分辨率实时可调的无线图像传感器节点设计与试验

殷建军，张铁民，潘春华，叶耀文，肖克辉，肖德琴



分辨率实时可调的无线图像传感器节点设计与试验

殷建军1，张铁民2※，潘春华1，叶耀文1，肖克辉1，肖德琴1

（1. 华南农业大学数学与信息学院，广州 510642；2. 华南农业大学工程学院，广州 510642）

针对目前用于农业图像获取的图像传感器节点分辨率偏低、分辨率固定不可调的现状，设计并实现一种分辨率实时可调的无线图像传感器节点。节点的硬件平台由ARM处理器S3C6410和CMOS图像传感器OV5642组成，并集成了WiFi模块和4 G模块。设计了太阳能供电系统为节点供电。采用嵌入式Linux搭建节点的软件平台，设计了基于驱动层和应用层协作、多线程并发的分辨率实时调整算法，并在应用层实现了分辨率实时调整、图像采集、图像压缩和无线传输等功能。为了验证节点的性能，将节点部署在农田进行了长时间的测试试验。测试结果表明，节点具有7种不同的分辨率，最高可达500万像素，更重要的是它在工作过程中可接收远程用户的指令，实时调整分辨率，进而采集不同精度的农作物图像，并远程传输到服务器端。试验表明所设计的节点可满足用户获取不同精度农业图像的需求。

机器视觉；图像识别；传感器；分辨率可调；图像传感器节点；CMOS图像传感器；无线传输；丢包率

0 引 言

图像信息具有直观、实时、信息量大、无损的优点[1-2]，因而研究人员一般通过采集农作物图像并加以分析来获取农作物的生长状态信息[3-5]。为了满足农业图像信息采集的各种需求，国内外研究人员设计了多种专用的无线图像传感器节点及传输系统。赵春江等设计了一种无线图像传感器节点[6]，用于监测温室环境。刘龙申等设计了一套基于现场可编程门阵列（field programmable gate array，FPGA）和3 G的图像采集传输系统[7]，用于远程获取农田图像。夏小为等基于Hi3512设计了一款无线多媒体传感器节点[8]，用于获取环境的图像和视频信息。张云洲等基于数字信号处理器（digital signal processor，DSP）和双目摄像机设计了一款多媒体传感器网络节点[9]，用于获取现场环境的深度信息。国外研究人员主要设计了Cyclop[10]、Panoptes[11]、MeshEye[12]、CMUcam3[13]、DSPcam[14]、Imote2[15]、Stargate[16]等图像传感器节点，并将其应用于农业图像获取。

目前，用于农业图像获取的无线图像传感器节点存在以下3个方面的不足：1）节点的图像采集模块一般是购买市面上的成品摄像头，价格较高。通常用于嵌入式环境的摄像头模块的单价在300元人民币以上，这样的价格显然会限制节点在农业上大规模应用。2）节点的图像采集模块分辨率较低（一般低于200万像素），从而限制了图像传感器在农业上的应用，特别是那些对图像细节要求较高的场合，例如农作物病虫害的识别[17-19]。市面上有些声称高分辨率的摄像头通常采用图像插值算法来提高图像的分辨率，并非真正具备有效的高分辨率[20]。3）节点的图像分辨率固定不可调，无法满足用户的多样性需求。在实际的应用中，一个无线传感器网络（wireless sensor networks，WSN）可能拥有多个用户，不同用户对图像清晰度需求不同。例如，用户只需要查看农作物的长势，则低分辨率的图像即可满足要求；而用户需要分析农作物的病虫害程度，或对农作物估产，则需要高分辨率的图像。然而，采集图像的分辨率越高，所费的代价越高（节点的能耗、传输的带宽和流量费用等），因此，具有可调分辨率的节点能够以最优的代价满足用户的不同需求。

为此，本文基于CMOS图像传感器芯片，自行研发低成本的图像采集模块，并在此基础上设计分辨率实时可调的无线图像传感器节点，节点具有7种不同的分辨率，从320×240（7.7万像素）到2 592×1 944（500万像素）；更重要的是，节点可根据用户的需求，远程、实时调整分辨率以获取不同分辨率的农业图像，从而满足用户对不同图像精度的需求。另外，节点集成了WiFi模块和4 G模块，既可实现较高的数据传输率及较大范围的监控，又可以通过4 G进行图像信息的远程无线传输。

