Ứng dụng xử lý ảnh phát hiện ruồi đục trái táo cho cây trồng trong nông nghiệp

Trang 1 NÔNG THANH TỈNH ỨNG DỤNG XỬ LÝ ẢNH PHÁT HIỆN RUỒI ĐỤC TRÁI TÁO CHO CÂY TRỒNG TRONG NÔNG NGHIỆP LUẬN VĂN THẠC SĨ KHOA HỌC MÁY TÍNH Trang 2 NƠNG THANH TỈNH ỨNG DỤNG XỬ LÝ ẢNH PHÁ

NÔNG THANH TỈNH

ỨNG DỤNG XỬ LÝ ẢNH PHÁT HIỆN RUỒI ĐỤC TRÁI TÁO CHO CÂY TRỒNG TRONG NÔNG NGHIỆP

LUẬN VĂN THẠC SĨ KHOA HỌC MÁY TÍNH

THÁI NGUYÊN, 2023

NÔNG THANH TỈNH

ỨNG DỤNG XỬ LÝ ẢNH PHÁT HIỆN RUỒI ĐỤC TRÁI TÁO CHO CÂY TRỒNG TRONG NÔNG NGHIỆP

Chuyên ngành: Khoa học máy tính

Mã số: 8 48 01 01

LUẬN VĂN THẠC SĨ KHOA HỌC MÁY TÍNH

Người hướng dẫn khoa học: TS PHẠM ĐỨC LONG

THÁI NGUYÊN, 2023

LỜI CAM ĐOAN Sau quá trình học tập tại Trường Đại học công nghệ Thông tin & Truyền thông Thái Nguyên, với những kiến thức lý thuyết và thực hành đã tích lũy được,

việc vận dụng các kiến thức vào thực tế, tôi đã tự nghiên cứu các tài liệu, các công trình nghiên cứu về đề tài thực hiện, đồng thời có sự phân tích, tổng hợp, đúc kết và phát triển để hoàn thành luận văn thạc sỹ của mình

Tôi xin cam đoan luận văn này là công trình do bản thân tự tìm hiểu, nghiên

cứu và hoàn thành dưới sự hướng dẫn của thầy giáo TS Phạm Đức Long

Thái Nguyên, tháng 7 năm 2023

Học viên

Nông Thanh Tỉnh

LỜI CẢM ƠN

Trong thời gian tham gia học chương trình đào tạo thạc sỹ tại Trường đại học Công nghệ Thông tin và Truyền thông Thái Nguyên tôi đã cố gắng sắp xếp thời gian hợp lý, có sự tập trung học tập và nghiên cứu với tinh thần nghiêm túc, nỗ lực hết mình để tham gia các buổi lên lớp và hoàn thành luận văn tốt nghiệp

Tôi xin bày tỏ lòng biết ơn sâu sắc đến thầy giáo hướng dẫn TS Phạm Đức Long đã tận tình chỉ bảo, hướng dẫn, giúp đỡ tôi hoàn thành luận văn này Tôi xin

cảm ơn các thầy cô giáo, Phòng đào tạo sau đại học của Trường Đại học Công nghệ Thông tin và Truyền thông Thái Nguyên đã giúp đỡ tôi trong quá trình học tập cũng như thực hiện luận văn Tôi xin chân thành cảm ơn Trung tâm GDNN- GDTX huyện Sơn Động tỉnh Bắc Giang nơi tôi công tác đã tạo điều kiện thuận lợi nhất cho tôi theo học khóa học này

Tôi cũng xin cảm ơn các thầy cô giáo Trường Đại học Công nghệ thông tin và Truyền thông – Đại học Thái Nguyên đã có những ý kiến đóng góp bổ sung cho đề tài luận văn của tôi

Tôi xin chân thành cảm ơn bạn bè, đồng nghiệp và gia đình đã động viên, khích

lệ, tạo điều kiện giúp đỡ tôi trong suốt quá trình học tập, thực hiện và hoàn thành luận văn này

