為解決高害蟲密度儲糧處理成本昂貴和現(xiàn)有監(jiān)測系統(tǒng)實時性和移動性不足等問題,采用Web技術,結(jié)合自主設計的糧蟲誘捕器,建立了儲糧低密度蟲害實時監(jiān)測系統(tǒng)。樹莓派控制誘捕器采集害蟲圖像并進行圖像處理得到圖像中害蟲的數(shù)量,再將數(shù)據(jù)傳至云端服務器,用戶通過Web客戶端獲取歷史以及實時的害蟲圖像和害蟲數(shù)量。在實驗室用該系統(tǒng)監(jiān)測了赤擬谷盜密度為0.5、1、2、3、4、5頭/kg的稻谷,通過系統(tǒng)捕獲第一只害蟲的時間來評價其靈敏度,24h內(nèi)對害蟲的捕捉率驗證系統(tǒng)用于低密度蟲害監(jiān)測的可行性,并以人工直接計數(shù)結(jié)果為參考計算了系統(tǒng)計數(shù)的準確率,結(jié)果表明:系統(tǒng)靈敏度高,在低密度害蟲條件下對害蟲的捕捉率高于61.98%且誘捕器捕捉的害蟲數(shù)與稻谷中的害蟲總數(shù)存在顯著線性關系,系統(tǒng)計數(shù)準確率為90.26%。因此,該系統(tǒng)可用于低密度蟲害的實時監(jiān)測。 

【文章來源】：現(xiàn)代食品科技. 2019,35(10)北大核心

【文章頁數(shù)】：7 頁

【部分圖文】：

系統(tǒng)總體框架

移動性。1系統(tǒng)的設計與實現(xiàn)1.1系統(tǒng)的總體設計圖1系統(tǒng)總體框架Fig.1Systemoverallstructure系統(tǒng)總體框架如圖1所示，其運行流程如下：樹莓派控制誘捕器定時采集害蟲圖像并進行圖像處理，將圖像和計數(shù)結(jié)果傳至云端服務器存儲。用戶通過瀏覽器進入Web客戶端，登錄后可進入?yún)?shù)設置界面可以進行設置圖像采集時間、調(diào)整害蟲數(shù)量超標警示值、增減監(jiān)測的糧倉等相關設置，進入查詢界面即可查看設定時刻采集的圖像與害蟲數(shù)量以及獲取當前害蟲圖像與數(shù)據(jù)。1.2系統(tǒng)的硬件組成1.2.1誘捕器圖2誘捕器(a)實物圖和(b)結(jié)構(gòu)示意圖Fig.2Trap(a)trapphysicalmapand(b)trapassemblydrawing注：1.防塵塞；2.管帽；3.螺栓；4.攝像頭；5.LED燈；6.帶孔金屬管；7.內(nèi)牙接頭；8.外牙接頭；9.底座。誘捕器的功能是誘捕害蟲并采集到背景簡單的害蟲圖像。圖2a為誘捕器實物圖，其主體采用帶孔金屬管制作，利用害蟲愛鉆孔的習性誘捕害蟲；為簡化害蟲圖像背景，根據(jù)稻谷與常見糧蟲間的尺寸差異，將金屬管網(wǎng)孔直徑設計為2mm，防止稻谷落入誘捕器中增加背景復雜度。研究表明儲糧害蟲在垂直方向上多分布在從糧堆表面向下50cm范圍內(nèi)[11]，結(jié)合商用誘捕器的長度，確定了誘捕器的總長度為50cm。誘捕器插入糧堆時會受到阻力，阻力的大小隨誘捕器直徑增加而增加，為確保誘捕器能正常插入糧堆且滿足攝像頭的安裝尺寸32mm×32mm，將誘捕器的直徑設計為5cm。圖2b為誘捕器結(jié)構(gòu)示意圖，其中攝像頭采用200萬變焦攝像頭，在幀率為30fps下采集圖像，避免害蟲與攝像頭之間相對運動造成的運動模糊[12]；使用螺栓將攝像頭固定在管帽上，防塵塞用于防止接口處落灰，保護攝像頭的電路板；攝像頭