1 节点硬件设计

1.1 硬件结构

节点由图像采集模块、处理器模块、无线通信模块和电源模块组成。节点的硬件结构和实物分别如图1a和1b所示。

图1 节点硬件结构及实物图

1.2 处理器模块

由于节点需要采集、压缩和传输图像数据，需要执行多任务调度和网络协议，因此要求处理器有较高的处理速度、较大的内存容量和较强的应用能力。为此，选择以S3C6410核心板+外围电路构成处理器模块。S3C6410是SAMSUNG公司基于ARM11内核构建的高性能多媒体处理器，具有低功耗、高性能、高性价比的特点[21-22]。S3C6410的主频最高可达667 MHz，并带有256 MB SDRAM和1 GB NandFlash。

1.3 图像采集模块

CCD和CMOS是目前图像采集系统中使用最多的2种图像传感器[23-25]，基于成本和功耗的考虑，本文选择CMOS类型的图像传感器芯片OV5642来设计图像采集模块。OV5642是美国OmniVision公司2010年推出的新一代CMOS图像传感器[26-27]，支持多种分辨率，最高分辨率可达500万像素，支持多种图像输出格式，具有自动曝光等多种图像控制功能，核心电压1.5 V，模拟电压1.8 V，工作时电流140 mA，待机时电流20A。

一般来说CMOS图像采集模块可通过2种方式得到：1）直接购买市面上的成品摄像头模块；2）基于CMOS图像传感器芯片自制摄像头模块，2种方式优缺点对比如表1所示。

基于成本和功能的考虑，本文选择了第二种方式。自制摄像头模块的开发内容包括：1）为图像传感器设计电路底板；2）设计合适的芯片引脚接口；3）加装合适的镜头；4）开发传感器芯片驱动程序。本文所设计的图像传感器电路底板及选择的镜头如图2所示，所设计的图像采集模块单价在60元左右，远低于市面上成品摄像头的300元。

表1 2种图像采集模块方案比较

图2 基于OV5642的图像采集模块

OV5642传感器芯片引脚被设计成20针的相机接口（camera interface，CIF）接口，并与处理器模块S3C6410连接，如图3所示。OV5642通过XCLK1接收S3C6410提供的时钟信号，当接收到SC6410的RESET信号后开始工作，在HREF，PCLK和VSYNC的同步控制下，将采集的图像数据通过D[9:2]这8根数据线并行传送到S3C6410的CAM_DATA[7:0]。

图3 OV5642与S3C6410的连接

1.4 无线通信模块

无线通信模块由可选的WiFi模块和4 G模块构成。通过WiFi技术可以构建一个WSN采集网络，覆盖较大范围的监测区域；而采用4 G技术可进行远距离无线传输。用户可以根据实际应用需求，选择其中一种或二者组合的无线通信模块。尽管与ZigBee技术相比，WiFi的功耗更大，但它可以提供更高的传输带宽，满足图像的传输需求，再加上WiFi技术成熟，组网方便，使用太阳能可以使节点不断得到能量补充，因此，使用WiFi来组网并传输图像数据是一个更好的选择。

1.5 供电模块

为了使节点能在作物生长周期内保持可用性，本文为节点设计了一个太阳能供电系统，它由太阳能电池板、充放电控制电路和可充电蓄电池组成。基于成本的考虑，选用多晶硅太阳能电池板，最大输出电压为15 V，最大输出电流为1 A，尺寸为300 mm´400 mm´20 mm。选择Singfosolar公司生产的sf-150作为充放电控制器，选择低成本的12 V、20 Ah的阀控式铅酸蓄电池为节点供电。

2 节点软件设计

2.1 软件结构

考虑到设计的节点需要执行多任务调度，执行较为复杂的通信协议、休眠/唤醒策略等，选择嵌入式Linux作为节点的操作系统，并在此基础上开发和移植了相关的驱动、中间件软件。根据节点的功能，应用层软件采用模块化设计，共分为4个模块：系统控制模块、网络通信模块、图像采集与压缩模块、数据存储。节点的软件体系架构如图4所示。

