全 文 ： 基于 Android平台的黄瓜叶部病害图像处理
田有文，王 炜，王 泷，郑鹏辉
（沈阳农业大学 信息与电气工程学院，沈阳 110866）
摘要：以 Android 系统为平台构建黄瓜叶部病害图像处理系统，为田间管理者对黄瓜的栽培及病害防治管理提供科学指导。介绍该
技术系统的开发环境，阐述系统的软、硬件设计方案，为该系统的推广及应用提供技术支持。
关键词：图像处理；Android 系统；病害；黄瓜
中图分类号：TP391．4 文献标识码：A 文章编号：1674-1161（2015）02-0030-03
在农学领域将 Android 手机软件技术与图像处
理技术进行有机结合，可以促进 Android 手机软件技
术在农业中的发展，实现农业技术信息化的创新。 本
研究以 Android 系统为平台进行设计，构建黄瓜叶部
病害图像处理技术，方便田间管理者对黄瓜的栽培及
病害防治进行管理。
1 开发环境
Android支持在多个系统下进行开发，但在 Linux
下效率会更高。 本研究在 Windows 操作系统下搭建
了基于 Android SDK＋Java JDK 6＋Eclipse 3．5＋ADT 的
应用程序开发环境，针对 Android OS 2．2 及以上版本
开发。
2 系统设计
2．1 系统硬件平台
基于 Android 手机的黄瓜叶片病害检测系统由
硬件和软件两部分组成。 其中，硬件部分采用智能手
机 Lenovo S880 （联想公司）， 其操作系统为 Android
4．0，硬件配置为 ARMv 7，1 GHz CPU，512 MB RAM。
2．2 系统软件设计
黄瓜叶片病害处理工作流程为：1） 获取图像。用
Android手机的摄像头拍摄被测黄瓜叶片的图像。 2）
图像处理。 对采集的图像进行彩色图像分割、二值图
像腐蚀和膨胀等处理。3） 特征提取。用处理后的二值
图像和原图相结合，得到颜色和纹理特征信息。
该系统软件的主要功能是获取图像、 图像处理
（图像分割、图像腐蚀和膨胀）及图像特征提取。 黄瓜
病害处理系统软件的主界面如图 1所示。
2．2．1 获取图像 选择存储卡中的图像，点击图 1 软件
主界面上的“选择样本图片”选项，获取所需叶片病害
样本。 获取样本效果如图 2所示。
收稿日期：2014－12－10
基金项目：辽宁省“博士后集聚工程”项目（2011921012）；辽宁
省教育厅科学技术研究项目（L2011114）；辽宁省科学事业公
益研究基金项目（2012005015）
作者简介：田有文（1968—），女，博士后，副教授，从事图像识
别、光谱分析在农业智能信息处理中应用方面的研究工作。
图 1 软件主界面
Figure 1 Software main interface
图 2 获取样本效果图
Figure 2 Obtain effect chart of sample
第 2期 总第 248期 No.2 Total No．248
2015年 2月 Feb. 2015
农业科技与装备
Agricultural Science＆Technology and Equipment
DOI:10.16313/j.cnki.nykjyzb.2015.02.015
提取特征 白粉病数据 霜霉病数据
L* 79．59 68．41
a* －7．97 －3．71
b* 14．85 23．09
MT（0，1） 3 291 6 585
MT（1，0） 2 679 5 348
MT（1，1） 117 901 232 633
MT（1，2） 5 258 641 1 052 105
MT（2，1） 4 233 069 8 277 311
MD（0，1） 791 878 785 184
MD（1，0） 670 646 660 918
MD（1，1） 2．76E7 2．70E7
MD（1，2） 1．14E9 1．10E9
MD（2，1） 9．67E8 9．32E8
2．2．2 图像处理 在获取图像的基础上， 点击图 1 中
“图像处理和特征提取”选项，实现彩色图像分割、二
值图像腐蚀和膨胀。
1） 彩色图像分割。 在 Android 系统下，应用 an-
droid．graphics．Bitmap 类所提供的 getPixel（）方法获取
图像中每一个像素点的 RGB 信息， 采用统计模式识
别方法将黄瓜病害叶片的病斑和正常叶片分开。最终
调 用 android．graphics．Bitmap 类 所 提 供 的 cre-
ateBitmap（），setPixels（）方法将处理后的像素点还原
成二值图像。
2） 二值图像腐蚀和膨胀。 由于彩色图像分割后
二值图像的病斑存在断裂和粘连的情况，需要进一步
处理。 腐蚀运算可去除图像中孤立的点和毛刺；膨胀
运算可填充图像中的小孔和裂缝。运算结果如图 3所
示。
