基于Android的水稻病蟲害圖像的識別與診斷系統

鄭輝 董文亮 薛陶慶

【摘 要】水稻是我國最重要的糧食作物之一，但水稻易受病蟲侵害，且害蟲種類繁多、發生時危害嚴重，人工辨識困難，嚴重影響到水稻的質量。對于農業生產中病蟲害的診斷和確認主要還是處于人工處理階段。已存在的病蟲害檢測識別工具大多存在移動性不便，操作困難的問題。隨著Android移動設備的普及與Android設備上圖像識別技術的發展，通過Android系統在移動設備上構建的病蟲害系統可以有效解決移動性的問題，快速便捷識別診斷病蟲害。

【關鍵詞】Android；水稻病蟲害；圖像識別

一、引言

水稻易受到病蟲侵害，而且病蟲害種類繁多，傳統的人工識別方式存在效率低，不準確等問題。隨著圖像識別技術不斷發展與完善，已經有許多人將其應用到農業作物病蟲害診斷領域，實現農業智能化管理，提高作物產量與質量。但大多數的識別診斷系統需要專門的圖像采集設備，成本較高，不便攜帶，難以普及于農業生產當中去。隨著移動通信技術的高速發展使得在移動設備上進行病蟲害圖像的識別與診斷成為可能。一方面解決了設備移動性的問題，可以隨時進行診斷。另一方面，降低了使用成本，可在農業生產中普及。由于Android設備的普及以及易操作性，也降低了對用戶的知識水平和技術要求。因此，我將基于Android系統構建一個水稻病蟲害的圖像識別與診斷的系統，提高水稻病蟲害的識別效率以提高水稻的產量與質量。

二、水稻病蟲害識別與診斷系統的搭建

（一）系統搭建流程

1.通過Android移動設備獲取待處理的原圖像。

2.對原圖像進行標準化壓縮，并濾除噪聲等預處理操作。

3.對預處理后的圖像的病斑進行提取（圖像分割以及邊緣提取）。

4.對提取的病斑進行特征提取。

5.將提取的特征值與云端數據庫中的特征值進行多維比對，從而判斷病蟲害的種類。

6.將得到的結果發送回Android客戶端。

系統框架搭建整體流程圖如圖1所示。

（二）系統各模塊功能實現

1.系統通信實現

本系統中采用C/S架構，用戶通過在客戶端上傳未識別的圖片至服務器，服務器處理請求，執行相應的處理，返回識別結果到客戶端。

客戶端上傳圖片，以及服務器返回數據均通過HTTP協議傳輸。HTTP協議是一個基于請求響應模式、面向連接的無狀態的應用層通信協議，它定義了萬維網向瀏覽器傳送超文本的規則和格式，通過TCP連接方式實現數據傳遞，該方式是保證數據可靠交換的重要基礎。HTTP 具有請求方式簡單、通信速度快、傳輸對象靈活及無狀態無連接的特點，廣泛應用于分布式超媒體信息系統中。如果發送錯誤，將返回HTTP狀態碼和錯誤信息。一些HTTP常見狀態碼如圖2所示。

2.服務器端圖片壓縮

為了能夠快速響應用戶的查詢，返回響應結果，需要將圖片進行壓縮。圖片壓縮算法選擇DCT編碼進行JPEG壓縮。JPEG的編碼過程對原始的圖像數據作離散余弦變換，然后對離散結果進行量化并作熵編碼。通過剔除圖像中的不必要的信息，量化完成JPEG主要壓縮部分。經過DCT變換壓縮圖像后，對圖像進行處理的數據量就大大減少了，提高了數據處理的效率，減少了系統響應時間，優化了用戶的使用體驗。

3.特征檢索算法

檢索算法基于HSV顏色模型的直接示例查詢法，即用戶給出示例圖像，系統通過提取示例圖像的顏色特征與圖像庫中圖像的顏色特征進行相似性比較，得到顏色分布相似的圖像，進而得出圖像中的病蟲害類型。

采用HSV顏色模型的直接示例查詢法，提取出參考圖像的特征分類存入數據庫，用戶上傳圖片至服務器，服務器執行提取操作，查詢特征數據庫，數據庫根據圖片特征進行查詢，找到最為匹配的那一類，返回識別結果到客戶端，呈現給用戶。

三、結束語

本研究基于Android構建一個通過圖像識別技術診斷水稻病蟲害的系統。系統通過HTTP協議上傳圖像至服務器，服務器端對圖像進行壓縮，將壓縮后的圖像通過SVM算法與構建的特征數據庫中的數據進行查詢比對，得到診斷結果返回客戶端。本系統可以實現對病蟲害的識別功能，但在識別算法以及系統的魯棒性以及容錯性方面還需進行完善與提高。

【參考文獻】

[1]馬媛媛，楊峰，信科， 等.基于DCT的JPEG圖像壓縮的研究[J].計算機技術與發展，2011，21（8）：133-136. DOI：10.3969/j.issn.1673-629X.2011.08.034.

[2]田玉敏，林高全.基于顏色特征的彩色圖像檢索方法[J].西安電子科技大學學報（自然科學版），2002，29（1）：43-46. DOI：10.3969/j.issn.1001-2400.2002.01.010.

[3]張谷豐，羅崗，孫雪梅， 等.基于Android的水稻害蟲診斷系統[J].應用昆蟲學報，2015，（4）：837-843.

[4]張永玲. 基于Android的水稻病蟲害圖像識別與診斷系統的研究[D].浙江理工大學，2018.

[5]張超. 嵌入式水稻病蟲害圖像采集與診斷系統的研究[D].浙江理工大學，2017.

[6]袁媛，陳雷，孫熊偉，曾新華，吳娜，卞程飛，李淼，萬莉. 作物葉部病害圖像交互式診斷系統與方法[P]. 安徽：CN104063686A，2014-09-24.

[7]李健.基于Android的病蟲害推理診斷系統的設計研究[J].安徽農業科學，2013，41（11）：5148-5150.