基于ARM的番茄叶绿素和氮的实时检测与3G传输

孔 文， 焦 俊， 王 强， 高 雅， 袁晨晨

(安徽农业大学信息与计算机学院，安徽合肥 230036)

基于ARM的番茄叶绿素和氮的实时检测与3G传输

孔 文， 焦 俊*， 王 强， 高 雅， 袁晨晨

(安徽农业大学信息与计算机学院，安徽合肥 230036)

摘要为了观测番茄本体成分的变化，实时监测番茄的生长状况，设计实现了基于ARM的番茄叶片叶绿素和氮含量实时监测与远程传输软件系统，集图像采集、处理和3G传输功能于一体。建立了番茄叶片图像中各颜色分量与叶片叶绿素及氮含量之间的回归方程，推导了番茄叶片叶绿素和氮含量的计算公式。研究结果为番茄生长状况的研究和生长环境的智能调控提供了依据。

关键词ARM；图像采集；图像处理；成分计算；3G传输

番茄味道鲜美、营养丰富，是最受人们喜爱的蔬菜品种之一。精确自动地监测番茄的生长状况是提高番茄生产管理自动化水平的前提[1-2]。表征植物生长状况的信息主要有叶片的水分含量、叶绿素含量和氮含量等[3]。近年来，随着信息技术及数字图像处理技术的不断发展，机器视觉技术在作物形态生理监测方面展现出了潜在的应用价值[4]。传统的图像采集和处理系统主要是基于PC平台，因而不可避免地具有结构复杂、成本高、体积大、不易携带、功耗大等特点。吴晴等[5]介绍了一种利用嵌入式Linux操作系统和ARM硬件平台进行图像采集的解决方案，却未能实现图像数据的远程传输功能。冯丽芳等[6]设计了基于ARM的网络视频监控系统，实现了图像的采集和传输，但其采用internet方式进行数据传输，需架设必要的电缆，在地形复杂、偏远的环境中很难实现。严新忠等[7]设计实现了一种基于S3C2410处理器和嵌入式Linux的视频采集与传输系统，实现图像采集和蓝牙传输，但由于蓝牙传输距离有限，无法满足远程观测需求。

笔者在综合考虑上述因素的基础上，充分利用嵌入式系统成本低、体积小、功耗低、可靠性高的特点，结合3G网络覆盖范围广、数据传输速度快、应用灵活便捷等特点，以自主开发的基于ARM的图像采集硬件系统为核心，设计出了在WinCE下可以利用3G网络进行传输的番茄本体成分实时监测软件系统，可通过手动或自动方式进行图像的采集和传输，实现了对番茄叶片图像的简单处理，根据处理结果对叶片的叶绿素及氮含量进行计算。

1试验平台

为了减小系统体积，降低成本和功耗，提高系统灵活性，试验平台采用嵌入式微处理器S3C2440作为主控制器，自主设计实现了用于图像采集传输的硬件系统，板载有camera、USBhost及USBdevice等接口资源。摄像头采用OmniVision公司生产的OV3640摄像头模块作为图像数据采集设备，300W像素，支持YUV/YCbCr4:2:2、RGB565、RGB555、RawRGB等图像输出格式。3G模块采用华为公司生产的基于电信CDMA2000网络的EC122无线上网卡设备，带有标准USB2.0接口，支持Windows和Linux操作系统，同时支持电信CDMA2000IX和CDMA2000IXEV-DO3G标准。操作系统采用嵌入式WinCE系统，提供了方便开发人员使用的丰富API函数，简化了程序的开发难度。试验硬件平台原理框图及实物图分别见图1和图2。

2软件系统设计方案

软件系统设计的主要目的是实现番茄叶片图像采集、处理和传输。首先，设计实现WinCE环境下的番茄监测图像实时采集与传输程序；然后，依据用户的需要，对采集到的原始图像进行相应的预处理，提取叶片图像，根据处理结果实时推测叶片的营养成分信息；最后，将原始图和预处理后生成的图像或压缩文件保存至本地，通过3G网络传输到服务器端。软件运行流程见图3。

