1 0 0 中國(guó)農(nóng)機(jī)化學(xué)報(bào)2 0 2 3年 D O I 1 0 1 3 7 3 3 j j c a m i s s n 2 0 9 5 5 5 5 3 2 0 2 3 0 1 0 1 5 基于物聯(lián)網(wǎng)的遠(yuǎn)程溫室視覺監(jiān)控系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn) 張凈1 張康1 劉曉梅2 楊寧1 1 江蘇大學(xué)電氣信息工程學(xué)院 江蘇鎮(zhèn)江 2 1 2 0 1 3 2 江蘇科茂信息技術(shù)有限公司 江蘇鎮(zhèn)江 2 1 2 0 0 1 摘要 在當(dāng)前智慧農(nóng)業(yè)的大環(huán)境下 農(nóng)作物生長(zhǎng)過程的識(shí)別與監(jiān)控問題一直是一項(xiàng)具有挑戰(zhàn)性的任務(wù) 基于此提出一種基 于物聯(lián)網(wǎng)的遠(yuǎn)程溫室視覺監(jiān)控系統(tǒng) 系統(tǒng)通過L o R a無線通信技術(shù)監(jiān)測(cè)溫室內(nèi)的溫濕度 光照強(qiáng)度等環(huán)境參數(shù) 能夠及時(shí) 監(jiān)測(cè)到農(nóng)作物的生長(zhǎng)狀況 并實(shí)現(xiàn)自動(dòng)通風(fēng) 自動(dòng)補(bǔ)光等功能 在P C端的Q t上位機(jī)實(shí)時(shí)監(jiān)測(cè)溫室內(nèi)的環(huán)境信息并控制 環(huán)境參數(shù) 通過O V 9 7 2 6攝像頭對(duì)農(nóng)作物進(jìn)行監(jiān)測(cè) 所獲得的生長(zhǎng)狀態(tài)信息傳輸?shù)絊 3 C 6 4 1 0集中控制模塊進(jìn)行處理 結(jié)合 克隆選擇算法和樸素貝葉斯分類器對(duì)葉片進(jìn)行識(shí)別處理 本系統(tǒng)采用L o R a模塊進(jìn)行自組網(wǎng)來實(shí)現(xiàn)環(huán)境監(jiān)測(cè) 將L i n u x 操作系統(tǒng)移植到集中控制模塊 為視覺系統(tǒng)軟硬件平臺(tái)的搭建做準(zhǔn)備工作 所使用的組合算法能夠使得農(nóng)作物葉片識(shí)別 率達(dá)到9 5 3 識(shí)別時(shí)間達(dá)到8 4 m s 對(duì)于葉片識(shí)別精度等方面有著明顯的提升 經(jīng)過實(shí)驗(yàn)充分驗(yàn)證本系統(tǒng)所使用的設(shè) 備與算法的有效性 關(guān)鍵詞 L o R a 葉片識(shí)別 克隆選擇算法 樸素貝葉斯 Q t L i n u x操作系統(tǒng) 中圖分類號(hào) S 2 4 文獻(xiàn)標(biāo)識(shí)碼 A 文章編號(hào) 2 0 9 5 5 5 5 3 2 0 2 3 0 1 0 1 0 0 0 8 張凈 張康 劉曉梅 楊寧 基于物聯(lián)網(wǎng)的遠(yuǎn)程溫室視覺監(jiān)控系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn) J 中國(guó)農(nóng)機(jī)化學(xué)報(bào) 2 0 2 3 4 4 1 1 0 0 1 0 7 Z h a n g J i n g Z h a n g K a n g L i u X i a o m e i Y a n g N i n g D e s i g n a n d i m p l e m e n t a t i o n o f r e m o t e g r e e n h o u s e v i s u a l m o n i t o r i n g s y s t e m b a s e d o n I n t e r n e t o f T h i n g s J J o u r n a l o f C h i n e s e A g r i c u l t u r a l M e c h a n i z a t i o n 2 0 2 3 4 4 1 1 0 0 1 0 7 收稿日期 2 0 2 1年1 0月1 9日 修回日期 2 0 2 2年2月1 0日 基金項(xiàng)目 國(guó)家重點(diǎn)研發(fā)項(xiàng)目 2 0 1 9 Y F C 1 6 0 6 6 0 0 第一作者 張凈 女 1 9 7 5年生 江蘇鎮(zhèn)江人 博士 副教授 研究方向?yàn)橛?jì)算機(jī)應(yīng)用 E m a i l j s z j 0 8 0 6 2 0 0 0 1 6 3 c o m Designandimplementationofremotegreenhousevisualmonitoringsystem basedonInternetofThings ZhangJing1 ZhangKang1 LiuXiaomei2 YangNing1 1 SchoolofElectricalInformationEngineering JiangsuUniversity Zhenjiang 2 1 2 0 1 3 China 2 JiangsuKemaoInformationTechnologyCo Ltd Zhenjiang 2 1 2 0 0 1 China Abstract I n t h e c u r r e n t e n v i r o n m e n t o f i n t e l l i g e n t a g r i c u l t u r e t h e i d e n t i f i c a t i o n a n d m o n i t o r i n g o f c r o p g r o w t h p r o c e s s h a s b e e n a c h a l l e n g i n g t