Thái Nguyên, tháng 7 năm 2023

Học viên

Nông Thanh Tỉnh

MỤC LỤC

LỜI CAM ĐOAN i

LỜI CẢM ƠN ii

MỤC LỤC iii

DANH MỤC SƠ ĐỒ VÀ BẢNG BIỂU v

DANH MỤC HÌNH ẢNH vi

DANH MỤC CÁC TỪ VIẾT TẮT viii

MỞ ĐẦU 1

Đặt vấn đề 1

Đối tượng và phạm vi nghiên cứu 1

Hướng nghiên cứu của đề tài 1

Nội dung nghiên cứu 1

Chương 1 XỬ LÝ ẢNH VÀ NHU CẦU THỰC TẾ PHÁT HIỆN SÂU HẠI 3

1.1 Xử lý ảnh số 3

1.1.1 Hệ thống xử lý ảnh 3

1.1.2 Các vấn đề cơ bản trong xử lý ảnh 5

1.2 Phát hiện sâu trong nông nghiệp 17

1.2.1 Sâu hại trong nông nghiệp 17

1.2.2 Tác hại của ruồi vàng trên cây ăn trái 18

1.2.3 Phát hiện, dự báo sâu hại ứng dụng xử lý ảnh 22

Kết luận chương 1 23

Chương 2 XÂY DỰNG HỆ THỐNG 24

2.1 Thiết kế hệ thống chung 24

2.1.1 Sơ đồ khối 24

2.1.2 Giải pháp thu ảnh hiện trường 27

2.1.3 Truyền ảnh về host PC 30

2.2 Nhận diện ruồi đục trái táo 30

2.2.1 Ruồi đục trái táo và các đặc điểm 30

2.2.2 Thuật toán chung 32

2.2.3 Phân biệt qua đặc điểm 1 (kích thước) 33

2.2.4 Phân biệt qua đặc điểm 2 (màu sắc) [3] 35

2.2.5 Phân biệt qua đặc điểm khác 40

Kết luận chương 2 41

Chương 3 KẾT QUẢ THỬ NGHIỆM 42

3.1 Các bước thực hiện 42

3.1.1 Phân biệt qua độ lớn ảnh đối tượng 45

3.1.2 So sánh màu tổng thể của đối tượng 47

3.1.3 Kiểm tra thêm đặc điểm 53

3.2 Nhận xét, đánh giá kết quả thực nghiệm 54

Kết luận chương 3 55

KẾT LUẬN 56

HƯỚNG PHÁT TRIỂN 57

TÀI LIỆU THAM KHẢO 58

PHỤ LỤC 59

DANH MỤC SƠ ĐỒ VÀ BẢNG BIỂU

Bảng 1.1 Yêu cầu xử lý VHT - xử lý nhiệt bằng hơi nước nóng trái cây khi nhập

khẩu 21

Bảng 2.1 Các đặc điểm của ruồi đục trái, ruồi nhà, muỗi, nhặng, ruồi xám (theo Wikipedia) 33

Bảng 3.1 So sánh màu ảnh các đối tượng với màu ảnh mẫu origine.png 52

Bảng 3.2 Độ giống nhau về hình dáng các đối tượng với mẫu 54

Bảng 3.3 Tổng hợp so sánh đặc điểm các ảnh hình 3.11 với ảnh mẫu 54

DANH MỤC HÌNH ẢNH

Hình 1.1 Các giai đoạn chính trong xử lý ảnh 3

Hình 1.2 Các thành phần chính của hệ thống xử lý ảnh 5

Hình 1.3 Không gian màu RGB 8

Hình 1.4 Không gian màu CMYK 8

Hình 1.5 Không gian màu L*,a*,b* 8

Hình 1.6 Không gian màu HSV 9

Hình 1.7 Tìm biên ảnh xám 9

Hình 1.8 Tìm biên ảnh nhị phân 10

Hình 1.9 Thực hiện erosion và dilation ảnh nhị phân 10

Hình 1.10 a) Ảnh nguyên bản b) Sau khi Erosion c) Sau khi Dilation 11

Hình 1.11 Ảnh nhị phân nguyên bản và sau khi thực hiện các phép hình thái học 12 Hình 1.12 Ảnh biến dạng do nhiễu 13

