郑辉 董文亮 薛陶庆

【摘 要】水稻是我国最重要的粮食作物之一，但水稻易受病虫侵害，且害虫种类繁多、发生时危害严重，人工辨识困难，严重影响到水稻的质量。对于农业生产中病虫害的诊断和确认主要还是处于人工处理阶段。已存在的病虫害检测识别工具大多存在移动性不便，操作困难的问题。随着Android移动设备的普及与Android设备上图像识别技术的发展，通过Android系统在移动设备上构建的病虫害系统可以有效解决移动性的问题，快速便捷识别诊断病虫害。

【關键词】Android；水稻病虫害；图像识别

一、引言

水稻易受到病虫侵害，而且病虫害种类繁多，传统的人工识别方式存在效率低，不准确等问题。随着图像识别技术不断发展与完善，已经有许多人将其应用到农业作物病虫害诊断领域，实现农业智能化管理，提高作物产量与质量。但大多数的识别诊断系统需要专门的图像采集设备，成本较高，不便携带，难以普及于农业生产当中去。随着移动通信技术的高速发展使得在移动设备上进行病虫害图像的识别与诊断成为可能。一方面解决了设备移动性的问题，可以随时进行诊断。另一方面，降低了使用成本，可在农业生产中普及。由于Android设备的普及以及易操作性，也降低了对用户的知识水平和技术要求。因此，我将基于Android系统构建一个水稻病虫害的图像识别与诊断的系统，提高水稻病虫害的识别效率以提高水稻的产量与质量。

二、水稻病虫害识别与诊断系统的搭建

（一）系统搭建流程

1.通过Android移动设备获取待处理的原图像。

2.对原图像进行标准化压缩，并滤除噪声等预处理操作。

3.对预处理后的图像的病斑进行提取（图像分割以及边缘提取）。

4.对提取的病斑进行特征提取。

5.将提取的特征值与云端数据库中的特征值进行多维比对，从而判断病虫害的种类。

6.将得到的结果发送回Android客户端。

系统框架搭建整体流程图如图1所示。

（二）系统各模块功能实现

1.系统通信实现

本系统中采用C/S架构，用户通过在客户端上传未识别的图片至服务器，服务器处理请求，执行相应的处理，返回识别结果到客户端。

客户端上传图片，以及服务器返回数据均通过HTTP协议传输。HTTP协议是一个基于请求响应模式、面向连接的无状态的应用层通信协议，它定义了万维网向浏览器传送超文本的规则和格式，通过TCP连接方式实现数据传递，该方式是保证数据可靠交换的重要基础。HTTP 具有请求方式简单、通信速度快、传输对象灵活及无状态无连接的特点，广泛应用于分布式超媒体信息系统中。如果发送错误，将返回HTTP状态码和错误信息。一些HTTP常见状态码如图2所示。

2.服务器端图片压缩

为了能够快速响应用户的查询，返回响应结果，需要将图片进行压缩。图片压缩算法选择DCT编码进行JPEG压缩。JPEG的编码过程对原始的图像数据作离散余弦变换，然后对离散结果进行量化并作熵编码。通过剔除图像中的不必要的信息，量化完成JPEG主要压缩部分。经过DCT变换压缩图像后，对图像进行处理的数据量就大大减少了，提高了数据处理的效率，减少了系统响应时间，优化了用户的使用体验。

3.特征检索算法

检索算法基于HSV颜色模型的直接示例查询法，即用户给出示例图像，系统通过提取示例图像的颜色特征与图像库中图像的颜色特征进行相似性比较，得到颜色分布相似的图像，进而得出图像中的病虫害类型。

采用HSV颜色模型的直接示例查询法，提取出参考图像的特征分类存入数据库，用户上传图片至服务器，服务器执行提取操作，查询特征数据库，数据库根据图片特征进行查询，找到最为匹配的那一类，返回识别结果到客户端，呈现给用户。

三、结束语

本研究基于Android构建一个通过图像识别技术诊断水稻病虫害的系统。系统通过HTTP协议上传图像至服务器，服务器端对图像进行压缩，将压缩后的图像通过SVM算法与构建的特征数据库中的数据进行查询比对，得到诊断结果返回客户端。本系统可以实现对病虫害的识别功能，但在识别算法以及系统的鲁棒性以及容错性方面还需进行完善与提高。

【参考文献】

[1]马媛媛，杨峰，信科， 等.基于DCT的JPEG图像压缩的研究[J].计算机技术与发展，2011，21（8）：133-136. DOI：10.3969/j.issn.1673-629X.2011.08.034.

[2]田玉敏，林高全.基于颜色特征的彩色图像检索方法[J].西安电子科技大学学报（自然科学版），2002，29（1）：43-46. DOI：10.3969/j.issn.1001-2400.2002.01.010.

[3]张谷丰，罗岗，孙雪梅， 等.基于Android的水稻害虫诊断系统[J].应用昆虫学报，2015，（4）：837-843.

[4]张永玲. 基于Android的水稻病虫害图像识别与诊断系统的研究[D].浙江理工大学，2018.

[5]张超. 嵌入式水稻病虫害图像采集与诊断系统的研究[D].浙江理工大学，2017.

[6]袁媛，陈雷，孙熊伟，曾新华，吴娜，卞程飞，李淼，万莉. 作物叶部病害图像交互式诊断系统与方法[P]. 安徽：CN104063686A，2014-09-24.

[7]李健.基于Android的病虫害推理诊断系统的设计研究[J].安徽农业科学，2013，41（11）：5148-5150.