基于嵌入式图像终端的农作物虫害监测系统设计

摘要：为实现对农作物虫害的实时预警并辅助疾病诊断，实现无人值守的病虫害智能监控，设计一种嵌入式设备与工控机相结合的农作物虫害监测系统。通过下位机ARM-Linux嵌入式图像终端采集农作物叶片图像，利用TCP/IP网络发送数据；上位机监测系统利用虚拟仪器接收并解析图像，完成图像格式转换、虫害诊断与实时显示。针对传统基于Web技术的图像监控系统只能通过浏览器或专用客户端软件浏览图像，而不能处理数据的缺点，设计网络ppm格式图像数据至LabVIEW图像数据的转换函数，实现农作物叶片图像的自动采集、显示与图像处理功能。测试结果表明，该系统工作稳定，在农业病虫害的图像采集与诊断防治方面具有重要的应用价值。

关键词：农作物；虫害监测；嵌入式；虚拟仪器；图像处理

DOI：10.11907/rjdk.173175

中图分类号：TP319

文献标识码：A文章编号：1672-7800（2018）007-0124-04

Abstract：Inordertodiagnosecroppestsanddiseasesiealtimeandrealizeunmannedintelligentmonitoringofpestsanddiseases，amonitoringsystemofcroppestsbasedonembeddedequipmentandindustrialcomputerisdesigned.TheARM-LinuxembeddedimageacquisitionterminalcollectsthecropleafimagesandsendsdatatothehostcomputerthroughaTCP/IPnetwork.Theuppercomputerreceivesandparsestheimages.Atthesametime，underthesupportofvirtualinstrumentsoftware，theimageureprocessedtocompletetheformatconversion，preservationanddisplay.ThemonitoringsystemhasprovidedanapplicableapproachtoaccesstheimagedataontheWebthroughthetransformationofppmimagetoLabVIEWimage，whichareavailableforbrowseonlybytheinternetexplorerorthespecialclientsinmostcases.Theexperimentalresultshaveshownitseffectivenessandstability.Thesystemisexpectedtobeofgreatapplicationvalueforthediagnosisofvariousagriculturaldiseasesandpestsimageacquisition.

KeyWords：crops；pestsmonitoring；embedded；virtualinstrument；imageprocessing

0引言

随着精准农业的不断发展，运用信息技术辅助农业生产为农作物病虫害监测提供了新思路[1]。数字图像技术在农作物信息采集方面具有精度高、速度快、信息量丰富等优点，在图像处理算法支持下，可有效降低人为判断病虫害的主观性，提高实时性且节约了劳动力，在农作物生长状况监测中应用广泛[2]。

相比于其它视频监控系统对性能高速率的要求，虫害监测系统更侧重于图像终端的便利采集、稳定传输性能，以及监测上位机的图像处理性能[3]。嵌入式图像采集终端相比于单片机、DSP处理器等采集设备[4-8]，其操作系统稳定性更强，并具有更为强大的事务管理功能，借助于丰富的内部资源和多任务并行机制，可以实现复杂的数据采集、控制和通讯任务[9]。但目前基于Web技术的图像监控系统只能通过浏览器或专用的客户端软件浏览图像，而无法处理数据。基于此，本文利用ARM-Linux嵌入式设备和TCP/IP网络设计农作物图像采集终端，利用虚拟仪器LabVIEW图形化编程平台进行监测上位机设计，以解决网络图像数据的接收与数据处理问题。同时，根据农作物病虫害的监测需求，使用虚拟仪器软件对虫害叶片进行诊断。

1嵌入式图像采集终端

在ARM-Linux系统中，应用程序通过访问硬件资源的设备文件实现对设备的控制，其中，V4L2是Linux系统下视频设备驱动程序接口规范，其为上层应用程序提供了一系列接口函数，控制视频设备完成视频图像采集[10]，而Socket则提供了网络数据传输的编程接口。本系统的图像采集终端在接收到上位机采集指令后，完成采集任务，将采集到的图像数据转换为RGB格式发送至上位机。

1.1LinuxV4L2圖像采集

在Linux系统中对图像采集设备的操作通过V4L2调用“intioctl（intfd，intrequest，void*argp）”函数完成，其中fd为设备文件描述符，request为系统调用类型，argp为数据传递缓冲区地址。图像数据采集任务按照“打开设备”、“申请缓存”、“内存映射”、“读写缓存”、“关闭设备”5个步骤完成，具体功能实现代码如表1所示。

