全 文 ：第 ３８ 卷第 ６ 期河 北农业 大 学 学 报Ｖｏ ｌ ．３８Ｎｏ．６
２０ １ ５年１ １月 ＪＯＵＲＮＡＬ ＯＦＡＧＲ ＩＣＵＬＴＵＲＡＬＵＮ ＩＶＥＲＳＩＴＹＯＦＨＥＢＥ ＩＮｏ ｖ．２０１ ５
文章编号 ： １０ ０ ０－１ ５ ７３ （ ２ ０ １ ５ ） ０６ －０ １ ０ ２－ ０５ＤＯＩ ：１ ０ ． １ ３３ ２０ ／ｊ ． ｃｎｋ ｉ ． ｊ ａｕｈ ．２０ １ ５ ．０１ ４ ４
基于 Ａｎｄｒｏ ｉｄ 的苹果叶部病害识别系统设计
屈 赞＼陶 晡 ２ ， 王政嘉＼ 王树 桐 ２
（ １ ． 河北农业大学 教务处 ， 河北 保定 ０ ７ １ ０ ０１ ；２ ． 河北农业大学 植物保护学院 ， 河北 保定 ０ ７ １ ００ １ ）
摘要 ： 为快速便捷地解决苹 果病害识别问题 ，本研究设计 了基于 Ａｎｄ ｒｏ ｉｄ 的 图像识别系统 。 采用最大类间方差
法 （Ｏ ｔｓｕ ）对病斑 图形分割 ， 提取 了病斑的颜色特征 ，纹理特征 和形状特 征 、运 用支持 向量机 （ ＳＶＭ ）对病斑进行
了分类 ，并在服务器端建立 了苹果叶部病害特征库 。 手机客户端采集 ５ 种苹果病害 图像 ， 上传到服务器端进行
识别 ，并将识别结果反馈给客户端 ， 平均 正确识别率为 ８ ５ ． ３３％ ，测 试效果 良好 。
关 键 词 ： Ａｎｄｒｏ ｉｄ ；苹果病害 ； 图 像识别 ；Ｃａｎｎｙ算 子 ；支持 向量机 ；
中 图 分类号 ： ＴＰ３ ９ １文献标 志码 ： Ａ
Ｄｅｓ ｉｇｎｏｆａｐｐｌｅｌｅａｆｄｉｓｅａｓｅｒｅｃｏｇｎｉｔ ｉｏｎｓｙｓｔｅｍｂａｓｅｄｏｎＡｎｄｒｏｉｄ
ＱＵＹｕｎ １ ，ＴＡＯＢｕ ２ ，ＷＡＮＧＺ ｈｅｎｇ－ｊ ｉａ１ ，ＷＡＮＧＳｈｕ－ｔｏｎｇ２
（ １ ．ＡｃａｄｅｍｉｃＡｆｆａｉ ｒｓ Ｏｆｆｉ ｃｅ ， Ａｇ ｒ ｉｃｕｌ ｔｕ ｒａｌＵｎｉｖｅ ｒｓ ｉｔ ｙｏｆＨｅｂｅ ｉ ，Ｂａｏｄ ｉｎｇ ０７ １０ ０１ ， Ｃｈｉｎａ ；
２ ．Ｃｏｌ ｌｅｇｅ ｏｆＰ ｌ ａｎｔＰ ｒｏ ｔｅｃｔ ｉｏｎ ，Ａｇ ｒｉｃｕ ｌｔｕ ｒａｌ Ｕｎｉｖｅｒ ｓ ｉｔｙｏ ｆＨｅｂ ｅ ｉ ？ Ｂａｏｄ ｉｎｇ０ ７ １ ００ １ ，Ｃｈ ｉｎａ）
Ａｂｓｔｒａｃｔ ：Ｉｎ ｏｒｄ ｅｒｔｏｑ ｕｉ ｃｋ ｌｙａｎｄｅａｓ ｉ ｌｙｓｏ ｌｖｅｔｈｅ ｉｄ ｅｎｔ ｉ ｆｙｐ ｒｏｂ ｌｅｍｏｆ ａｐｐ ｌｅｄ ｉｓ ｅａ ｓｅ ｓ ，ｔｈｅｉｍ ａｇｅ
ｒｅ ｃｏ ｇｎ ｉ ｔｉｏｎｓｙ ｓｔｅｍｂａ ｓ ｅｄｏｎＡｎｄｒｏ ｉｄｗａ ｓｄｅｓｉｇｎｅｄｉｎ ｔｈ ｉｓｓ ｔｕｄｙ．Ｕ ｓ ｉｎｇ Ｏ ｔ ｓｕｍｅｔｈｏｄ（Ｏ ｔ ｓｕ ） ，
ｗ ｅｃ ａｎｄｉｖｉｄ ｅｔｈｅｌ ｅｓｉｏ ｎｇｒａｐ ｈｉｃ ｓ ，ｅｘｔｒａｃｔｃｏ ｌｏｒ ｃ ｈａｒａｃ ｔ ｅｒｉｓ ｔｉ ｃ ｓ ？ｔｅｘ ｔｕｒｅ ，ａｎｄｓｈａｐｅ ｆｅａ ｔｕｒｅｓｏｆ
ｌｅ ｓｉｏ ｎ ，ｃｌａｓ ｓｉ ｆｙｔｈｅｌ ｅ ｓ ｉｏｎｂ ｙｓ ｕｐｐ ｏｒｔｖｅｃ ｔｏ ｒｍａｃｈｉｎｅ（ＳＶＭ ） ，ａｎｄｅｓｔａｂ ｌ ｉｓ ｈａｐｐ ｌｅｌｅａｆｄ ｉｓ ｅａ ｓｅ