a s k B a s e d o n t h i s a r e m o t e g r e e n h o u s e v i s u a l m o n i t o r i n g s y s t e m b a s e d o n I n t e r n e t o f t h i n g s i s p r o p o s e d t h e s y s t e m m o n i t o r s e n v i r o n m e n t a l p a r a m e t e r s s u c h a s t e m p e r a t u r e h u m i d i t y a n d l i g h t i n t e n s i t y o f c r o p s i n g r e e n h o u s e b y L o R a w i r e l e s s c o m m u n i c a t i o n t e c h n o l o g y w h i c h c a n m o n i t o r t h e g r o w t h o f c r o p s i n t i m e a n d t o a c h i e v e t h e g r e e n h o u s e c r o p s a u t o m a t i c v e n t i l a t i o n a u t o m a t i c l i g h t i n g a n d o t h e r f u n c t i o n s R e a l t i m e m o n i t o r i n g o f e n v i r o n m e n t a l i n f o r m a t i o n a n d c o n t r o l o f e n v i r o n m e n t a l p a r a m e t e r s i n t h e g r e e n h o u s e f r o m t h e Q t h o s t o n t h e P C a n d t h e c r o p s a r e m o n i t o r e d b y O V 9 7 2 6 c a m e r a T h e i n f o r m a t i o n o b t a i n e d i s t r a n s m i t t e d t o S 3 C 6 4 1 0 c e n t r a l i z e d c o n t r o l m o d u l e f o r p r o c e s s i n g a c o m b i n a t i o n o f c l o n a l s e l e c t i o n a l g o r i t h m s a n d N a i v e B a y e s c l a s s i f i e r w a s u s e d t o i d e n t i f y t h e l e a v e s T h i s s y s t e m u s e s L o R a m o d u l e t o i m p l e m e n t e n v i r o n m e n t a l m o n i t o r i n g a n d t h e L i n u x o p e r a t i n g s y s t e m i s t r a n s p l a n t e d t o t h e c e n t r a l i z e d c o n t r o l m o d u l e t o p r e p a r e f o r t h e c o n s t r u c t i o n o f t h e h a r d w a r e a n d s o f t w a r e p l a t f o r m o f t h e v i s u a l s y s t e m t h e c o m b i n e d a l g o r i t h m c a n m a k e t h e r e c o g n i t i o n r a t e o f c r o p l e a v e s r e a c h 9 5 3 a n d t h e r e c o g n i t i o n t i m e r e a c h 8 4 m s w h i c h i m p r o v e s t h e p r e c i s i o n o f l e a f r e c o g n i t i o n o b v i o u s l y t h e v a l i d i t y o f t h e e q u i p m e n t a n d a l g o r i t h m u s e d i n t h i s s y s t e m i s f u l l y v e r i f i e d b y e x p e r i m e n t s Keywords L o R a b l a d e i d e n t i f i c a t i o n c l o n a l s e l e c t i o n a l g o r i t h m N a i v e B a y e s Q t L i n u x o p e r a t i n g s y s t e m 第4 4卷 第1期 2 0 2 3年1月 中國(guó)農(nóng)機(jī)化學(xué)報(bào) J o u r n a l o f C h i n e s e A g r i c u l t u r a l M e c h a n i z a t i o n V o l 4 4 N o 1 J a n 2 0 2 3 第1期張凈等 基于物聯(lián)網(wǎng)的遠(yuǎn)程溫室視覺監(jiān)控系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)1 0 1 0 引言 