基于物聯網的現代農業病蟲害圖像識別云平臺開發

杭州職業技術學院 吳弋旻

云平臺由搭載了云平臺服務器端軟件的云服務器、客戶端軟件的云電腦以及網絡組件構成。三個層次的云平臺包括：基礎環境層、系統基礎應用層及第三方應用層。云平臺主要運用于智能監控管理，對計算、存儲、網絡等資源，云應用的服務可實現全時段、全方位、廣地域、智能化、立體式的運維管理及監控，保障運維整個系統的穩定、可靠、安全。

1 農業物聯網現代農業病蟲害圖像識別云平臺總體設計方案

物聯網的現代農業病蟲害圖像[1]識別云平臺由用戶平臺、虛擬運維軟件平臺與云計算基礎硬件等組成，集成了物聯網技術、通信技術、云計算技術、移動互聯技術等，對云計算、信息管理、大數據及數據中心進行處理與整合。

云平臺能提供方便、簡單、易統一的管理平臺，豐富的內置資源管理以及交付功能；將靜態分配的IT 基礎設施抽象為易調度、可管理、按需分配的資源；云平臺將資源封裝提供按需要求、靈活使用的IT 資源服務，滿足物聯網在農業應用綜合系統的實施（圖1）。

圖1 農業物聯網云平臺系統結構圖

平臺從“服務”的角度出發，在資源池之上，關注如何將資源封裝為可度量的服務，并使最終用戶以最便捷靈活的形式按需使用這些服務。提供病蟲害圖像服務模板定義、服務模板管理、服務目錄管理、訂單管理、用戶管理、系統管理、日志管理、個人信息、農業運營納管和農業運營報表功能，幫助農業運營者完成日常運營工作，提高作物產量。

2 農業病蟲害圖像識別平臺整體結構

農業病蟲害識別處理平臺由高清鏡頭、高速攝像機、圖像處理器作為硬件基礎，嵌入病蟲害識別、分析等軟件，實現采集農作物、病蟲害的圖像，提取實物特征、識別及分析等功能。

圖2 農業病蟲害圖像識別平臺整體結構

2.1 農業病蟲害圖像數據采集[2]

利用高清攝像頭將需識別的病蟲害圖像信息采集后導入計算機中，通過采樣、測量、對比和量化技術，使用矩陣及向量對待識別的對象信息進行分析；應用平滑、增強、變換、濾波及除噪等技術對采集的圖像進行處理；將批量的病蟲害圖像樣本判定出一整套分類、鑒別的規則，進行特征提取，將根據平臺庫中已確定的判別規則進行比對、分類、識別。

2.2 分割農業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分為一個個細小的帶有圖像紋理、結構、灰度、顏色等特征微小區域或細小物體，然后對圖像進行質的轉換，充分提取其特征值。分割的算法種類很多，具體有數學形態學、模糊聚類與特定理論結合的分割方法，基于灰度值不連續性和相似性，閾值分割、邊緣檢測等經典分割的理論。

2.3 獲取農業病蟲害圖像特征信息

特征信息獲取主要包括兩個方面即特征描述和提取。病蟲害圖像的特征提取主要是數字圖像的處理，影響到分類器分類的精度和設計效率，并決定分類算法的可行性。對圖像中切割出來的細小圖像屬性予以量化的描述表示為特征描述，通過數學變換將樣本空間降維，特征子集計算，使目標方便識別。按特征屬性的提取方法有紋理、顏色、形態等的特征提取，農作物病蟲害圖像的特征提取后，需對這些特征進行大量的分析與研究。

2.4 分類識別農業病蟲害圖像

以提取后的病蟲害圖像特征為基礎，建立分類器，實現識別病蟲害圖像目標。圖像處理后的第二步是分類識別，分類算法追求的是分類的準確度，快速、穩定、高精度的農作物病蟲害圖像分類識別的算法是研究目標。目前有基于統計、形狀、紋理等分類的判別規則；在數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、神經網絡法及向量機法等。

3 結語

基于物聯網的現代農業病蟲害圖像識別云平臺系統，有效地利用了物聯網技術、模式識別、數據采集和云平臺，圖像分割識別算法能夠自動[3]、有效地對害蟲進行識別，為害蟲綜合管理系統提供數據支持，實現對農業病蟲害的實時監控和有效控制。農業病蟲害圖像識別云計算平臺，建立了病蟲害識別模型庫、預警庫，農作物生長、環境模型庫，報警等信息庫，運用智能化算法對這些信息進行處理，讓農戶采取適當措施，從而實現對病蟲害的有效控制。該平臺系統能提升農作物產量與質量，具有極好的生態效益、經濟效益及社會效益。