基于Android平臺的植物葉片病害區(qū)域

夏永泉++曾莎++李耀斌

摘要：為了促進智能化農業(yè)的發(fā)展，提出1種基于Android的植物葉片病害區(qū)域提取系統(tǒng)。針對傳統(tǒng)邊緣檢測分割時容易丟失邊緣細節(jié)的缺陷，添加對2個斜方向梯度信息的提取，從而得到更完整的病害區(qū)域邊緣。在此基礎上構建了基于移動終端的植物葉片病害區(qū)域提取系統(tǒng)。測試效果顯示，該系統(tǒng)具有便攜、實用、界面友好等特點，能有效地提取出病害區(qū)域，為后續(xù)的識別提供有效、可靠的病害數據。

關鍵詞：Android系統(tǒng)；葉片病害區(qū)域；邊緣檢測；梯度計算

中圖分類號： TP391.41文獻標志碼： A文章編號：1002-1302（2016）05-0383-04

農作物在發(fā)生病害后，初期癥狀一般比較模糊，廣大農業(yè)生產者因為缺乏植物病害的診斷能力，造成農作物病害不能及時、正確地被診斷出來，采取不當的防治措施，致使農作物大量減產；而盲目地使用農藥，不僅降低了農產品的質量，也會危害人類的健康，造成環(huán)境污染。因此，指導農業(yè)生產者對病害的有效識別是農業(yè)生產中的一個關鍵問題。作物病害最直接的外在表現是病斑，由于作物種類較多，同一種作物上的病害種類也千差萬別，病害呈現出多樣化、復雜化和難以預測的特征，為了農業(yè)的發(fā)展，需要對不同作物的葉片病害區(qū)域進行準確提取。Android操作系統(tǒng)集開源、免費、支持語音、視頻、觸屏等于一體，人機交互性強，且技術越來越成熟[1]。它不但為軟件設計者提供了比較靈活的開發(fā)空間，而且為研究開發(fā)出開源、免費以及操作簡單的農業(yè)智能化系統(tǒng)提供了很好的開發(fā)平臺。Android智能手機在中國也迅速發(fā)展，且價格低廉，便于農民朋友使用。王安煒探討了Android技術與農業(yè)智能化專家系統(tǒng)的融合[2]。楊林楠等提出了基于Android系統(tǒng)手機的甜玉米病蟲害智能診斷系統(tǒng)，采用正向推理和“產生式”規(guī)則，設計了甜玉米病害樹形圖和推理機[3]。目前基于Android的植物葉片病害處理還較少，且大多停留在手機客戶端對病害的采集、上傳及后臺服務器保存上，系統(tǒng)智能性有待提高。為使植物葉片病害的研究走向普通農戶，本研究提出1種基于Android的植物葉片病害區(qū)域提取系統(tǒng)。利用Android終端，實現對植物葉片病害區(qū)域的有效提取，為后續(xù)對病害的識別和診斷打好基礎。

1系統(tǒng)設計

在基于Android的植物葉片病害區(qū)域提取系統(tǒng)設計上，以植物病害葉片為研究對象，在智能手機上開發(fā)設計“農業(yè)小助手”系統(tǒng)[4]。系統(tǒng)的功能模塊包括病害圖像采集、病害圖像的預處理、圖像分割以及對病害區(qū)域的提取。具體模塊如圖1所示。

1.1病害圖像采集

植物病害的種類繁多，且形狀各異。當前Android手機的拍照功能都很完善，一般的攝像頭都能達到800萬像素級，非常便于對田間植物病害葉片的采集。而且Android系統(tǒng)具備完善的API支持，可實現對獲得圖像的初始操作，將圖像裁剪、放大、縮小到我們需要的狀態(tài)，去除干擾，加快運算速度，使后續(xù)的處理效果更加明顯。當然，Android手機是集通話、多媒體、上網等功能于一體的智能終端，本系統(tǒng)也可以對網絡上的病害葉片進行直接處理。

