基于视频监测和可视化模拟的大麦生产管理专家系统设计与开发

侯宝华，高晓阳,2，李红岭，杨 梅，王关平，赵子祎，刘 佳，刘盈盈，贺大伟

(1.甘肃农业大学工学院,甘肃兰州 730070； 2.甘肃省干旱生境作物学重点实验室,甘肃兰州 730070)



基于视频监测和可视化模拟的大麦生产管理专家系统设计与开发

侯宝华1，高晓阳1,2，李红岭1，杨 梅1，王关平1，赵子祎1，刘 佳1，刘盈盈1，贺大伟1

(1.甘肃农业大学工学院,甘肃兰州 730070； 2.甘肃省干旱生境作物学重点实验室,甘肃兰州 730070)

为给大麦生产提供栽培咨询、农情监测、生长状况比对、田间管理决策等技术服务，设计开发了一套大麦专家系统。本系统结合甘肃大麦生产实际和专家种植栽培技术及经验，采用Visual Basic研发了主界面，由VC++调用OpenGL图像库开发的大麦生长模型的模拟结果，嵌入了LabVIEW设计的大麦田间监视窗口界面，并利用Access软件开发了其数据库。试验结果表明，该系统界面友好，生产咨询栏目浏览便利，远程视频监控大麦田间状况失帧率范围为1.02%～1.11%，可实时模拟大麦可视化生长，并能与田间实际比较分析，误差值为0.15～0.25，能实现大麦田间管理和病虫害防治等推理决策，可信度高，可为抢抓农时的生产管理提供一种农业信息化技术新途径。

大麦专家系统；可视化；推理决策；农情监测

近年来随着现代生物技术和计算机技术的快速发展，农业生产已逐步走向信息化、自动化与智能化融合的数字农业道路。我国于20世纪70年代末就开始研究将专家系统技术应用于农业生产领域，目前农业专家系统已被应用到大田作物上，如小麦和水稻的栽培管理、病虫害控制、灌溉、施肥、品种选择及技术经济决策等领域[1-2]，智能专家系统也应用在蔬菜温室大棚种植中[3]，从而加快了信息技术在农业生产中的推广应用。

大麦是我国重要的粮食作物之一,可饲用、食用和药用，并可为啤酒生产提供原料[4]，但目前有关大麦专家系统鲜见报道。为提高大麦栽培的信息化技术水平，本研究选取甘肃啤酒大麦系列品种为样本，以甘肃农业大学多轮大麦试验数据为基础，并结合甘肃省武威市黄羊镇大麦试验资料研发了大麦专家系统。本系统除提供大麦品种和种植技术咨询、病虫害防治技术、国内外市场信息等专家系统的基本功能外，还增加了大麦田间远程监视、生长可视化、多媒体互动咨询等功能。

1　大麦专家系统结构设计

1.1系统开发工具

本系统选用VB、VC++、LabVIEW等软件作为查询、监视、可视化和推理界面开发工具，以Access 2003软件作为数据库开发工具，并利用VB打包功能实现工程移植。系统硬件包括CPU主频2.6GHz微机、1 200万像素SONY相机、s5pv210型评估板、300万像素的C270罗技摄像头等。

1.2系统基本结构设计

本系统是一个综合型专家系统，提供大麦种植、施肥管理、品种选育、病虫草害防治等技术支持，以文字、图片、视频等方式为用户提供一个实用便捷的操作界面。系统基本结构如图1所示。

图1　大麦专家系统基本结构框图

大麦专家系统知识库主要包括与大麦生产有关的文献、期刊、书籍、专家学术报告、经验资料以及不同地域大麦田间生长视频监控图像，例如甘肃六大大麦种植生态区(河西走廊生态区、中部沿黄灌区、洮岷高寒阴湿裸大麦区、岭南湿润冬大麦区、陇南渭河上游冬大麦区、陇东泾河上游冬大麦区)资料[5]。系统根据不同种植区域优选出适合的种植品种及常见病虫草(白粉病、云纹病、黄矮病、麦蚜、灰藜等)的防治方法[6]，供查询和推理模块调用；给出大麦种植最佳施肥方式和比例[7]；并根据大麦生长时期和品种特性作出合理的施肥决策。其数据库主要记录用户输入的原始数据。

