一種基于Android手機(jī)平臺(tái)的識(shí)別農(nóng)作物病蟲害的方法及系統(tǒng)的制作方法
【專利摘要】本發(fā)明涉及基于Android手機(jī)平臺(tái)的識(shí)別農(nóng)作物病蟲害的方法，包括：通過攝像頭拍攝病蟲害圖像，并將其存儲(chǔ)在Android手機(jī)的SD卡中；對(duì)病蟲害圖像進(jìn)行預(yù)處理；對(duì)經(jīng)過預(yù)處理的病蟲害圖像進(jìn)行特征提??；對(duì)特征集合進(jìn)行特征訓(xùn)練，使用SVM統(tǒng)計(jì)向量機(jī)方法訓(xùn)練樣本集數(shù)據(jù)，得到病蟲害診斷模型；調(diào)用病蟲害診斷模型進(jìn)行SVM統(tǒng)計(jì)向量機(jī)分類，得到病害圖片分類和診斷結(jié)果，并將防治方法反饋到手機(jī)用戶。本發(fā)明還公開了基于Android手機(jī)平臺(tái)的識(shí)別農(nóng)作物病蟲害系統(tǒng)。本發(fā)明通過對(duì)病害圖像進(jìn)行圖像預(yù)處理及特征提取，利用統(tǒng)計(jì)向量機(jī)學(xué)習(xí)方法SVM對(duì)病害圖像進(jìn)行分類建立病害診斷模型，來達(dá)到病害圖像識(shí)別目標(biāo)，只需要手機(jī)用戶對(duì)準(zhǔn)拍照即可，識(shí)別效率高。
【專利說明】—種基于Android手機(jī)平臺(tái)的識(shí)別農(nóng)作物病蟲害的方法及系統(tǒng)
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及客戶端圖像識(shí)別領(lǐng)域，尤其是一種基于Android手機(jī)平臺(tái)的識(shí)別農(nóng)作物病蟲害的方法及系統(tǒng)。
【背景技術(shù)】
[0002]傳統(tǒng)的病蟲害診斷采用人工觀測的方式，這一方式存在主觀性、局限性、模糊性等不足。隨著計(jì)算機(jī)圖像處理以及人工智能技術(shù)的發(fā)展，人們開始利用計(jì)算機(jī)代替人來進(jìn)行農(nóng)作物的病蟲害診斷，提出了在計(jì)算機(jī)上實(shí)現(xiàn)病蟲害的識(shí)別。移動(dòng)計(jì)算領(lǐng)域新技術(shù)的發(fā)展賦予手機(jī)更廣闊的應(yīng)用前景，手機(jī)成為未來個(gè)人網(wǎng)絡(luò)和計(jì)算服務(wù)的重要平臺(tái)，Android作為目前最為流行的智能操作系統(tǒng)之一，突破了傳統(tǒng)手機(jī)的概念和模式，手機(jī)計(jì)算能力更加突出，應(yīng)用也日益廣泛、多元化。
[0003]目前，在Android平臺(tái)上進(jìn)行病蟲害識(shí)別,有一種設(shè)計(jì)是:首先,Android客戶端獲取病蟲害圖片，此過程可以通過系統(tǒng)平臺(tái)自帶的照相機(jī)拍攝一張圖片，也可以通過藍(lán)牙等技術(shù)獲取一張圖片；其次，將獲取到的病蟲害圖片通過網(wǎng)絡(luò)傳輸?shù)椒?wù)器上，服務(wù)器端先期對(duì)樣本庫病蟲害圖像進(jìn)行訓(xùn)練，得到不同類別病害圖像的特征參數(shù)，即生成病蟲害識(shí)別的分類器，服務(wù)器端接收到病蟲害圖像，在服務(wù)器端的計(jì)算機(jī)上對(duì)圖像進(jìn)行處理，去噪聲，對(duì)圖像特征提取，并將提取的特征參數(shù)與對(duì)樣本庫進(jìn)行訓(xùn)練得到的特征參數(shù)進(jìn)行對(duì)比，以此得到病害圖片的分析和結(jié)論；最后，將病害圖片的結(jié)論通過網(wǎng)絡(luò)發(fā)送和反饋到Android手機(jī)客戶端告知用戶病害圖片結(jié)果和防治方法。上述這種識(shí)別方式需要聯(lián)網(wǎng)，針對(duì)用戶而言，使用十分不便；此外，需要通過網(wǎng)絡(luò)服務(wù)器端的計(jì)算機(jī)進(jìn)行接收、識(shí)別、處理，識(shí)別效率低。

