現了圖像的采集和傳輸，但其采用internet方式進行數據傳輸，需架設必要的電纜，在地形復雜、偏遠的環境中很難實現。嚴新忠等[7]設計實現了一種基于S3C2410處理器和嵌入式Linux的視頻采集與傳輸系統，實現圖像采集和藍牙傳輸，但由于藍牙傳輸距離有限，無法滿足遠程觀測需求。

筆者在綜合考慮上述因素的基礎上，充分利用嵌入式系統成本低、體積小、功耗低、可靠性高的特點，結合3G網絡覆蓋范圍廣、數據傳輸速度快、應用靈活便捷等特點，以自主開發的基于ARM的圖像采集硬件系統為核心，設計出了在WinCE下可以利用3G網絡進行傳輸的番茄本體成分實時監測軟件系統，可通過手動或自動方式進行圖像的采集和傳輸，實現了對番茄葉片圖像的簡單處理，根據處理結果對葉片的葉綠素及氮含量進行計算。

1試驗平臺

為了減小系統體積，降低成本和功耗，提高系統靈活性，試驗平臺采用嵌入式微處理器S3C2440作為主控制器，自主設計實現了用于圖像采集傳輸的硬件系統，板載有camera、USBhost及USBdevice等接口資源。攝像頭采用OmniVision公司生產的OV3640攝像頭模塊作為圖像數據采集設備，300W像素，支持YUV/YCbCr4:2:2、RGB565、RGB555、RawRGB等圖像輸出格式。3G模塊采用華為公司生產的基于電信CDMA2000網絡的EC122無線上網卡設備，帶有標準USB2.0接口，支持Windows和Linux操作系統，同時支持電信CDMA2000IX和CDMA2000IXEV-DO3G標準。操作系統采用嵌入式WinCE系統，提供了方便開發人員使用的豐富API函數，簡化了程序的開發難度。試驗硬件平臺原理框圖及實物圖分別見圖1和圖2。

2軟件系統設計方案

軟件系統設計的主要目的是實現番茄葉片圖像采集、處理和傳輸。首先，設計實現WinCE環境下的番茄監測圖像實時采集與傳輸程序；然后，依據用戶的需要，對采集到的原始圖像進行相應的預處理，提取葉片圖像，根據處理結果實時推測葉片的營養成分信息；最后，將原始圖和預處理后生成的圖像或壓縮文件保存至本地，通過3G網絡傳輸到服務器端。軟件運行流程見圖3。

3軟件功能實現

程序主要實現3個功能：圖像采集、處理和3G傳輸。圖像采集程序主要是設計攝像頭的驅動程序，實現圖像的采集和保存功能。

3.1圖像采集程序實現攝像頭驅動程序屬于流接口驅動。其主要的接口函數有：CIS_Init()、CIS_Open()、CIS_Read()、CIS_Write()、CIS_IOControl()、CIS_Close()和CIS_Deinit()等。CIS_Init()是裝載攝像頭驅動的入口點，CIS_Deinit()卸載攝像設備驅動。CIS_Open()打開攝像頭設備，并返回相應的操作句柄hCam，用來對設備進行讀寫操作，CIS_Close()用于關閉攝像設備，并銷毀有CIS_Open()獲得的操作句柄，完成設備資源釋放。CIS_IOControl()用于完成用戶對攝像頭的控制操作。攝像頭驅動程序的處理流程見圖4。

3.2圖像處理程序實現為了提高采集速度，獲取更有價值的番茄葉片圖像信息，此次設計采集RGB565格式彩色位圖。圖像處理的主要目的是提取綠色葉片及葉片顏色分量。另外，為了節約傳輸成本，減少圖像處理的數據量，對采集到的圖像進行了選擇性的灰度化、二值化、邊緣提取和壓縮等處理。

彩色圖像由R(紅)、G(綠)、B(藍)三基色組成。對于以綠色為主的圖像來說，為了將綠色目標分割出來，可以使用過綠指標ExG=2G-R-B作為對比度參數，在系統中作為圖像分割參數。因為過綠指標可以有效地抑制其他顏色，提取出綠色部分。葉片及顏色分量提取的關鍵代碼如下：// 獲取圖像大小

unsignedintbytes=lWidth*lHeight;

// 讀取圖像數據

byte*grayValues=newbyte[bytes* 2];

memcpy(grayValues,lpSrcDIBBits,bytes*2);

for(inti= 0;i

//提取紅色分量

red=(*(grayValues+i*2+1))&0xf8;

//提取綠色分量

green=((((*(grayValues+i*2+1))&0x07)<<3)|(((*(grayValues+i*2))&0xe0)>>5))<<2;

//提取藍色分量

blue=((*(grayValues+i*2))&0x1f)<<3;

//獲得過綠指標ExG作為分割參數實現綠葉提取

intExG= 2 *green-red-blue;

if(ExG>shangxian||ExG

grayValues[i* 2]= 0xff;

grayValues[i* 2 + 1]= 0xff;}}

3.33G傳輸程序實現3G傳輸程序采用套接字(Socket)機制實現，Socket接口是TCP/IP協議棧定義的一種數據傳輸API，它定義了許多函數，利用這些函數開發基于TCP/IP網絡的應用程序。該研究采用SocketTCP方式傳輸數據。圖像數據發送程序流程見圖5。

