基于樹莓派的室內植物病蟲害識別系統設計

李 睿，王 瑩，王 恒

（1.上海工程技術大學電子電氣學院，上海 201620；2.中國交通信息科技集團有限公司智慧交通事業部，北京 100032）

室內植物不僅有凈化空氣、降溫增濕的作用，還能美化空間，緩解壓力[1]。但是室內植物栽培過程中受環境因素影響或人為操作不當，經常會出現各種病蟲害，導致植物發育不良、生長衰弱的問題，甚至死亡并傳染其他植物。目前，市場上已有的室內植物培育系統一般只能根據植物土壤中的水分和空氣溫度實現自動灌溉的基本功能[2-4]，忽視了病蟲害對植物生長的影響[5-8]，應用范圍不廣。為了保障室內植物的正常生長，該文在實現自動灌溉功能的基礎上，加入病蟲害識別功能，設計了一種基于樹莓派(Raspberry Pi)的室內植物病蟲害識別系統，保證植物生長所需水分和濕度的同時預防嚴重病害。

1 系統整體方案設計

文中提出的室內植物病蟲害識別系統包含3 個功能：澆水、病蟲害識別和信息發送，重點在于后兩個功能。系統的總體設計方案框圖如圖1 所示。檢測模塊和攝像頭模塊組成系統的輸入端，澆水模塊、顯示模塊和傳輸模塊組成系統的輸出端，樹莓派3B+模塊作為系統集成和控制端，此外還有供電模塊。檢測模塊由土壤水分檢測傳感器和溫度檢測傳感器組成，澆水模塊由微量注射泵和水管組成，供電模塊由鋰電池和降壓模塊組成，傳輸模塊由樹莓派自帶的WIFI 和微信小程序云服務器組成。

圖1 總體設計方案框圖

2 系統硬件設計

2.1 主控制模塊

該文采用樹莓派3B+[9]作為主控制模塊。樹莓派是一種只有銀行卡大小的、基于ARM 的微型電腦主板，能完成相同的IO 引腳控制，運行相應的操作系統，完成更復雜的任務管理與調度，實現物聯網的云控制和云管理。樹莓派開發板通用性和擴展性強，具備了PC 端的所有基本功能[10]。與樹莓派3B 相比，樹莓派3B+擁有性能更高的64 位1.4 GHz CPU、更快的網絡以及雙頻2.4 GHz 和5 GHz 無線局域網[11]。

2.2 其他模塊

1）供電模塊

由于整個系統基于樹莓派3B+，所以只需對樹莓派3B+進行供電即可。供電電池選用大容量12 V的鋰電池，樹莓派3B+的電源輸入參數為5 V，所以選用AMS1117-5V 芯片作直流降壓處理。供電模塊電路如圖2 所示，還可以通過Micro USB 接口進行直流供電，防止鋰電池電量不足。

圖2 供電模塊電路設計圖

2）檢測模塊

土壤水分檢測傳感器選用了YL-69(FC-28)土壤濕度傳感器，其工作電壓為3.3～5 V，當土壤中的濕度發生變化時，YL-69(FC-28)的濕敏電容介質發生改變，則濕敏電容中的電容數值發生變化，通過該部件外圍電路將電容的變化轉換為模擬電壓值[12]。空氣溫度傳感器選用LM75A 溫度傳感器，其工作電壓為2.8～5.5 V，可以在-55～+125 ℃范圍內將溫度直接轉換為數字信號，并可實現0.125 ℃的精度。

3）攝像頭模塊

攝像頭模塊選用樹莓派專用的CSI 攝像頭進行圖片采集，使采集到的圖片達到500 萬像素，使用時其可通過排線直接接入樹莓派主板CSI 接口。

4）傳輸模塊

傳輸模塊采用樹莓派自帶的WIFI 模塊與微信小程序云服務器進行無線傳輸。樹莓派3B+內集成WIFI 模塊，可以直接開啟WIFI 功能并聯網。微信小程序云服務器[13-14]依附于微信APP，具有龐大的用戶基數，還擁有5G 的免費存儲空間，操作簡單，同時支持IOS 與Android 兩大操作系統，性價比高。

5）顯示模塊

顯示模塊選用DFRobot 在2018 年推出的5 寸樹莓派LCD 觸摸屏，具有800 dip×480 dip 分辨率，顯示區域達到108 mm×64.8 mm，可直接安裝樹莓派進行DSI 驅動。采用樹莓派供電設計，無需外接電源。同時，還可以通過旋轉屏幕背后的電位器調節背光亮度。

6）AD 采集模塊

AD 采集模塊使用PCF8591 芯片，該芯片具有單片集成、單獨供電、低功耗、8 bit CMOS 數據獲取等特點，AD 采集模塊電路圖如圖3 所示。

圖3 AD采集模塊電路圖

根據對系統功能的需求分析，設計系統整體裝置結構如圖4 所示。其中，1～11 分別為土壤水分檢測傳感器、花盆、空氣溫度檢測傳感器、樹莓派、Micro USB 接口、顯示屏、鋰電池、微量注射泵、攝像頭模塊、水管、排線。

圖4 系統整體裝置設計圖

2.3 系統工作原理

由于樹莓派3B+性能有限，且植物病蟲害識別模型的訓練需要消耗大量的內存和資源，因此基于采集的樣本數據在PC 端進行模型訓練和測試，最后將模型移植到樹莓派3B+中。