图4 节点软件结构

2.2 分辨率实时调整的算法设计

为了实现节点图像分辨率远程、实时调整，设计了分辨率实时调整算法（resolution real-time adjustment algorithm，RRAA）。分辨率的调整由应用层和驱动层协同完成：应用层接收用户指令，解析指令，并将分辨率参数传递到驱动层，再由驱动层将与参数匹配的寄存器配置表写入相关寄存器，以完成分辨率的调整，然后应用层以新的分辨率采集图像。

2.2.1 驱动层算法

驱动层算法的设计主要包括多分辨率设计、寄存器配置表设计和写寄存器3部分。

1）多分辨率设计

根据OV5642的特点及常用分辨率种类，设计了7种分辨率，如表2所示。

表2 OV5642多级分辨率及对应索引列表

2）寄存器配置表设计

图像传感器的每一种分辨率都需要对相关寄存器进行参数配置。OV5642有大量的寄存器，为了实现对寄存器的快速配置，设计了寄存器配置表（表2所示），它是一个N´3的二维数组，在每一行的3列中，前2列共同构成了寄存器的16位地址，最后1列是待写入的配置数据，数组的行数由需配置的寄存器数目决定。

3）写寄存器

要调整到某种分辨率，需要将其对应的寄存器配置表写入寄存器。写寄存器是CPU通过I2C协议将寄存器配置表中第3列的数值写入到前2列地址所代表的寄存器中。

2.2.2 应用层算法

实现分辨率的实时调整，要满足2个方面的要求：1）用户指令的实时响应，也就是保证节点在工作过程中能够处理用户指令；2）分辨率参数的实时调整，节点收到用户指令后，立即调整分辨率，并以新的分辨率采集下一幅图像，而不需要重启摄像头或应用程序。

在节点工作过程中，由于图像数据量大，采集、压缩和传输图像将占用大量CPU时间，会导致节点无法及时响应用户的指令，甚至导致指令数据丢失。为此，节点应用程序采用多线程并发的设计思想，来保证每个线程都能得到CPU时间，从而保证节点能及时处理用户指令。线程包括主线程、图像采集线程、图像发送线程，主线程优先级高于其他2个线程，从而保证节点响应用户指令的实时性。节点接收用户指令并实时调整分辨率的过程如图5所示。

2.3 图像采集与数据传输

V4L2（video for linux two）是Linux内核中访问音、视频设备的驱动框架[28-29]，为应用层提供了一系列的API接口，通过调用这些接口可实现图像采集。为了便于图像传输，对采集的图像进行压缩。由于软件压缩具有成本低、参数调整方便、算法升级容易等特点，采用JPEG算法对图像进行软件压缩。下载libjpeg源码到嵌入式linux中进行修改、编译、安装，然后调用libjpeg库函数对图像进行编码压缩。

图5 分辨率实时调整过程

采集节点与服务器之间的数据传输主要包括控制命令和图像数据，为了实现数据的可靠传输，并保证图像数据包的有序接收，采用TCP协议传输命令和图像数据，数据传输在应用层通过Socket（套接字）网络编程实 现[30-31]。

3 试验与结果分析

3.1 试验平台搭建及试验方案

为了验证节点的性能，在华南农业大学岑村实验基地和广东东升农场（番禺）进行了测试试验。试验测试的目标主要包括节点多分辨率能力、分辨率实时调整能力、图像采集和传输的性能（传输时间和丢包率）、节点能量的可用性等。为此，在试验中进行WSN组网综合测试，测试中部署了7个传感器节点，其中6个作为采集节点，1个作为网关节点。网关节点与采集节点的结构相似，只是它有2个通信接口：一个是WiFi接口，与采集节点通信；另一个是4 G接口，与服务器端通信。节点部署及组网如图6所示。