ｆｅａｔｕ ｒｅｌ ｉｂ ｒａｒｙ ｉｎｔｈｅｓｅｒｖｅｒｔｅｒｍ ｉｎａ ｌ ．Ｍｏ ｂｉ ｌｅｃ ｌ ｉ ｅｎ ｔａｃｑｕ ｉｒ ｅｓｆ ｉｖ ｅｋｉ ｎｄｓｏｆｄ ｉｓ ｅａｓｅ ｉｍａｇｅ ，ｕｐ ？
ｌｏａｄ ｓｉ ｔｔｏｔｈｅｓｅｒｖ ｅｒ ｔｅｒｍ ｉｎａ ｌ ．Ｔｈｅ ｔｅｒｍ ｉｎ ａ ｌｗｉ ｌ ｌｒｅｃｏｇｎ ｉｚ ｅｉ ｔａｎｄｐｕ ｔｔｈ ｅｒｅ ｓｕ ｌｔ ｓｂａｃｋｔｏｔｈｅ
ｃｌ ｉ ｅｎ ｔ ．Ｔｈ ｅａｖｅ ｒａｇｅｃｏｒｒｅ ｃｔ ｉｄｅｎ ｔ ｉｆ ｉ ｃａｔ ｉｏｎｒａｔｅｉ ｓ８５ ．３ ３％ ，ａｎｄｔｈｅｔ ｅｓｔ ｉｎｇｒｅ ｓｕ ｌｔｉｓｇｏｏ ｄ ．
Ｋｅｙｗｏｒｄｓ ：Ａｎｄｒｏｉｄ ；ａｐｐ ｌｅ＇ｓｄｉｓｅａｓｅ ；ｉｍａｇｅ ｒｅｃｏｇｎｉｔｉｏｎ ；Ｃａｎｎｙｏｐｅｒａｔｏｒ ？ｓｕｐｐｏｒｔｖｅｃｔｏｒｍａｃｈｉｎｅ
我 国苹果产业发展迅速 ， ２０ １ ２ 年种植面积和 产展 ，图像识别技术广泛应用于农业生产 ， 已成为国 内
量分别达 ２２３ ． １ 万 ｈｍ ２ 和 ３８４ ９ ． １ 万 ｔ ，是我国第一 外农业工程领域的研究热点 。 然而 ， 图 像识别技术
大水果 ［ １ ］ 。 病虫害严重危害苹果产量和 果品 品 质 ， 在植物病虫害识别应用起步较晚 ，安 冈善文等人在
每年果农投人大量的精力和财力防治病虫害 。 病虫１ ９ ８５ 年对植物叶 片 受有气体感染后 的红外 图像进
害预测预报 、准确 快速识别是做好苹果病虫 害 防治行研究 ，提 出通过植物病 叶 图像来诊断植物染病情
的关键与前提 ，经验不足的果农对病虫害识别不准 ， 况 ［ ２ ］ ； ２００ ３ 年 ， 田有文等人运用统计模式研究 了植
往往错过最佳 防治 时期 。 随着 现代信息技 术 的发物病害彩色 图像分割方法 ［ ３ ］ ； ２０１ ０ 年 ，李宗儒等人
收稿 日期 ： ２０ １ ５ － ０ １ － ２ ８
基金项 目 ： 河北农业大学青年基金项 目 （ＱＮ ２０ １ ２ ３８ ） ，河北省教育厅项 目 （ ＳＺ １ ３１ ０ １ ９ ） ．
作者简 介 ： 屈 赍 （ １ ９８ １ － ） ， 女 ，河北省赵县人 ， 实验师 ， 硕士 ， 主要从事农业信息化研究 ． Ｅ－ｍａ ｉｈ ｋｊｊ ｔ＠ ｈｅｂａｕ ． ｅｄｕ ． ｃｎ
通讯作 者 ： 王树桐 （ １ ９７ ５－） ， 男 ，河北省定兴县人 ，博士 ， 教授 ， 主要从事苹 果病害研究 ． Ｅ－ｍａ ｉ ｌ ：ｂｄ ｓｔｗａｎｇ＠ １ ６３ ． ｃｏｍ
第 ６ 期
屈 赞等 ：基于 Ａｎｄｒｏ ｉｄ 的苹果叶部病害识别系统设计
１〇 ３
研究了基于手机拍摄 图 像分析的 苹果病害识别 技，
术 ，构建了ＢＰ 神经网络病害识别模型 ，病虫害识别
效果 良好 ［ ４ ］ ； ２ ０ １ ４ 年 ， 夏永泉 等人提出 了基 于 Ａｎ －２ ． １ 数据库设计
ｄｒｏｉｄ 平台 的植物叶片图像病害检测方法 ，具有很好客户端采用 Ａｎｄｒｏｉｄ 平 台 软件 开 发 中 常用的
的鲁棒性 、有效性和准确性 ［ ５ ］ 。 目前 ， 图像识别技术ＳＱＬ ｉ ｔｅ 关系型数据库 ，主要用于存储苹果病害采集
逐步应用于 Ａｎｄｒｏ ｉｄ 手机 、 ＰＡＤ 等智 能终端 ， 可 以图像 、识别 结果 。 客户 端数据 库通过 ＷｅｂＳｅｒｖ ｉ ｃｅ