【發(fā)明內(nèi)容】

[0004]本發(fā)明的首要目的在于提供一種使用方便、易于操作、識(shí)別效率高的基于Android手機(jī)平臺(tái)的識(shí)別農(nóng)作物病蟲害的方法。
[0005]為實(shí)現(xiàn)上述目的，本發(fā)明采用了以下技術(shù)方案:一種基于Android手機(jī)平臺(tái)的識(shí)別農(nóng)作物病蟲害的方法，該方法包括下列順序的步驟:
[0006](I)手機(jī)用戶通過Android手機(jī)自帶的攝像頭拍攝病蟲害圖像，并將其存儲(chǔ)在Android手機(jī)的SD卡中；
[0007](2)對(duì)病蟲害圖像進(jìn)行預(yù)處理；
[0008](3)對(duì)經(jīng)過預(yù)處理的病蟲害圖像進(jìn)行特征提?。?br> [0009](4)對(duì)特征集合進(jìn)行特征訓(xùn)練，使用SVM統(tǒng)計(jì)向量機(jī)方法訓(xùn)練樣本集數(shù)據(jù)，得到病蟲害診斷模型；
[0010](5)調(diào)用病蟲害診斷模型進(jìn)行SVM統(tǒng)計(jì)向量機(jī)分類，得到病害圖片分類和診斷結(jié)果，并將防治方法反饋到手機(jī)用戶。
[0011]對(duì)病蟲害圖像進(jìn)行預(yù)處理包括灰度變換、中值濾波、閥值分割、輪廓檢測、病斑提取的處理。
[0012]對(duì)經(jīng)過預(yù)處理的病蟲害圖像進(jìn)行三個(gè)方面的特征提取，分別是:紋理特征、顏色特征和形狀特征，通過提取病蟲害圖像的顏色特征、紋理特征、形狀特征作為識(shí)別特征向量；
[0013]對(duì)顏色特征，分別提取彩色圖像藍(lán)色通道下的一階矩、二階矩和三階矩三個(gè)顏色特征；
[0014]對(duì)紋理特征，構(gòu)造七個(gè)紋理特征參數(shù)，即灰度共生矩陣特征中的能量、熵、對(duì)比度和同質(zhì)性，以及灰度差分統(tǒng)計(jì)特征中的對(duì)比度、角二階矩、熵作為識(shí)別特征向量；
[0015]對(duì)于形狀特征，構(gòu)造圓度、矩形度、離心率、球狀比、緊密度、廣度、內(nèi)切圓半徑參數(shù)作為形狀識(shí)別特征向量。
[0016]對(duì)特征集合進(jìn)行特征訓(xùn)練，使用SVM統(tǒng)計(jì)向量機(jī)方法訓(xùn)練樣本集數(shù)據(jù)，得到病害圖像特征數(shù)據(jù)模型，此訓(xùn)練過程中，選擇徑向基核函數(shù)來對(duì)樣本向量進(jìn)行訓(xùn)練，徑向基核函數(shù)將樣本映射到高維特征空間H中，并在此空間中運(yùn)用原空間的函數(shù)來實(shí)現(xiàn)內(nèi)積運(yùn)算，將非線性問題轉(zhuǎn)換成另一空間的線性問題來獲得一個(gè)樣本的歸屬，
[0017]徑向基核函數(shù)如下:
[0018]K (X，y) =exp {_ I x_y 12/2 σ 2}