如何充分監(jiān)測(cè)到溫室中生長(zhǎng)的植物狀態(tài)是目前溫 室監(jiān)測(cè)系統(tǒng)的關(guān)鍵 在傳統(tǒng)的溫室種植中 通過人工 采樣的方法不僅效率低 更重要的是不能及時(shí)地做出 預(yù)警 對(duì)于植物的生長(zhǎng)狀態(tài)不能得到充分的保證 當(dāng) 前物聯(lián)網(wǎng)技術(shù)多采用Z i g b e e G P R S S i g f o x和 N B l o T等方式 但Z i g b e e和G P R S等技術(shù)普遍存在 通信距離短 功耗大且布網(wǎng)復(fù)雜等缺點(diǎn) 而S i g f o x和 N B l o T等技術(shù)則由當(dāng)?shù)剡\(yùn)營(yíng)商管理 只有支付了訂 費(fèi) 傳感器才能進(jìn)行數(shù)據(jù)傳輸 1 此外 還有數(shù)據(jù)流量 和數(shù)據(jù)包大小的限制 這些問題給數(shù)據(jù)傳輸造成了較 大的麻煩 采用L o R a技術(shù)則能夠同時(shí)滿足低功耗 深 覆蓋和布網(wǎng)簡(jiǎn)易等要求 2 當(dāng)前圖像處理技術(shù)的發(fā) 展 促進(jìn)了農(nóng)作物生長(zhǎng)信息監(jiān)測(cè)逐漸轉(zhuǎn)向信息化 智能 化 對(duì)于農(nóng)作物生長(zhǎng)趨勢(shì)及種類有效識(shí)別是目前圖像 處理領(lǐng)域較為棘手的一部分 許多國(guó)內(nèi)外學(xué)者對(duì)植物視覺監(jiān)控方及環(huán)境因子監(jiān) 測(cè)等方面已進(jìn)行了多種研究 王永干等 3 采用Z i g B e e 協(xié)議搭建無線傳感器監(jiān)測(cè)網(wǎng)絡(luò)并對(duì)植物的葉綠體進(jìn)行 準(zhǔn)確測(cè)量與實(shí)時(shí)監(jiān)測(cè) P a t u r k a r等 4 利用物聯(lián)網(wǎng)技術(shù) 在室外條件下測(cè)量并監(jiān)控不同植物生長(zhǎng)時(shí)期的各種植 物生長(zhǎng)和結(jié)構(gòu)參數(shù) D h i l l o n等 5 利用葉片監(jiān)測(cè)傳感 器系統(tǒng)用以監(jiān)控植物的水分以此來改善生長(zhǎng)狀況 L i n等 6 提出了一種基于S T M 3 2的智能植物生長(zhǎng)柜 監(jiān)控系統(tǒng)的設(shè)計(jì)方案 并設(shè)計(jì)了一種S T M 3 2模糊控 制算法使其能夠?yàn)橹参锷L(zhǎng)提供最佳生長(zhǎng)環(huán)境 本文所設(shè)計(jì)的基于物聯(lián)網(wǎng)的無線通信的遠(yuǎn)程溫室 視覺監(jiān)控系統(tǒng)利用L o R a技術(shù)實(shí)現(xiàn)了植物生長(zhǎng)過程中 各項(xiàng)環(huán)境參數(shù)的實(shí)時(shí)監(jiān)測(cè) 利用設(shè)計(jì)的錄屏及截屏功 能定時(shí)錄制指定區(qū)域的農(nóng)作物圖像 同時(shí)使用映像截 屏功能將采集到的植物圖片放入葉片分類器中進(jìn)行預(yù) 處理 針對(duì)于農(nóng)作物的種類及生長(zhǎng)狀態(tài) 將處理后的農(nóng) 作物圖像結(jié)合克隆選擇算法和樸素貝葉斯算法對(duì)植物 葉片進(jìn)行識(shí)別 實(shí)時(shí)監(jiān)測(cè)出植物的種類及狀態(tài) 以期達(dá) 到實(shí)時(shí)監(jiān)控并及時(shí)做出閾值報(bào)警的目的 1 系統(tǒng)結(jié)構(gòu)及工作原理 1 1 系統(tǒng)總體結(jié)構(gòu) 本系統(tǒng)主要包含以下幾個(gè)模塊 分別為環(huán)境因子 采集與控制模塊 圖像采集模塊 葉片識(shí)別模塊以及集 中控制模塊 系統(tǒng)主要工作流程為 通過放置于溫室內(nèi) 的攝像頭來采集農(nóng)作物圖像 將其傳輸至集中控制模 塊處理 然后在葉片識(shí)別分類器中進(jìn)行分類識(shí)別 得到 農(nóng)作物種類及其識(shí)別率 從而得知農(nóng)作物生長(zhǎng)是否正 常 此外利用多個(gè)傳感器對(duì)農(nóng)作物生長(zhǎng)環(huán)境中的溫濕 度 二氧化碳濃度 光照強(qiáng)度等數(shù)據(jù)進(jìn)行實(shí)時(shí)采集同時(shí) 配以排風(fēng) 補(bǔ)光等功能 以便于更好地對(duì)農(nóng)作物的生長(zhǎng) 參數(shù)進(jìn)行實(shí)時(shí)監(jiān)測(cè) 最后通過在Q t上位機(jī)監(jiān)控界面進(jìn) 行實(shí)時(shí)監(jiān)控并查詢農(nóng)作物生長(zhǎng)視頻 獲取分類數(shù)據(jù) 對(duì) 相應(yīng)的環(huán)境參數(shù)及設(shè)備實(shí)時(shí)監(jiān)控 系統(tǒng)的總體結(jié)構(gòu)如 圖1所示 圖1 系統(tǒng)總體結(jié)構(gòu) F i g 1 S y s t e m a r c h i t e c t u r e 1 2 系統(tǒng)工作過程 1 2 1 系統(tǒng)硬件設(shè)計(jì) 系統(tǒng)環(huán)境因子采集終端采用S T M 3 2 F 1 0 3 C 8 T 6最 小系統(tǒng)單片機(jī)及S 3 C 6 4 1 0控制模塊來采集溫濕度 光 照強(qiáng)度 二氧化碳濃度等環(huán)境因子數(shù)據(jù) 其中L o R a模 