胡逸超 蘇贊 陳義昌 張龑 蘇晨陽(yáng) 劉勇

摘要：根據(jù)煙草倉(cāng)儲(chǔ)及卷煙生產(chǎn)車間的煙草甲自動(dòng)監(jiān)測(cè)需求，結(jié)合煙草甲［Lasioderma serricorne （Fabricius）］實(shí)際圖像特征，在基于標(biāo)記分水嶺算法的基礎(chǔ)上疊加分割圖像算法，設(shè)計(jì)了基于圖像處理的煙草甲自動(dòng)監(jiān)測(cè)系統(tǒng)，通過(guò)全自動(dòng)拍照設(shè)備定時(shí)采集相應(yīng)誘捕器圖像，利用有線網(wǎng)絡(luò)將圖像傳輸至服務(wù)器，在服務(wù)器端完成圖像識(shí)別與計(jì)數(shù)、實(shí)時(shí)展示、超標(biāo)報(bào)警、歷史曲線查看等功能，解決了煙草甲實(shí)際監(jiān)測(cè)過(guò)程中蟲板煙塵、蟲體重合、光線等諸多干擾因素，實(shí)現(xiàn)了煙草甲精準(zhǔn)的自動(dòng)圖像識(shí)別及計(jì)數(shù)功能。實(shí)際應(yīng)用表明，該系統(tǒng)工作穩(wěn)定，計(jì)數(shù)平均準(zhǔn)確率大于94.00%，在卷煙生產(chǎn)車間煙蟲監(jiān)測(cè)上具有較好的應(yīng)用前景。

關(guān)鍵詞：圖像處理；煙草甲［Lasioderma serricorne （Fabricius）］；自動(dòng)監(jiān)測(cè)系統(tǒng)；卷煙；煙草；設(shè)計(jì)與應(yīng)用

中圖分類號(hào)：TP274? ? ? ? ?文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：0439-8114（2024）04-0163-05

Design and application of an automatic monitoring system for Lasioderma serricorne （Fabricius） based on image processing

Abstract： Based on the demand for automatic monitoring of Lasioderma serricorne （Fabricius） in tobacco storage and cigarette production workshops， combined with the actual image characteristics of Lasioderma serricorne （Fabricius）， a Lasioderma serricorne （Fabricius） automatic monitoring system based on image processing was designed by overlaying segmentation image algorithms on the basis of labeled watershed algorithms. Fully automatic photography equipment was used to collect images of the corresponding traps at regular intervals， the images were transmitted to the server via wired network， and functions such as image recognition and counting， real-time display， over limit alarm， and historical curve viewing were completed on the server end. Many interference factors such as insect board smoke， insect body overlap， and light during the actual monitoring process of Lasioderma serricorne （Fabricius） were solved， and precise automatic image recognition and counting functions for Lasioderma serricorne （Fabricius） were implemented. Practical applications had shown that the system worked stably， with an average counting accuracy greater than 94.00%， and had good application prospects in tobacco pest monitoring in cigarette production workshops.

Key words： image processing； Lasioderma serricorne （Fabricius）； automatic monitoring system； cigarette； tobacco； design and application

煙草甲［Lasioderma serricorne （Fabricius）］屬鞘翅目竊蠢科，是煙草倉(cāng)儲(chǔ)、生產(chǎn)加工過(guò)程中的主要害蟲；煙草甲蟲情監(jiān)測(cè)主要依靠人工檢查，同時(shí)借助燈光誘捕器和性信息素誘捕器進(jìn)行監(jiān)測(cè)［1］。由于在煙草原料倉(cāng)庫(kù)及卷煙生產(chǎn)加工車間存在煙蟲監(jiān)測(cè)面積大、范圍廣、點(diǎn)位多的特點(diǎn)，因此蟲情檢查記錄人員工作量大，檢查記錄過(guò)程中可能出現(xiàn)數(shù)據(jù)不準(zhǔn)確、信息分析及傳遞不及時(shí)等問(wèn)題［2］。目前害蟲自動(dòng)監(jiān)測(cè)技術(shù)主要有電容法［3］、聲音信號(hào)識(shí)別技術(shù)［4］、圖像識(shí)別技術(shù)［5-8］、軟X射線檢測(cè)法、近紅外光譜法［9］等。