Hình 2.1 Sơ đồ khối của hệ thống 24

Hình 2.2 Kit Raspberry Pi 400 CPU 4 25

Hình 2.3 Camera độ phân giải cao 26

Hình 2.4 Bộ dồn/tách kênh tự động theo thời gian 26

Hình 2.5 Pin mặt trời và bộ nạp 27

Hình 2.6 a) Tấm dính bẫy côn trùng b) Treo tấm dính trên cành cây trồng 28

Hình 2.7 Một số loại bẫy đền bắt côn trùng: a), b), c) bẫy côn trùng bằng đèn dùng năng lượng mặt trời 29

Hình 2.8 Ruồi đục trái 31

Hình 2.9 Vòng đời của ruồi đục trái 31

Hình 2.10 Thuật toán tổng thể (phát hiện bướm sâu đục trái táo qua ảnh thu được bằng các đặc điểm của chúng) 32

Hình 2.11 Ảnh ruồi đục trái “origine.png” 33

Hình 2.12 Các ảnh màu guot3, guot4, guot5 so sánh với ảnh sucsac 37

Hình 3.1 Ảnh thực nghiệm P1 42

Hình 3.2 Chuyển ảnh màu a) sang ảnh xám b) 43

Hình 3.3 Chuyển sang ảnh nhị phân – Ảnh P2 44

Hình 3.4 Ảnh P3 = opening (P2) 44

Hình 3.5 Kết quả thực hiện P3 = closing (P3) 45

Hình 3.6 Sau bước xóa đối tượng nhỏ 45

Hình 3.7 Loại đối tượng ruồi nhà 46

Hình 3.8 Kết quả sau thực hiện closing ảnh 3.7 46

Hình 3.9 Tâm của các đối tượng 47

Hình 3.10 Trên ảnh P1: Tách ra ảnh riêng biệt của từng đối tượng còn lại từ trái sang phải 49

Hình 3.11 Các vùng ảnh nhỏ quan tâm trong ảnh 3.10 được lấy theo số liệu của Centroid và BBox 49

Hình 3.12 Tìm hướng trục dài ảnh 50

Hình 3.13 Các ảnh trong hình 3.11 đã xoay 51

Hình 3.14 Các hình origine.png và 3.13a.png, 3.13b.png, 3.13c.png sau khi biến đổ hình thái học và biến đổi DT tương ứng 53

DANH MỤC CÁC TỪ VIẾT TẮT STT Từ viết

1 CCD Charge Coupled Device

Loại cảm biến chuyển đổi hình ảnh quang học sang tín hiệu điện trong các máy camera số hiện nay

2 CGA Color Graphics Adapter Bộ điều hợp màu

3 CMYK Cyan, Magenta,

Yellow, Key (Black) Hệ màu với 4 màu lam, đỏ, vàng, đen

4 HSV Hue, Saturation, Value Hệ màu màu sắc, độ bão hòa và giá trị

5 L*,a*,b* CIELAB color space Hệ màu độ sáng cảm nhận

7 RGB Red, green, and blue Ba màu hệ màu: đỏ, xanh lá, xanh

8 TDM Time Division

Multiplexing Dồn/tách kênh tự động theo thời gian

9 VGA Video Graphics

Adaptor Card đồ họa có nhiệm vụ xử lý hình ảnh

10 VHT Vapour Heat Treatment Thiết bị xử lý nhiệt hơi cho nông sản

11 YCbCr, stands for Green (Y),

Blue (Cb), Red (Cr)