3软件功能实现

程序主要实现3个功能：图像采集、处理和3G传输。图像采集程序主要是设计摄像头的驱动程序，实现图像的采集和保存功能。

3.1图像采集程序实现摄像头驱动程序属于流接口驱动。其主要的接口函数有：CIS_Init()、CIS_Open()、CIS_Read()、CIS_Write()、CIS_IOControl()、CIS_Close()和CIS_Deinit()等。CIS_Init()是装载摄像头驱动的入口点，CIS_Deinit()卸载摄像设备驱动。CIS_Open()打开摄像头设备，并返回相应的操作句柄hCam，用来对设备进行读写操作，CIS_Close()用于关闭摄像设备，并销毁有CIS_Open()获得的操作句柄，完成设备资源释放。CIS_IOControl()用于完成用户对摄像头的控制操作。摄像头驱动程序的处理流程见图4。

3.2图像处理程序实现为了提高采集速度，获取更有价值的番茄叶片图像信息，此次设计采集RGB565格式彩色位图。图像处理的主要目的是提取绿色叶片及叶片颜色分量。另外，为了节约传输成本，减少图像处理的数据量，对采集到的图像进行了选择性的灰度化、二值化、边缘提取和压缩等处理。

彩色图像由R(红)、G(绿)、B(蓝)三基色组成。对于以绿色为主的图像来说，为了将绿色目标分割出来，可以使用过绿指标ExG=2G-R-B作为对比度参数，在系统中作为图像分割参数。因为过绿指标可以有效地抑制其他颜色，提取出绿色部分。叶片及颜色分量提取的关键代码如下：// 获取图像大小

unsignedintbytes=lWidth*lHeight;

// 读取图像数据

byte*grayValues=newbyte[bytes* 2];

memcpy(grayValues,lpSrcDIBBits,bytes*2);

for(inti= 0;i

//提取红色分量

red=(*(grayValues+i*2+1))&0xf8;

//提取绿色分量

green=((((*(grayValues+i*2+1))&0x07)<<3)|(((*(grayValues+i*2))&0xe0)>>5))<<2;

//提取蓝色分量

blue=((*(grayValues+i*2))&0x1f)<<3;

//获得过绿指标ExG作为分割参数实现绿叶提取

intExG= 2 *green-red-blue;

if(ExG>shangxian||ExG

grayValues[i* 2]= 0xff;

grayValues[i* 2 + 1]= 0xff;}}

3.33G传输程序实现3G传输程序采用套接字(Socket)机制实现，Socket接口是TCP/IP协议栈定义的一种数据传输API，它定义了许多函数，利用这些函数开发基于TCP/IP网络的应用程序。该研究采用SocketTCP方式传输数据。图像数据发送程序流程见图5。

4叶片营养成分计算

根据相关研究发现，植物叶片的颜色与叶片的营养成分有直接的关系，因此可以根据叶片颜色推断叶片营养成分的含量[8-10]。表1是2014年6月采集的番茄叶片叶绿素含量、含氮量以及各颜色分量的部分数据。表2是测量数据的相关性分析结果。从叶片颜色分量与营养成分的相关性系数可以发现，绿色分量G与叶片的叶绿素含量和含氮量都具有很好的相关性，因此可以利用叶片的绿色分量来进行叶片营养成分计算。图6和图7分别反映了番茄叶绿素含量、氮含量和G分量之间的关系。

表1　叶片叶绿素含量、氮含量以及各叶片颜色分量数据

表2　叶片颜色分量与营养成分含量之间的相关系数

根据线性回归结果，得到利用G分量计算番茄叶片叶绿素和氮含量的回归方程：

Cy=-0.015X+3.468

(1)

Y=-0.04X+8.365

(2)

5试验结果与分析

连接摄像头及3G无线上网卡，启动系统，拨号上网，启动应用程序，采集一幅图像，处理后发送至服务器，结果见图8和图9。

理论计算和理化分析测试得到的番茄叶片叶绿素和氮含量的部分数据分别见表3和表4。

在分析叶片元素含量与颜色分量相关性的基础上，推导出了基于嵌入式叶片图像处理的叶绿素和氮含量的计算公式。由于理论推导过程和实际应用中存在偏差，利用该计算公式得到的结果存在一定的误差，但在对精度要求不高的场合下可以用来进行番茄本体成分的推测，具有一定的参考价值。

