百度AI環(huán)境下的植物生長階段識別研究_陳文印.pdf

第 39 卷 第 8 期 福 建 電 腦 Vol 39 No 8 2023 年 8 月 Journal of Fujian Computer Aug 2023 nullnullnullnullnullnullnullnull 本文 得到福建信息職業(yè)技術學院院級科研項目 No Y21107 資助 陳文印 通信作者 男 1989年生 主要研究領域為物聯(lián)網(wǎng)技術 圖像處理 E mail 1092947606 吳科甲 男 1991 年生 主要研究方向嵌入式應用 E mail 2702876243 吳婧 女 1993年生 主要研究領 域為物聯(lián)網(wǎng)應用技術 E mail dtywj1109 百度AI環(huán)境下的植物生長階段識別研究 陳文印 吳科甲 吳婧 林陳隆 林宏河 福建信息職業(yè)技術學院物聯(lián)網(wǎng)與人工智能學院 福州 350000 摘 要 植物在不同的生長階段所需的 溫光水氣肥 等因素參數(shù)各不相同 為了精準地控制植物工廠中各種環(huán)境 需要對 植物生長階段進行識別 本文研究將百度 AI 智能云平臺訓練識別模型結(jié)合樹莓派實現(xiàn)圖像采集 識別以及環(huán)境控制輸出 來實現(xiàn)生長環(huán)境精準調(diào)控 通過測試表明 該方案簡單快速 實用性強 可以有效識別出所識別植物的生長階段 關鍵詞 百度智能云 物聯(lián)網(wǎng)設備 樹莓派 植物識別 中圖法分類號 TP3 0 DOI 10 16707 ki fjpc 2023 08 006 Research on Identification of Plant Growth Stage based on Baidu AI CHEN Wenyin WU Kejia WU Jing LIN Chenlong LIN Honghe School of Internet of Things and Artificial Intelligence Fujian Polytechnic of Information Technology Fuzhou China 350000 Abstract The factors and parameters required for plants in different growth stages such as temperature light water air and fertilizer vary In order to accurately control various environments in Plant factory it is necessary to identify plant growth stages This article studies the integration of Baidu AI intelligent cloud platform training recognition model with Raspberry Pi to achieve image acquisition recognition and environmental control output in order to achieve precise regulation of the growth environment Tests have shown that this scheme is simple fast and highly practical and can effectively identify the growth stage of the identified plants Keywords Baidu Intelligent Cloud Internet of Things Devices Raspberry PI Plant Recognition 1 引言 隨著人工智能的快速發(fā)展 圖像識別技術在智 慧農(nóng)業(yè)中應用也越來越廣泛 促進了植物工廠等現(xiàn) 代農(nóng)業(yè)的發(fā)展 1 在植物工廠中 能夠?qū)囟?