Một loại hệ màu sử dụng các thành phần

độ sáng màu xanh và đỏ

MỞ ĐẦU Đặt vấn đề

Hiện nay trong sản xuất nông nghiệp ngoài việc tích cực nghiên cứu áp dụng các giải pháp canh tác để tăng năng suất chất lượng sản phẩm nông nghiệp thì việc nghiên cứu dự báo, phát hiện sâu và các loài có hại trong nông nghiệp cũng rất được quan tâm Theo các phương pháp kinh điển lĩnh vực này thường sử dụng các biện pháp thủ công trực tiếp trong lấy mẫu, trong thống kê để cho các kết quả Việc thực hiện theo phương thức này có nhiều hạn chế do khoảng cách của những khu vực canh tác lớn, không lấy mẫu được liên tục theo thời gian và xử lý chậm Đưa các kỹ thuật ứng dụng công nghệ thông tin, lấy mẫu, xử lý từ xa, tự động vào nông nghiệp trong khâu này sẽ là một giải pháp hướng tới trong tương lai với nhiều loại cây trồng Đây cũng là một trong những giải pháp để góp phần công nghiệp hóa lĩnh vực sản xuất nông nghiệp cho đất nước

Đối tượng và phạm vi nghiên cứu

* Đối tượng nghiên cứu:

Hướng nghiên cứu của đề tài

- Tìm hiểu lý thuyết tổng quan về xử lý ảnh

- Xây dựng hệ thống thu ảnh, truyền ảnh về máy tính

- Xây dựng chương trình xử lý phát hiện, cảnh báo đối tượng quan tâm (cụ thể

ở đây là phát hiện ruồi đục trái táo)

- Cài đặt các thuật toán trên một ngôn ngữ lập trình

Nội dung nghiên cứu

Chương 1 Xử lý ảnh và nhu cầu thực tế phát hiện sâu hại

Chương 2 Xây dựng hệ thống: Thiết kế hệ thống chung; Nhận diện ruồi đục trái táo; Các thuật toán nhận biết các đặc điểm sâu đục trái táo

Chương 3 Xây dựng chương trình thực nghiệm: kiểm tra khâu nhận diện ruồi đục trái táo

Tổng quan về đề tài: Nội dung đề tài thực hiện nghiên cứu về một loại sâu hại cụ

thể trong nông nghiệp là ruồi đục trái táo Luận văn đưa ra thiết kế của một hệ thống nhận dạng loài ruồi đục trái táo từ xa qua đường truyền Internet bằng việc thu ảnh côn trùng qua tấm bẫy dính và thực hiện nhận dạng sự xuất hiện ruồi đục trái táo bằng chương trình xử lý ảnh để đưa ra các cảnh báo cho người canh tác Đây là một hướng nghiên cứu được quan tâm trong giai đoạn hiện nay nhằm tăng cường các giải pháp ứng dụng công nghệ thông tin vào nông nghiệp cũng như vào mọi lĩnh vực khác trong thực tiễn

Chương 1 XỬ LÝ ẢNH VÀ NHU CẦU THỰC TẾ PHÁT HIỆN SÂU HẠI 1.1 Xử lý ảnh số

đa số việc thu ảnh sử dụng camera số [1]

Hình 1.1 Các giai đoạn chính trong xử lý ảnh

Ảnh cũng có thể thu nhận từ vệ tinh qua các bộ cảm ứng (sensor), hay ảnh, tranh được quét trên scanner Tiếp theo là quá trình số hoá (digitalizer) để biến đổi tín hiệu tương tự sang tín hiệu rời rạc (lấy mẫu) và số hoá bằng lượng hoá, trước khi chuyển sang giai đoạn xử lý, phân tích hay lưu trữ [1]