塊采用了A T K型號(hào)的模塊 其采用高效的I S M頻段 射頻S X 1 2 7 8擴(kuò)頻芯片 最遠(yuǎn)距離可達(dá)3 k m 工作頻率 在4 1 0 4 4 1 M H z免費(fèi)頻段 其精度和穩(wěn)定性相比于 S X 1 2 7 6等有著明顯的優(yōu)勢(shì) 7 溫濕度采集模塊采用的 是A M 2 3 0 5濕敏電容復(fù)合傳感器 供電電壓為3 3 V 采集精度為 2 其反應(yīng)靈敏 抗干擾能力強(qiáng) 性價(jià)比 極高 二氧化碳采集模塊采用了S G P 3 0氣體傳感器 供電標(biāo)準(zhǔn)為3 3 V 具有抵抗實(shí)際應(yīng)用中污染氣體的 能力 從而實(shí)現(xiàn)優(yōu)異的長(zhǎng)期穩(wěn)定性和低漂移 使用時(shí)需 要接電平轉(zhuǎn)換方可接入開發(fā)模塊中 光照強(qiáng)度采集模 塊采用的是T E M T 6 0 0 0傳感器 供電標(biāo)準(zhǔn)為3 3 V 工作溫度為 4 0 8 5 可識(shí)別光強(qiáng)范圍為1 1 0 0 0 L u x 具有良好的線性輸出和響應(yīng)快等優(yōu)點(diǎn) W i F i模塊采用的是超低功耗的U A R T W i F i透?jìng)髂?塊 供電標(biāo)準(zhǔn)為3 3 V 僅需要通過串口使用A T指令 控制 就能滿足大部分的網(wǎng)絡(luò)功能需求 系統(tǒng)根據(jù)預(yù)先 設(shè)定的閾值范圍來調(diào)控?zé)艄?排風(fēng)等裝置 并將采集到 的各項(xiàng)傳感器數(shù)據(jù)經(jīng)由E S P 8 2 6 6無線模塊傳輸并顯 示于上位機(jī)監(jiān)控界面并存儲(chǔ)于數(shù)據(jù)庫(kù)中 圖2為通信 部分的電路原理圖 傳輸距離不足及功耗問題是目前物聯(lián)網(wǎng)監(jiān)控環(huán)境 下亟需解決的關(guān)鍵 與幾種常見的組網(wǎng)通信方式對(duì)比 1 0 2 中國(guó)農(nóng)機(jī)化學(xué)報(bào)2 0 2 3年 L o R a具有功耗低和傳輸距離長(zhǎng)的優(yōu)點(diǎn) 更加適用于物聯(lián)網(wǎng)的部署 8 圖2 通信部分的電路原理圖 F i g 2 S c h e m a t i c d i a g r a m o f c o m m u n i c a t i o n p a r t 在傳輸性能方面 為了測(cè)試L o R a網(wǎng)關(guān)的通信性 能 通過在鄉(xiāng)下實(shí)驗(yàn)基地的測(cè)試場(chǎng)地 在不同的傳輸距 離下測(cè)試L o R a采集節(jié)點(diǎn)與網(wǎng)關(guān)間無線傳輸?shù)膩G包 率 由檢測(cè)到的多組數(shù)據(jù)統(tǒng)計(jì)可知 在1 k m范圍以 內(nèi) L o R a無線通信的丟包率在1 0 以下 4 0 0 m以內(nèi) 的丟包率為0 相比于傳統(tǒng)的Z i g B e e和W i F i組網(wǎng)方 式 本系統(tǒng)能夠?qū)崿F(xiàn)高可靠 遠(yuǎn)距離的組網(wǎng)通信 系統(tǒng) 傳輸距離和丟包率的關(guān)系如圖3所示 植物圖像采集模塊則由O V 9 7 2 6攝像頭對(duì)農(nóng)作物 圖像進(jìn)行采集并實(shí)時(shí)監(jiān)控 該型號(hào)攝像頭是一種低電 壓 高性能的1 6 5英寸7 2 0 p H D C M O S圖像傳感器 最大數(shù)據(jù)傳輸速率為6 0 0 M b p s 采用O m n i B S I技術(shù)在 第1期張凈等 基于物聯(lián)網(wǎng)的遠(yuǎn)程溫室視覺監(jiān)控系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)1 0 3 小封裝中提供單芯片W X G A 1 2 8 0 8 0 0 攝像頭的完 整功能 在低光條件下有著高靈敏度 能夠滿足監(jiān)控系 統(tǒng)的實(shí)驗(yàn)要求 其主要作用是將采集到的圖像存儲(chǔ)于 核心處理器的S D卡中并進(jìn)行預(yù)處理操作 然后將預(yù)處 理后的農(nóng)作物圖片放入所設(shè)計(jì)的葉片識(shí)別器中并結(jié)合 克隆選擇算法和樸素貝葉斯算法對(duì)其進(jìn)行識(shí)別處理 Q t上位機(jī)結(jié)構(gòu)如圖4所示 圖3 傳輸距離與丟包率 F i g 3 T r a n s m i s s i o n d i s t a n c e a n d p a c k e t l o s s r a t e 圖4 Qt上位機(jī)設(shè)計(jì)流程 F i g 4 Q t h o s t c o m p u t e r d e s i g n p r o c e s s 集中控制模塊由A R M 1 1系列的S 3 C 6 4 1 0芯片和 動(dòng)態(tài)隨機(jī)存取存儲(chǔ)器等組成 使用固態(tài)繼電器來控制 排風(fēng) 燈光等 這主要得益于該繼電器性能穩(wěn)定 耐久 性較好且運(yùn)行較快 最后使用Q t系統(tǒng)所設(shè)計(jì)的上位機(jī) 對(duì)各項(xiàng)環(huán)境因子數(shù)據(jù)和植物的生長(zhǎng)狀況進(jìn)行查看及 管理 1 2 2 系統(tǒng)軟件設(shè)計(jì) 系統(tǒng)選用嵌入式L i n u x作為整個(gè)系統(tǒng)軟件開發(fā)平 臺(tái) 通常來說L i n u x系統(tǒng)存儲(chǔ)容量及功能是固定的 需 要在P