本系统采用正向推理机制进行推理。当使用者首先通过人机界面输入信息后，系统相应生成推理规则，并反复执行形成的规则，直到搜索到目标；其次，计算机将在规则库中搜索规则，最终达到规则与目标完全匹配；最后将搜索到的目标推理结论输出，以便用户参考。

2　大麦专家系统的功能模块设计

本系统包括登录模块、查询模块、可视化模块、监视模块和推理模块。系统功能框图见图2。查询模块包括四个子界面。用户进入查询模块，点击施肥及品种界面按钮，系统将自动弹出操作界面。施肥及品种选择界面的运行实例见图3。用户在查询界面可选择信息查询和利用查询按钮进行操作。由于篇幅所限，本文主要介绍大麦生长监控模块和可视化模块的设计与实现。

2.1监视功能模块的设计和实现

本系统的特点之一是嵌入了麦田监视模块。监控系统流程如图4所示。在试验田分区设置 16个摄像头，每个摄像头的监测范围为8 m2，在一天内分多个时段依序监视大麦生长状况及田间环境状况，然后通过四个AP(Access point)建立无线网络，利用TCP/IP协议实现了快速视频传输。大麦专家系统视频监视界面如图5所示。

图2　大麦专家系统的功能模块框图

图3　施肥及品种选择查询界面

2.2可视化模拟模块的设计和实现

目前，有关嵌入生长模型和可视化模块的专家系统文献报道甚少。为方便比对理论生长与田间实际情况，使专家系统功能更加完善，本系统特别融入了虚拟生长可视化模块，使用者可通过该模块观测大麦各器官的几何模型以及在不同时期的大麦可视化虚拟生长状况。

2.2.1大麦几何建模

根据本项目前期相关研究和试验数据，甘啤大麦叶片与茎秆符合“S”型生长曲线，本系统选择Logistic方程建立大麦叶片、茎秆和籽粒的几何模型。

(1)叶片生长模型

通过试验数据分析得知，大麦主茎顶4叶受肥水因子影响不明显，主要与大麦品种遗传特性有关。因此叶片模型公式采用分段式函数表示，其表达式：

(1)

图4　监控系统流程图

图5　大麦专家系统视频监视界面

式中，T为生理发育时间；t为生长天数；Lny(t)为第n片叶子在t时刻的长度；Lnymax为第n片叶子的最终长度；IniLnt为第n片叶子长出的时间；实测数据拟合得到A=5，B=0.03。

(2)节间生长模型

当大麦处于拔节期，分生组织促使大麦节间长度和粗度都不断的增加，不同节间位置的形态参数各不相同，所以节间长度建模采用公式2表示，节粗公式采用式3表示：

(2)

式中，Ln(d)为节间n在生长天数d时的长度(cm)；lmaxn为节间n的最终长度(cm)；a1、a2为拟合参数，它们随节间序号的不同而不同。

(3)

式中，rmaxn为节间的最终直径；Rn(d)为节间n在生长天数d时的节间直径；b1、b2为拟合参数，它们也随节间序号的变化而变化。

2.2.2构建大麦器官形态结构模型和实现可视化

本模块以VC++为开发平台，采用OpenGL图像库构建大麦器官的几何模型。主要模拟大麦叶片、茎秆、籽粒和芒[8]。

(1)叶片建模

将叶片看成一个曲面，对比Bezier、B样条或者NURBS曲面建模方法后，本文采用NURBS曲面实现对大麦叶片的几何模拟，其绘制图形函数如下：

gluNurbsSurface(GLUnurbsObj*nobj, GLint sknot_count, GLfloat*sknot,

GLint tknot_count, GLfloat*tknot, GLint s_stride, GLint t_stride,

GLfloat*ctlarray, GLint sorder, GLint torder, GLenum type)