图6 节点部署及组网方案

3.2 不同分辨率测试

为了验证节点采集不同分辨率图像的能力及不同分辨率对农作物病虫害识别的差异，从服务器端发送指令，控制节点分别采集7种分辨率的图像。为了便于分析，图7展示了节点所采集的3组640´480和2 592´1 944的2种不同分辨率的图像。从图7a中可以看到，由于分辨率较低，无法清晰地识别害虫；而图7b分辨率较高，能够清晰地看到青菜中的黄曲跳甲。图7c分辨率较低，无法清晰地识别作物的果实；而图7d分辨率较高，能够清晰地看到秋葵的果实。图7e分辨率较低，无法清晰地观测菜苗的长势；而图7f分辨率较高，能够清晰地看到小菜苗的长势。图7说明了高分辨率的图像，其清晰度越好，更有利于农作物的病虫害和果实的识别，以及农作物长势的观测。

a. 分辨率为640×480、含有黄曲跳甲的青菜图像 a. A vegetable image with flea beetle phyllotreta and resolution of 640×480b. 分辨率为2 592×1 944、含有黄曲跳甲的青菜图像b. A vegetable image with flea beetle phyllotreta and resolution of 2 592×1 944 c. 分辨率为640×480的秋葵图像 c. An okra fruit image with resolution of 640×480d. 分辨率为2 592×1 944的秋葵图像 d. An okra fruit image with resolution of 2 592×1 944 f. 分辨率为640×480小菜苗的长势图 f. An image with resolution of 640×480 about growth status of seedlingse. 分辨率为2 592×1 944小菜苗的长势图 e. An image with resolution of 2 592×1 944 about growth status of seedlings

3.3 分辨率实时调整算法性能测试

算法（RRAA）性能的测试主要从成功率和时延2方面进行，为了验证RRAA的有效性，将节点采用RRAA与未采用RRAA进行对比研究。分辨率调整成功率的计算方法是：节点在以分辨率采集图像过程中，服务器发出分辨率调整为的指令，最后在服务器端检测能否收到节点上传的分辨率为的图像，如果能收到，则证明分辨率调整成功，否则认为不成功；服务器每隔10 s发送一次分辨率调整指令，总共发100条指令。图8展示了分辨率调整的成功率情况，从中可以看出采用RRAA算法的节点具有较高的成功率，且随着分辨率的提高，成功率并没有明显地下降，而未采用RRAA算法的节点随着分辨率的提高，成功率急剧下降。

分辨率调整时延的计算方法是：服务器发送指令后，记录发送时间T，节点收到指令后，解析指令并执行分辨率调整，调整完毕后，向服务器发送反馈消息，服务器收到反馈消息后，记录时间T，则分辨率调整的时延TT。服务器总共发出100条指令。分辨率调整的时延跟节点当前正在执行采集任务的进度有很大关系，故测试时选取各个分辨率下时延的最大值进行比较。图8展示了分辨率调整的时延，从中可以看到采用RRAA的时延远小于未采用RRAA的时延，而且随着分辨率的提高，未采用RRAA的时延增加的更快。

图8 分辨率调整的成功率与时延

3.4 传输性能测试

节点的传输性能主要通过2个方面来衡量：采集并传输1幅图像消耗的总时间和图像传输丢包率。表3展示了采集和传输4种不同分辨率图像所耗费的总时间，表3中的数据是100次测试的平均值。时间的计算是从服务器发出采集指令到服务器接收完图像为止，指令的发送时间小于10-2s，故忽略不计。从表3中可看出，随着分辨率的提高，图像数据越来越大，采集和传输耗费的总时间越来越长。

表3 不同分辨率图像采集传输总时间

节点采集并传输1幅图像的过程可分为5个部分：摄像头初始化、图像采集、图像压缩、WiFi传输和4 G传输，每部分耗时在总时间中所占的比例如图9所示，从中可以看出，图像压缩耗时占据了总时间的主要部分，平均约占总时间的58.9%，这是因为图像压缩通过JPEG库进行软件压缩，再加上嵌入式系统本身资源的限制，所以压缩过程比较慢。另外，图像采集也占据了总时间较大的比例，且随着分辨率的提高，占据的比例逐渐增加，从640´480的7.5%增加到2 592´1 944的18%，这是因为采集图像的分辨率越高，产生的原始数据量越大，从摄像头读入到ARM内存所需要的时间越长。同样，图像传输也随着分辨率的增加，耗时比例逐渐增加。而摄像头的初始化所占比例非常小，且与分辨率大小无关。