快捷高效地解决农业生产 中 的问题 。 本研究利用 图连接方式访问远程服务器数据库 ， 获取识别结果和
像识别技术 ，设计 了基于 Ａｎｄｒｏｉｄ 的苹 果叶部病害病害基本信息 。
识别系统 ， 以期为该领域研究提供参考 。２． ２Ａｎｄｒｏｉｄ 开发技术
＾＾，２００ ７年１ １月 ， Ｇｏｏ ｇｌｅ公 司发 布了Ａｎｄｒｏ ｉｄ系１胃 统 ，它广泛应用于 智能手机 、 平板 电脑等领域 。 Ａｎ－
１ ． １ 需求分析 ｄｒｏｉｄ 系统采用分层架构 ， 由 应用程序层 、应用程序
国家苹果产业体系 通过对我 国 １７ 个省果园病框架层 、 系统运行库层和 Ｌｉｎｕｘ 内 核层组成 。 程序
虫害调査 ， 共发现病 害 ５ １ 种 ，其中 危害叶部的病害文件以 ． ＡＰＫ 为扩展 名 ， 拷贝 或下载到 Ａｎｄｒ ｏｉｄ 设
有 ２２ 种 ［ ６ ］ ，苹果斑点落 叶病 、褐斑病 、 白粉病 、花叶备即可安装 。
病 、黑星病等病害发生较重 。 一般情况下 ，病斑具有Ａｎｄｒｏｉｄ 手机客户 端提供了 Ｃａｍｅ ｒａ 库 ， 分 ５ 步
模糊性和复杂性 ，尤其是发生初期 ，经验不足 的果农完成图像获取 ，即调用 Ｃａｍｅｒａ 的 ｏｐｅｎＯ打开相机 、
很容易误诊 ，延误病虫害防治 ， 图像识别技术能够较调用 Ｃａｍｅｒａ 的 ｇｅｔＰａｒ ａｍ ｅｔｅｒｓＯ获取拍 照参数 、 调
好的解决病害 诊断识别 的难题 。 目 前 ， 智能手机逐用 Ｃａｍ ｅｒａ 的 ｓ ｔａｒｔＰｒ ｅｖ ｉｅｗＯ 开始 预览取景 、调用
渐在农村普及 ，果农使用手机拍摄病害照片 ，将病害Ｃａｍ ｅｒａ 的 ｔ ａｋｅＰ ｉ ｃｔ ｕｒ ｅＯ进行拍照 、 调用 Ｃａｍ ｅｒａ 的
照片上传到远程服务器 ，通过远程诊断 ，将结果反馈ｓｔｏｐＰ ｒｅｖ ｉ ｅｗＯ结束取景预览 ，并调用 ｒ ｅｌｅａｓｅＯ 释放
到用户手机 ， 指导果农科学防治苹果病害 ， 降低损资源 。 客户 端采集病害 图 片提交到服务器端 ， 图像
失 ， 提高经济效益 。提交成功 ， 贝！１显示提交 的 图像及 ？名 称 ； 如提交失败 ，
１ ． ２ 系统工作流程 客户端提示用户重新提交病害图像 。 客户 端提交图
客户 端主要功能是通过调用 Ａｎｄ ｒｏｉｄ 手机的摄像成功后 ， 用户通过图像识别控件 ，启 动服务器端病
像头 ，完成苹果叶部病害图像采集 、上传和识别结果 害识别程序 ，将识别结果反馈给客户端 。
接收 ，根据识别结果査询数据库 ， 向用户展示病害标２ ． ３ 病害图像识别
准图 、基本信息及防治方案 。 服务器端的 主要功 能２ ． ３ ． １ 病 害 图 像预 处理 （ １ ）病 害 图 像去噪 ： Ａｎ －
是对采集的苹果病害图片预处理 ，提取有效特征 ，建ｄｒｏｉｄ 系统通过拍照获取的 图像 噪声较多 ， 需要将这
立病害特征数据库 ；对标准病害 图像进行识别训练 ， 些原始病害图像处理为符合要求 的图像 ，采取中值滤
建立识别模型 ，最后根据模型得 出识别结果 ，并将识 波法对 图像进行去噪 。 首先对获取的 病害图像 中的
别结果反馈给客户端 。 系统工作流程见图 １ 。噪声进行检测 ，再根据噪声污染情况确定滤波窗 口尺
（
＞
．
、