[0019]核函數(shù)K(x，y)為空間中任一點(diǎn)X到某一中心y之間歐氏距離的單調(diào)函數(shù)，其中y為核函數(shù)中心，σ為函數(shù)的寬度參數(shù),此參數(shù)控制函數(shù)的徑向作用范圍；
[0020]在生成數(shù)據(jù)模型文件后，將此數(shù)據(jù)模型文件保存為.model類型的文件儲(chǔ)存到客戶端程序raw文件夾下，作為病蟲害診斷模型；
[0021]對(duì)經(jīng)過預(yù)處理的病蟲害待識(shí)別圖片通過特征向量提取和對(duì)比，調(diào)用.model病害診斷模型進(jìn)行SVM統(tǒng)計(jì)向量機(jī)分類，得到病害圖片分類和診斷結(jié)果，并將防治方法反饋到手機(jī)用戶。
[0022]所述灰度變換是指，采集得到的病蟲害圖像均是彩色圖像，首先需要將病蟲害圖像轉(zhuǎn)換為對(duì)應(yīng)的灰度圖像，要將彩色圖像轉(zhuǎn)換為灰度圖像，需要分解提取圖像中的紅(R)、綠(G)、藍(lán)(B)三個(gè)圖像通道，取像素的R、G、B顏色分量，利用如下公式計(jì)算灰度值:
[0023]Gray (灰度值)=R*0.3 + G*0.59 + Β*0.11
[0024]在一張病蟲害圖像的每個(gè)像素上均做上述操作，便可得到病蟲害圖像的灰度變換圖像。
[0025]所述平滑處理是指，使用非線性中值濾波方法對(duì)圖像進(jìn)行增強(qiáng)處理，其基本原理就是將圖像中的每個(gè)像素點(diǎn)與其周圍的像素點(diǎn)做鄰域運(yùn)算；由于病斑形狀特征的提取要求邊緣位置確定，選用中值濾波方法對(duì)圖像進(jìn)行處理。
[0026]所述閥值分割是指，分割圖像目標(biāo)是將病蟲害圖像中病斑與背景葉片進(jìn)行分離，以得到僅含有病斑的圖像，以消除噪聲，得到更精確的病斑特征，以便后續(xù)對(duì)病斑進(jìn)行特征提取，在灰度直方圖上選取閾值，進(jìn)行分割，然而閥值分割性能取決于閾值的選?。?br> [0027]采用OTSU自適應(yīng)閾值分割算法:
[0028]對(duì)于圖像f (X，y)，假設(shè)圖像大小為MXN，用以分割圖像的前景(目標(biāo))和背景的閾值為T，圖像中像素的灰度值小于閾值T的個(gè)數(shù)記作N1,大于閾值T的像素個(gè)數(shù)記作N2 ;如果前景的像素點(diǎn)占圖像的比例記為Q1，背景占圖像的比例為ω2，前景像素的平均灰度為U1，背景其平均灰度為μ2，且圖像的總平均灰度為μ，類間方差記為g，則有:
【權(quán)利要求】
1.一種基于Android手機(jī)平臺(tái)的識(shí)別農(nóng)作物病蟲害的方法，該方法包括下列順序的步驟: (1)手機(jī)用戶通過Android手機(jī)自帶的攝像頭拍攝病蟲害圖像,并將其存儲(chǔ)在Android手機(jī)的SD卡中； (2)對(duì)病蟲害圖像進(jìn)行預(yù)處理； (3)對(duì)經(jīng)過預(yù)處理的病蟲害圖像進(jìn)行特征提??； (4)對(duì)特征集合進(jìn)行特征訓(xùn)練，使用SVM統(tǒng)計(jì)向量機(jī)方法訓(xùn)練樣本集數(shù)據(jù)，得到病蟲害診斷模型； (5)調(diào)用病蟲害診斷模型進(jìn)行SVM統(tǒng)計(jì)向量機(jī)分類，得到病害圖片分類和診斷結(jié)果，并將防治方法反饋到手機(jī)用戶。
2.根據(jù)權(quán)利要求1所述的基于Android手機(jī)平臺(tái)的識(shí)別農(nóng)作物病蟲害的方法，其特征在于:對(duì)病蟲害圖像進(jìn)行預(yù)處理包括灰度變換、中值濾波、閥值分割、輪廓檢測、病斑提取的處理。