光 照 水分 二氧化碳 肥料等植物所需的生長因素 進行精準控制 使作物始終處于最佳的生長環(huán)境 2 然后同一種作物 在不同的生長階段 對這些環(huán)境 因素的需求也各不相同 例如水稻在撥節(jié)孕穂期的 時候需要更高的溫度 否則容易出現(xiàn)嚴重的空秕 癟粒的情況 目前 研究人員對圖像識別在植物種類識別 病蟲害識別 產(chǎn)量評估等方面研究較多 例如 西 北農(nóng)林科技大學的羅娟和蔡騁研究了基于 GoogleNet 網(wǎng)絡結(jié)構(gòu)在植物識別中的應用 提出了 基于該網(wǎng)絡的多線索植物識別方法 3 中國科學技 術大學的王芳元提出了基于級聯(lián)卷積神經(jīng)網(wǎng)絡的 植物病害識別方法 融合了農(nóng)田多源環(huán)境信息 為 蟲害目標檢測模型提供了語義知識背景的指導 4 中 北大學的吳尚蓉通過灰度共生矩陣提取紋理特 征 建立基于徑向基 Radial Basis Function RBF 神經(jīng)網(wǎng)絡的估產(chǎn)模型作為倒伏冬小麥產(chǎn)量評論的 最優(yōu)模型 5 百度 AI 智能云平臺提供了 EasyDL 開發(fā)平臺 本文利用該平臺進行訓練植物生長階段識別的模 型 收集了同一種類作物不同階段的生長圖片 將 這些圖片上傳至平臺 然后人工進行標注 云平臺 2023 年 福 建 電 腦 27 利用這些圖片訓練出所需的模型 并對訓練后的模 型進行二次校驗 以提高模型泛化效果 模型訓練 結(jié)束后 通過 API Application Programming Interface 接口發(fā)布給客戶端使用 攝像頭接入樹 莓派中 樹莓派通過 OpenCV 模塊調(diào)用攝像頭進行 采集圖像 采集后調(diào)用 API 接口進行階段識別 根 據(jù)識別結(jié)果通過后臺得到最佳的生長環(huán)境參數(shù) 最 后結(jié)合物聯(lián)網(wǎng)控制系統(tǒng)實現(xiàn)環(huán)境調(diào)控 使作物處于 最佳的生長環(huán)境 6 7 2 系統(tǒng)架構(gòu) 系統(tǒng)可以分為百度 AI 樹莓派圖像采集系統(tǒng)組 成的圖像識別系統(tǒng) 以及植物生長環(huán)境數(shù)據(jù)庫 物 聯(lián)網(wǎng)控制系統(tǒng)組成的環(huán)境控制系統(tǒng) 首先樹莓派通 過攝像頭對植物進行圖像采集 然后運用百度 AI 對植物圖像進行識別 隨后將識別到的結(jié)果發(fā)給環(huán) 境控制系統(tǒng) 最后物聯(lián)網(wǎng)控制系統(tǒng)會將識別到的植 物階段結(jié)合植物生長環(huán)境數(shù)據(jù)庫輸出植物最佳的 生長環(huán)境 系統(tǒng)架構(gòu)圖如圖 1 所示 圖 1 系統(tǒng)架構(gòu)圖 百度 AI 是植物階段識別的核心 建立模型后 利用上傳的訓練集圖像 人工標注各個階段的圖 片 就可以讓平臺進行模型訓練 云平臺不僅可以 根據(jù)上傳的圖像建立識別模型 還能利用百度提供 的校驗工具對模型進行二次校驗 用于判斷模型的 效果是否符合預期的目標 樹莓派是一款低成本的微型計算機 可以利用 Python 語言快速開發(fā)圖像采集程序 樹莓派將采集 到的圖像通過百度提供的 API接口識別出植物所處 的生長階段 識別后 將識別到的數(shù)據(jù)上報給物聯(lián) 網(wǎng)控制系統(tǒng) 給控制系統(tǒng)的控制提供依據(jù) 植物生長環(huán)境數(shù)據(jù)庫中的數(shù)據(jù)是由實驗獲得 利用實驗室得到植物在各個階段生長所需最佳環(huán) 境數(shù)據(jù) 植物生長環(huán)境參數(shù)一般是一個范圍值 控 制系統(tǒng)在滿足植物最低生長需求的情況下 應根據(jù) 種植需求動態(tài)調(diào)整控制策略 物聯(lián)網(wǎng)控制系統(tǒng)每個環(huán)境因素的控制應包括 傳感器和執(zhí)行器 形成一個閉環(huán)系統(tǒng) 這樣才能保 證環(huán)境控制達到預期目標 控制系統(tǒng)應根據(jù)實際項 目需求進行調(diào)整 不同的植物控制的參數(shù)應有不同 的側(cè)重 例如水培環(huán)境下無需對水分進行調(diào)控 3 建立AI模型 3 1 EasyDL簡介 EasyDL 圖像是百度云平臺提供的一種可以進 行多樣化分析的人工智能模型 使用時只需提供訓 練集圖像 可以實現(xiàn)對圖像的內(nèi)容進行分類 也可 以實現(xiàn)對目標檢測和定位 因此 EasyDL 圖像適合 的場景多 目前多用于安防監(jiān)控和工業(yè)場景 8 9 目前 EasyDL 能夠支持訓練圖像分析 圖像分 類和物體檢測三種不同場景下的模型 EasyDL 基 本使用流程如圖 2 所示 28 陳文印等 百度 AI 環(huán)境下的植物生長階段識別研究 第 8 期 建立模型 創(chuàng)建數(shù)據(jù)集 訓練模型 發(fā)布模型 上傳訓練圖片 標注訓練圖片多人標注 在線標注 智能標注 校驗模型 圖 2 EasyDL 基本使用流程 首先 需要選擇模型類型中的物體檢測并建立 模型 然后 創(chuàng)建數(shù)據(jù)集將訓練圖片上傳 同時需 要對其進行標注 訓練 訓練后可以對其進行二次 校驗 校驗結(jié)果不理想可以重新訓練模型 直到模 型符合預期 最后發(fā)布所需的模型進行應用 3 2 生長階段模型訓練 1 建立模型 