、寸 ，最后对检测 出 的 噪声点进行滤波处理 。 （ ２ ）病害
！＾Ｉ（ 图像灰度化处理 ： 完成病害 图像去噪后 ，还需对病害
Ｉｒａ ！！｜＿进行減化处理 ，将彩色病害图像处理成灰度图
； Ｉ｜ Ｉ｜：＿＿＿＿Ｔ＿＝￣ ： 像 ，转换见公式 （ １ ） ，在计算时 ，为了避免浮点运算 ，将
ｊ ｐ－ｉ— ＿＿＿ｉ＿ ｜公式调整为整数算法 ，见公式 （ ２ ） 。
Ｉ－ｉ￣＾ 病酬橡存储提取病斑獅 ！ Ｇｒａｙ＝ Ｒ Ｘ ０ ．２ ９９＋ＧＸ Ｏ ．５８ ７＋ＢＸ ０ ．１ １４（ １ ）
ＩＩｊ丄 － ｉＧｒａｙ＝ ０？ Ｘ２ ９ ９＋ＧＸ５ ８ ７＋Ｂ Ｘ１ １ ４＋ ５ ００ ） ／ １０００
ｉ＾ ｑ 生成麵 則结果 与雜聽＃ （ ２ ）二—ＪＪ、１．．．Ｊ －＇＇其中 ， Ｇｒａｙ 为转 化后病害灰度 图像 的灰度值 ，
图 １ 系 统工作流程 为彩色图像 中红 、绿 、蓝 ３ 个分量的灰度值 。
Ｆｉｇ．１Ｔｈ ｅｗｏｒｋｆｌ ｏｗ ｏｆ ｔｈ ｅｓｙｓｔｅｍ通过调用Ａｎｄｒｏｉ ｄ中ｇｅ ｔＰ ｉｘｅ ｌ （ ０ ， ０ ， ｗ ｉｄ ｔｈ ，ｈ ｅｉｇｈｔ ，
１ ０ ４
河 北 农 业 大 学 学 报
第 ３ ８ 卷
ｐ ｉｘｅ ｌ ｓ ）方法获取病害 图像 每 个点 的像 素 ， 使用 ｇｅ －以采用微分运算 进行病斑边缘 检测 ， 在 常用 的微分
ｔＲＧＢ （ ｉ ，
： ｊ
）获取 的该 点 的 颜色值是 ＡＲＧＢ ， 通过 ｇｅ －运算中 ， Ｒｏ ｂｅｒｔ ｓ 算子提取的病 斑定位不 准确 ，边缘
ｔＲＧＢ （ ｉ ， ｊ ）＆ ■Ｏ ｘＦＦＦＦＦＦ 将 转 化成 ＲＧＢ较粗 ； Ｐｅ ｒｗ ｉｔ ｔ 算子和 Ｓｏ ｂ ｅ ｌ 算子提取 噪声较多 图像
值 ，并利用公式 （ ２ ） ， 将彩 色病害 图 像转化为灰度 图的效果较好 ； ＬｏＧ 算子对 噪声 比较敏感 ， 常 出 现 双
像 ，完成灰度化处理 。 （ ３ ）病害 图 像分割 ： 即病害 图像素边界 ； Ｃａｎｎｙ 算子不 易 受噪声影响 ， 能检测到较
像 的二值化 ，其 目 的 是将病斑 图像从背景图像 中 提弱 的边缘 。 因此选取 Ｃａｎｎｙ 算 子提 取苹 果病斑部
取出来 ， 因病斑部位与正常部位的灰度值不 同 ， 因 此位 的轮廓 ， 包括平滑 图像 ， 计算梯度 幅值和方 向 ，非
采用 最大类间方差法 （ Ｏ ｔ ｓｕ ） 对病斑图形分割 ， 背景极大值抑 制 ，双阈值方法检测 ４ 部分？《 。 本研究对
为 白 色 ，病斑为黑色 ，二者色彩差异明 显 。 苹果斑点苹果 的 ５ 种病害 ８ 种类 型进行 了试验 ， 图 ２ 是选取
落叶病 、褐斑病和花叶病的 图像预处理结果 见 图 ２ 。了苹果斑点 落叶病 、褐斑病 、花叶病 、 白 粉病 、黑星病
２ ．３ ． ２ 病 害 图像边缘检测 在苹果病害 图像 中 ，病５ 种苹果叶部病害 的边缘检测效果 图 。
斑部位与正 常部位交界处 ，灰度值急剧变化 ， 因此可
、 續 丨顧？
ａ— ｅ 原始 图 ； ａｉ — ｅ 丨 灰度化处理图像 ； ａ２ －ｅ２ 病斑分割 图像 ； ａ３ －ｅ３ 边缘检测效果图像
ａ－ ｅＴｈｅｏ ｒ ｉｇ ｉ ｎａ ｌｉｍａｇｅ； ａ ｉ—ｅ ｉＴｈｅｇｒａ ｙ ｉｎｇ ｉｍａｇｅ ； ａ２—６ ２ Ｔｈｅｓ ｅｇｍｅｎｔ ａ ｔ ｉｏｎ ｉｍａｇｅ ； ａ ３—ｅ ｓＴ ｈ ｅｅ ｄｇｅｄｅｔ ｅ ｃｔ ｉｏｎｒｅ ｓ ｕ ｌ ｔ ｓ