圖像識(shí)別技術(shù)是指對(duì)觀測(cè)的圖像進(jìn)行分割和特征提取，并根據(jù)分類器進(jìn)行相應(yīng)分類［10］。目前糧食害蟲圖像識(shí)別技術(shù)主要采用圖像RGB檢測(cè)技術(shù)，以圖像灰度進(jìn)行分割處理，以達(dá)到蟲情自動(dòng)計(jì)數(shù)的目的［11-13］。

在實(shí)際煙草貯存及生產(chǎn)加工過(guò)程中，煙草甲誘捕板捕獲到害蟲后，蟲板可能會(huì)粘有煙草碎屑、煙絲、煙梗、粉塵等雜物，對(duì)煙草甲圖像識(shí)別有一定干擾。同時(shí)，白色的蟲板及粘蟲膠在圖像提取過(guò)程中產(chǎn)生的反光及外界不同環(huán)境光源等，均會(huì)對(duì)煙草甲圖像識(shí)別產(chǎn)生干擾。在復(fù)雜背景下害蟲圖像交互式分割算法主要有GrabCut圖像分割算法、MSRM圖像分割算法、基于顏色紋理直方圖的最大相似度區(qū)域合并算法、分水嶺圖像分割算法等，通過(guò)這些算法減少環(huán)境背景對(duì)圖像分析處理的干擾［14，15］。

本研究結(jié)合煙草甲的蟲情自動(dòng)監(jiān)測(cè)需求，完成配套識(shí)別算法的設(shè)計(jì)、智能煙草甲監(jiān)測(cè)系統(tǒng)的設(shè)計(jì)以及實(shí)際應(yīng)用驗(yàn)證工作。

1 煙草甲圖像識(shí)別算法設(shè)計(jì)

1.1 應(yīng)用膨脹運(yùn)算消除灰塵的影響

常規(guī)圖像算法可以較好處理單個(gè)煙草甲的識(shí)別問(wèn)題，但是對(duì)于實(shí)際蟲板上煙草甲的識(shí)別存在較大問(wèn)題。主要問(wèn)題在于蟲板上容易粘附灰塵顆粒，常規(guī)圖像識(shí)別算法很容易將這些灰塵顆粒識(shí)別為煙蟲，如圖1所示。

通過(guò)形態(tài)學(xué)腐蝕運(yùn)算預(yù)分離粘附灰塵和消除小噪聲，形態(tài)學(xué)膨脹運(yùn)算填充灰塵目標(biāo)內(nèi)出現(xiàn)的孔洞，消除灰塵圖像后更有利于圖像識(shí)別，如圖2所示。

1.2 基于標(biāo)記的分水嶺算法分割圖像

分水嶺算法是一種基于拓?fù)淅碚摰臄?shù)學(xué)形態(tài)學(xué)分割方法，其基本思路是把圖像看作是測(cè)地學(xué)上的拓?fù)涞孛玻瑘D像中每個(gè)點(diǎn)像素的灰度值表示該點(diǎn)的海拔，每個(gè)局部極小值及其影響區(qū)域稱為吸水盆地，而吸水盆地間的山脊被稱為分水嶺。

基于標(biāo)記的分水嶺算法是通過(guò)自行標(biāo)記種子點(diǎn)實(shí)現(xiàn)的，可以忽略噪聲極小值對(duì)種子點(diǎn)選取的干擾，從而改善分水嶺算法過(guò)分割現(xiàn)象。其中，種子點(diǎn)的標(biāo)記較關(guān)鍵，采用像素點(diǎn)距離變換來(lái)獲取種子點(diǎn)，具體的分水嶺算法處理流程如圖3所示。

圖4是在基于標(biāo)記分水嶺算法的基礎(chǔ)上疊加分割圖像算法，大部分煙蟲分割準(zhǔn)確，但在圖像中藍(lán)色框中存在2處未分割的煙蟲（2頭識(shí)別為1頭），在紅色框中出現(xiàn)1處未識(shí)別的煙蟲。

對(duì)未分割區(qū)域采用面積法判斷局部煙蟲數(shù)量，最終處理結(jié)果如圖5所示，計(jì)數(shù)準(zhǔn)確率達(dá)98.7%，完全符合煙蟲識(shí)別的要求。