C機(jī)上搭建系統(tǒng)的交叉編譯環(huán)境 隨后通過 S 3 C 6 4 1 0開發(fā)板實(shí)現(xiàn)所需的功能 此外 環(huán)境開發(fā)采 用k e i l u v 5開發(fā)環(huán)境進(jìn)行系統(tǒng)編譯等工作 其中 S T M 3 2最小系統(tǒng)單片機(jī)與L o R a模組之間通過 E S P 8 2 6 6進(jìn)行無線傳輸 系統(tǒng)的軟件設(shè)計(jì)流程圖如圖 5所示 圖5 軟件設(shè)計(jì)流程圖 F i g 5 S o f t w a r e d e s i g n f l o w c h a r t 上位機(jī)監(jiān)控系統(tǒng)設(shè)計(jì)主要在L i n u x操作系統(tǒng)中的 U b u n t u系統(tǒng)內(nèi)完成 通過在Q t系統(tǒng)中調(diào)用O p e n c v 進(jìn)行c m a k e編譯 此處的c m a k e編譯主要用于將 O p e n c v源碼編譯成Q t C r e a t o r能使用的庫(kù) 從而在 Q t系統(tǒng)中實(shí)現(xiàn)錄制指定區(qū)域的功能 此外還實(shí)現(xiàn)了對(duì) 錄制的監(jiān)控視頻進(jìn)行定時(shí)錄制 即每間隔一小時(shí)截取 5 s的視頻圖像 并調(diào)用m m a p 映射 的方式截取所保 存視頻中的植物圖片 9 截取的農(nóng)作物圖片用以放至 所設(shè)計(jì)的葉片識(shí)別分類器中進(jìn)行預(yù)處理 能夠完成對(duì) 農(nóng)作物生長(zhǎng)過程的識(shí)別與分類 圖6為上位機(jī)監(jiān)控界 面 該上位機(jī)監(jiān)控界面包含了錄制功能 閾值檢測(cè) 數(shù) 據(jù)庫(kù)存儲(chǔ) 植物識(shí)別等多種功能 通過上位機(jī)界面所顯 示的各項(xiàng)環(huán)境因子數(shù)據(jù)以及農(nóng)作物的實(shí)時(shí)生長(zhǎng)界面 利用設(shè)定的閾值對(duì)控制設(shè)備進(jìn)行相應(yīng)的調(diào)控 圖6 上位機(jī)監(jiān)控設(shè)計(jì)界面 F i g 6 I n t e r f a c e o f P C m o n i t o r i n g d e s i g n 1 0 4 中國(guó)農(nóng)機(jī)化學(xué)報(bào)2 0 2 3年 2 植物葉片分類識(shí)別模型 2 1 建模方法 克隆選擇算法 C S A 是一種人工免疫系統(tǒng)A I S A r t i f i c i a l I m m u n e S y s t e m 中至關(guān)重要的算法 在諸多 領(lǐng)域中有著許多經(jīng)典的應(yīng)用及成果 它是一種不同生 物機(jī)制且依賴于做比較的算法 但也顯示出了許多有用 的特性 例如保持種群的多樣性 從而有效地克服諸如 早熟等計(jì)算本身難以解決的問題 其快速的隨機(jī)全局搜 索能力對(duì)植物葉片識(shí)別有著卓越的幫助 1 0 本文利用克 隆選擇算法中的核心思想 將擬定識(shí)別分析的農(nóng)作物的葉 片幾何與特征值作為抗原 對(duì)抗原進(jìn)行初始化分析 1 1 其中對(duì)抗原進(jìn)行初始化的方法如式 1 所示 Ag b1 Ag b2 Ag L bi Ag L bN Ag G 1 式中 Ag 抗原 bi Ag 抗原的第i個(gè)特征值 G 相應(yīng)類別 由于傳統(tǒng)的克隆選擇算法主要是通過構(gòu)建記憶細(xì) 胞來進(jìn)行全局和局域選擇 并通過克隆操作擴(kuò)展搜索 區(qū)域 然而傳統(tǒng)的克隆選擇算法的局部選擇精度較低 對(duì)于植物葉片識(shí)別來說存在一定的不足 因此 提出 并采用一種結(jié)合克隆選擇算法和樸素貝葉斯分類器相 結(jié)合 1 2 的組合算法 即C S A N B M模型 并設(shè)計(jì)一種 葉片識(shí)別分類器以此來提高識(shí)別率和識(shí)別時(shí)間等 2 2 建模設(shè)計(jì) 基于C S A的N B M分類算法流程圖如圖7所示 圖7 基于CSA的NBM分類算法流程圖 F i g 7 C S A B A S E D N B M c l a s s i f i c a t i o n a l g o r i t h m f l o w c h a r t 針對(duì)所設(shè)計(jì)的葉片分類器的訓(xùn)練過程 克隆選擇 算法的優(yōu)化是前提條件 這意味著克隆選擇算法是該 分類器的較為關(guān)鍵的一點(diǎn) 其中就包括了根據(jù)比例選 擇親和度大小 抗體突變等一系列操作 而親和度即 為葉片識(shí)別分類的準(zhǔn)確度 將樸素貝葉斯分類器冪加 權(quán)的權(quán)值擬定為抗體 通過訓(xùn)練獲得的最優(yōu)抗體為記 憶抗體 通過這種擬定旨在解決葉片識(shí)別過程中所存 在的識(shí)別精度等一系列問題 將克隆選擇算法中的抗體作為樸素貝葉斯分類器 的權(quán)值 對(duì)樸素貝葉斯中的特征值進(jìn)行冪加權(quán) 1 3 1 4 能 夠得到式 2 D xp a r g m a xp cj nj 1P aip cj wki 2 式中 p cj 通過統(tǒng)計(jì)訓(xùn)練得到的cj出現(xiàn)的 概率 p aip cj wki 條件aip出現(xiàn)的條件概率 wki 第k個(gè)抗體的第i個(gè)屬性冪加權(quán)的值 找到親和度最高的wk 通過最佳的wk 獲得比原來合理的p aip cj wki 最后 更加準(zhǔn)確的預(yù)測(cè)D xp 的類別 根據(jù)預(yù)先設(shè)定好的基于克隆選擇算法的樸素貝葉 