基于Android的粘虫板害虫计数系统研究与实现

曹旨昊，牟少敏，孙肖肖，苏婷婷

(山东农业大学 信息科学与工程学院，山东 泰安 271018)

虫害是影响农作物产量的一个重要因素，及时发现和控制虫害，对保证农作物的产量和品质具有十分重要的作用。黄色粘虫板利用昆虫的趋黄性诱杀多种害虫，可以减少农药用量和施药次数，节约成本，且使用方便，有利于保护生态环境，目前已在田间大范围使用[1]。对粘虫板上害虫数量进行统计可以估计害虫种群密度以及掌握害虫发生情况，便于根据害虫的危害盛期和发生量及时开展预测预报以及防护工作。

目前统计粘虫板害虫数量的方法主要有2种，一是人工计数法，二是基于机器视觉的计数法。其中最常用的是人工计数法，即植保人员对粘虫板害虫进行人工分检和计数，存在劳动强度大、效率低、实时性差等问题[2]。基于机器视觉的计数方法利用图像处理、模式识别等技术对虫害图像进行自动分析，能够有效地识别出害虫的种类及数量，具有速度快、精度高、客观性强等特点，比人工计数方法效果好[3]。但是传统的基于机器视觉的计数方法需要植保人员进入田间使用相机进行采集拍摄，然后将拍摄好的粘虫板图像传送至计算机终端进行分检和计数，过程繁琐[4-6]。由于计算机终端便携性较差，植保人员无法随时随地进行害虫数量统计，统计结果时效性较差。

相较于传统计算机终端，智能手机具有更好的便携性和性价比，不但具有图像处理的硬软件条件，而且可以随时连接互联网上传数据。将传统的基于机器视觉的害虫计数方法平移至Android平台，可以减轻基层植保人员的劳动强度，提高粘虫板害虫计数的效率，从而提高田间害虫监测和预测预报的准确性和时效性[7-9]。

本研究基于Android手机平台，设计一种粘虫板害虫自动计数系统，利用平台的图像处理能力和运算能力，对在田间拍摄的粘虫板图像进行实时处理，并将统计信息上传到服务器。针对拍摄图像中存在背景复杂的问题，提出了一种基于HSV空间的无关背景去除方法，提高了计数结果的准确率。

1 系统总体设计

1.1 系统环境

Android是Google开发的基于Linux平台的开源手机操作系统，它包括操作系统、用户界面和应用程序三部分[10]。在 Windows 7 操作系统下，搭建了基于Android Studio 2.3.3、Android API 14、OpenCV 2.4图像库、JAVA JDK 7的应用程序开发环境。测试手机为Xiaomi 6，手机系统为Android 6.0，拍摄的图像尺寸为3 120像素×4 160像素。Web应用服务器采用阿里云服务器，服务器数据库为MySQL 5.5。

1.2 系统总体框架

系统分为Android客户端和服务器端2个部分，总体框架如图1所示。

Android手机客户端主要完成对图像的处理功能，包括图像的拍摄、背景去除、害虫计数、信息统计等。服务器端负责接收手机客户端传送的数据然后存储至数据库中，在有移动数据网络的环境下，与Android 手机客户端进行网络通信并接收相关统计信息[11-12]。

图1 系统总体框架

2 Android客户端设计

Android软件的主要功能是获取图像、去除无关背景、处理图像、害虫计数、相关信息统计，并将信息上传至服务器进行分析，为田间害虫监测和预测预报提供数据支持。客户端软件的主界面如图2所示。

图2 客户端软件主界面

2.1 读入图像

读入图像的方法有2种，一是用Android手机的摄像头拍摄田间粘虫板图像，二是选择已经存储在存储卡中的粘虫板图像。为保证系统计数的准确率，读入的图像中粘虫板部分比例不能过小。该系统中阈值设置为90%，在下面的步骤中会进行判断，当选取的图像中粘虫板所占面积比例达不到90%时，需要重新读入图像。