4葉片營養成分計算

根據相關研究發現，植物葉片的顏色與葉片的營養成分有直接的關系，因此可以根據葉片顏色推斷葉片營養成分的含量[8-10]。表1是2014年6月采集的番茄葉片葉綠素含量、含氮量以及各顏色分量的部分數據。表2是測量數據的相關性分析結果。從葉片顏色分量與營養成分的相關性系數可以發現，綠色分量G與葉片的葉綠素含量和含氮量都具有很好的相關性，因此可以利用葉片的綠色分量來進行葉片營養成分計算。圖6和圖7分別反映了番茄葉綠素含量、氮含量和G分量之間的關系。

表1　葉片葉綠素含量、氮含量以及各葉片顏色分量數據

表2　葉片顏色分量與營養成分含量之間的相關系數

根據線性回歸結果，得到利用G分量計算番茄葉片葉綠素和氮含量的回歸方程：

Cy=-0.015X+3.468

(1)

Y=-0.04X+8.365

(2)

5試驗結果與分析

連接攝像頭及3G無線上網卡，啟動系統，撥號上網，啟動應用程序，采集一幅圖像，處理后發送至服務器，結果見圖8和圖9。

理論計算和理化分析測試得到的番茄葉片葉綠素和氮含量的部分數據分別見表3和表4。

在分析葉片元素含量與顏色分量相關性的基礎上，推導出了基于嵌入式葉片圖像處理的葉綠素和氮含量的計算公式。由于理論推導過程和實際應用中存在偏差，利用該計算公式得到的結果存在一定的誤差，但在對精度要求不高的場合下可以用來進行番茄本體成分的推測，具有一定的參考價值。

表3理論計算和理化分析測試得到的番茄葉片葉綠素含量的部分數據

表4理論計算和理化分析測試得到的番茄葉片氮含量的部分數據

6結論

該研究設計實現了基于ARM的番茄葉片葉綠素和氮含量實時檢測與3G傳輸軟件系統，可以實現手動和自動2種方式進行圖像的采集和傳輸，對采集到的圖像進行了處理和分析，實現了番茄葉片葉綠素和氮含量的實時計算，在服務器端成功接收到采集的圖像和檢測數據。實驗證明，該研究設計的軟件系統運行可靠，工作正常，與現有的在線檢測方式相比，具有體積小、功耗低、實時性和針對性強等特點，滿足實際的監測需求，為番茄生長狀況的智能調控提供了一定依據。

參考文獻

[1]JIAOJ，MAHM，QIAOY，etal.Designoffarmenvironmentalmonitoringsystembasedontheinternetofthings[J].Advancejournaloffoodscienceandtechnology,2014,6(3)：368-373.

[2]焦俊,張水明,杜玉林，等.物聯網技術在農田環境監測中的應用[J].中國農學通報,2014,30(20):290-295.

[3]吳靜珠,汪鳳珠,王麗麗，等.基于近紅外特征光譜的番茄苗氮含量快速測定方法研究[J].光譜學與光譜分析,2015(1):99-103.

[4]李艷,王娟,馬騰飛，等.基于顏色特征的加工番茄葉片氮素評價初步研究[J].西北農業學報,2007,16(3):175-179.

[5]吳晴,周健.嵌入式圖像采集系統的設計與實現[J].電子測量技術,2007(6)：89-92.

[6]馮麗芳,孫俊,周俊華,等.基于ARM9的網絡視頻監控系統實現[J].電力自動化設備,2006(10):95-97，116.

[7]嚴新忠,陳雨.基于嵌入式ARM的圖像采集與傳輸設計[J].國外電子測量技術,2009(11):57-59，80.

[8]徐騰飛,韓文霆,孫瑜.基于圖像處理的玉米葉片含水率診斷方法研究[J].干旱地區農業研究,2013,31(1):95-99.

[9]張彥娥,李民贊,張喜杰，等.基于計算機視覺技術的溫室黃瓜葉片營養信息檢測[J].農業工程學報,2005,21(8):102-105.

[10]李紅軍,張立周,陳曦鳴，等.應用數字圖像進行小麥氮素營養診斷中圖像分析方法的研究[J].中國生態農業學報,2011,19(1):155-159.

中圖分類號S126；TP319

文獻標識碼A

文章編號0517-6611(2015)30-347-04

基金項目安徽省科技廳國際合作項目(1403062031)；安徽教育廳質量工程項目(2014jyxm091，2014tszy090)。

作者簡介孔文(1991- )，男，安徽合肥人，碩士研究生，研究方向：嵌入式系統及應用。*通訊作者，副教授，碩士生導師，從事物聯網、機器人研究。

收稿日期2015-09-18

Real-timeDetectionofChlorophyllandNitrogenContentinTomatoLeavesand3GTransmissionBasedonARM

KONGWen,JIAOJun*,WANG Qiang et al (SchoolofInformation&Computer,AnhuiAgricultureUniversity,Hefei,Anhui230036)

AbstractIn order to observe the changes of tomato ontology composition and analyze its growth,a real-time detection and remote transmission of chlorophyll and nitrogen content in tomato leaves based on ARM was designed and implemented,which included image acquisition,image processing and 3G transmission functions.The regression equation between color component and the chlorophyll,nitrogen content in each tomato leaf was established and the formula of chlorophyll and nitrogen content’s calculation was deduced.Thus,it can provide a basis for the research of crop’s growth and the intelligent control of its growth environment.

Key wordsARM; Image acquisition; Image processing; Composition calculation; 3G transmission