(2)芒和茎秆建模

通过对实验田中不同大麦品种的观察和测量，茎秆和叶鞘近似为圆柱体，利用OpenGL图像库中gluCylinder()函数实现；麦芒也近似为圆锥体，用gluCylinder()函数绘制，但要将GLdouble topRadius参数设置为0。绘制图形函数如下：

gluCylinder(GLUquadricObj*qobj, GLdouble baseRadius, GLdouble topRadius,

GLdouble height, GLint slices, GLint stacks);

(3)籽粒建模

籽粒近似为椭球体，首先用gluSphere()函数绘制出圆体，然后用glScalef ()和glRotatef()变换为理想籽粒形状。绘制函数如下：

gluSphere(GLUquadricObj*qobj, GLdouble radius, Glint slices, GLint stacks)；

glScalef(GLfloat x, GLfloat y, GLfloat z);

glRotated(GLdouble angle, GLdouble x, GLdouble y, GLdouble z);

图6、图7、图8、图9分别为大麦茎秆、籽粒、叶片和整株的模型。

图6　大麦茎秆模型

图7　大麦籽粒模型

图8　大麦叶片模型

图9　整株大麦模型

2.3大麦专家系统推理模块设计和实现

2.3.1大麦专家系统的事实推理界面设计

本系统可根据推理条件如生长区域、生长天数和病症部位及颜色特征进行实际病虫草害推理判断。本系统采用正向推理机制，经过四层推理后，得到大麦在不同时期病虫害、施肥技术等决策方案，条件推理操作面如图10所示。推理的可信度DCF越大，推理决策可靠性越高。

(4)

式中DCF为多层推理可信度之和，DCFi为单层推理可信度值，n为变量。

图10　条件推理界面

2.3.2大麦专家系统的图像对比推理窗口设计

以可视化模型和麦地监视图像为基础，系统首先对原始图像进行灰度处理，然后利用阈值分割法提取出病虫害和草害形态特征，并提取叶片的纹理和颜色特征，最后将几何模型和实际大麦器官进行比较(病斑大小、颜色差值等)，参考杨 倩等[12]的研究结果得出推理决策方案。具体操作流程如图11所示。

图11　对比推理模块流程图

此外，大麦专家系统在查询和推理模块上嵌入了网络聊天功能，遵循TCP/IP协议，采用单服务器多客户端形式，使得用户不仅能够进行技术咨询，还可以与其他用户共同探讨大麦种植问题。

3　系统软件调试与试验

本系统在甘肃农业大学试验田和甘肃省武威市黄羊镇农科院试验站调试运行。由于系统采用的是模块化程序设计，因此以分块方式进行校验和程序调试。

3.1可视化模块校验

试验以甘啤4、甘啤5、甘啤6品种作为样品分3 d进行，通过实测值与拟合值的误差分析，利用误差值(E)校验可视化模块的准确程度，其中ODm为实测值，SDm为拟合值，n为样本数量。E值越小，模型描述越精确。结果表明，该模块的叶长和茎秆长的误差为0.136～0.267(表1)。

(5)

3.2监视模块校验

试验田中部署4个AP，1个AP上联网4个摄像头，全天监控。选取其中3个摄像头作为检测对象，以每秒传输15帧为基准，通过监测传输速率、接受和损失帧数及失帧率来校验模块性能。2015年6月5日、8日和10日的试验结果表明，模块传输速率很高，失帧率仅为1.02%～1.11%(表2)。

(6)

式中,Pt为数据包发送成功率；Ftot为某段时间内的失帧数；Frec为某段时间内接受帧数。

3.3查询推理模块校验

选取病害(白粉病、云纹病、条锈病)、虫害(麦蚜)、草害(灰藜)作为检验样本，通过校验和调试其推理可信度，分析出推理模块的性能。结果(表3)表明，模块对三种病害的推理可信度在0.86以上，但对虫、草害的可信度只有0.50左右。