其中，fd=open（dev_name，O_RDWR，0）以阻塞模式打开USB视频设备文件，当缓冲区数据准备就绪，将数据返回应用程序[11]；mmmap（）指令将内核空间缓存映射到用户空间，以提高应用程序读取/处理视频数据的效率；通过循环调用ioctl（fd，VIDIOC_QBUF，&buf）函数，将申请的S个帧缓存放入采集队列，启动视频采集；当数据准备就绪，使用ioctl（fd，VIDIOC_DQBUF，&buf）函数缓存入输出队列，存入用户缓存buf中；当所有帧缓存进入输出队列，采集过程停止，等待缓存重新放入采集队列，采集任务完成。

对于图像连续采集过程，系统会不断取出缓冲队列中的数据，处理之后将帧缓存重新放入采集队列，继续获得图像数据。任务结束后清空缓存，停止视频采集并关闭设备。

1.2图像采集终端TCP/IP通讯

图像终端作为客户端，Linux系统通过双向通信套接字Socket连接远程服务器，接收上位机控制指令，解释指令并发送图像数据给上位机监测系统。Socket是一个通信链的句柄，描述了通讯双方的IP地址和服务端口[12]。图像终端发送RGB图像数据的主要代码如表2所示。

socket（）函数建立套接字描述符，设置SOCK_STREAMTCP协议参数为“使用面向连接的稳定数据传输”；端口通讯协议组为AF_INETIPV4协议，即使用网络字节顺序在不同体系结构系统间通信。套接字与服务器地址通过connect（）链接绑定。基于套接字描述符，使用send（）函数循环将缓存在rgbbuf中的RGB图像发送至上位机处理，图像大小为COLS*ROWS*3字节。

2LabVIEW虚拟仪器监测上位机

监测上位机使用LabVIEW软件设计，通过TCP/IP网络与嵌入式图像终端进行数据通讯，发送控制指令，接收图像数据并进行数据处理。

2.1基于Socket的TCP/IP数据接收

虚拟仪器LabVIEW软件对TCP/IP网络通讯的底层驱动编程进行封装，使用其提供的vi函数，如创建TCP监听端.vi、等待TCP客户端连接.vi、写入/读取TCP数据.vi、关闭TCP连接.vi等，便可完成监控上位机与下位机图像采集终端的通讯过程，简化编程，如图1所示。在程序实现方面，整个监测系统由数据采集线程和主线程构成，主线程负责图像数据格式的转换和虫害诊断，数据采集线程则监听下位机的TCP/IP连接并接收网络数据。

数据采集线程与主线程的数据同步利用LabVIEW的“用户事件”实现。设置“ppm事件”的产生条件是数据采集线程“读取TCP指定数目的字节”，即RGB图像帧大小的整数倍，图像帧大小为COLS*ROWS*3字节。在主线程的“事件结构”中处理该用户事件，将接收到的RGB图像数据转换为LabVIEW图像数据，进行处理、显示和保存。

2.2图像数据格式转换与处理

由于LabVIEW写入/读取TCP数据的数据类型只能是字符串，因此上位机发送控制指令时，需要使用平化字符串（FlattenToString）函数。同样地，在上位机的图像数据接收端，为进一步在LabVIEW中保存图像数据并进行虫害诊断，需要将接收到的图像帧字符串转换为LabVIEW图像数据。

LabVIEW图像数据类型如图2所示，其是一个由6元素捆绑构成的簇，包含图像类型、图像深度、图像数据、掩码、颜色、矩形大小等信息。根据图像帧字符串内容，提取图像帧的列宽和行高、像素数据流，生成LabVIEW图像数据，如图3所示。其中“从字符串还原”函数将顺序排列的像素数据流字符串还原为平铺像素RGB值一维数组，“按名称捆绑”函数将图像数据数组、列宽、行高捆绑生成LabVIEW图像数据。

3基于图像处理的叶片虫害诊断

基于农作物叶片图像的虫害诊断是在虚拟仪器LabVIEW监测系统中，利用图像处理算法对叶片虫害特征进行识别，以便当虫害发生时采取必要处理措施。对于农作物叶片由虫害引起的缺刻、孔洞或透明斑等特征[12]，可利用边缘检测方法，通过标识图像中亮度变化明显的点进行识别。边缘是指其周围像素灰度有阶跃变化或屋顶变化的像素集合[13]，因此两个具有不同灰度值的相邻图像区域之间总存在边缘。

