[发明专利]一种基于Android手机平台的识别农作物病虫害的方法及系统

说明书

技术领域

本发明涉及客户端图像识别领域，尤其是一种基于Android手机平台的识别农作物病虫害的方法及系统。

背景技术

传统的病虫害诊断采用人工观测的方式，这一方式存在主观性、局限性、模糊性等不足。随着计算机图像处理以及人工智能技术的发展，人们开始利用计算机代替人来进行农作物的病虫害诊断，提出了在计算机上实现病虫害的识别。移动计算领域新技术的发展赋予手机更广阔的应用前景，手机成为未来个人网络和计算服务的重要平台，Android作为目前最为流行的智能操作系统之一，突破了传统手机的概念和模式，手机计算能力更加突出，应用也日益广泛、多元化。

目前，在Android平台上进行病虫害识别，有一种设计是：首先，Android客户端获取病虫害图片，此过程可以通过系统平台自带的照相机拍摄一张图片，也可以通过蓝牙等技术获取一张图片；其次，将获取到的病虫害图片通过网络传输到服务器上，服务器端先期对样本库病虫害图像进行训练，得到不同类别病害图像的特征参数，即生成病虫害识别的分类器，服务器端接收到病虫害图像，在服务器端的计算机上对图像进行处理，去噪声，对图像特征提取，并将提取的特征参数与对样本库进行训练得到的特征参数进行对比，以此得到病害图片的分析和结论；最后，将病害图片的结论通过网络发送和反馈到Android手机客户端告知用户病害图片结果和防治方法。上述这种识别方式需要联网，针对用户而言，使用十分不便；此外，需要通过网络服务器端的计算机进行接收、识别、处理，识别效率低。

发明内容

本发明的首要目的在于提供一种使用方便、易于操作、识别效率高的基于Android手机平台的识别农作物病虫害的方法。

为实现上述目的，本发明采用了以下技术方案：一种基于Android手机平台的识别农作物病虫害的方法，该方法包括下列顺序的步骤：

（1）手机用户通过Android手机自带的摄像头拍摄病虫害图像，并将其存储在Android手机的SD卡中；

（2）对病虫害图像进行预处理；

（3）对经过预处理的病虫害图像进行特征提取；

（4）对特征集合进行特征训练，使用SVM统计向量机方法训练样本集数据，得到病虫害诊断模型；

（5）调用病虫害诊断模型进行SVM统计向量机分类，得到病害图片分类和诊断结果，并将防治方法反馈到手机用户。

对病虫害图像进行预处理包括灰度变换、中值滤波、阀值分割、轮廓检测、病斑提取的处理。

对经过预处理的病虫害图像进行三个方面的特征提取，分别是：纹理特征、颜色特征和形状特征，通过提取病虫害图像的颜色特征、纹理特征、形状特征作为识别特征向量；

对颜色特征，分别提取彩色图像蓝色通道下的一阶矩、二阶矩和三阶矩三个颜色特征；

对纹理特征，构造七个纹理特征参数，即灰度共生矩阵特征中的能量、熵、对比度和同质性，以及灰度差分统计特征中的对比度、角二阶矩、熵作为识别特征向量；

对于形状特征，构造圆度、矩形度、离心率、球状比、紧密度、广度、内切圆半径参数作为形状识别特征向量。

对特征集合进行特征训练，使用SVM统计向量机方法训练样本集数据，得到病害图像特征数据模型，此训练过程中，选择径向基核函数来对样本向量进行训练，径向基核函数将样本映射到高维特征空间H中，并在此空间中运用原空间的函数来实现内积运算，将非线性问题转换成另一空间的线性问题来获得一个样本的归属，

径向基核函数如下：

K(x,y)=exp{-|x-y|²/2σ²}

核函数K(x,y)为空间中任一点x到某一中心y之间欧氏距离的单调函数，其中y为核函数中心，σ为函数的宽度参数，此参数控制函数的径向作用范围；

在生成数据模型文件后，将此数据模型文件保存为.model类型的文件储存到客户端程序raw文件夹下，作为病虫害诊断模型；

对经过预处理的病虫害待识别图片通过特征向量提取和对比，调用.model病害诊断模型进行SVM统计向量机分类，得到病害图片分类和诊断结果，并将防治方法反馈到手机用户。

所述灰度变换是指，采集得到的病虫害图像均是彩色图像，首先需要将病虫害图像转换为对应的灰度图像，要将彩色图像转换为灰度图像，需要分解提取图像中的红(R)、绿(G)、蓝(B)三个图像通道，取像素的R、G、B颜色分量，利用如下公式计算灰度值：

Gray(灰度值)=R*0.3＋G*0.59＋B*0.11