表2　大麦专家系统视频监视模块检验结果

表3　大麦专家系统推理模块检验结果

4　讨 论

在大麦生长模型研究中，不同学者采用不同的建模方法，如李红玲等[9]采用Richards方程描述大麦茎秆节间伸长和增粗的动态过程；杨占峰等[10]采用 Logistic方程模拟大麦茎秆生长发育。本系统为描述不同时期大麦几何器官和植株动态生长过程，也采用Logistic方程，而且模型拟合效果好，对甘肃啤酒大麦植株和叶片生长动态具有较准确的描述性，并且大麦虚拟生长模拟也较好地反映了实际生长状况，对比性较强。对于系统采用哪一种建模方法效果更好，未来还需要进一步检验。

在监视模块设计中，本系统基于LabVIEW平台开发无线监控模块，以一对一、一对多的远程通信方式，实现田间生产的实时监控和远程传输，传输速率在4 Mb·s-1，失帧率为1.02%～1.11%，传输速度和成功率高。与王明磊等[11]开发的田间视频图像采集与无线传输系统相比，本系统速度快，失帧率低。

在推理模块设计中，杨 倩等[12]提取大麦图像颜色、纹理参数输入分类器，并实现了大麦病害图像识别正确率达到75%～84%。本系统在此基础上，采用茎、叶、穗等多层推理，并结合病斑颜色和纹理特征进行病害分类，实现大麦病虫草害的识别，病害推理可信度达到0.86以上；用其指导大麦喷药作业和田间管理，使甘啤4号、甘啤5号和甘啤6号年均产量分别达到8 079.75、8 353.05和9 024.00 kg·hm-2，并改善了大麦品质。但由于知识库中的虫草害对比模型还较少，虫害和草害的识别推理可信度相对较低，本系统仍需要在今后应用过程中继续改进与完善。

[1]夏 于,孙忠富,杜克明,等.基于物联网的小麦苗情诊断管理系统设计与实现[J].农业工程学报,2013,29(5):117-124.

XIA Y,SUN Z F,DU K M,etal.Design and realization of IOT-based diagnosis and management system for wheat production [J].TransactionsoftheChineseSocietyofAgriculturalEngineering,2013,29(5):117-124.

[2]孙传恒,唐启义,唐 洁,等.基于权重自动调整神经网络的水稻病虫害诊断专家系统[J].农业工程学报,2007,23(6):159-164.

SUN C H,TANG Q Y,TANG J,etal.Rice pest insects and diseases diagnosis expert system based on weight self-adjustment artificial neural networks [J].TransactionsoftheChineseSocietyofAgriculturalEngineering,2007,23(6):159-164.

[3]付焕森,李元贵,张雪莲,等.智能专家系统在蔬菜温室大棚种植中的应用[J].中国农机化学报,2014,35(1):240-244.

FU H S,LI Y G,ZHANG X L,etal.Application of intelligent expert system in greenhouse vegetable planting [J].JournalofChineseAgriculturalMechanization,2014,35(1):240-244.

[4]杨 涛,曾亚文,萧凤回,等.药用大麦及其活性物质研究进展[J].麦类作物学报,2007,27(6):1154-1158.

YANG T,ZENG Y W,XIAO F H,etal.Research progress on medicinal barley and its active substance [J].JournalofTriticeaeCrops,2007,27(6):1154-1158.

[5]杨东群,李先德.中国大麦生产格局变化及其决定因素[J].中国农学通报,2013,29(32):105-111.

YANG D Q,LI X D.Analysis on the spatial changes of barley production of China and their determinants [J].ChineseAgriculturalScienceBulletin,2013,29(32):105-111.

[6]陈志国.河西走廊地区啤酒大麦主要病虫害发生及防治[J].大麦与谷类科学,2009(4):45-46.