建立模型時 需要選擇模型類型 該項目選擇 物體檢測模型 創(chuàng)建模型后需要選擇標注模板 并 填寫模板名稱 業(yè)務介紹 個人信息等內(nèi)容 以便 管理模型 建立模型操作如圖 3 所示 圖 3 建立模型 2 上傳訓練圖片 建立模型后 要把所需訓練的圖片上傳至模型 中 為訓練模型做準備 打開模型管理界面 選擇 數(shù)據(jù)總覽功能然后創(chuàng)建數(shù)據(jù)集 在創(chuàng)建數(shù)據(jù)集時標 注模板要注意 如果選矩形標注框在標注時也要選 擇矩形標準框 為了使模型能夠更加準確 導入的 圖片不能太少 上傳圖片操作如圖 4 所示 2023 年 福 建 電 腦 29 圖 4 創(chuàng)建數(shù)據(jù)集并上傳圖片 3 標注圖片 開始訓練模型前 還需要對圖片進行標注 EasyDL 提供了三種標注方式 在線標注 多人標 注和智能標注 在線標注和多人標注都是人工標注 準確率較 高 在線標注依靠個人對進行標注 若上傳的圖片 數(shù)量較大 則存在標注時間長 標注疲勞等問題 多人標注功能可通過添加團隊成員郵箱的方式來 組建標注團隊 這樣多人同時標注可以縮短總的標 注時間 但標注標準有差異可能導致準確度較低 圖片較多時 也可以選擇智能標注功能以減少 數(shù)據(jù)標注的人力投入 數(shù)據(jù)集中的難例圖片能夠被 智能標注自動篩選出來 使用時 用戶只要對其中 30 左右難例數(shù)據(jù)進行標注即可 經(jīng)過測試 智能 標注相對于前面兩種標注方式 準確率最低 標注圖片操作如圖 5 所示 圖 5 標注圖片 4 訓練及校驗模型 訓練模型時 還需要選擇參數(shù) 包括數(shù)據(jù)集 部署方式和訓練方式 還有選擇算法 接下來就可 以開始訓練 每次訓練結(jié)束后 需對模型進行校驗 查看模型的模型 mAP mean Average Precision 精確度和召回率 若訓練后測試參數(shù)不理想 應選 擇繼續(xù)優(yōu)化模型效果直到滿足應用 校驗模型操作如圖 6 所示 5 模型發(fā)布 模型訓練結(jié)束后 需要將模型發(fā)布提供應用接 30 陳文印等 百度 AI 環(huán)境下的植物生長階段識別研究 第 8 期 口調(diào)用 選好部署方式和版本型號后輸入接口地址 和服務名稱 隨后提交申請發(fā)布 后臺會有審核人 員審核該模型 通常情況下申請發(fā)布的第二天就可 以審核完成 圖 6 校驗模型 4 圖片采集 4 1 OpenCV OpenCV 是一個開源的機器學習和計算機視覺 處理的軟件庫 能夠運行在多種操作系統(tǒng)上 并支 持多種編程語言 在 Pycharm 的終端中輸入 pip install opencv p ython 進行運行 若出現(xiàn)安裝失敗的情況 屬于正 常事件 可能是因為 pip 使用的是國外的服務器 下載速度較慢 只需重新運行直到 OpenCV 下載成 功即可 打開 Python 的命令提示窗口 輸入 import cv2 命令 回車后如果未報錯并且出現(xiàn)了新的提 示符 則表示 OpenCV 庫安裝成功 若出現(xiàn)報錯 則安裝失敗 OpenCV 安裝成功如圖 7 所示 圖 7 驗證 OpenCV 4 2 OpenCV圖像采集 調(diào)用攝像頭打開 判斷是否讀取到圖片 將讀 取到的圖片左右調(diào)換正常顯示 否則左右顛倒 生 成一個攝像頭窗口 如果輸入 s 則截圖 將所截 取的圖片保存在 存儲圖片的路徑 并 設置圖片 格式為 png 繼續(xù)循環(huán) 當輸入為 q 時退出 循環(huán)停止捕獲并關閉攝像頭窗口 參考代碼如下 import cv2 cap cv2 VideoCapture 0 打開攝像頭 while True ret frame cap read 判斷是否讀 取到圖片 frame cv2 flip frame 1 將圖像左 右調(diào)換回來正常顯示 cv2 imshow capture frame 生成攝 像頭窗口 if cv2 waitKey 1 0 xFF ord s 截圖 cv2 imwrite 圖片名字 png frame 保存路徑及圖片格式 if cv2 waitKey 1 0 xFF ord q 退出 break cap release 停止捕獲 cv2 destroyAllWindows 關閉攝像頭窗口 代碼運行結(jié)果如圖 8 所示 圖 8 拍攝圖片 5 階段識別 5 1 百度身份認證 想要使用 Python 調(diào)用百度 AI 需獲 取到百度 AI 中的 App Key Secret Key 和 Model API URL 才能運行成功 各個字段定義如表 1 所示 參考官方文檔獲取通信令牌 獲取令牌時數(shù)據(jù) 以 json 形式響應 參考代碼如下 def getToken 獲取 Token response requests get