斯識(shí)別分類器的原理 主要算法步驟如下所示 1 針對(duì)采集到的農(nóng)作物葉片數(shù)據(jù)首先進(jìn)行歸納 統(tǒng)一樣本的統(tǒng)計(jì)分布性 對(duì)處理后的數(shù)據(jù)進(jìn)行初始化 操作 接而對(duì)算法中的抗體規(guī)模等參數(shù)依據(jù)要求進(jìn)行 后續(xù)的初始化 這里可令K為抗體群 根據(jù)需求傳輸 抗體數(shù)目 產(chǎn)生對(duì)應(yīng)初始抗體 K中第i個(gè)抗體用 Ki yi1 yi2 yii 2 其次生成初始抗體群Dat并從抗體群中遴選 出理想值 以抗體群為樣本 對(duì)設(shè)定后的樣本進(jìn)行解碼 操作 使用樸素貝葉斯算法的訓(xùn)練集大小計(jì)算出親和 度范圍 3 依據(jù)所需結(jié)果 擬定親和度閾值以此來篩選最 優(yōu)抗體 從抗體群Dat中篩選出x個(gè)最優(yōu)抗體Px 將 篩選出的抗體組成解碼后符合標(biāo)準(zhǔn)的克隆種群Dac 4 對(duì)上一步驟所得的克隆種群Dac進(jìn)行高頻的 變異操作 經(jīng)此操作后 能夠得出新的抗體群Da 5 對(duì)親和度閾值大小再次進(jìn)行擬定 對(duì)閾值較低 的抗體進(jìn)行刪除操作 得到一個(gè)新的抗體群Dal 6 計(jì)算所得到的Da 表示抗體群的親和度 篩選 出對(duì)應(yīng)的鍥合度最大抗體 從而將組合得到的最大抗 體和Dal構(gòu)成新的抗體群Dan 使用事先組合好的算 法處理該抗體群 得到最新的抗體群 7 如果優(yōu)化搜索過程完成則推算下一步 否則繼 續(xù)進(jìn)行篩選最優(yōu)抗體 8 輸出優(yōu)化參數(shù)結(jié)果 計(jì)算新的抗體和抗原親和 第1期張凈等 基于物聯(lián)網(wǎng)的遠(yuǎn)程溫室視覺監(jiān)控系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)1 0 5 度 親和度最高的可作為記憶抗體來使用 9 使用獲取的冪加權(quán)的權(quán)值并且特定的訓(xùn)練方 法來訓(xùn)練葉片特征的樸素貝葉斯模型 1 5 1 0 選擇合適的農(nóng)作物葉片作為樣本 使用訓(xùn)練 后的組合算法對(duì)其進(jìn)行測(cè)試識(shí)別 3 系統(tǒng)試驗(yàn) 本文所選取的試驗(yàn)樣本來自鎮(zhèn)江市江蘇科茂鄉(xiāng)下 實(shí)驗(yàn)基地所下轄的植物園采集的農(nóng)作物葉片 采集了 2 5個(gè)種類并在采集過程記錄農(nóng)作物的名稱 經(jīng)過攝 像頭進(jìn)行采集之后 每個(gè)種類抽取2 0個(gè)葉片作為訓(xùn)練 樣本 1 5個(gè)作為測(cè)試樣本 使用四種不同的算法訓(xùn)練 對(duì)農(nóng)作物葉片的識(shí)別率等進(jìn)行多個(gè)因素進(jìn)行分析 實(shí)現(xiàn)葉片圖像分類的主要過程如以下步驟所示 1 讀圖 通過對(duì)話框函數(shù)獲取圖片路徑 選取要 進(jìn)行拼接的圖片 將其和數(shù)據(jù)集中的植物圖像作對(duì)比 然后用i m s h o w函數(shù)進(jìn)行顯示 最后將讀取出的植物 圖片顯示到G U I展示區(qū)的識(shí)別區(qū)域 1 6 2 圖像預(yù)處理 將圖像所需的灰度值歸一化到0 到1之間 接著進(jìn)行二值化操作 并將閾值定為0 4 3 圖像運(yùn)算 這里主要先進(jìn)行了閉運(yùn)算 而后再 進(jìn)行開運(yùn)算 進(jìn)而能夠?qū)崿F(xiàn)圖像邊界區(qū)域的平滑 同時(shí) 不影響其整體區(qū)域 1 7 4 圖像訓(xùn)練 首先將提取出的農(nóng)作物圖像進(jìn)行訓(xùn) 練樣本 并將其標(biāo)記于圖像邊緣 然后提取不變矩特 征 最后將數(shù)據(jù)集中的樣本與訓(xùn)練樣本進(jìn)行匹配 5 圖像配準(zhǔn) 采用了圖像配準(zhǔn)算法中的基于圖像 特征配準(zhǔn)算法 1 8 其次利用該匹配算法根據(jù)不同訓(xùn)練 標(biāo)準(zhǔn)進(jìn)行配準(zhǔn) 并且使用不同的訓(xùn)練結(jié)果進(jìn)行命名 以 此來實(shí)現(xiàn)植物圖像的有效分類 葉片分類器的主要訓(xùn)練為以下過程 將提取好的 農(nóng)作物樣本圖像導(dǎo)入 經(jīng)過對(duì)農(nóng)作物樣本進(jìn)行圖像預(yù) 處理等操作后 再將樣本放入分類器中進(jìn)行訓(xùn)練 輸入 測(cè)試樣本得到識(shí)別結(jié)果 選取的植物樣本與最終識(shí)別 出的植物葉片圖像均可在G U I界面顯示 同時(shí)提供了 C S A N B M B P神經(jīng)網(wǎng)絡(luò) C S A和N B M四個(gè)算法以 不同方式進(jìn)行對(duì)比 點(diǎn)擊G U I界面中對(duì)應(yīng)的識(shí)別按鈕 能夠查看不同算法的識(shí)別結(jié)果 其系統(tǒng)的功能結(jié)構(gòu)如 圖8所示 圖8 分類器結(jié)構(gòu)框圖 F i g 8 B l o c k d i a g r a m o f c l a s s i f i e r s t r u c t u r e 打開所設(shè)計(jì)的分類器系統(tǒng)后 在系統(tǒng)的G U I界面 點(diǎn)擊對(duì)應(yīng)的啟動(dòng)文件按鍵 能夠?qū)z像頭所采集的待 識(shí)別農(nóng)作物圖像找出 此時(shí)在G U I界面左側(cè)顯示所調(diào) 出的農(nóng)作物圖像 