CHEN Z G.Occurrence and control of major pests and diseases on malting barley in hexi corridor [J].BarleyandCerealSciences,2009(4):45-46.

[7]张如标,王蓓蓓,丁焕新,等.氮肥对耐盐啤酒大麦产量、品质及光合功能的影响[J].麦类作物学报,2013,33(1):162-168.

ZHANG R B,WANG B B,DING H X,etal.Effects of nitrogen application amount and ratio on yield,quality and photosynthetic function of malting barley [J].JournalofTriticeaeCrops,2013,33(1):162-168.

[8]王碧波,毋国庆.基于OpenGL的三维仿真系统研究与应用[J].计算机工程与科学,2005,27(12):65-67.

WANG B B,WU G Q.Research of 3D simulation systems based on OpenGL [J].ComputerEngineering&Science,2005,27(12):65-67.

[9]李红岭,高晓阳,张明艳,等.大麦茎秆生长动态模拟模型[J].干旱地区农业研究,2012,30(4):129-132.

LI H L,GAO X Y,ZHANG M Y,etal.Simulation models of internode dynamic growth in barley [J].AgriculturalResearchintheAridAreas,2012,30(4):129-132.

[10]杨占峰,高晓阳,武季玲,等.甘肃几个大麦品种茎秆形态生长模型试验研究[J].干旱地区农业研究,2013,31(6):44-49.

YANG Z F,GAO X Y,WU J L,etal.Experimental research on morphologic growing model of stalk for several barley varieties in Gansu [J].AgriculturalResearchintheAridAreas,2013,31(6):44-49.

[11]王明磊,杨建青,李红岭,等.大麦田间视频采集与无线传输系统设计[J].中国农业大学学报,2015,20(5):256-261.

WANG M L,YANG J Q,LI H L,etal.Design of image acquisition and wireless transmission system in barley field [J].JournalofChinaAgriculturalUniversity,2015,20(5):256-261.

[12]杨 倩,高晓阳,武季玲,等.基于颜色和纹理特征的大麦主要病害识别研究[J].中国农业大学学报,2013,18(5):129-135.

YANG Q,GAO X Y,WU J L,etal. Identification of barley diseases based on texture color feature [J].JournalofChinaAgriculturalUniversity,2013,18(5):129-135.

Designing and Development of Barley Production Management Expert System Based on Monitoring and Visualization Simulation

HOU Baohua1, GAO Xiaoyang1,2, LI Hongling1, YANG Mei1,WANG Guanping1,ZHAO Ziyi1, LIU Jia1, LIU Yingying1, HE Dawei1

(1.College of Engineering, Gansu Agricultural University,Lanzhou,Gansu 730070,China; 2.Gansu Provincial Key Laboratory of Aridland Crop Science, Gansu Agricultural University,Lanzhou,Gansu 730070,China)

The barley expert system was developed based on the expertise of experienced professionals and the data of barley collected from six ecological zones in Gansu province of China. It mainly provided query, monitoring, simulating visualization, reasoning and decision-making services about barley cultivation. In this system, Visual Basic software was taken as a developmental tool, and OpenGL graphics library in the VC++ and LabVIEW software were used to complete the simulation of growth process and monitoring, and Access software was used to develop database. The experimental debugging results showed that the system was easy to use.For example,it could provide a reasonable decision alternative,and meet the surveillance requirements for a broader area,and compare the actual with simulated growth process of actual with simulated, which provides a new way for users to manage farming field.

Barley expert system;Visualization; Inferential design; Monitoring

2016-01-24

2016-03-18

国家自然科学基金项目(61164001)；干旱生境作物学重点实验室开放基金课题(1102-11)

E-mail：879352882@qq.com

高晓阳(E-mail:gaoxiao1081@sina.com)

S512.3；TP31

A

1009-1041(2016)08-1113-08

网络出版时间：2016-08-01

网络出版地址：http://www.cnki.net/kcms/detail/61.1359.S.20160801.1123.030.html