本实验中采用基于彩色图像分割[14]的方法识别农作物叶片上的虫孔特征。首先需要选择合适的颜色空间，颜色空间的选择将直接影响图像分割和目标识别效果，常用的颜色空间有RGB和HSL等[15]。RGB是最常用的颜色空间，但在同一颜色空间不同光照下，其RGB值比较分散，在确定阈值和其在颜色空间中的分布范围时存在一定难度；而HSL（H-色调、S-饱和度、L-亮度）更接近人眼感知色彩的方式，可以从HSL中得到颜色、深浅、明暗信息。因此，本文选取HSL彩色模型，相应的虫害诊断过程如图4所示。首先对图像进行二值化处理，去除多余的颜色信息，将图像分割为背景和目标两部分；然后进行中值滤波，滤除图像中存在的噪声；最后进行图像反转，去除小面积区域以及图像背景中的干扰点，提取亮对象完成虫孔识别。

4实验验证

实验中，下位机图像终端设置图像大小为COLS*ROWS=320*240，即图像帧的列宽和行高分别为320和240，连续采集图像帧缓存数目S设置为1。主线程在接收到图像数据后，完成数据转换和虫害诊断，并将图片和诊断结果实时显示在前面板交互界面中，如图5所示。

针对叶片图像的虫孔特征，虫害诊断程序中，对应IMAQColorThreshold函數，将HSL图像阈值分割参数（Min，Max）分别设置为（50，200）、（10，100）和（20，85）；对应IMAQCountObjects2函数，设置寻找亮对象阈值、最小尺寸、最大尺寸分别为128、180和10000。

由实验结果可以看出，在上位机控制指令驱动下，图像采集终端能够自动完成图像的采集和网络传输任务。上位机虚拟仪器监测系统在VISION工具包及其vi函数支持下，能实时完成图像数据的接收、转换以及图像处理工作，有效识别出农作物叶片中的虫孔特征。系统工作稳定，虫孔识别算法有效。

5结语

本文研究了农作物病虫害监测过程中涉及到的图像采集、传输以及虚拟仪器平台上的图像处理技术，设计基于ARM-Linux嵌入式图像采集终端与LabVIEW虚拟仪器的远程监测系统，有效实现了农作物叶片图像的自动采集、显示和虫害检测功能。基于获得的图像数据，结合更先进的农业病虫害诊断算法和专家系统，该系统有望扩展应用于各种农业病虫害疾病的预测和防治中，因而具有重要的应用推广价值。

参考文献：

[1]汪京京，张武，刘连忠，等.农作物病虫害图像识别技术的研究综述[J].计算机工程与科学，2014，36（7）：1363-1370.

[2]方益杭.基于计算机视觉的油菜生长过程自动识别研究[D].武汉：华中农业大学，2015.

[3]戴建国，赖军臣.基于图像规则与Android手机的棉花病虫害诊断系统[J].农业机械学报，2015，46（1）：35-44.

[4]杨泽，裴海龙.基于ARM与DSP的实时视频传输系统[J].计算机工程与设计，2013，34（12）：4184-4188.

[5]董大波，王湘云，赵柏秦，等.基于单片机的低成本CMOS图像采集系统[J].仪表技术与传感器，2014（2）：45-49.

[6]张磊.基于ARM的CMOS数字图像传感器图像采集系统的研究与设计[D].哈尔滨：哈尔滨工程大学，2008.

[7]LESLIEIM，MCAULEYD，BLACKR，etal.Thedesignandimplementationofanoperatingsystemtosupportdistributedmultimediaapplications[J].SelectedAreasinCommunicationsIEEEJournal，1996，14（7）：1280-1297.

[8]KANDADAIV，SRIDHARANM，PARVATHYSM，etal.AcomprehensiveembeddedsolutionfordataacquisitionandcommunicationusingFPGA[J].JournalofAppliedResearch&Technology，2017，15（1）：45-53.

[9]李锦波，石岩，曹治国，等.面向实时图像处理的嵌入式操作系统研究[J].红外与激光工程，2004，33（6）：651-654.

[10]鲁力，张波.基于嵌入式TCP/IP协议的高速电网络数据采集系统[J].仪器仪表学报，2009，30（9）：405-409.

[11]罗万明，林闯，阎保平.TCP/IP拥塞控制研究[J].计算机学报，2009，24（1）：1-18.

[12]张晴晴.作物病害叶片图像分割及识别中的关键问题研究[D].郑州：郑州大学，2015.

[13]韩君君.彩色图像边缘检测算法研究[D].曲阜：曲阜师范大学，2009.

[14]DONYRD，WESOLKOWSKIS.EdgedetectiononcolorimagesusingRGBvectorangles[C].IEEECanadianConferenceonElectricalandComputerEngineering，1999：687-692.

[15]魏宝刚，鲁东明，潘云鹤，等.多颜色空间上的交互式图像分割[J].计算机学报，2001，24（7）：770-775.

（責任编辑：黄健）