图 ２５ 种苹果 叶部病害 图 像预 处理 及边 缘检 测 结 果
Ｆ ｉｇ．２Ｆ ｉ ｖｅｋ ｉ ｎｄｓｏｆａｐｐ ｌｅ ｌｅ ａｆｄ ｉｓｅａｓｅｉｍａｇｅｐ ｒ ｅ－ ｐｒｏｃｅｓｓｉ ｎｇ ａｎｄｅ ｄｇｅ ｄ ｅｔ ｅｃ ｔ ｉｏ ｎｒ ｅｓｕ ｌｔ ｓ
２ ． ３ ． ３ 病 害 图 像有 效 分类 特征参数选取及特征库像识别应用较为广 泛 的分类方法 ， 与 ＡＮＮ 分类方
构建 参照李宗儒等人基于 图像分析的苹果病 害识法相 比 ，ＳＶＭ 分类方法在解决小样本 、 非线 性及高
别技术研究结果 ：运 用 ＨＳ Ｉ 模 型提取颜 色特征 ，计维模式识别 中 优势 突 出 ［ １° ］ ， 因 此本研究选取 ＳＶＭ
盒维数法提取病斑纹理特征 ， 根据 病斑形状及 Ｈ ｕ分类方法识 别 苹果 病害 。 在 ＳＶＭ 分 类识 别 过程
不变矩提取病斑 的形状特征 。 其 中 ， 选 取 Ｈ 方差 、中 ，选取 ２ ．３ ．３ 中提取的 ８ 个特征参数 ，进行训 练识
Ｈ ＿ Ｓ 像素频度在色度 １ ￣ ２０ 间 的 平均值为颜 色特别 ，选 出 最佳识别参数建立识别分类器 。
征参数 ，选取计盒维数为纹理特征参数 ，选取 Ｈ ｕ 不在顺平 县某苹果园 ，选择苹果斑点落叶病 、 褐斑
变矩组 中 的 ２ 个 ２ 阶矩 、病斑圆形度均值 、病斑复杂病 、花叶病 、 白 粉病 、黑 星病 ５ 种 叶部病害作为 测试
度最大值 、 面积比为形状特征参数［ ４ ’ ３ ］ 。 将不 同病害对象 ， 每种 病害选取 １〇〇 个 叶 片 ， 其中 ７ ０ ％ 作为训
的有效特征参数放人病害特征库 。练样本 ，训 练图集 为 ３ ５０ 幅 。 其余 ３ ０％作为测试样
２ ．３ ．４ 病 害 识 别 分类 器 选择 在分类方法上 ，人工本 ，识别结果见表 １ 。
神经 网络 （ ＡＮＮ ） 和 支持 向 量机 （ ＳＶＭ ）是在病害 图
第 ６ 期
屈 赞等 ：基于 Ａｎｄｒｏｉｄ 的苹果叶部病害识别系统设计
１ 〇 ５
表 １５ 种苹果病害识别 结果操作系统为 ｗｉｎｄｏｗｓ２ ００８ ，数据库是 ＭｙＳＱＬ ，Ｗｅｂ 服
Ｔａｂｌｅ１Ｆｉｖｅｋｉｎｄｓｏｆａｐｐ ｌｅｓｄ ｉｓｅａｓｅｒｅｃｏｇｎ ｉｔｉｏｎｒｅｓｕｌｔｓ务器是Ｔｏｍｃａ ｔ６ ．０ ？１８ 。
￣
病害 名称
￣
测试样本数 「
正确 数
． 正确率 ／ ％３． ２ 客户 端关键代码Ｃｏｒｒ ｅｃｔ ｉｄｅｎｔ ｉ ｆ ｉｃａ ｔ ｉｏｎ
Ｄ．ｓ ｅａＳｅ ｎａｍｅＴ ｅｓｔ ｓａｍｐ ｌ ｅｓＣｏｒｒｅｃ ｔ ｒａ ｔ ｅ３ ．２ ．１手机客户 端获取病 斑 图像 在调用 Ｃａｍｅｒ＿
苹果斑点落叶病３ 〇 ２４８０ ．〇〇ａ ． ｔａｋ ｅＰ ｉｃ ｔｕ ｒｅ （ ）获取病斑 图像后 ， 通过 ｏｎＡｃｔ ｉｖｉ ｔｙ－
苹果褐斑病３ 〇 ２５ ８３ ． ３３Ｒｅ ｓｕ ｌ ｔ 方法来调取病斑 图像 ， 并利用截图程 序对原
苹果花叶病３〇２６８ ６ ．６ ７始病斑图像进行初步处理 。
苹果 白粉病３ 〇 ２８ ９ ３ ． ３ ３ 设置获取图像所需 的 Ｕｒｉ ：
苹果黑星病