然后進(jìn)行特征值導(dǎo)入 在界面內(nèi)使用 所需訓(xùn)練的算法對(duì)植物種類進(jìn)行葉片識(shí)別 最后系統(tǒng) 選出樣本庫(kù)中與待識(shí)別農(nóng)作物圖片特征值數(shù)據(jù)匹配的 圖像 完成最終的識(shí)別 以生菜植物葉片為例 在分類 器界面分別使用C S A N B M C S A N B M B P算法后 的識(shí)別效果對(duì)比圖如圖9所示 a C S A算法識(shí)別效果 b N B M算法識(shí)別效果 c C S A N B M算法識(shí)別效果 d B P算法識(shí)別效果 圖9 以生菜為實(shí)例的四種算法識(shí)別效果圖 F i g 9 R e c o g n i t i o n e f f e c t d i a g r a m o f f o u r a l g o r i t h m s t a k i n g l e t t u c e a s a n e x a m p l e 1 0 6 中國(guó)農(nóng)機(jī)化學(xué)報(bào)2 0 2 3年 以生菜葉子為例對(duì)同一批植物樣本進(jìn)行測(cè)試 運(yùn) 用基于C S A的N B M分類器 B P神經(jīng)網(wǎng)絡(luò)分類器 C S A分類器和N B M分類器四種算法分別進(jìn)行葉片識(shí) 別的訓(xùn)練時(shí)間 識(shí)別速度和識(shí)別率結(jié)果進(jìn)行測(cè)試對(duì)比 在測(cè)試過程中對(duì)同種植物樣本采用以上所述的四種算 法分別進(jìn)行多次訓(xùn)練 并將最終訓(xùn)練所得的結(jié)果歸納 整理于表格內(nèi)進(jìn)行分類對(duì)比 測(cè)試6 5次的對(duì)比結(jié)果如 圖1 0所示 a 四種算法的識(shí)別時(shí)間 b 四種算法的訓(xùn)練時(shí)間 c 四種算法的平均識(shí)別率 圖10 針對(duì)生菜葉子的四種算法測(cè)試對(duì)比圖 F i g 1 0 T e s t c o m p a r i s o n c h a r t o f f o u r a l g o r i t h m s f o r l e t t u c e l e a v e s 試驗(yàn)結(jié)果如表1所示 由表1可知 本文所采用 的四種算法分類器中 當(dāng)使用C S A N B M分類器時(shí) 對(duì)農(nóng)作物葉片的平均識(shí)別率可達(dá)到9 5 3 此外在樣 本識(shí)別時(shí)間也優(yōu)化至8 4 m s 相比于另外三種算法分 類器有著明顯的提升 由圖1 0可知 隨著訓(xùn)練次數(shù)的 增加 本文提出的C S A N B M算法訓(xùn)練次數(shù)在第5 3 代左右時(shí)達(dá)到最佳穩(wěn)定值 另外三種算法的最佳穩(wěn)定 值則在第6 0代左右 雖然在農(nóng)作物葉片的樣本訓(xùn)練時(shí) 間上相比于C S A算法還有所缺陷 但在樣本識(shí)別時(shí)間 方面有了顯著的縮短 同時(shí)在葉片識(shí)別率方面有著較 好的提升 并且在調(diào)用葉片數(shù)據(jù)集以識(shí)別葉片方面 葉 片識(shí)別效果明顯優(yōu)于其他幾種算法的識(shí)別 表明基于 C S A的N B M的分類識(shí)別方法能夠符合要求 能夠符 合系統(tǒng)對(duì)于葉片數(shù)據(jù)的識(shí)別需求 表1 算法訓(xùn)練對(duì)比 T a b 1 C o m p a r i s o n o f a l g o r i t h m t r a i n i n g 算法類別訓(xùn)練時(shí)間 s識(shí)別時(shí)間 m s平均識(shí)別率 迭代次數(shù) 次召回率 B P神經(jīng)網(wǎng)絡(luò)1 1 2 1 3 3 9 0 8 6 5 9 1 C S A 3 8 5 0 9 8 9 8 6 5 9 4 N B M 6 6 3 3 7 8 9 1 6 5 9 2 C S A N B M 4 4 8 4 9 5 3 6 5 9 6 4 結(jié)論 1 本文結(jié)合了視覺監(jiān)控與植物生長(zhǎng)的管理需求 使用L o R a通信技術(shù)設(shè)計(jì)并實(shí)現(xiàn)了關(guān)于植物視覺的遠(yuǎn) 程監(jiān)控系統(tǒng) 通過設(shè)定的錄制與截屏功能實(shí)現(xiàn)對(duì)農(nóng)作 物圖像的監(jiān)控 系統(tǒng)主要包含了環(huán)境因子采集與控制 模塊 圖像采集模塊 控制模塊以及葉片識(shí)別模塊 并 且經(jīng)試驗(yàn)表明該系統(tǒng)能夠平穩(wěn)運(yùn)行 系統(tǒng)各部分之間 銜接完整 能夠基本滿足用戶的需求 2 針對(duì)當(dāng)代農(nóng)業(yè)植株的生長(zhǎng)狀態(tài)難以實(shí)時(shí)監(jiān)控 等情況 設(shè)計(jì)了一種基于克隆選擇算法的樸素貝葉斯 分類器的葉片識(shí)別分類器 能夠及時(shí)調(diào)用數(shù)據(jù)集中的 植物葉片并實(shí)現(xiàn)對(duì)葉片的識(shí)別與分類 通過實(shí)驗(yàn)結(jié)果 分析可知使用C S A N B M算法識(shí)別葉片種類能夠使 得其識(shí)別率達(dá)到9 5 左右 識(shí)別時(shí)間能夠達(dá)到8 4 m s 左右 相比于其他幾類算法識(shí)別有著明顯的提升 3 經(jīng)過在實(shí)驗(yàn)基地測(cè)試表明 使用L o R a通信技 術(shù)來傳輸數(shù)據(jù)能夠穩(wěn)定地傳輸 在4 