表3理论计算和理化分析测试得到的番茄叶片叶绿素含量的部分数据

表4理论计算和理化分析测试得到的番茄叶片氮含量的部分数据

6结论

该研究设计实现了基于ARM的番茄叶片叶绿素和氮含量实时检测与3G传输软件系统，可以实现手动和自动2种方式进行图像的采集和传输，对采集到的图像进行了处理和分析，实现了番茄叶片叶绿素和氮含量的实时计算，在服务器端成功接收到采集的图像和检测数据。实验证明，该研究设计的软件系统运行可靠，工作正常，与现有的在线检测方式相比，具有体积小、功耗低、实时性和针对性强等特点，满足实际的监测需求，为番茄生长状况的智能调控提供了一定依据。

参考文献

[1]JIAOJ，MAHM，QIAOY，etal.Designoffarmenvironmentalmonitoringsystembasedontheinternetofthings[J].Advancejournaloffoodscienceandtechnology,2014,6(3)：368-373.

[2]焦俊,张水明,杜玉林，等.物联网技术在农田环境监测中的应用[J].中国农学通报,2014,30(20):290-295.

[3]吴静珠,汪凤珠,王丽丽，等.基于近红外特征光谱的番茄苗氮含量快速测定方法研究[J].光谱学与光谱分析,2015(1):99-103.

[4]李艳,王娟,马腾飞，等.基于颜色特征的加工番茄叶片氮素评价初步研究[J].西北农业学报,2007,16(3):175-179.

[5]吴晴,周健.嵌入式图像采集系统的设计与实现[J].电子测量技术,2007(6)：89-92.

[6]冯丽芳,孙俊,周俊华,等.基于ARM9的网络视频监控系统实现[J].电力自动化设备,2006(10):95-97，116.

[7]严新忠,陈雨.基于嵌入式ARM的图像采集与传输设计[J].国外电子测量技术,2009(11):57-59，80.

[8]徐腾飞,韩文霆,孙瑜.基于图像处理的玉米叶片含水率诊断方法研究[J].干旱地区农业研究,2013,31(1):95-99.

[9]张彦娥,李民赞,张喜杰，等.基于计算机视觉技术的温室黄瓜叶片营养信息检测[J].农业工程学报,2005,21(8):102-105.

[10]李红军,张立周,陈曦鸣，等.应用数字图像进行小麦氮素营养诊断中图像分析方法的研究[J].中国生态农业学报,2011,19(1):155-159.

中图分类号S126；TP319

文献标识码A

文章编号0517-6611(2015)30-347-04

基金项目安徽省科技厅国际合作项目(1403062031)；安徽教育厅质量工程项目(2014jyxm091，2014tszy090)。

作者简介孔文(1991- )，男，安徽合肥人，硕士研究生，研究方向：嵌入式系统及应用。*通讯作者，副教授，硕士生导师，从事物联网、机器人研究。

收稿日期2015-09-18

Real-timeDetectionofChlorophyllandNitrogenContentinTomatoLeavesand3GTransmissionBasedonARM

KONGWen,JIAOJun*,WANG Qiang et al (SchoolofInformation&Computer,AnhuiAgricultureUniversity,Hefei,Anhui230036)

AbstractIn order to observe the changes of tomato ontology composition and analyze its growth,a real-time detection and remote transmission of chlorophyll and nitrogen content in tomato leaves based on ARM was designed and implemented,which included image acquisition,image processing and 3G transmission functions.The regression equation between color component and the chlorophyll,nitrogen content in each tomato leaf was established and the formula of chlorophyll and nitrogen content’s calculation was deduced.Thus,it can provide a basis for the research of crop’s growth and the intelligent control of its growth environment.

Key wordsARM; Image acquisition; Image processing; Composition calculation; 3G transmission