2．2．3 图像颜色和特征提取 若要提取病害黄瓜叶片病
斑的颜色和纹理特征，需将分割后的图像信息和原图
信息相结合，得到最终结果。
1） 颜色特征提取。 黄瓜病害的颜色特征由 CIE
L*a*b*颜色空间所体现。而 CIE L*a*b*颜色值由 X，
Y，Z 三刺激值经非线性变换得出， 而 X，Y，Z 三刺激
值可由病斑部分随机像素点的 R，G，B 转换得到。 其
公式如下：
X＝0．607 R＋0．174 G＋0．200 B
Y＝0．299 R＋0．587 G＋0．114 B
Z＝0．066 G＋1．116 B
L*＝116× Y
Y0
3
姨姨 姨－16
a*＝500× X
X0
3
姨 － YY0
3
姨姨 姨
b*＝200× Y
Y0
3
姨 － ZZ0
3
姨姨 姨
式中：X0，Y0，Z0为标准白颜色的 X，Y，Z的值。
2） 纹理特征提取。 不同的病害在叶片上不仅表
现出不同的颜色，也表现出不同的纹理。 采用色度矩
的方法对彩色图像纹理特征进行提取，色度矩可表征
一幅病斑彩色纹理图像。 其公式如下：
MT（m，l）＝
xs
x ＝ 1
Σ
ys
y ＝ 1
ΣxmylT（x，y）
MD（m，l）＝
xs
x ＝ 1
Σ
ys
y ＝ 1
ΣxmylD（x，y）
若要提高病害黄瓜叶片纹理的识别率，需采用色
度矩集 CM55 （MT （0，1），MT （1，0），MT（1，1），MT
（2，1），MT（1，2），MD （0，1），MD （1，0），MD （1，1），MD
（1，2），MD（2，1））作为黄瓜病害图像纹理特征。 在得
到黄瓜病害图像病斑提取出来的颜色和纹理特征的
13个值后，通过 android．database．sqlite．SQLiteDatabase
中的 onCreate创建 SQLite数据库， 用来存储上述 13
个颜色及纹理特征信息（如表 1所示）。
3 结语
以 Android 系统为平台进行设计，构建黄瓜叶部
病害图像处理系统，为田间管理者对黄瓜的栽培及病
害防治管理提供了方便、快速、实用的叶片信息，指导
其进行科学种植和管理。该系统具有体积小、成本低、
便携性强等多方面优点，方便工作人员在田间使用。
（下转第 34页）
图 3 腐蚀和膨胀处理效果图
Figure 3 Effect charts of corrosion and expansion
processing
表 1 黄瓜病害特征信息
Table 1 Feature information of cucumber disease
田有文等：基于 Android平台的黄瓜叶部病害图像处理2015年第 2期 31
Features of the Technology of Active Distribution Network
and Its Development Trend
YANG Xiaodong1， QIAN Songhui2， JIANG Wei3， NAN Renjie4
（1． College of Information and Electrical Engineering， Shenyang Agricultural University， Shenyang 110866， China； 2． Huludao Electric
Power Supply Company， Huludao Liaoning 125001， China； 3． State Grid Mongolia Songshan District Electric Power Company Limited，
Chifeng Mongolia 024000， China； 4． State Grid Jinzhou Electric Power Supply Company， Jinzhou Liaoning 121000， China）
Abstract： In recent years， traditional passive distribution network can not meet people＇s requirements to high quality electric energy；
active distribution network is born gradually． The article expounds the construction and features of active distribution network， analyzes
its key technique and development situation， and suggests future development trend for it， in order to provide a reference for extensive