3.根據(jù)權(quán)利要求1所述的基于Android手機(jī)平臺(tái)的識(shí)別農(nóng)作物病蟲害的方法，其特征在于:對(duì)經(jīng)過預(yù)處理的病蟲害圖像進(jìn)行三個(gè)方面的特征提取，分別是:紋理特征、顏色特征和形狀特征，通過提取病蟲害圖像的顏色特征、紋理特征、形狀特征作為識(shí)別特征向量； 對(duì)顏色特征，分別提取彩色圖像藍(lán)色通道下的一階矩、二階矩和三階矩三個(gè)顏色特`征； 對(duì)紋理特征，構(gòu)造七個(gè)紋理特征參數(shù)，即灰度共生矩陣特征中的能量、熵、對(duì)比度和同質(zhì)性，以及灰度差分統(tǒng)計(jì)特征中的對(duì)比度、角二階矩、熵作為識(shí)別特征向量； 對(duì)于形狀特征，構(gòu)造圓度、矩形度、離心率、球狀比、緊密度、廣度、內(nèi)切圓半徑參數(shù)作為形狀識(shí)別特征向量。
4.根據(jù)權(quán)利要求1所述的基于Android手機(jī)平臺(tái)的識(shí)別農(nóng)作物病蟲害的方法，其特征在于:對(duì)特征集合進(jìn)行特征訓(xùn)練，使用SVM統(tǒng)計(jì)向量機(jī)方法訓(xùn)練樣本集數(shù)據(jù)，得到病害圖像特征數(shù)據(jù)模型，此訓(xùn)練過程中，選擇徑向基核函數(shù)來對(duì)樣本向量進(jìn)行訓(xùn)練，徑向基核函數(shù)將樣本映射到高維特征空間H中，并在此空間中運(yùn)用原空間的函數(shù)來實(shí)現(xiàn)內(nèi)積運(yùn)算，將非線性問題轉(zhuǎn)換成另一空間的線性問題來獲得一個(gè)樣本的歸屬， 徑向基核函數(shù)如下:
K (X，y) =exp {-1 χ-y 12/2 σ 2} 核函數(shù)K(x，y)為空間中任一點(diǎn)X到某一中心y之間歐氏距離的單調(diào)函數(shù)，其中y為核函數(shù)中心，σ為函數(shù)的寬度參數(shù),此參數(shù)控制函數(shù)的徑向作用范圍； 在生成數(shù)據(jù)模型文件后，將此數(shù)據(jù)模型文件保存為.model類型的文件儲(chǔ)存到客戶端程序raw文件夾下，作為病蟲害診斷模型； 對(duì)經(jīng)過預(yù)處理的病蟲害待識(shí)別圖片通過特征向量提取和對(duì)比，調(diào)用.model病害診斷模型進(jìn)行SVM統(tǒng)計(jì)向量機(jī)分類，得到病害圖片分類和診斷結(jié)果，并將防治方法反饋到手機(jī)用戶。
5.根據(jù)權(quán)利要求2所述的基于Android手機(jī)平臺(tái)的識(shí)別農(nóng)作物病蟲害的方法，其特征在于:所述灰度變換是指，采集得到的病蟲害圖像均是彩色圖像，首先需要將病蟲害圖像轉(zhuǎn)換為對(duì)應(yīng)的灰度圖像，要將彩色圖像轉(zhuǎn)換為灰度圖像，需要分解提取圖像中的紅(R)、綠(G)、藍(lán)(B)三個(gè)圖像通道，取像素的R、G、B顏色分量，利用如下公式計(jì)算灰度值:
Gray (灰度值)=R*0.3 + G*0.59 + Β*0.11 在一張病蟲害圖像的每個(gè)像素上均做上述操作，便可得到病蟲害圖像的灰度變換圖像。
6.根據(jù)權(quán)利要求2所述的基于Android手機(jī)平臺(tái)的識(shí)別農(nóng)作物病蟲害的方法，其特征在于:所述平滑處理是指，使用非線性中值濾波方法對(duì)圖像進(jìn)行增強(qiáng)處理，其基本原理就是將圖像中的每個(gè)像素點(diǎn)與其周圍的像素點(diǎn)做鄰域運(yùn)算；由于病斑形狀特征的提取要求邊緣位置確定，選用中值濾波方法對(duì)圖像進(jìn)行處理。