３ 〇
２ ５
８ ３ ． ３ ３ｐｒｉｖａ ｔｅｓ ｔａ ｔ ｉｃ ｆｉｎａ ｌＳ ｔｒｉｎｇＩＭＡＧ￡＿Ｆ ＩＵＥ＿ ＬＯ＿
通过表 １ 可知 ，利用 ＳＶＭ 分类方法对测 试样ＣＡＴＩＯＮ＝ ＿ ＇ ｆｉ ｌｅ ： ／ ／ ／ ｓｄｃａｒｄ／ ｔｅｍｐ ，ｊｐ ｇ ＂ ； ／／临 时
本的平均识别率达 到 了８５ ．３ ３％ ，苹果 白 粉病识别文件
率较高 ，花叶病次之 ，斑点落叶病识别率最低 。 通过Ｕ ｒ ｉｉｍａｇｅＵｒｉ＝Ｕｒｉ ．ｐａ ｒｓ ｅ（ ＩＭＡＧＥ＿ ＦＩＬＥ ＿
分析发现 ，提取的病斑形状特征参数对识别效果影ＬＯＣＡＴＩＯＮ ） ； ／／存储路径
响较大 ，苹果 白粉病病斑较大 ， 识别率相对较 高 ；部用 ｏｎＡｃ ｔ ｉｖ ｉ ｔｙＲｅｓｕ ｌｔ 获得病斑 图像的 Ｕｒｉ ，并将
分苹果斑点落叶病 的病斑与其他病斑相似 ，造成识Ｕｒｉ 传递给截图程序 ：
别率相对较低 。ｓｗｉ ｔｃｈ（ ｒｅｑｕｅｓｔＣｏｄｅ）｛
２ ． ３ ． ５病 害 特征识 别 客 户端获取苹果 叶部病斑ｃ ａｓ ｅＴＡＫＥ＿Ｂ ＩＧ＿Ｐ ＩＣＴＵＲＥ ：
图像上传到服务器端 ，系统对病斑 图像进行预处理 ， ／／ＴＯＤＯ ｓｅｎ ｔｔｏｃｒｏｐ
提取有效特征后 ， 形成病害特征 向 量 ， 根据识别模ｃｒｏｐ ＩｍａｇｅＵ ｒ ｉ （ ｉｍａｇｅＵｒ ｉ ， ６ ００ ， ３０ ０ ， ＣＲＯＰ＿ＢＩＧ
型 ，获得识别结果 ，并将结果反馈 回客 户端 。 病斑图＿ＰＩＣＴＵＲＥ） ；生成大图
像识别过程见图 ３ 。ｂｒ ｅａｋ ；
ｆＺ
Ｔａｃａｓ ｅＴＡＫＥ
＿
ＳＭＡＬＬ
＿
Ｐ ＩＣＴＵＲＥ ：
苹果叶綱 ，ｒ＊２真￥倭— 苹果叶贿，害图像 特征人库 ｜害库 ／／ＴＯＤＯｓｅｎ ｔｔｏｃ ｒｏｐ
望 － ｃｒ ｏｐ Ｉｍａｇ ｅＵｒｉ（ｉｍａｇ ｅＵ ｒ ｉ ，２００ ，１ ００ ，ＣＲＯＰ＿
ｌＡ Ｉ ＜ ？ ＿ＳＭＡＬＬＰ ＩＣＴＵＲＥ ） ：牛 成 ／ 丨 、图
获取病斑』 形麟害 ， 病害特征 Ｊ ＩｍＷ＼￣＾１ 特征 丨￣ 碗匹配ｎ 识别结果 １ｂｒ ｅａｋ ；
图 ３ 病斑图像识别过程 ｄｅｆａｕｌｔ ：＇
Ｆｉｇ． ３Ｔｈｅｒｅｃｏｇｎｉ ｔｉｏｎｐ ｒｏｃｅｓｓｏｆｄ ｉｓｅａｓｅｉｍａｇｅｂｒｅ ａｋ ；
３ 系 统设计 与 实现 ｝病斑图像裁剪及保存关键代码 ：
３． １ 系统设计及开发环境ｐｒｉｖａ ｔ ｅｖｏ ｉｄｃｒｏｐＩｍａｇｅＵ ｒｉ （ Ｕｒｉｕｒｉ ，ｉｎｔｏｕｔ －
在 Ａｎｄｒｏ ｉｄ 客户 端 主要功 能是实 现苹果害 图ｐｕｔＸ ， ｉ ｎｔｏｕｔｐｕ ｔＹ ， ｉｎｔｒ ｅｑ ｕｅｓ ｔＣｏｄｅ ） ｛
像采集和识别 结果 显亦 ， 通过Ｗｅｂｓ ｅ ｒｖ ｉｃ ｅ与 服务 Ｉｎ ｔｅｎ ｔｉｎｔｅｎ ｔ＝ｎ ｅｗＩｎｔ ｅｎ ｔ （＂ ｃｏｍ ．ａｎｄｒｏ ｉ ｄ ．
器通ｆｅ 。 在服务器端创建苹果 叶部病 害 图像库 ， 用ｃａｍｅｒａ ，ａｃｔ ｉｏｎ ．ＣＲＯＰ ＂ ） ；
户上传病斑图像后 ，系统提取病斑图像的特征信息 ， ｉｎｔ ｅｎ ｔ ．ｓｅ ｔＤａｔａＡ ｎｄＴｙｐ ｅ （ ｕｒｉ ， ＂ ｉｍａｇｅ／＊？ ？ ） ；
