發(fā)布時間：2021-08-07 14:38

　　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(shí)時性和移動性不足等問題,采用Web技術(shù),結(jié)合自主設(shè)計(jì)的糧蟲誘捕器,建立了儲糧低密度蟲害實(shí)時監(jiān)測系統(tǒng)。樹莓派控制誘捕器采集害蟲圖像并進(jìn)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(wù)器,用戶通過Web客戶端獲取歷史以及實(shí)時的害蟲圖像和害蟲數(shù)量。在實(shí)驗(yàn)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(yàn)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(jì)數(shù)結(jié)果為參考計(jì)算了系統(tǒng)計(jì)數(shù)的準(zhǔn)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(guān)系,系統(tǒng)計(jì)數(shù)準(zhǔn)確率為90.26%。因此,該系統(tǒng)可用于低密度蟲害的實(shí)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(shè)計(jì)與實(shí)現(xiàn)1.1系統(tǒng)的總體設(shè)計(jì)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(yùn)行流程如下：樹莓派控制誘捕器定時采集害蟲圖像并進(jìn)行圖像處理，將圖像和計(jì)數(shù)結(jié)果傳至云端服務(wù)器存儲。用戶通過瀏覽器進(jìn)入Web客戶端，登錄后可進(jìn)入?yún)?shù)設(shè)置界面可以進(jìn)行設(shè)置圖像采集時間、調(diào)整害蟲數(shù)量超標(biāo)警示值、增減監(jiān)測的糧倉等相關(guān)設(shè)置，進(jìn)入查詢界面即可查看設(shè)定時刻采集的圖像與害蟲數(shù)量以及獲取當(dāng)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(shí)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(shí)物圖，其主體采用帶孔金屬管制作，利用害蟲愛鉆孔的習(xí)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(shè)計(jì)為2mm，防止稻谷落入誘捕器中增加背景復(fù)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(shè)計(jì)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(yùn)動造成的運(yùn)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(hù)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(qiáng)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(biāo)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(jì)算兩者的離心率，設(shè)定合適離心率值區(qū)分兩者，實(shí)現(xiàn)對害蟲的計(jì)數(shù)。圖3圖像處理與識別流程Fig.3Flowchartofimagesprocessingandrecognition1.3.2云端服務(wù)器考慮到儲糧監(jiān)測需要的監(jiān)測點(diǎn)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(wù)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(jì)費(fèi)，能避免存儲空間的閑置并保證經(jīng)費(fèi)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(yīng)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(wù)器，瀏覽網(wǎng)頁就可以實(shí)現(xiàn)相關(guān)的應(yīng)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(jìn)行操作交互，邏輯處理層中每一個功能的實(shí)現(xiàn)都對應(yīng)著一個控制UI操作，主要負(fù)責(zé)響應(yīng)用戶在對應(yīng)模塊下對視圖操作的相應(yīng)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(xiàn)】：
期刊論文
[1]基于圖像處理技術(shù)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(shù)的研究進(jìn)展[J]. 馬彬,金志明,蔣旭初,萬小進(jìn),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(shù)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(xué). 2016(19)
[4]基于圖像處理技術(shù)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(xué). 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(xué)探索[J]. 李文勝.  電子技術(shù)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(yùn)動模糊圖像的運(yùn)動模糊方向鑒別[J]. 陳前榮,陸啟生,成禮智.  國防科技大學(xué)學(xué)報(bào). 2004(01)
[9]基于機(jī)器視覺的儲糧害蟲智能檢測系統(tǒng)硬件設(shè)計(jì)[J]. 邱道尹,張紅濤,陳鐵軍,湯文博,章玉政,張成花.  農(nóng)業(yè)機(jī)械學(xué)報(bào). 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(xué) 2017



本文編號：3327979