用式(3)表示：F(i,j)=f(i,j)+k(f(i,j))-g(i,j))（3）式中：f(i.j)為原始圖像，g(i,j)是模糊的圖像，k是放大系數(shù)。首先將原圖像低通濾波后產(chǎn)生一個鈍化模糊圖像，將原圖像與這模糊圖像相減得到保留高頻成份的圖像，再將高頻圖像用一個參數(shù)放大后與原圖像疊加，這就產(chǎn)生一個增強了邊緣的圖像。圖像經(jīng)過反銳化掩模算法后，通過增加亮度和對比度大幅度拉開目標物與背景的差距，背景基本被除去，只留下害蟲與雜草種子圖像。此時通過計算兩者的離心率，設定合適離心率值區(qū)分兩者，實現(xiàn)對害蟲的計數(shù)。圖3圖像處理與識別流程Fig.3Flowchartofimagesprocessingandrecognition1.3.2云端服務器考慮到儲糧監(jiān)測需要的監(jiān)測點多，監(jiān)測周期長，本監(jiān)測系統(tǒng)采用AmazonWebServices(AWS)提供的云存儲服務AmazonSimpleStorageService(AmazonS3)[18]存儲采集的害蟲圖像，并通過在AmazonS3上部署開源數(shù)據(jù)庫MongoDB[19,20]來作為云端數(shù)據(jù)庫存儲圖像處理后得到的數(shù)據(jù)以及用戶信息。云存儲可彈性伸縮并且按使用量計費，能避免存儲空間的閑置并保證經(jīng)費的合理使用。1.3.3Web客戶端圖4客戶端模塊框圖Fig.4BlockdiagramofclientmoduleWeb客戶端是基于網(wǎng)頁的應用程序，用戶可以不需要下載安裝專用軟件，只需要通過瀏覽器或者一些具有瀏覽功能的客戶端來訪問服務器，瀏覽網(wǎng)頁就可以實現(xiàn)相關的應用操作[21]。儲糧害蟲監(jiān)測系統(tǒng)網(wǎng)頁客戶端模塊框圖如圖4所示，用戶通過客戶端的UI層進行操作交互，邏輯處理層中每一個功能的實現(xiàn)都對應著一個控制UI操作，主要負責響應用戶在對應模塊下對視圖操作的相應處理請求。邏輯處理層通過將每一個操作以統(tǒng)一的約定格式封裝起來，以HTTP

【參考文獻】：
期刊論文
[1]基于圖像處理技術快速檢測茯磚茶中“金花菌”數(shù)量[J]. 呂嘉櫪,孟雁南,史朝燁,羅瀟.  現(xiàn)代食品科技. 2018(11)
[2]儲糧害蟲在線監(jiān)測技術的研究進展[J]. 馬彬,金志明,蔣旭初,萬小進,肖雄雄,陳利香,魯玉杰.  糧食儲藏. 2018(02)
[3]糧蟲圖像識別檢測技術研究現(xiàn)狀與展望[J]. 程尚坤,張德賢,張苗.  安徽農(nóng)業(yè)科學. 2016(19)
[4]基于圖像處理技術的儲糧害蟲快速識別[J]. 胡祝華,趙瑤池,白勇,曹鳳勤.  安徽農(nóng)業(yè)科學. 2014(30)
[5]基于圖像處理的糧食蟲害自動分級虛擬系統(tǒng)研究[J]. 顏丙生,陳富恒,郭軍宏.  糧食與飼料工業(yè). 2014(06)
[6]基于樹莓派的嵌入式Linux開發(fā)教學探索[J]. 李文勝.  電子技術與軟件工程. 2014(09)
[7]高大平房倉儲糧害蟲分布與發(fā)生初步調(diào)查[J]. 張英,鄧文斌,鄭紹鋒.  糧油倉儲科技通訊. 2012(03)
[8]運動模糊圖像的運動模糊方向鑒別[J]. 陳前榮,陸啟生,成禮智.  國防科技大學學報. 2004(01)
[9]基于機器視覺的儲糧害蟲智能檢測系統(tǒng)硬件設計[J]. 邱道尹,張紅濤,陳鐵軍,湯文博,章玉政,張成花.  農(nóng)業(yè)機械學報. 2003(01)

碩士論文
[1]基于圖像識別的儲糧害蟲檢測[D]. 王德發(fā).北京郵電大學 2017



本文編號：3327979