并与服务器 中 的叶部病害 特征库进行 比对匹 配 ， 将 ｉｎｔ ｅｎ ｔ ．ｐ ｕ ｔＥｘｔ ｒａ （ ＂ ｃｒｏｐ ＂ ， ＂ ｔ ｒｕｅ ＂ ） ；
与病斑图像最相近的结果反馈给用户 ，实现苹果病 ｉｎｔ ｅｎｔ ．ｐ ｕｔＥｘｔ ｒａ （ ” ａｓｐｅ ｃ ｔＸ ” ， ２ ） ；
害图像处理 、识别 、结果保存 ，并将病 害防治技术反 ｉｎｔ ｅｎｔ ．ｐ ｕｔＥｘｔ ｒａ （＂ ａｓ ｐｅ ｃ ｔＹ ” ， １ ） ；
馈到客户端 。 ｉｎｔ ｅｎ ｔ ．ｐ ｕｔＥｘｔ ｒａ （ ＂ ｏｕ ｔ ｐｕ ｔＸ ＂ ， ｏ ｕｔｐ ｕｔＸ） ；
客户端开发环境为 ： Ｅｃｌ ｉｐｓ ｅ３ ．６＋ＧｏｏｇｌｅＡＰＩ＋ ｉｎｔ ｅｎ ｔ ．ｐ ｕｔＥｘｔ ｒａ Ｃ ＂ ｏｕ ｔ ｐｕｔＹ ＂ ，ｏｕｔｐ ｕ ｔＹ ） ；
ＡｎｄｒｏｉｄＳＤＫ （ Ｓｏｆｔｗａｒｅｄｅ ｖｅ ｌｏｐｍｅｎｔｋ ｉｔ）＋ＪＤＫ （Ｊａｖａ ｉｎ ｔ ｅｎ ｔ ．ｐ ｕｔＥｘｔ ｒａ （＂ ｓｃａ ｌｅ ＂ ， ｔｒ ｕｅ ） ；
ｄ ｅｖｅ ｌｏｐｍｅｎｔｋ ｉｔ ） ，客户端数据库为 ＳＱＬｉ ｔｅ 。 服务器端 ｉｎ ｔ ｅｎ ｔ ．ｐｕ ｔＥｘｔ ｒａ （ＭｅｄｉａＳ ｔｏｒ ｅ．ＥＸＴＲＡ—ＯＵＴ －
１ ０ ６
河北 农 业 大 学 学 报
第 ３ ８ 卷
ＰＵＴ ，ｕｒ ｉ ） ；
？， ， ，』 ， ， ， ， 、４结论
ｉｎ ｔ ｅｎ ｔ ．ｐ ｕｔｂｘ ｔｒａ Ｃｒｅ ｔｕ ｒｎ＿ ｄａ ｔ ａ，ｔ ａ ｉ ｓｅ ； ；
ｉｎ ｔ ｅｎ ｔ ．ｐｕ ｔＥｘ ｔ ｒａ（
＂
ｏ ｕ ｔ ｐｕｔ Ｆｏｒｍ ａ ｔ
Ｍ
，Ｂ ｉｔｍａ ｐ ．本研究针对苹果生产 中 叶部病害 自 动诊断识别
Ｃｏｍ ｐｒ ｅ ｓｓＦ ｏ ｒｍａ ｔ ．ＪＰＥＧ ．ｔｏ Ｓｔ ｒ ｉ ｎｇＯ ） ；的难题 ，设计了基于 Ａ ｎｄ ｒｏ ｉ ｄ 的病害识别 系统 ， 系统
ｉｎ ｔ ｅｎｔ ．ｐ ｕｔＥ ｘ ｔｒ ａ Ｃ
＂
ｎｏＦａ ｃｅＤｅ ｔｅ ｃ ｔ ｉ ｏｎ ＂ ，ｔ ｒｕｅ ） ；操作简单 ， 界面友好 ，便于推广 ，果农通过智 能手机 ，
ｓ ｔａｒ ｔＡ ｃ ｔ ｉｖ ｉ ｔｙＦｏ ｒＲｅ ｓ ｕ ｌ ｔ Ｃ ｉ ｎ ｔｅ ｎｔ ，ｒｅｑｕｅ ｓｔＣｏｄ ｅ ） ；实现病害的快速诊断 与识别 ， 方便快捷地查询病害
３ ． ２ ． ２ 病 斑 图 像上 传 至服务 器 端 病斑图像上 传防治方案 。 受病斑图 像质量的 影响 ， 拍摄图像 时需
至服务器端时 ， 需调用 ｈａｎｄ ｌｅ ｒ ． ｓｅｎｄＭｅｓｓａｇ ｅＯ避免要设置 白色背景 ， 系统还需在图像分割算法 、特征提
程序进人假死状态 。 上传关键代码 如下 ：取算法等方面深入研究 ，扩大应用范 围 ，提高 系 统识
Ｕｐ ｌｏａｄＵｔ ｉ ｌ ｕｐ ｌｏａ ｄＵ ｔ ｉ ｌ＝Ｕｐ ｌｏａｄＵ ｔ ｉ ｌ ．ｇｅ ｔ ｌｎ －别效率 ，更好地为果农服务 。
ｓ ｔ ａｎｃ ｅＯ；
ｕｐｌｏａｄＵ ｔ ｉｌ ．ｓｅ ｔＯｎＵｐｌｏ ａｄＰｒｏｃｅｓｓＬｉ ｓｔｅｎｅ ｒ（ ｔｈｉ ｓ ） ；参考文 献 ：
／／设置监听器监听上传状态［ ｉ ］ 李志霞 ， 聂继云 ， 李 静 ， 等 ？ 我 国苹 果产 业发展 分析 与