0 0 m范圍內(nèi)能夠 使得丟包率保持在0 而1 k m范圍內(nèi)丟包率能控制 在1 0 左右 綜上所述 本文所提出的系統(tǒng)在成本和 功耗方面都能有很大的降低 同時(shí)有著不錯(cuò)的穩(wěn)定性 對(duì)現(xiàn)代化農(nóng)業(yè)的智能化發(fā)展有著重大意義 4 鑒于本系統(tǒng)實(shí)驗(yàn)?zāi)壳爸饕獞?yīng)用于溫室大棚 對(duì) 于野外空曠環(huán)境的條件未進(jìn)行進(jìn)一步測(cè)試 未來需要 在不同環(huán)境下進(jìn)行多方位對(duì)比 此外 在未來的監(jiān)控中 還可添加一個(gè)自動(dòng)診斷模塊 用以自動(dòng)識(shí)別病蟲害 參 考 文 獻(xiàn) 1 L i n S Y i n g Z Z h e n g K D e s i g n a n d i m p l e m e n t a t i o n o f 第1期張凈等 基于物聯(lián)網(wǎng)的遠(yuǎn)程溫室視覺監(jiān)控系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)1 0 7 l o c a t i o n a n d a c t i v i t y m o n i t o r i n g s y s t e m b a s e d o n L o R a J a r X i v p r e p r i n t a r X i v 1 9 0 2 0 1 9 4 7 2 0 1 9 2 S a n c h e y S u t i l F C a n o O r t e g a A S m a r t r e g u l a t i o n a n d e f f i c i e n c y e n e r g y s y s t e m f o r s t r e e t l i g h t i n g w i t h L o R a L P W A N J S u s t a i n a b l e C i t i e s a n d S o c i e t y 2 0 2 1 7 0 1 0 2 9 1 2 3 王永千 趙鵬飛 范利鋒 等 基于反射光譜的植物群體葉 綠素含量監(jiān)測(cè)系統(tǒng)的研制 J 農(nóng)業(yè)工程學(xué)報(bào) 2 0 1 4 3 0 1 0 1 6 0 1 6 6 W a n g Y o n g q i a n Z h a o P e n g f e i F a n L i f e n g e t a l D e v e l o p m e n t o f p l a n t f o r m o n i t o r i n g c h l o r o p h y l l c o n t e n t o f p l a n t p o p u l a t i o n u s i n g r e f l e c t a n c e s p e c t r o s c o p y J T r a n s a c t i o n s o f t h e C h i n e s e S o c i e t y o f A g r i c u l t u r a l E n g i n e e r i n g 2 0 1 4 3 0 1 0 1 6 0 1 6 6 4 P a t u r k a r A G u p t a G S B a i l e y D N o n d e s t r u c t i v e a n d c o s t e f f e c t i v e 3 D p l a n t g r o w t h m o n i t o r i n g s y s t e m i n o u t d o o r c o n d i t i o n s J M u l t i m e d i a T o o l s a n d A p p l i c a t i o n s 2 0 2 0 7 9 4 7 3 4 9 5 5 3 4 9 7 1 5 D h i l l o n R R o j o F U p a d h y a y a S K e t a l P r e d i c t i o n o f p l a n t w a t e r s t a t u s i n a l m o n d a n d w a l n u t t r e e s u s i n g a c o n t i n u o u s l e a f m o n i t o r i n g s y s t e m J P r e c i s i o n A g r i c u l t u r e 2 0 1 9 2 0 4 7 2 3 7 4 5 6 L i n H R u i g i M S h i g a n g C e t a l D e s i g n o f i n t e l l i g e n t p l a n t g r o w t h c a b i n e t e n v i r o n m e n t m o n i t o r i n g a n d c o n t r o l s y s t e m C 2 0 1 8 C h i n e s e C o n t r o l a n d D e c i s i o n C o n f e r e n c e C C D C I E E E 2 0 1 8 1 4 7 2 1 4 7 5 7 鮑捷 歐仁俠 基于S X 1 2 7 8的溫室大棚無線監(jiān)測(cè)系統(tǒng)設(shè) 計(jì) J 通訊世界 2 0 1 7 2 0 2 7 9 2 8 0 8 A d o R E B a l v s C a r p e n t i e r A V e t a l C i t y s c a p e l o r a s i g n a l p r o p a g a t i o n p r e d i c t e d