當系統工作時，土壤水分檢測傳感器和空氣溫度檢測傳感器會自動檢測花盆里面的水分與室內的溫度，通過外接A/D 轉換器將采集到的模擬信號轉換為數字信號，并通過排線與樹莓派3B+相連，實現數據通信，將檢測到的信息傳輸給樹莓派3B+。樹莓派3B+根據預先設置的植物灌溉模型的參考值判斷植物當前的水分和溫度，當檢測出的信息為植物當前處于缺水狀態，樹莓派3B+根據預先編寫好的灌溉程序控制微量注射泵，通過水管對植物進行精確灌溉。樹莓派3B+上方的攝像頭每小時對植物進行一次拍攝，將拍攝的圖片傳輸到樹莓派3B+，根據預先移植的植物病蟲害模型對圖片進行識別，判斷植物是否產生病蟲害。檢測信息將在LCD 顯示屏幕中顯示，包括當前土壤水分、空氣溫度和植物病蟲害識別結果。這些檢測結果同時通過WIFI 模塊上傳至微信小程序服務器，方便通過微信小程序提醒用戶。

整個系統使用鋰電池進行供電。采用鋰電池供電時，通過連接降壓模塊給樹莓派3B+供電，也會顯示電池剩余電量，提醒用戶進行充電。

3 系統軟件設計

3.1 病蟲害識別模型設計

卷積神經網絡(Convolutional Neural Network,CNN)是以卷積層作為網絡基本元素的深度神經網絡，包含數據輸入層、卷積層、池化層、全連接層及Softmax輸出層，一般用于圖像處理。因此，該文的病蟲害識別方法采用了卷積神經網絡中的Inception V3 為主干網絡進行多類別學習，在保留其固定權值的倩況下進行模型的訓練。

1）卷積層

輸入圖片時，圖片的尺寸越大，連接的參數也會變多，導致計算量大，卷積神經網絡通過對局部區域內的像素進行感知，在更高層將局部信息綜合起來得到全局信息。區域的權值為卷積核，這種模式用到了卷積神經網絡中減少參數的重要神器：局部感受野。Inception V3 網絡卷積層能將較大的n×n二維卷積分解成較小的1×n和n×1 一維核卷積來減少計算。卷積操作第l層第j個特征圖可由式（1）表示，Mj為感受野，k為卷積核，b為偏置。

2）池化層

池化層采用最大池化進行特征降維，取局部區域中最大值，保留了該區域的最佳匹配結果。主要設計了3×3 和8×8 兩種尺寸，步長均為1。其過程可由式（2）表示:

3）Inception V3

Inception 模塊的作用就是增加網絡深度和寬度的同時減少參數。與Inception V2 相比，Inception V3主要對Inception模塊的結構進行了優化，擁有35×35、1 7×17 和8×8 3 種結構[15]，在8×8 結構中使用了分支，并在模塊中加入了BN 輔助分類器。

4）全連接層

全連接層起到利用特征向量分類的作用，通過卷積、激活函數、池化等深度網絡后，再經過全連接層對結果進行識別分類[16]。為了防止因參數過多出現過擬合，采用Dropout 技術，設概率為0.3，移除一些節點和輸入、輸出，采用tf.nn.softmax 函數作為輸出分類器，yi的softmax 值可由式（3）表示，i為y的類別，根據輸出概率得出分類結果。

該文在PC 端基于Linux 系統和TensorFlow 深度學習平臺進行實驗。選取室內植物常見的6 種病蟲害：炭疽病、葉斑病、葉枯病、棉鈴蟲、介殼蟲及紅蜘蛛。從網上收集相關圖片1 409 張，通過對圖片進行旋轉、調整亮度和對比度等操作得到846 張，共2 255張圖片作為原始數據集，其中正常1 476 張，病蟲害圖片779 張。因為圖片尺寸不同，所以先對數據集進行預處理，統一調整為648 dip×480 dip，避免較大的圖片在卷積時耗時太長而影響訓練的速度。通過人工對數據集進行標注分類后，訓練集與測試集按照4∶1 的比例用于網絡的訓練。

為了保證實驗的有效性，實驗采取0.000 1的學習率并以500次為一階段對網絡進行迭代，根據圖5可以看出，當迭代3 000次時，識別準確率基本上達到穩定。

圖5 識別準確率隨迭代次數變化曲線

神經網絡訓練完成后，需要移植到樹莓派3B+中，在樹莓派3B+上搭建了與PC 端相同的Linux 系統與TensorFlow 平臺。為了保證識別的準確率，對其在PC 端和樹莓派端分別進行驗證測試。驗證測試采用了同樣的測試集，通過網絡再次收集數據集，包括炭疽病118 張、葉斑病112 張、葉枯病101 張、棉鈴蟲90 張、介殼蟲100 張及紅蜘蛛90 張。訓練完成的模型對測試集在PC 端和樹莓派端分別進行識別，準確率如表1 所示。從表1 可以看出，移植前后的識別準確率相同，測試集在構建的模型中總體識別效果較好，平均識別率可以達到91.80%左右。

表1 驗證測試識別準確率

在訓練完成后，需要將神經網絡模型移植到樹莓派3B+中。為了能夠保證良好的測試效果，在樹莓派3B+上搭建了與PC 端相同的Linux 系統與TensorFlow 平臺。整個室內植物害識別系統的流程圖如圖6 所示。

圖6 系統流程圖

3.2 用戶端設計

用戶端采用微信小程序，可以使用戶方便快捷地獲取植物狀態，軟件設計流程如圖7 所示。

圖7 軟件設計流程

服務器采用微信小程序云服務器，通過wx.request請求服務器數據，實現與系統的數據交互。微信小程序界面如圖8 所示。

圖8 微信小程序界面

4 結束語

基于樹莓派3B+的室內植物病蟲害識別系統，利用了樹莓派3B+成本低、功能強大的特點，配合訓練好的病蟲害識別模型，加上微信小程序云服務器穩定及時的特點，在實現基本灌溉功能的基礎上，對室內植物常見病蟲害加以識別，保證了室內植物的正常生長，具有一定的應用價值。