图9 不同分辨率图像耗时分布

表4给出了6个节点在不同分辨率图像传输时的丢包率测试结果，表4中的数据都是100次测试的平均值。测试时，节点将发送1幅图像产生的数据包个数记录下来，待发送完图像后，将该数据发送到服务器端；服务器端接收图像时，记录接收到的数据包个数，并与节点记录的数据包个数进行对比，即可算出丢包率。从表4中可看出，随着分辨率的提高，图像数据量随之变大，丢包率也随之上升，但平均丢包率小于1%，表明系统能够可靠地传输图像。

表4 不同分辨率图像的传输丢包率

3.5 能量可用性测试

图10显示了节点的3个部件在40 d内的电压测试结果，测量是在每天中午12点进行，采用手持式数字万用表VICTOR VC-890C+测量节点3个部件两端的电压值。太阳能板在光照充足时输出电压值维持在14.2～15.0 V之间，但在11～17 d间由于连续的阴雨天，输出电压值接近于0。蓄电池额定电压为12 V，实际电压为10.8～13.8 V，在充放电智能控制器的作用下，高于13.8 V时停止充电，低于10.8 V时停止放电，从图10中可看出，尽量有近7 d的连续阴雨天，但蓄电池的电能仍然能够为ARM板正常供电，使之处于5 V左右的工作电压，从而保证了节点能量的可用性。

图10 节点电压测试结果

3.6 与当前主流图像传感器节点性能对比

为了进一步体现所设计节点的技术特色，将其与当前主流及最新研究的无线图像传感器节点在关键参数方面进行对比，如表5所示，从中可以看到，在处理器性能方面，本文设计的节点在主频和存储容量都优于其他节点，因而具有很强的数据处理能力，能够直接处理图像信息，而不需要使用额外的硬件；本文设计的节点最高分辨率也高出其他节点很多，并且其他节点都没有分辨率实时调整的能力，本文设计的节点是唯一具有此能力的节点。

表5 图像传感器节点性能对比

4 结 论

1）该文针对当前农业上使用的图像采集模块价格高、功能弱等现状，基于CMOS图像传感器芯片研制了低成本、多分辨率的图像采集模块，使节点具有7种不同的分辨率，最高可达500万像素。

2）针对图像传感器节点分辨率低、分辨率不可调的现状，基于S3C6410和CMOS图像采集模块研发了一种分辨率实时可调的无线图像传感器节点，并设计了基于驱动层和应用层协作、多线程并发的分辨率实时调整算法，使节点能够接收远程用户指令，实时调整图像分辨率，并采集和传输不同分辨率的图像，从而能够以最优的代价满足用户的需求。

3）在农田的实际部署和试验表明，节点能够在远程服务器的控制下，采集、压缩和无线传输不同分辨率的图像。采集、压缩和传输分辨率分别为640×480、1 280×1 024、2 048×1 536、2 592×1 944的4种图像所耗时间分别为4.67、8.77、15.38、22.74 s左右，4种图像的传输丢包率均小于1%。供电系统的测试表明，节点能够较长时间稳定地工作。

[1] 熊迎军，沈明霞，孙玉文，等. 农田图像采集与无线传输系统[J]. 农业机械学报，2011，42(3)：184－187. Xiong Yingjun, Shen Mingxia, Sun Yuwen, et al. Design on system of acquisition and wireless transmission for farmland image[J]. Transactions of the Chinese Society for Agricultural Machinery, 2011, 42(3): 184－187. (in Chinese with English abstract)

[2] Priya C T, Praveen K, Srividya A. Monitoring of pest insect traps using image sensors & dspic[J]. International Journal of Engineering Trends & Technology, 2013, 4(9): 4088－4093.

[3] Sritarapipat T, Rakwatin P, Kasetkasem T. Automatic rice crop height measurement using a field server and digital image processing[J]. Sensors, 2014, 14(1): 900－926.

[4] Mora M, Avila F, Carrasco-Benavides M, et al. Automated computation of leaf area index from fruit trees using improved image processing algorithms applied to canopy cover digital photograpies[J]. Computers & Electronics in Agriculture, 2016, 123: 195－202.