1.3 光斑部位煙蟲漏計(jì)問(wèn)題

由于拍攝白色粘蟲板、透明粘蟲膠的圖片時(shí)有明顯的光斑，測(cè)試中發(fā)現(xiàn)，原有算法會(huì)導(dǎo)致光斑部位煙蟲的遺漏（圖6）。經(jīng)過(guò)改進(jìn)和測(cè)試，最終采用自適應(yīng)閾值的二值化算法解決了該問(wèn)題（圖7）。

2 煙草甲自動(dòng)監(jiān)測(cè)系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)

2.1 煙草甲自動(dòng)監(jiān)測(cè)系統(tǒng)總體設(shè)計(jì)

煙草甲自動(dòng)監(jiān)測(cè)系統(tǒng)通過(guò)在各蟲情監(jiān)測(cè)點(diǎn)配置全自動(dòng)拍照設(shè)備，定時(shí)采集誘捕器的蟲害圖像；圖像通過(guò)路由器組網(wǎng)后實(shí)時(shí)傳輸至蟲情監(jiān)測(cè)中心（服務(wù)器）；蟲情監(jiān)測(cè)中心完成圖像識(shí)別與計(jì)數(shù)，將相應(yīng)結(jié)果儲(chǔ)存至對(duì)應(yīng)數(shù)據(jù)庫(kù)，并實(shí)現(xiàn)蟲情異常點(diǎn)位報(bào)警；用戶通過(guò)WEB瀏覽器進(jìn)行系統(tǒng)的相關(guān)配置與數(shù)據(jù)查看，如圖8所示。

2.2 煙草甲自動(dòng)監(jiān)測(cè)硬件系統(tǒng)設(shè)計(jì)

煙草甲自動(dòng)監(jiān)測(cè)硬件系統(tǒng)主要采用STM32F407作為主控芯片，通過(guò)OV5640模塊實(shí)現(xiàn)圖像采集；供電方式選擇S13400供電模塊進(jìn)行POE供電，能夠極大程度減少設(shè)備對(duì)電源的要求；通過(guò)W5200以太網(wǎng)通信模塊進(jìn)行TCP通信，將圖片傳送至服務(wù)器進(jìn)行處理，如圖9所示。

2.3 煙草甲自動(dòng)監(jiān)測(cè)系統(tǒng)功能設(shè)計(jì)

煙草甲自動(dòng)監(jiān)測(cè)系統(tǒng)基于k8s分布式服務(wù)架構(gòu)，主要包括項(xiàng)目配置、系統(tǒng)管理、報(bào)警管理、系統(tǒng)展示功能。項(xiàng)目配置實(shí)現(xiàn)項(xiàng)目的相應(yīng)車間、區(qū)域、監(jiān)測(cè)設(shè)備、展示畫面等配置管理；系統(tǒng)管理實(shí)現(xiàn)項(xiàng)目角色及成員的權(quán)限、用戶管理的配置管理；報(bào)警管理實(shí)現(xiàn)項(xiàng)目報(bào)警規(guī)則、定時(shí)任務(wù)、報(bào)警處理的配置管理；系統(tǒng)展示實(shí)現(xiàn)相關(guān)項(xiàng)目圖形界面、誘捕器圖像、列表數(shù)據(jù)、曲線的展示，如圖10所示。

2.4 煙草甲自動(dòng)監(jiān)測(cè)系統(tǒng)檢測(cè)結(jié)果及優(yōu)化

由于蟲情識(shí)別尚無(wú)法達(dá)100%的識(shí)別精度，但在軟件上顯示歷史數(shù)據(jù)時(shí)，如果煙蟲數(shù)出現(xiàn)波動(dòng)（圖11）又不符合用戶的認(rèn)知習(xí)慣?？梢栽谟?jì)數(shù)時(shí)基于前期歷史數(shù)據(jù)，將計(jì)數(shù)值約定為只增不降，保證用戶的體驗(yàn)感。經(jīng)過(guò)調(diào)試和修改，基本滿足要求，蟲情檢測(cè)波動(dòng)較少（圖12）。