1.2病害圖像預處理

由于自然狀態(tài)下生長的植物，病害葉片的形狀、顏色等都比較復雜。采集到的圖像因為植物周圍環(huán)境的光照、拍攝角度、采集照片時振動等因素的影響，給后續(xù)對病害的分割帶來一定困難。因此，需要對采集到的病害圖像進行預處理，以減少和消除圖像中的噪聲影響。對于圖像中的噪聲采用自適應中值濾波，去除不需要的信息，改善圖像質量。目前病害葉片圖像大多是利用高像素數碼相機、單反相機、智能手機人工獲得的24位真彩色圖像。為了便于后續(xù)處理，在空間域中對圖像進行灰度化，即將彩色圖像轉換為灰度圖像。

1.3病害區(qū)域提取

要實現病害區(qū)域的提取，需要對植物病害區(qū)域進行有效分割。當前自然環(huán)境下獲得的植物病害葉片顏色分布不均，且背景比較復雜，分割的區(qū)域數目較多。現在常用的分割技術包括閾值分割法、邊緣檢測法、人工神經網絡、基于聚類的分割等[5]。而對人工神經網絡、聚類分割方法需要人工選取中心點，計算復雜、運算量大。本系統(tǒng)采用最大類間方差閾值與邊緣檢測相結合的分割方法，實現對病害區(qū)域的有效提取。

2病害區(qū)域獲取

2.1病害圖像二值化

葉片病害分割精度直接影響后續(xù)對病害區(qū)域提取的可靠性，以及病害識別的準確性。由于植物病害圖像具有拓撲結構復雜、邊緣細節(jié)多等特點，傳統(tǒng)的圖像分割法大多存在邊緣不連續(xù)或者是圖像邊緣過粗等缺點，致使病害區(qū)域提取不準確。針對此問題，先對病害葉片進行OTSU閾值分割，得到分割后的二值圖。

OTSU即最大類間方差法，被認為是圖像分割中對閾值自動選取的最佳算法，因其計算簡單，并且不受待處理圖像的亮度、對比度的影響而得到廣泛使用。對病害圖像二值化實現過程為：求出葉片病害圖像的像素總數為N，灰度級為L，圖像中灰度值為i的像素總數為ni，則i的概率為：

Pi=niN。

選擇1個閾值T將圖像按照其對應的灰度級范圍[0，T-1]、[T，L-1]，將圖像分成C0、C1 2類，C0、C1對應的灰度均值分別為：

u0=∑T-1i=0ipiw0；

u1=∑L-1i=Tipiw1。

則整個葉片病害圖像的灰度均值為：

u=w0u0+w1u1。

類間方差為：

σ2=w0（u0-u）2+w1（u1-u）2。

最佳閾值為σ2值最大時對應的T值，由此獲取植物葉片病害區(qū)域二值圖。

2.2改進的病害區(qū)域分割

對病害葉片二值圖進行邊緣檢測分割。Canny算子是在信噪比準則、定位精度準則、單邊響應準則下衍生出的最優(yōu)邊緣檢測算子[6]，具體處理過程如圖2所示。

首先對病害圖像進行高斯平滑濾波，設病害圖像為f（x，y），則二維高斯函數為：

G（x，y）=12πσ2e-x2+y22σ2；

式中：σ是高斯濾波參數。g（x，y）是濾波平滑后的病害圖像：

g（x，y）=G（x，y）×f（x，y）。

高斯平滑濾波后由2×2領域的一階偏導有限差分求得病害圖像的梯度幅值和方向，具體的計算公式分別為：

M（x，y）=Sx（x，y）2+Sy（x，y）2；

θ（x，y）=arctan[Sy（x，y）/Sx（x，y）]。

傳統(tǒng)Canny邊緣檢測只提取了水平、垂直方向的梯度信息，忽略了一些斜邊上的信息，而對植物病害的研究需要精確的病害葉片信息，方便對病害的形狀、紋理等特征的提取，因此再增添2個斜方向上梯度信息的提取，以得到更加豐富、精確的邊緣信息[7]。具體算法流程如圖3所示。