7.根據(jù)權(quán)利要求2所述的基于Android手機(jī)平臺(tái)的識(shí)別農(nóng)作物病蟲害的方法，其特征在于:所述閥值分割是指，分割圖像目標(biāo)是將病蟲害圖像中病斑與背景葉片進(jìn)行分離，以得到僅含有病斑的圖像，以消除噪聲，得到更精確的病斑特征，以便后續(xù)對(duì)病斑進(jìn)行特征提取，在灰度直方圖上選取閾值，進(jìn)行分割，然而閥值分割性能取決于閾值的選取； 采用OTSU自適應(yīng)閾值分割算法: 對(duì)于圖像f (X，y)，假設(shè)圖像大小為MXN，用以分割圖像的前景(目標(biāo))和背景的閾值為T，圖像中像素的灰度值小于閾值T的個(gè)數(shù)記作N1,大于閾值T的像素個(gè)數(shù)記作N2 ;如果前景的像素點(diǎn)占圖像的比例記為O1，背景占圖像的比例為ω2，前景像素的平均灰度為μι，背景其平均灰度為μ 2，且圖像的總平均灰度為μ，類間方差記為g，則有:
8.根據(jù)權(quán)利要求2所述的基于Android手機(jī)平臺(tái)的識(shí)別農(nóng)作物病蟲害的方法，其特征在于:所述輪廓提取是指，病害葉片的病斑含有豐富的形態(tài)信息，而病斑的一些形狀特征蘊(yùn)含在病斑輪廓里，而形狀特征的參數(shù)依此來計(jì)算，因此需要進(jìn)一步提取病斑的輪廓，采用Canny算法對(duì)病斑輪廓進(jìn)行檢測，具體方法為用高斯濾波器平滑病斑圖像，用一階偏導(dǎo)有限差分計(jì)算病斑圖像梯度幅值和方向，在此基礎(chǔ)上對(duì)梯度幅值進(jìn)行非極大值抑制，最后用雙閾值算法檢測和連接邊緣。
9.根據(jù)權(quán)利要求2所述的基于Android手機(jī)平臺(tái)的識(shí)別農(nóng)作物病蟲害的方法，其特征在于:所述病斑提取是指，將輪廓圖像與原圖疊加進(jìn)行與運(yùn)算，得到去除了葉片背景的病斑圖像，病斑部位被清晰地分離出來。
10.實(shí)現(xiàn)所權(quán)利要求1至9中任意一項(xiàng)所述的方法的系統(tǒng)，其特征在于:包括: 病害圖像獲取模塊，啟動(dòng)Android手機(jī)自帶的攝像頭拍攝病蟲害圖像，并將其存儲(chǔ)在Android手機(jī)的SD卡中；圖像預(yù)處理模塊，對(duì)病蟲害圖像進(jìn)行灰度變換、中值濾波、閥值分割、輪廓檢測、病斑提取的預(yù)處理； 圖像特征提取模塊，對(duì)經(jīng)預(yù)處理的病蟲害圖像進(jìn)行紋理特征、顏色特征和形狀特征的特征提??； 圖像模式識(shí)別模塊，對(duì)經(jīng)過預(yù)處理的病蟲害待識(shí)別圖片通過特征向量提取和對(duì)比，調(diào)用病蟲害診斷模型進(jìn)行SVM統(tǒng)計(jì)向量機(jī)分類，得到病害圖片分類和診斷結(jié)果，并將防治方法反饋到手機(jī)用戶。`
【文檔編號(hào)】G06K9/62GK103514459SQ201310472832
【公開日】2014年1月15日 申請(qǐng)日期:2013年10月11日 優(yōu)先權(quán)日:2013年10月11日
【發(fā)明者】張潔, 李 瑞, 謝成軍, 宋良圖, 王儒敬, 周林立, 黃河, 董偉, 郭書普, 嚴(yán)曙, 聶余滿 申請(qǐng)人:中國科學(xué)院合肥物質(zhì)科學(xué)研究院, 安徽省農(nóng)業(yè)科學(xué)院情報(bào)研究所