3 車間現(xiàn)場(chǎng)應(yīng)用驗(yàn)證

3.1 數(shù)據(jù)準(zhǔn)確性驗(yàn)證

3.1.1 試驗(yàn)設(shè)置 2021年10月在廣西中煙工業(yè)有限責(zé)任公司南寧卷煙廠制絲車間共7個(gè)監(jiān)測(cè)點(diǎn)位部署相應(yīng)蟲情全自動(dòng)拍照設(shè)備，人工每周統(tǒng)計(jì)1次，并與煙草甲自動(dòng)監(jiān)測(cè)系統(tǒng)數(shù)據(jù)進(jìn)行對(duì)比，統(tǒng)計(jì)1個(gè)月的數(shù)據(jù)，計(jì)算系統(tǒng)計(jì)數(shù)的準(zhǔn)確率，計(jì)算公式如下。

式中，y表示煙草甲自動(dòng)監(jiān)測(cè)系統(tǒng)計(jì)數(shù)的準(zhǔn)確率；a為煙草甲自動(dòng)監(jiān)測(cè)系統(tǒng)自動(dòng)計(jì)數(shù)得到的煙蟲數(shù)；b為人工計(jì)數(shù)得到的煙蟲數(shù)。

3.1.2 數(shù)據(jù)統(tǒng)計(jì) 監(jiān)測(cè)點(diǎn)系統(tǒng)自動(dòng)計(jì)數(shù)、人工計(jì)數(shù)煙蟲情況如表1所示，對(duì)人工計(jì)數(shù)與自動(dòng)計(jì)數(shù)數(shù)據(jù)進(jìn)行方差分析（表2、表3），2組蟲情數(shù)據(jù)無(wú)顯著差異（P>0.05）。煙草甲自動(dòng)監(jiān)測(cè)系統(tǒng)自動(dòng)計(jì)數(shù)準(zhǔn)確率最高為100.00%，最低為85.71%，平均準(zhǔn)確率大于94.00%，可以滿足卷煙生產(chǎn)車間現(xiàn)場(chǎng)蟲害監(jiān)測(cè)的實(shí)際需求。

3.2 系統(tǒng)運(yùn)行穩(wěn)定性驗(yàn)證

通過(guò)6個(gè)月的應(yīng)用驗(yàn)證，煙草甲自動(dòng)監(jiān)測(cè)系統(tǒng)相應(yīng)軟硬件均沒(méi)有出現(xiàn)明顯的問(wèn)題與故障，蟲情全自動(dòng)拍照設(shè)備工作穩(wěn)定，定時(shí)拍照、傳輸功能正常；系統(tǒng)相關(guān)數(shù)據(jù)展示、數(shù)據(jù)報(bào)警、歷史曲線查看等功能也保持正常。

4 小結(jié)與討論

本研究根據(jù)煙草倉(cāng)儲(chǔ)及卷煙生產(chǎn)車間的煙草甲自動(dòng)監(jiān)測(cè)需求，結(jié)合煙草甲實(shí)際圖像特征，在基于標(biāo)記分水嶺算法的基礎(chǔ)上疊加分割圖像算法，解決了煙草甲實(shí)際監(jiān)測(cè)過(guò)程中蟲板煙塵、蟲體重合、光線等諸多干擾因素，實(shí)現(xiàn)了煙草甲精準(zhǔn)的自動(dòng)圖像識(shí)別及計(jì)數(shù)功能。

本研究通過(guò)配套硬件系統(tǒng)及軟件系統(tǒng)完成煙草甲自動(dòng)監(jiān)測(cè)系統(tǒng)的設(shè)計(jì)與實(shí)際應(yīng)用。系統(tǒng)平均準(zhǔn)確率大于94.00%，實(shí)現(xiàn)了煙草甲實(shí)時(shí)自動(dòng)監(jiān)測(cè)、預(yù)警功能，解決了當(dāng)前人工監(jiān)測(cè)效率低下、準(zhǔn)確性受主觀影響大、滯后等問(wèn)題，具有較好的應(yīng)用前景。煙草甲自動(dòng)監(jiān)測(cè)系統(tǒng)還有進(jìn)一步優(yōu)化空間，具體如下。①無(wú)線傳輸。卷煙生產(chǎn)車間中大量蟲情監(jiān)測(cè)點(diǎn)位難以部署成有線環(huán)境，可能需要采用無(wú)線傳輸?shù)姆绞綄?shí)現(xiàn)。②電池供電?；跓o(wú)線傳輸，可考慮采用電池供電方案，在設(shè)備續(xù)航設(shè)計(jì)上需要重點(diǎn)考慮定時(shí)喚醒與休眠機(jī)制的應(yīng)用，從而減少運(yùn)維工作人員的工作量。③識(shí)別計(jì)數(shù)算法優(yōu)化。蟲情數(shù)量較多時(shí)容易出現(xiàn)誤差，后續(xù)還需要根據(jù)實(shí)際情況調(diào)整、優(yōu)化算法，從而提高識(shí)別計(jì)數(shù)的準(zhǔn)確性。