[5] 贾洪雷，王刚，郭明卓，等. 基于机器视觉的玉米植株数量获取方法与试验[J]. 农业工程学报，2015，31(3)： 215－220. Jia Honglei, Wang Gang, Guo Mingzhuo, et al. Methods and experiments of obtaining corn population based on machine vision[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2015, 31(3): 215－220. (in Chinese with English abstract)

[6] 赵春江，屈利华，陈明，等. 基于ZigBee的温室环境监测图像传感器节点设计[J]. 农业机械学报，2012，43(11)：192－196. Zhao Chunjiang, Qu Lihua, Chen Ming, et al. Design of ZigBee-based greenhouse environmental monitoring image sensor node[J]. Transactions of the Chinese Society for Agricultural Machinery, 2012, 43(11): 192－196. (in Chinese with English abstract)

[7] 刘龙申，沈明霞，孙玉文，等. 基于FPGA的农田图像采集与3 G无线传输系统设计[J]. 农业机械学报，2011，42(12)：186－190. Liu Longshen, Shen Mingxia, Sun Yuwen, et al. Acquisition system and wireless transmission by 3 G for farmland image based on FPGA[J]. Transactions of the Chinese Society for Agricultural Machinery, 2011, 42(12): 186－190. (in Chinese with English abstract)

[8] 夏小为. 无线多媒体传感器节点的设计与实现[D]. 南京：南京航空航天大学，2010. Xia Xiaowei. The Design and Implementation of Wireless Multimedia Sensor Nodes[D]. Nanjing: Nanjing University of Aeronautics and Astronautics, 2010. (in Chinese with English abstract)

[9] 张云洲，蒋培，高亮，等. 基于DSP和双目视觉的多媒体传感器网络节点设计与实现[J]. 通信学报，2014，35(12)：210－216. Zhang Yunzhou, Jiang Pei, Gao Liang, et al. Design and implementation of wireless multimedia sensor network node based on DSP and binocular vision[J]. Journal on Communications, 2014, 35(12): 210－216. (in Chinese with English abstract)

[10] Rahimi M, Baer R, Iroezi O I, et al. Cyclops: In situ image sensing and interpretation in wireless sensor networks[C]// Proceedings of the 3rd international conference on Embedded networked sensor systems. ACM, 2005: 192－204.

[11] Feng W, Kaiser E, Feng W C, et al. Panoptes: Scalable low-power video sensor networking technologies[J]. ACM Transactions on Multimedia Computing, Communications, and Applications (TOMM), 2005, 1(2): 151－167.

[12] Kerhet A, Magno M, Leonardi F, et al. A low-power wireless video sensor node for distributed object detection[J]. Journal of Real-time Image Processing, 2007, 2(4): 331－342.

[13] Rowe A G, Goode A, Goel D, et al. CMUcam3: An open programmable embedded vision sensor[Z]. Pittsburgh, Pennsylvania: Robotics Institute, Carnegie Mellon University, 2007.

[14] Kandhalu A, Rowe A, Rajkumar R. DSPcam: A camera sensor system for surveillance networks[C]//Distributed Smart Cameras, 2009. ICDSC 2009. Third ACM/IEEE International Conference on. IEEE, 2009: 1－7.

[15] Garcia-Sanchez A J, Garcia-Sanchez F, Garcia-Haro J. Wireless sensor network deployment for integrating video-surveillance and data-monitoring in precision agriculture over distributed crops[J]. Computers and Electronics in Agriculture, 2011, 75(2): 288－303.

[16] Paek J, Hicks J, Coe S, et al. Image-based environmental monitoring sensor application using an embedded wireless sensor network[J]. Sensors, 2014, 14(9): 15981－16002.

[17] Espinoza K, Valera D L, Torres J A, et al. Combination of image processing and artificial neural networks as a novel approach for the identification of Bemisia tabaci and Frankliniella occidentalis on sticky traps in greenhouse agriculture[J]. Computers and Electronics in Agriculture, 2016, 127: 495－505.

[18] Solis‐Sánchez L O, García‐Escalante J J, Castañeda‐ Miranda R, et al. Machine vision algorithm for whiteflies (Bemisia tabaci Genn.) scouting under greenhouse environment[J]. Journal of Applied Entomology, 2009, 133(7): 546－552.