Quá trình phân tích ảnh thực chất bao gồm nhiều công đoạn nhỏ Trước hết là công việc tăng cường ảnh để nâng cao chất lượng ảnh Do những nguyên nhân khác nhau: có thể do chất lượng thiết bị thu nhận ảnh, do nguồn sáng hay do nhiễu, ảnh có thể bị suy biến Do vậy cần phải tăng cường và khôi phục lại ảnh để làm nổi bật một

số đặc tính chính của ảnh, hay làm cho ảnh gần giống nhất với trạng thái gốc - trạng

thái trước khi ảnh bị biến dạng Giai đoạn tiếp theo là phát hiện các đặc tính như biên, phân vùng ảnh, trích chọn các đặc trưng, v.v.v [1]

Cuối cùng, tuỳ theo mục đích của ứng dụng sẽ là giai đoạn nhận dạng, phân lớp hay các quyết định khác Các giai đoạn chính của quá trình xử lý ảnh có thể mô tả như ở hình 1.1 Với các giai đoạn trên, một hệ thống xử lý ảnh (cấu trúc phần cứng theo chức năng) gồm các thành phần tối thiểu như hình 1.2 [1]

Đối với một hệ thống xử lý ảnh thu nhận qua camera Camera như là con mắt của hệ thống Có 2 loại camera: camera ống loại CCIR và camera CCD Loại camera ứng với chuẩn CCIR quét ảnh với tần số 1/25 và mỗi ảnh gồm 625 dòng Loại CCD gồm các photo điốt và làm tương ứng một cường độ sáng tại một điểm ảnh ứng với một phần tử ảnh (pixel) Như vậy, ảnh là tập hợp các điểm ảnh Số pixel tạo nên một ảnh gọi là độ phân giải (resolution) [1]

* Bộ xử lý tương tự (analog processor) Bộ phận này thực hiện các chức năng sau:

- Chọn camera thích hợp nếu hệ thống có nhiều camera

- Chọn màn hình hiển thị tín hiệu

- Thu nhận tín hiệu video thu nhận bởi bộ số hoá (digitalizer) Thực hiện lấy mẫu và mã hoá

- Tiền xử lý ảnh khi thu nhận: dùng kỹ thuật bảng tra (Look Up Table - LUT)

Bộ xử lý ảnh số: Gồm nhiều bộ xử lý chuyên dụng: xử lý lọc, trích chọn đường bao, nhị phân hoá ảnh Các bộ xử lý này làm việc với tốc độ 1/25 giây. [1]

* Máy chủ: Đóng vai trò điều khiển các thành phần miêu tả ở trên

* Bộ nhớ ngoài: Dữ liệu ảnh cũng như các kiểu dữ liệu khác, để có thể chuyển giao cho các quá trình khác, nó cần được lưu trữ

Hình 1.2 Các thành phần chính của hệ thống xử lý ảnh

1.1.2 Các vấn đề cơ bản trong xử lý ảnh

Như đã đề cập trong phần giới thiệu, chúng ta đã thấy được một cách khái quát các vấn đề chính trong xử lý ảnh Để hiểu chi tiết hơn, trước tiên ta xem xét hai khái niệm (thuật ngữ) thường dùng trong xử lý ảnh đó là Pixel (phần tử ảnh) và grey level (mức xám), tiếp theo là tóm tắt các vấn đề chính

a Một số khái niệm

* Pixel (Picture Element): phần tử ảnh

Ảnh trong thực tế là một ảnh liên tục về không gian và về giá trị độ sáng Để

có thể xử lý ảnh bằng máy tính cần thiết phải tiến hành số hoá ảnh Trong quá trình

số hoá, người ta biến đổi tín hiệu liên tục sang tín hiệu rời rạc thông qua quá trình lấy mẫu (rời rạc hóa về không gian) và lượng hoá thành phần giá trị mà thể về nguyên tắc bằng mắt thường không phân biệt được hai điểm kề nhau Trong quá trình này, người

ta sử dụng khái niệm Picture element mà ta quen gọi hay viết là Pixel - phần tử ảnh