2.2 去除复杂背景

在田间拍摄时不可避免拍摄到粘虫板后面的背景，如图3所示。因此，首先需要对图像进行预处理，去除无关复杂背景，只保留粘虫板部分。

图3 粘虫板原始图像

HSV是一种尺度符合人类对颜色感知程度规律的颜色空间。其中H为色调，表示不同的颜色，即所处的光谱颜色的位置，如红色、绿色，取值范围0°～360°。S为饱和度，取值为0～1，S=1为纯光谱色，加入白色可以减小饱和度。V为亮度，表示色彩的明亮程度，取值为0～1，加入黑色可减小亮度值。HSV颜色空间中色调H和饱和度S包含了颜色信息，并与人眼感知颜色的方式紧密相连，而亮度V则与图像的彩色信息无关[13]。

在室外环境下拍摄时，光照因素对图像影响很大，HSV对颜色敏感而对光照等外部因素不敏感[14]。使用基于HSV颜色空间的机器视觉方法，将图像从RGB空间转换至适合人视觉的HSV空间，然后提取粘虫板图像区域，去除无关背景，可以有效地减少受光照因素的影响[15-16]。RGB到HSV的转换公式为：

V=max{R,G,B}

(1)

(2)

(3)

根据黄色粘虫板的实际情况，确定颜色范围。统计大量实际拍摄的粘虫板图像，确定粘虫板颜色在HSV空间下范围为(52°,0.169,0.180)至(34°,1,1)，提取原图像颜色值在指定范围中的像素点，生成新的图像，如图4所示。其中,白色部分是在指定范围内的点，黑色部分是无关背景。

由于拍摄环境的限制，背景部分会混有许多黄色的像素点，例如叶片缺水缺光照造成的发黄等，在图4中表现为许多细小孤立的白点。使用基于中值滤波的方法对图像进行去噪，消除细小白点的干扰，得到优化后的粘虫板区域，结果如图5所示。然后遍历图像所有像素点，统计白色区域所占比例，小于90%说明读入的图像中粘虫板部分太小，需要重新读入。

图4 提取黄色像素点的图像

图5 中值滤波处理后图像

使用中值滤波后的图像作为掩膜，对原图像进行剪切，去除背景，生成新的粘虫板图像，如图6所示。然后对剪切后的图片进行灰度化和二值化处理，选择合理的阈值可以去除粘虫板上附着的颜色较淡的灰尘。

图6 去背景后的粘虫板图像

2.3 害虫边缘处理

潜蝇、小绿叶蝉等害虫边缘形状不规则，如翅膀部分、足部分，二值化后会在躯干区域周围生成细小孤立的连通区域，对结果统计造成干扰。使用均值滤波圆滑化害虫边缘，使周围细小孤立的连通区域向邻近的躯干部分连通区域连通，消除这些孤立噪声点的干扰，便于统计。对比结果如图7，其中白色部分是害虫阴影，图7A是未经处理的二值化图像，图7B是使用均值滤波处理过的二值化图像。可以看出，经过均值滤波处理后，害虫区域变为边缘规则的连通区域。对图6所示的粘虫板图像进行灰度化与二值化处理，然后使用均值滤波圆滑化害虫边缘部分，最终处理后的图像如图8所示。

图7 处理前后的二值化图像

图8 粘虫板最终图像

2.4 害虫信息统计

统计的害虫信息包括害虫数量、害虫类型、拍摄时间以及粘虫板编号。首先统计粘虫板上的害虫数量。遍历处理后图像所有连通区域，统计每个连通区域的面积。由于粘虫板常年暴露在室外环境下，会附着尘土、沙粒等细小颗粒物，在图像上表现为面积很小的连通区域。这些区域一般只有一两个像素点，如果不进行排除，最终统计结果会偏高，影响计数准确性。因此需要设定一个范围，只有面积在指定范围内连通的区域才被统计。观察与测试大量采集的粘虫板图像以及查阅相关资料，小绿叶蝉、潜叶蝇和黑刺粉虱等粘虫板常见害虫大小不一，黑刺粉虱较小，潜叶蝇较大[17-19]，但所有类型害虫面积保持在10～50像素点，其中小绿叶蝉面积在23～35像素点，潜叶蝇面积在35～50像素点，黑刺粉虱面积在10～23像素点(表1)。统计面积在10～50像素点内的连通区域数量作为害虫的数量，这样计数结果更能准确地反映粘虫板上实际的虫口数量[16]，同时面积在指定范围内的连通区域数量也能反映不同类型害虫的数量。

