水稻茎基部病害图像智能采集与病斑检测系统的设计与实现

发布时间：2020-03-30 01:39

【摘要】：水稻病虫害是影响水稻生产的主要因素之一,准确及时地识别水稻病虫害的为害状是进行病虫害测报和综合防治的前提。传统的水稻病虫害田间调查往往依赖于农技人员目测方法估测田间病虫害情况,存在劳动强度大、主观性强、效率低下以及滞后等问题,难以满足现代农业生产的发展需求。随着图像处理与通信技术的高速发展,基于图像的农业病虫害智能检测方法成为研究的热点。本文利用socket通信、视频编码和深度学习目标检测等技术,以水稻纹枯病病斑为检测对象,设计并实现了水稻茎基部病害图像智能采集与病斑检测系统。本文主要研究内容和成果如下:(1)设计并实现了水稻茎基部病害图像智能采集设备。该设备包含Android相机镜头的开发板、手机和可伸缩杆。Android相机模块利用Android camera2应用程序编程接口采集实时视频;利用Media Codec应用程序编程接口对采集到的实时视频帧数据进行H.264硬件编码;基于RTSP/RTP流媒体协议封装H.264实时码流,控制Android相机和手机之间实时视频流的传输;利用Java Socket编程和自定义的通信数据结构,实现Android相机和手机之间控制命令通信。手机端利用VLC开源视频播放库实现与Android相机的RTSP会话,有序接受RTP数据包并显示Andriod相机拍摄的水稻茎基部实时画面。同样利用Java Socket编程,根据自定义的通信数据结构,实现相机控制命令的发送和相机控制命令处理结果的接受;利用Okhttp处理网络请求框架实现手机点击水稻茎基部病害图像上传至云服务器,然后接受经过深度学习目标检测算法处理的结果。(2)研究了基于深度学习的水稻纹枯病病斑检测算法。设计基于残差网络的水稻纹枯病病斑SSD检测算法,为了提高检测网络提取特征的能力,将SSD检测算法的基础网络VGG16替换为Res Net50网络;同时为了使检测系统对病斑检测有更强的容错能力和鲁棒性,对水稻纹枯病图像进行数据增强;为了降低训练时间,运用迁移学习的方法,将Image Net数据的权重模型移植到水稻纹枯病病斑检测任务。结果表明,基于残差网络的SSD检测算法对水稻纹枯病病斑的检测精度为81.2%。本文设计的水稻茎基部病害图像智能采集与病斑检测系统,可替换市场上普通的Wi Fi相机,可以实现便捷地采集水稻茎基部病斑图像和实现水稻纹枯病病斑快速检测。农技人员通过手机预览前端Android相机实时视频、控制其拍摄水稻茎基部图像,并将水稻茎基部图像返回到手机端,同时可以选择水稻茎基部图像上传至云服务器端,云服务器运行病斑检测算法并反馈结果至手机端。该方案不需要特定型号的Android相机,操作简单,可广泛应用于水稻病虫害田间调查和监测中。
【图文】：

病害,水稻,设备,图像

在 Firefly RK3288 开发板进行开发(图 2.1-a)。Android 手机可采用市面上支持视频解码、播放的 Android 智能机(图2.1-b)。手持杆可采用轻质的可伸缩杆，可在其前端固定 Android 相机(图 2.1-c)。(a) Android 相机 (b) Android 手机 (c)手持杆图 2.1 水稻茎基部病害图像智能采集设备其中Firefly RK3288开发板是深圳天启智能科技有限公司旗下Firefly开源团队提供的，主控芯片采用瑞芯微四核芯片 RK3288，ARM Cortex -A17 架构，主频高达 1.8GHz。图

包结,单元

理工大学工程硕士学位论文水稻茎基部病害图像智能采集与病斑检测系统的设计与步服务。RTP 虽然本身无法为按顺序传送数据包提供可靠的传送机制，但可依靠 R流量控制或拥塞控制。同样，对于那些丢失的数据包，不存在由于超时检测而带，仅由上层根据其重要性来选择重传，RTP 的固定报头的长度为 12 个字节，这体介绍和分析。RTP 荷载 H.264 码流，定义三种不同的荷载结构[32]：(1) 单个 NAL 单元包：如下图 2.4 所示，单个的 RTP 包中仅有一个完整的 NAL此时，，RTP 的 NAL 头类型字段和原始的 H.264 的 NALU 头类型字段相同，第个字节的后五位(type)类型域值在 1 至 23 之间，荷载时在 NALU 前面添加 12节的 RTP 包头即可。
【学位授予单位】：浙江理工大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：S435.11;TP391.41

【相似文献】