适应场景光照变化的桔小实蝇诱捕监测系统优化设计与试验

为了减少光照造成的桔小实蝇误判,该文在前期设计的基于视频监控的桔小实蝇诱捕装备的基础上,优化改进了硬件装备及监测执行算法。主要通过对装备遮光系统和太阳能装置的改良及Wi Fi/4G等技术的应用形成了一套较完善的集采集、处理、传输和供电为一体的桔小实蝇诱捕监测新装备。同时,改进提出了一种可适应场景光照变化的桔小实蝇检测算法(Bactrocera dorsalis detection algorithm under lighting variations,BDDA-LV),并对软件系统的控制流程与感兴趣数据的判别、获取及传输进行优化,最终形成了一套有较好人机交互的桔小实蝇监测软件系统。通过对新旧桔小实蝇检测算法及系统分别开展了室内和野外试验,结果表明,在中度光照影响下,BDDA-LV算法错误率为7.21%,比原算法降低19.07%,且其运算耗时为原算法的41.7%。在严重的光照影响下,BDDA-LV算法错误率为12.4%,比原算法降低23.07%,且其运算耗时为原算法的42.2%。同时在广州市天河区杨桃公园自然环境下进行了的较长期系统监测试验,该系统可实时稳定地对桔小实蝇进行监测计数。通过对2015年6月18日至24日自然环境下的试验,用计算机系统记录和人工计数比较分析,得到计算机系统计数1634头,人工计数1613头,准确度达98.7%,比优化之前在实验室进行监测试验的系统跟踪精度提高了3.8%。该文所提出的BDDA-LV准确率和运算速率都远高于BBDA算法,整个系统拥有较高的精度和稳定性,具有较好的推广应用价值。     

基于视觉感知的蔬菜害虫诱捕计数算法

针对当前大田环境条件下对害虫进行识别研究的不足,以南方蔬菜重大害虫为研究对象,探索了一种在大田环境下使用黄色诱捕板对蔬菜害虫进行监测计数的方法。在经典图像处理算法基础上,根据害虫监测目标的需要,提出了一种基于结构化随机森林的害虫图像分割算法和利用不规则结构的特征提取算法,进一步结合背景去除、干扰目标去除和检测模型计数子算法,集成设计了基于视觉感知的蔬菜害虫计数算法(Vegetable pest counting algorithm based on visual perception,VPCA-VP)。使用了现场环境下拍摄的图像进行实验与分析,共识别出蓟马9351只,烟粉虱202只,实蝇23只。经过与人工计数比对得出,本文基于视觉感知的蔬菜害虫计数算法的平均识别正确率为94.89%。其中,蔬菜害虫蓟马的识别正确率为93.19%,烟粉虱的识别正确率为91%,实蝇的识别正确率达到100%。算法达到了较好的测试性能,可以满足害虫快速计数需求,在农田害虫监测中有一定的应用前景。     

分辨率实时可调的无线图像传感器节点设计与试验

针对目前用于农业图像获取的图像传感器节点分辨率偏低、分辨率固定不可调的现状,设计并实现一种分辨率实时可调的无线图像传感器节点。节点的硬件平台由ARM处理器S3C6410和CMOS图像传感器OV5642组成,并集成了Wi Fi模块和4 G模块。设计了太阳能供电系统为节点供电。采用嵌入式Linux搭建节点的软件平台,设计了基于驱动层和应用层协作、多线程并发的分辨率实时调整算法,并在应用层实现了分辨率实时调整、图像采集、图像压缩和无线传输等功能。为了验证节点的性能,将节点部署在农田进行了长时间的测试试验。测试结果表明,节点具有7种不同的分辨率,最高可达500万像素,更重要的是它在工作过程中可接收远程用户的指令,实时调整分辨率,进而采集不同精度的农作物图像,并远程传输到服务器端。试验表明所设计的节点可满足用户获取不同精度农业图像的需求。     

基于无线图像传感器网络的农田远程监测系统

为了实时获取农田图像和视频信息,提出了基于无线图像传感器网络的农田远程监测系统。针对当前图像传感器节点存在的不足,基于CMOS图像传感器和S3C6410嵌入式处理器设计了低成本、高分辨率的无线图像传感器节点,并研究了基于驱动层和应用层协作的分辨率实时调整算法,使得节点具备10种不同的分辨率,最高分辨率可达500万像素,而且分辨率可根据用户需求实时调整,以满足用户对不同图像精度的需求。采用Wi Fi技术构建无线图像传感器网络,并通过4G网络远程传输图像和视频到服务器。在服务器端开发了基于Web的可视化农田信息管理软件,实现对采集的数据进行有效存储、管理和应用,并为用户提供网络服务。部署了该系统并进行了长时间的运行测试试验,试验结果表明:系统可稳定地运行,能够根据远程指令采集并传输不同分辨率的图像,采集并传输1幅126 KB左右的图像平均耗时为5.36 s,网络平均丢包率为1.67%,客户端开启视频监控平均时延为3.48 s,视频播放流畅。