然后统计粘虫板其他相关信息，包括拍摄时间、粘虫板编号，并在网络畅通的情况下上传至服务器数据库中，方便植保人员根据采集到的信息估计害虫种群密度以及掌握害虫发生情况[17]。系统信息统计界面如图9。其中，害虫数量由系统自动计算得到，粘虫板编号需要手动输入，拍摄时间为Android手机系统时间。

表1 粘虫板3种常见害虫信息

图9 害虫信息统计界面

3 系统测试

在泰安茶溪谷茶园进行系统测试，以茶园中黄色粘虫板作为对象，对茶园中常见的小绿叶蝉、潜叶蝇和黑刺粉虱进行计数测试。从茶园中随机选择10张新放置的黄色粘虫板(图10A)与10张放置时间较长的黄色粘虫板(图10B)，在田间进行拍摄，使用本系统进行计数。然后将粘虫板取下，用人工的方法统计害虫总数，比较2种方法统计的结果。

对比结果如表2所示，编号1—10为新放置的粘虫板，害虫数量较少，编号11—20为放置时间较长的粘虫板，害虫数量比较多。可以看出，当测试的粘虫板上害虫数量较少时，本系统统计的害虫数量与人工观察统计的数量相对误差率在-8.3%～9.6%，当害虫数量充足时，系统误差率逐渐稳定在-6.7%～4.1%。

图10 2类粘虫板

粘虫板编号 人工计数总数/头系统计数总数/头误差率/%粘虫板编号人工计数总数/头系统计数总数/头误差率/%13633-8.31172754.1239415.1127571-5.3322200138482-3.741918-5.2147974-6.354039-2.5159186-5.463231-3.1168983-6.772423-4.1179994-5.081918-5.21810297-4.9931349.61979823.7103332-3.0206766-1.4

由于1—10号粘虫板放置时间短，害虫种类单一，因此对11—20号粘虫板进行3类害虫计数测试，分别统计3类害虫人工计数与系统计数数量，结果如图11所示。从图11可以看出，黑刺粉虱数量最多，总体上系统测试的结果偏高，误差范围为-2.7%～9.0%。研究中发现，黑刺粉虱体积较小，且颜色较深，一些大的沙粒也会被检测为害虫，造成测试数量高于实际数量。小绿叶蝉数量较少，系统测试结果偏低，最大误差4头。研究中发现，小绿叶蝉颜色较淡，翅膀等部分呈透明状，容易被检测为粘虫板背景，造成对应的连通区域面积减少，进而造成测试数量低于实际数量。潜叶蝇数量最少，测试结果准确率最高，因为潜叶蝇体积较大，受到外界干扰因素的影响最小。

图11 3类害虫计数测试结果

4 结论与讨论

关于传统的基于机器视觉的害虫计数方法研究较多，而基于Android平台的研究尚未见报道，本研究开发了一种基于Android的粘虫板害虫计数系统，并对软件客户端进行了设计。传统的害虫计数方法需要将图像在计算机终端进行人工剪裁以去除无关背景，本研究根据在田间实地拍摄的具体情况，提出了一种基于HSV空间的方法自动去除复杂背景，提高了统计的时效性。有学者对多种害虫计数进行了研究，但是一般为螟虫、眼蝶、卷蛾等鳞翅目害虫和粉虱、蚜虫[20]。针对潜叶蝇、小绿叶蝉翅足边缘不规则的情况，本研究使用均值滤波技术处理边缘部分，提高了识别的准确率。系统通过对处理后图像的连通区域面积进行分析与统计，获得粘虫板上害虫数量。同时根据面积大小进行害虫分类，但是当环境更加复杂，害虫种类较多时，准确率会下降，下一步考虑采用基于深度学习的算法，来处理环境更加复杂的情况。

以泰安茶溪谷茶园内黄色粘虫板为对象，对本系统进行测试。测试数据说明，当粘虫板上害虫数量充足时，系统自动统计的数量与人工观察统计的数量相对误差率在-6.7%～4.1%。测试结果表明系统运行效果良好，能够有效地对粘虫板害虫进行计数，提高了田间害虫数量统计的效率，并实现了统计结果实时上传，对于开展害虫预测预报以及防护工作有一定的意义。