基于物联网的现代农业病虫害图像识别云平台开发

杭州职业技术学院 吴弋旻

云平台由搭载了云平台服务器端软件的云服务器、客户端软件的云电脑以及网络组件构成。三个层次的云平台包括：基础环境层、系统基础应用层及第三方应用层。云平台主要运用于智能监控管理，对计算、存储、网络等资源，云应用的服务可实现全时段、全方位、广地域、智能化、立体式的运维管理及监控，保障运维整个系统的稳定、可靠、安全。

1 农业物联网现代农业病虫害图像识别云平台总体设计方案

物联网的现代农业病虫害图像[1]识别云平台由用户平台、虚拟运维软件平台与云计算基础硬件等组成，集成了物联网技术、通信技术、云计算技术、移动互联技术等，对云计算、信息管理、大数据及数据中心进行处理与整合。

云平台能提供方便、简单、易统一的管理平台，丰富的内置资源管理以及交付功能；将静态分配的IT 基础设施抽象为易调度、可管理、按需分配的资源；云平台将资源封装提供按需要求、灵活使用的IT 资源服务，满足物联网在农业应用综合系统的实施（图1）。

图1 农业物联网云平台系统结构图

平台从“服务”的角度出发，在资源池之上，关注如何将资源封装为可度量的服务，并使最终用户以最便捷灵活的形式按需使用这些服务。提供病虫害图像服务模板定义、服务模板管理、服务目录管理、订单管理、用户管理、系统管理、日志管理、个人信息、农业运营纳管和农业运营报表功能，帮助农业运营者完成日常运营工作，提高作物产量。

2 农业病虫害图像识别平台整体结构

农业病虫害识别处理平台由高清镜头、高速摄像机、图像处理器作为硬件基础，嵌入病虫害识别、分析等软件，实现采集农作物、病虫害的图像，提取实物特征、识别及分析等功能。

图2 农业病虫害图像识别平台整体结构

2.1 农业病虫害图像数据采集[2]

利用高清摄像头将需识别的病虫害图像信息采集后导入计算机中，通过采样、测量、对比和量化技术，使用矩阵及向量对待识别的对象信息进行分析；应用平滑、增强、变换、滤波及除噪等技术对采集的图像进行处理；将批量的病虫害图像样本判定出一整套分类、鉴别的规则，进行特征提取，将根据平台库中已确定的判别规则进行比对、分类、识别。

2.2 分割农业病虫害图像特征信息

图像处理过程中病虫害图像分割是第一步，将病虫害图像切割细分为一个个细小的带有图像纹理、结构、灰度、颜色等特征微小区域或细小物体，然后对图像进行质的转换，充分提取其特征值。分割的算法种类很多，具体有数学形态学、模糊聚类与特定理论结合的分割方法，基于灰度值不连续性和相似性，阈值分割、边缘检测等经典分割的理论。

2.3 获取农业病虫害图像特征信息

特征信息获取主要包括两个方面即特征描述和提取。病虫害图像的特征提取主要是数字图像的处理，影响到分类器分类的精度和设计效率，并决定分类算法的可行性。对图像中切割出来的细小图像属性予以量化的描述表示为特征描述，通过数学变换将样本空间降维，特征子集计算，使目标方便识别。按特征属性的提取方法有纹理、颜色、形态等的特征提取，农作物病虫害图像的特征提取后，需对这些特征进行大量的分析与研究。

2.4 分类识别农业病虫害图像

以提取后的病虫害图像特征为基础，建立分类器，实现识别病虫害图像目标。图像处理后的第二步是分类识别，分类算法追求的是分类的准确度，快速、稳定、高精度的农作物病虫害图像分类识别的算法是研究目标。目前有基于统计、形状、纹理等分类的判别规则；在数量上有两类和多类分类器，两类分类器和策略组合成多类分类器，常用的多类分类器有模糊聚类法、神经网络法及向量机法等。

3 结语

基于物联网的现代农业病虫害图像识别云平台系统，有效地利用了物联网技术、模式识别、数据采集和云平台，图像分割识别算法能够自动[3]、有效地对害虫进行识别，为害虫综合管理系统提供数据支持，实现对农业病虫害的实时监控和有效控制。农业病虫害图像识别云计算平台，建立了病虫害识别模型库、预警库，农作物生长、环境模型库，报警等信息库，运用智能化算法对这些信息进行处理，让农户采取适当措施，从而实现对病虫害的有效控制。该平台系统能提升农作物产量与质量，具有极好的生态效益、经济效益及社会效益。