use of active distribution network．
Key words： distributed renewable energy； electric energy； active distribution network； technique
靠基于 AMI 数据挖掘的时空负荷预测技术和基于物
联网的输变配设备远程诊断技术。 ADN 综合利用这
些技术，最终达成其高效运维优化的目的。
4 主动配电网的发展趋势
近年来，新能源、电动汽车等的快速发展，都对配
电网规划建设和运营管理提出了新要求。 ADN 为解
决以上问题提供了契机。 ADN 的意义还远不止于
此——它将引领我国智能配电网领域的发展方向，具
有巨大的经济和社会效益。
对用户来说，灵活接入主动配电网，意味着更高
的供电可靠性和供电质量。分布式电源和电网供电可
以互为备用电源，减少停电时间，缩小停电面积，提升
终端能源的利用效率。 对消费者来说，主动参与需求
响应和电网运行， 不仅能大大提高用电的自主性，也
能直接节约电费支出。 在电网负荷较高时，客户可以
将自家的分布式电源所发的电卖给电网，而在电网负
荷较低时，大电网对其供电，这样就可以最大限度地
减少电费支出。 对电网企业来说，主动配电网的投入
将使运营成本大大降低。高效运行的主动配电网可以
提高电能传输效率，带来节能效益；多电源协同则可
有效解决地区输配电能力不足等问题，保证电网稳定
可靠运行；还可以进行有效的移峰填谷，即实现精确
控制负荷、减少系统故障率等。
主动配电网的投运将提高地区清洁能源和可再
生能源的占比，实现可再生能源全部消纳，改善环境，
同时还将推动智能楼宇等一系列智能电网相关技术
的建设发展。
参考文献
［1］ 范明天．2010 年国际大电网会议配电系统及分散发电组研究进展与方向［J］．电网技术，2010，34（12）：6－10．
［2］ 尤毅，刘东，于文鹏，等．主动配电网技术及其进展［J］．电力系统自动化，2012，36（18）：10－16．
［3］ 陈星莺，陈楷，刘健，等．配电网智能调度模式及关键技术［J］．电力系统自动化，2010，34（2）：22－26．
［4］ 王成山，李鹏．分布式发电、微网与智能配电网的发展与挑战［J］．电力系统自动化，2010，34（2）：10－14．
Image Processing of Cucumber Leaf Disease based on Android Platform
TIAN Youwen， WANG Wei， WANG Long， ZHENG Penghui
（College of Information and Electrical Engineering， Shenyang Agricultural University， Shenyang 110866， China）
Abstract： To build up image processing system for cucumber leaf disease by using Android system as platform， and offer a science ref-
erence for cucumber cultivation and disease prevention in the field management． The article introduces the development environment of
the technology system， expounds the design of software and hardware in the system， in order to provide technology support for the ex-
tension and application for the system．
Key words： image processing； Android system； disease； cucumber
（上接第 31页）
参考文献
［1］ 郭文川，周超超，韩文霆．基于 Android 手机的植物叶片面积快速无损测量系统［J］．农业机械学报，2014（1）：276－277．
［2］ 田有文．现代图像识别技术诊断农作物病害［M］．中国农业出版社，2010．
［3］ 张芳，付立思．基于图像处理技术的黄瓜叶部病害识别诊断系统［J］．农机化研究，2014（9）：213－215．
［4］ 王树文，张长利．基于图像处理技术的黄瓜叶片病害识别诊断系统研究［J］．东北农业大学学报，2012（5）：69－73．
!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
农业科技与装备 2015年 2月34