[19] Kumar R, Martin V, Moisan S. Robust insect classification applied to real time greenhouse infestation monitoring[C]// Proceedings of the 20th International Conference on Pattern Recognition on Visual Observation and Analysis of Animal and Insect Behavior Workshop. 2010: 1－4.

[20] 宋丽华，王晶晶，李也白. 嵌入式系统下高像素摄像头驱动程序设计与实现[J]. 小型微型计算机系统，2011，32(4)：787－792. Song Lihua, Wang Jingjing, Li Yebai. Design and implemation of high resolution camera driver based on Embedded system[J]. Journal of Chinese Computer Systems, 2011, 32 (4): 787－792. (in Chinese with English abstract)

[21] 杨阔，何东健. 基于S3C6410的田间视频监控系统的实现[J]. 计算机工程与设计，2013，34(6)：1978－1982. Yang Kuo, He Dongjian. Implementation of field video monitoring system based on S3C6410[J]. Computer Engineering and Design. 2013, 34(6): 1978－1982. (in Chinese with English abstract)

[22] 郭巧云，许雪梅，李岸，等. 基于ARM11的无线视频监控系统的设计[J]. 计算机测量与控制，2010，18(8)： 1786－1791. Guo Qiaoyun, Xu Xuemei, Li An, et al. Design of a wireless video monitoring system based on ARM11[J]. Computer Measurement & Control, 2010, 18(8): 1786－1791. (in Chinese with English abstract)

[23] Bigas M, Cabruja E, Forest J, et al. Review of CMOS image sensors[J]. Microelectronics Journal, 2006 , 37(5): 433－451.

[24] Lim S, Lee J, Kim D, et al. A high-speed CMOS image sensor with column parallel two-step single-slope ADCs[J]. IEEE Transactions on Electron Device, 2009, 56(3): 393－398.

[25] 晋孝峰，岳素格，刘丽艳，等. CMOS图像传感器的硬复位电路研究. 电子学报，2014，(42)1：182－186. Jin Xiaofeng, Yue Suge, Liu Yanli, et al. Research on CMOS image sensor hard reset circuit[J]. Acta Electronica Sinica, 2014, (42)1: 182－186. (in Chinese with English abstract)

[26] 李宇成，黄堂猛. 基于S5PV210的1080P网络摄像头设计[J]. 计算机工程与设计，2014，35(11)：3813－3819. Li Yucheng, Huang Tangmeng. Design and implementation of 1080P IP camera based on S5PV210[J]. Computer Engineering and Design, 2014, 35(11): 3813－3819. (in Chinese with English abstract)

[27] Winkler T, Rinner B. Demo: TrustEYE. M4--A novel platform for secure visual sensor network applications[C]// Proceedings of the International Conference on Distributed Smart Cameras. ACM, 2014: 45.

[28] 徐家，陈奇. 基于V4L2的视频设备驱动开发[J]. 计算机工程与设计，2010，31(16)：3596－3599. Xu Jia, Chen Qi. Video driver development based on V4L2[J]. Computer Engineering and Design, 2010, 31(16): 3596－3599. (in Chinese with English abstract).

[29] 毛业进，孙文华. 基于V4L2的视频采集系统的设计与实现[J]. 数字技术与应用，2014，32(11)：153－155. (in Chinese with English abstract).

[30] 王建玲，王亚慧，田乐. 基于无线传感器网络的Socket通信研究[J]. 传感器与微系统，2014，33(2)：39－42. Wang Jianling, Wang Yahui, Tian Le. Study on socket communication based on WSNs[J]. Transducer and Microsystem Technologies, 2014, 33(2): 39－42. (in Chinese with English abstract).

[31] 马辉，黄秋波，苏厚勤. TCP Socket通信与Web服务结合实现高效可靠的数据分发[J]. 计算机应用与软件，2011，28(9)：144－147. Mahui, Huang Qiubo, Su Houqin. Efficient and reliable data distribution realized by incorporating TCP Socket with web services[J]. Computer Application and Software, 2011, 28(9): 144－147. (in Chinese with English abstract).