tockenHost 2023 年 福 建 電 腦 31 if response return response json access token return 表1 各個字段定義 字段 值 API KEY API 接口驗證序號 SECRET KEY 密鑰 MODEL API URL 接口地址 5 2 生長階段識別 獲取到相應數(shù)據(jù)即可判斷植物處于哪個時期 參考代碼如下 def getResult img 獲取圖像處理結(jié)果 with open img rb as f imgBase64 base64 b64encode f rea d 二進制方式打開圖片文件 response requests post data animal Host data image imgBase64 if response return response json 存入 字典中 return 數(shù)據(jù)保存后 會將數(shù)據(jù)通過樹莓派上傳至物聯(lián) 網(wǎng)控制系統(tǒng) 物聯(lián)網(wǎng)控制系統(tǒng)會根據(jù)植物生長環(huán)境 數(shù)據(jù)庫所反饋結(jié)果進行調(diào)控環(huán)境 若返回數(shù)據(jù)與種植結(jié)果有誤差時 例如根據(jù)種 植記錄 植物當種植階段應該在成長一期 結(jié)果返 回內(nèi)容為成長二期 甚至被識別為成熟期 此時就 需要對結(jié)果進行人工校準 6 測試 6 1 測試環(huán)境搭建及流程 一開始需要將樹莓派連接一個完成訓練并發(fā) 布成功的百度 AI 模型 攝像頭和物聯(lián)網(wǎng)控制系統(tǒng) 還有植物生長環(huán)境數(shù)據(jù)庫為植物環(huán)境調(diào)配保駕護 航 構(gòu)成一個植物工廠的智能調(diào)控系統(tǒng) 首先需要設置時間定時采集圖片 在到達設定 的時間后樹莓派控制攝像頭對植物進行圖片采集 并將采集上來的圖片進行識別 其次會把識別出來 的結(jié)果上傳至物聯(lián)網(wǎng)控制系統(tǒng) 物聯(lián)網(wǎng)控制系統(tǒng)會 依據(jù)植物生長環(huán)境數(shù)據(jù)庫進行數(shù)據(jù)匹配 接著判斷 識別的結(jié)果是否出現(xiàn)誤差 若生長階段出現(xiàn)誤差則 通知值班人員進行對環(huán)境的手動調(diào)配 如果無誤差 則根據(jù)植物生長環(huán)境數(shù)據(jù)庫對該植物進行最佳的 環(huán)境調(diào)控 6 2 測試結(jié)果 通過測試過程及結(jié)果表明 該系統(tǒng)程序響應速 度快 信息處理快 識別結(jié)果準確 具 有良好的實 用性 可以有效地使用在實際應用中 使得用戶可 以快速的對植物生長狀態(tài)進行識別 以 達到對植物 生長環(huán)境精準控制的效果 識別結(jié)果如圖 9 所示 圖 9 識別結(jié)果 7 結(jié)論 本文設計了一個基于百度 AI 和樹莓派相結(jié)合 的識別系統(tǒng) 配合物聯(lián)網(wǎng)控制系統(tǒng)構(gòu)成的一個智能 調(diào)控系統(tǒng) 通過實驗驗證了該系統(tǒng)的可行性 實用 性和便捷性 該系統(tǒng)能夠?qū)崟r快速地識別植物生長 階段 并進行環(huán)境調(diào)配 實現(xiàn)植物工廠自動化精準 調(diào)控 參 考 文 獻 1 常欽 植物工廠拓展農(nóng)業(yè)生產(chǎn)邊界 甘肅農(nóng)業(yè) 2023 02 1 2 辜松 劉厚誠 謝忠堅等 數(shù)字化生產(chǎn)植物工廠的構(gòu)建null以華南農(nóng)業(yè) 大學植物工廠為例 農(nóng)業(yè)工程技術 2020 40 07 10 13 3 羅娟 蔡騁 多線索植物種類識別 西北農(nóng)林科技大學信息工程學院 2020 56 05 160 165 4 王芳元 非結(jié)構(gòu)環(huán)境下病蟲害識別方法研究 博士學位論文 中國科 學技術大學 合肥 2020 5 吳尚蓉 基于光譜和圖像的倒伏冬小麥產(chǎn)量評估方法 碩士學位論 文 中北大學 太原 2013 6 任明康 基于多傳感器數(shù)據(jù)融合的植物工廠監(jiān)控系統(tǒng)設計 碩士學位 論文 防災科技學院 廊坊 2 022 7 張素萍 基于阿里云的工業(yè)生產(chǎn)現(xiàn)場環(huán)境監(jiān)測系統(tǒng)設計 工業(yè)控制計 算機 2022 35 10 17 19 21 8 百度 EasyDL 圖像文檔 w9h 2022 4 12 9 張喜紅 王玉香 基于百度AI 中藥材品鑒助手系統(tǒng)的設計 新余學院學 報 2019 24 02 25 28