2.2.1斜方向梯度信息提取為了求得斜方向上的梯度，使用圖4所示的2個對角模板對病害圖像像素值進行加權平均，求得斜方向上的梯度。

對角模板a的梯度計算公式為：

G1′（x，y）=f（x，y-1）+2f（x+1，y-1）-f（x-1，y）+f（x+1，y）-2f（x-1，y+1）-f（x，y+1）。

對角模板b的梯度計算公式為：

G2′（x，y）=-2f（x-1，y-1）-f（x，y-1）-f（x-1，y）+f（x+1，y）+f（x，y+1）+2f（x+1，y+1）。

而斜方向上總梯度大小為：

G′=G1′2+G2′2。

2.2.2梯度計算比較斜方向的梯度與原圖像的梯度值，當原圖像的梯度值大于斜方向上時，取水平、垂直方向上的梯度值；反之，則取斜方向上的梯度值。即最終的梯度值是取2個矩陣中對應位置數據的最大值。假設水平、垂直方向提取的梯度圖像為M，進行非極大值抑制后的梯度圖像為M1，斜方向上提取的梯度圖像為G，則最終圖像的梯度為：

G=max（M1，G′）。

3結果與分析

本系統(tǒng)開發(fā)環(huán)境是在Windows操作系統(tǒng)下[8]，由JRE和ADT-bundle共同構建。本系統(tǒng)選擇的是Android 4.1系統(tǒng)，具體的硬件支持是三星Galaxy S3，4核處理器，主頻為 1 433 MHz，后置相機為800萬像素。開發(fā)的“農業(yè)小助手”系統(tǒng)界面如圖5所示。

由于環(huán)境、本課題處于研究初期的因素，對于有復雜背景的病害圖像處理算法不夠成熟，主要通過研究病害葉片背景相對比較簡單的植物葉片病害圖像。本研究選擇小麥、番茄、黃瓜病害葉片進行測試。具體病害區(qū)域提取圖如圖6所示。經過對比發(fā)現，改進的植物葉片病害區(qū)域提取方法能夠更好地實現對病害區(qū)域的提取，精確度有所提高，去除了部位偽邊緣和噪聲邊緣。尤其是對番茄葉片，基本實現對病害區(qū)域的100%準確提取。而在Android手機上的直接操作，使該系統(tǒng)的方法具有一定的通用性。測試和初步應用的效果顯示，該系統(tǒng)具有便攜、實用、界面友好和不受有線網絡環(huán)境限制等特點，有較強的實用性和推廣應用前景。很好地實現了對葉片病害區(qū)域的提取，而且改進的方法較傳統(tǒng)的方法邊緣提取更加準確。

4結論

本研究提出了1種基于Android的植物葉片病害區(qū)域邊緣提取系統(tǒng)。通過對檢測分割方法進行改進，增加了斜方向上梯度信息的提取，使得到的病害邊緣線條在某些間斷的地方實現了連接，減少了噪聲，去除偽邊緣，得到更加準確的病害區(qū)域。該系統(tǒng)基于Android系統(tǒng)，操作簡單，人機交互性強，具有較強的實用性和推廣價值，并為后續(xù)對植物病害的診斷和識別打好基礎。

參考文獻：

[1]高彩麗，許黎民，袁海，等. Android應用開發(fā)范例精解[M]. 北京：清華大學出版社，2012.

[2]王安煒. 基于Android的手機農業(yè)專家系統(tǒng)的設計與實現[D]. 泰安：山東大學，2011.

[3]楊林楠，郜魯濤，林爾升，等. 基于 Android 系統(tǒng)手機的甜玉米病蟲害智能診斷系統(tǒng)[J]. 農業(yè)工程學報，2012，28（18）：163-168.

[4]Deepak K，Vinoth A N. Leaf detection application for android operating system[C]. IC CPEIC，2014.

[5]Rafiee G，Dlay S S，Woo W L. Region-of-interest extraction in low depth of field images using ensemble clustering and difference of Gaussian approaches[J]. Pattern Recognition，2013，46（10）：2685-2699.

[6]彭輝，文友先，吳蘭蘭，等. 采用自適應canny算子的樹上柑橘圖像邊緣檢測[J]. 計算機工程與應用，2011，47（9）：163-166.

[7]蘇連成，王東衛(wèi). 一種改進的Canny邊緣檢測算子[J]. 燕山大學學報，2012，36（5）：413-416.

[8]劉濤，仲春曉，孫成明，等. 基于計算機視覺的水稻葉部病害識別研究[J]. 中國農業(yè)科學，2014，47（4）：664-674.李敏. 基于物聯(lián)網技術的農業(yè)環(huán)境監(jiān)測系統(tǒng)研究與設計[J]. 江蘇農業(yè)科學，2016，44（5）：387-391.