Ｍａｐ＜ Ｓ ｔｒ ｉｎｇ ，Ｓ ｔｒ ｉ ｎｇ＞ｐ ａｒ ａｍｓ＝ｎ ｅｗＨａ ｓ ｈ－建议 ［ Ｊ ］ ？ 中 国果树 ， ２ ０ １４ （ ５ ） ： ８ １－ ８４ ．
Ｍ ａｐ＜Ｓｔ ｒ ｉｎｇ ，Ｓｔ ｒ ｉｎｇＸ ） ； ［２］ 安 善文 ． ＳＨ象处理技 术在环境 中 的应 用 ［ Ｊ ］ ？ 电气 学
ｕｐｌｏ ａｄＵ ｔ ｉ ｌ ．ｕｐ ｌｏａｄＦ ｉｌ ｅ（ｐ ｉ ｃＰａｔ ｈ ，ｆ ｉ ｌ ｅＫ ｅｙ ， ｒｅ－云木
心特集 ’ １ ９８ ５ ． ４ ５ 。 ４ｊ８ ．
Ｔ Ｔ ＴＤ Ｔ、 ［
３ ］ 田有文 ， 李成华 ． 基于统计 模式识别 的植物病 害彩 色
ｑ ｕｅ ｓｔＵ ＫＬ ， ｐａｒ ａｍｓ ） ；
＾
图像分割方法 ［ Ｊ ］ ． 沈 阳农业大学 学报 ， ２ ００ ３ ，３ ４ （ ４ ） ：
３ ． ３ 苹果病害测Ｍ
３ ０ １－ ３０ ４ ．
测试时 ’需将待测病斑叶 片至于 白 色背景下 ，客 ［ ４ ］ 李宗儒 ， 何东健 基于手机拍摄 图 像 分析 的苹 果 病 害
户 端通过调用 系统 自 带相机程序进行拍照 ， 手机距识别技术研究 ［ Ｊ ］ ． 计算机工程与设计， ２０ １０ ， ３ １（ １ ３ ） ：
离待 测病斑叶片 以 ２０ ￣３ ０ｃｍ 为宜 ， 获取病斑 图像 ３ ０５ １－ ３０ ５ ３ ， ３０ ９５ ．
后 ，将病斑 图像上传至 服务器端进行识别 ，其过程如 ［ ５ ］ 夏 永泉 ， 王会敏 ， 曾莎 ． 基于 Ａｎｄ ｒｏｉ ｄ 的 植物叶 片 图 像
图 ４Ｕ—Ｃ ）所示 。 测试 时 ，在光线好 ， 背景简 单 的情 病 害检 测 ［ Ｊ ］ ． 郑 州 轻 工 业 学 院学 报 ： 自 然 科 学版 ，
况下获取 的病害 图像 的识别 效果 比较理想 ，但在光２ 〇 １ ４ ， ２９ （ ２ ） ： ７ １ － ７４ ＿
线较暗 、抖动 、模糊情况下 的病害 图像识别效果 不理 ［ ６ ］ 赵增锋 ？ 苹果病虫 害 种类 、 地域 分布 及主要病 虫 害 发
想 。 本 系统界面简单 ， 易操作 ，但受光照 、病斑背景生趋势研究 ［Ｄ］ ． 保定 ：河北农业大学 ’ ２〇 １ ２ ．
＇ｎ止 ［７］ 王小俊 ， 刘旭敏 ，关永 ？ 基于改进 Ｃａｎｎｙ 算子的 图 像边等 因 素影 响 ， 系统识别稳定性有 待进一步增强 。 〇＾ｒｎ缘检 测算 法 ［ Ｊ ］ ． 计算 机 工 程 ， ２０ １ ２ ， ３８（ １ ４ ） ： １９ ６＿
＾５、［ ８ ］ 李牧 ， 闫继 红 ， 李戈 ， 等 ． 自 适应 Ｃａｎｎｙ 算 子边 缘 检测
技术 ［Ｊ ］ ． 哈 尔 滨 工 程 大 学 学 报 ， ２０ ０７ ， ２ ８ （ ９ ） ： １ ０ ０２
明＿ＲＰ｜［ ９ ］ 李 宗 儒 ． 基 于 图 像 分析 的 苹 果 病 害 识 别 技 术 研 究
＼
雛曝时［Ｄ］ ？ 杨凌 ：西北农林 科技大学 ， ２０ １ ０ ．
二［ １０ ］丁 世飞 ，齐丙娟 ，谭红艳 ． 支持向 量机理论与算法 研究
综述 ｍ ． 电 子科技 大学学报 ， ２０ １ １ ， ４０ （ １ ） ： ２－１ ０ ．
图 ４ 通 过手 机拍 照 识别病 害
（ 编辑 ： 张 月 清 ）
Ｆ ｉｇ ．４Ｔｈｅｄ ｉｓｅａｓｅ ｒｅｃｏｇｎ ｉｔ ｉｏ ｎｂｙｕ ｓｉ ｎｇｃａｍｅｒ ａ