參考文獻(xiàn)：

［1］ 薛寶燕，程新勝，魏重生，等.煙草甲研究進(jìn)展［J］.煙草科技，2005（2）：44-48.

［2］ 周繼來(lái).基于AI圖像識(shí)別的煙草制品蟲情監(jiān)測(cè)系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)［J］.電子技術(shù)與軟件工程，2020（17）：154-155.

［3］ 謝 剛，岐世峰，李欣悅，等.基于NB-IOT的糧倉(cāng)蟲害監(jiān)測(cè)系統(tǒng)設(shè)計(jì)［J］.現(xiàn)代信息科技，2021，5（9）：27-29，34.

［4］ 韓 萍，李齊超，楊紅衛(wèi).基于人工神經(jīng)網(wǎng)絡(luò)的糧食害蟲分類 ［J］.河南工業(yè)大學(xué)學(xué)報(bào)（自然科學(xué)版），2010，31（3）：72-75.

［5］ 汪京京，張 武，劉連忠，等.農(nóng)作物病蟲害圖像識(shí)別技術(shù)的研究綜述［J］.計(jì)算機(jī)工程與科學(xué)，2014，36（7）：1363-1370.

［6］ 張新良，夏亞飛，夏 楠，等.基于嵌入式圖像終端的農(nóng)作物蟲害監(jiān)測(cè)系統(tǒng)設(shè)計(jì)［J］.軟件導(dǎo)刊，2018，17（7）：124-127.

［7］ 姚 青，呂 軍，楊保軍，等.基于圖像的昆蟲自動(dòng)識(shí)別與計(jì)數(shù)研究進(jìn)展［J］.中國(guó)農(nóng)業(yè)科學(xué)，2011，44（14）：2886-2899.

［8］ 劉 瀏.基于深度學(xué)習(xí)的農(nóng)作物害蟲檢測(cè)方法研究與應(yīng)用［D］.合肥：中國(guó)科學(xué)技術(shù)大學(xué)，2020.

［9］ 馬 彬，金志明，蔣旭初，等.儲(chǔ)糧害蟲在線監(jiān)測(cè)技術(shù)的研究進(jìn)展［J］.糧食儲(chǔ)藏，2018，47（2）：27-31.

［10］ 張家怡.圖像識(shí)別的技術(shù)現(xiàn)狀和發(fā)展趨勢(shì)［J］.電腦知識(shí)與技術(shù)，2010，6（21）：6045-6046.

［11］ 盧亞玲.基于圖像處理的糧蟲自動(dòng)計(jì)數(shù)系統(tǒng)的研究［J］.科技與創(chuàng)新，2007，23（8）：311-312.

［12］ 范艷峰，甄 彤.谷物害蟲檢測(cè)與分類識(shí)別技術(shù)的研究及應(yīng)用［J］.計(jì)算機(jī)工程，2005（12）：187-189.

［13］ 劉國(guó)成.基于移動(dòng)互聯(lián)網(wǎng)的蟲害圖像分析系統(tǒng)設(shè)計(jì)［J］.通訊世界，2015（24）：286-287.

［14］ 張 潔. 基于圖像識(shí)別的農(nóng)作物害蟲診斷技術(shù)研究與應(yīng)用［D］.合肥：中國(guó)科學(xué)技術(shù)大學(xué)，2014.

［15］ 高 麗，楊樹(shù)元，李海強(qiáng).一種基于標(biāo)記的分水嶺圖像分割新算法［J］.中國(guó)圖象圖形學(xué)報(bào)，2007（6）：1025-1032.