Design and experiment of wireless image sensor node with real-time adjustable resolution

Yin Jianjun1, Zhang Tiemin2※, Pan Chunhua1, Ye Yaowen1, Xiao Kehui1, Xiao Deqin1

(1.510642,; 2.510642,)

In order to overcome the problems of low and non-adjustable resolution existing in wireless images sensor nodes applied in agricultural images acquisition at present, a wireless image sensor node with real-time adjustable resolution was designed and realized in this paper. The node was composed of an image acquisition module, a processor module, a wireless communication module and a power module. The node needed to not only capture, compress, and transmit image data, but also perform multiple task schedules and network protocols, so a powerful ARM (advanced RISC machines) processor S3C6410 was chosen as the processor module of the node. Considering the cost and power consumption, a CMOS (complementary metal oxide semiconductor) type image sensor chip was chosen to design the image acquisition module of the node. The design of image acquisition module included image sensor PCB (printed circuit board) design, chip pin interface design, appropriate lens selection, and development of the sensor chip driver. In order to monitor a larger area of the crop and remotely transmit crop images, the node integrated a WiFi (wireless fidelity) or 4G (the 4th generation) module. A solar power supply system was designed to make the node work stably in the field for a long time. To ensure the stability and reliability of the node, the powerful embedded Linux operating system was employed as the software development platform, and a modular designing method was adopted to program the software system of the node in C/C++ language based on this platform. In order to realize real-time adjustment of the resolution, an algorithm of resolution real-time adjustment based on driver layer and application layer collaboration and multi-thread concurrence was proposed, and all the functions of resolution real-time adjustment of image acquisition, image compression and image transmission were realized in the application layer of software system. In order to verify the performance of the node designed, a series of tests were conducted in Cencun experimental base of South China Agricultural University and Guangdong Dongsheng Farm (Panyu) from April to September in 2016. In the tests, 7 nodes were deployed in the farmland to form an acquisition and transmission network based on WiFi and 4G technologies. To ensure the nodes work stably in the field, where the climate was changeable and the infrastructure was absent, the nodes were encapsulated in a waterproof spherical shield, and a solar panel plus rechargeable batteries was used to supply power for them. The nodes were tested from the aspects of multi-resolution capability, real-time adjustment capability, image acquisition and transmission performance (transmission time and packet loss rate), and the availability of node energy. The test results indicated that the node had 7 different resolutions and its highest resolution was up to a pixel of 5 M, and more importantly, it could adjust its resolution in real time under the control of a remote user, then capture images with different resolution, and finally transmit them to the remote server. The time consumed to capture, compress and transmit 4 images with different resolution of 640×480, 1280×1024, 2048×1536, and 2592×1944 was 4.67, 8.77, 15.38 and 22.74 s respectively, and the average transmission packet loss ratio of 4 images was less than 1%. The tests validate the node designed in this work can capture crop images with different resolution in real time and transmit them remotely, and satisfy the requirement of different users for different crop image precision.

machine vision; image recognition; sensors; adjustable resolution; image sensor node; CMOS image sensor; wireless transmission; packet loss ratio

10.11975/j.issn.1002-6819.2017.03.025

S126

A

1002-6819(2017)-03-0182-08

2016-09-05

2016-12-27

广东省科技计划项目资助（2014A050503061；2015A020224033；2015A020209129）；国家星火计划项目资助（2014GA780064）

殷建军，男，湖北广水人，讲师，博士生，研究方向为无线传感器网络技术、农情自动获取技术、农业物联网技术应用等。广州，华南农业大学数学与信息学院，510642。Email：jianjunyin@scau.edu.cn

张铁民，男，黑龙江安达人，教授，博士生导师，研究方向为机电一体化，智能检测与控制，机器人技术等。广州，华南农业大学工程学院，510642。Email：tm-zhang@163.com

殷建军，张铁民，潘春华，叶耀文，肖克辉，肖德琴.分辨率实时可调的无线图像传感器节点设计与试验[J]. 农业工程学报，2017，33(3)：182－189. doi：10.11975/j.issn.1002-6819.2017.03.025 http://www.tcsae.org

Yin Jianjun, Zhang Tiemin, Pan Chunhua, Ye Yaowen, Xiao Kehui, Xiao Deqin.Design and experiment of wireless image sensor node with real-time adjustable resolution[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2017, 33(3): 182－189. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2017.03.025 http://www.tcsae.org