Ở đây cũng cần phân biệt khái niệm pixel hay đề cập đến trong các hệ thống đồ hoạ máy tính Để tránh nhầm lẫn ta tạm gọi khái niệm pixel này là pixel thiết bị Khái niệm pixel thiết bị có thể xem xét như sau: khi ta quan sát màn hình (trong chế độ đồ

hoạ), màn hình không liên tục mà gồm nhiều điểm nhỏ, gọi là pixel Mỗi pixel gồm một cặp toạ độ x, y và màu. [1]

Cặp toạ độ x, y tạo nên độ phân giải (resolution) Như màn hình máy tính có nhiều loại với độ phân giải khác nhau: màn hình CGA có độ phân giải là 320 x 200; màn hình VGA là 640 x 350, [1]

Như vậy, một ảnh là một tập hợp các điểm ảnh Khi được số hoá, nó thường được biểu diễn bởi bảng hai chiều I(n,p): n dòng và p cột Ta nói ảnh gồm n x p pixels Người ta thường ký hiệu I(x,y) để chỉ một pixel Thường giá trị của n chọn bằng p và bằng 256 Hình 1.2 cho ta thấy việc biểu diễn một ảnh với độ phân giải khác nhau Một pixel có thể lưu trữ trên 1, 4, 8 hay 24 bit. [1]

* Gray level: Mức xám của ảnh

Một điểm ảnh (Pixel) có hai đặc trưng cơ bản là vị trí (x, y) của điểm ảnh và

độ xám của nó Dưới đây chúng ta xem xét một số khái niệm và thuật ngữ thường dùng trong xử lý ảnh. [1]

Mức xám là kết quả sự mã hoá tương ứng một cường độ sáng của mỗi điểm ảnh với một giá trị số tại điểm đó - kết quả của quá trình lượng hoá Cách mã hoá kinh điển thường dùng 16, 32 hay 64 mức Mã hoá 256 mức là phổ dụng nhất Lý do từ kỹ thuật máy tính dùng 1 byte (8 bits) để biểu diễn mức xám Mức xám dùng 1 byte biểu diễn: 28 = 256 mức (0, 1… 255), nên với 256 mức, mỗi pixel sẽ được mã hoá bởi 8 bit. [1]

Ảnh đen trắng: là ảnh có hai màu đen, trắng (không chứa màu khác) với mức xám ở các điểm ảnh có thể khác nhau

Ảnh nhị phân: ảnh chỉ có 2 mức đen trắng phân biệt tức dùng 1 bit mô tả 21 mức khác nhau Nói cách khác mỗi điểm ảnh của ảnh nhị phân chỉ có thể là 0 hoặc 1

Ảnh màu: Trong hệ màu RGB(Red, Blue, Green) để tạo nên thế giới màu, người ta thường dùng 3 byte để mô tả mức màu, khi đó các giá trị màu:

28*3= 24 16,7 triệu màu

b Biểu diễn ảnh

Trong biểu diễn ảnh, người ta thường dùng các phần tử đặc trưng của ảnh là pixel Nhìn chung có thể xem một hàm hai biến chứa các thông tin như biểu diễn của

một ảnh Các mô hình biểu diễn ảnh cho ta một mô tả lô gic hay định lượng các tính chất của hàm này Trong biểu diễn ảnh cần chú ý đến tính trung thực của ảnh hoặc các tiêu chuẩn “thông minh” để đo chất lượng ảnh hoặc tính hiệu quả của các kỹ thuật xử

lý. [1]

Việc xử lý ảnh số yêu cầu ảnh phải được mẫu hoá và lượng tử hoá Thí dụ một ảnh ma trận 512 dòng gồm khoảng 512 x 512 pixel Việc lượng tử hoá ảnh là chuyển đổi tín hiệu tương tự sang tín hiệu số (Analog Digital Convert) của một ảnh đã lấy mẫu sang một số hữu hạn mức xám. [1]

Một số mô hình thường được dùng trong biểu diễn ảnh: Mô hình toán, mô hình thống kê Trong mô hình toán, ảnh hai chiều được biểu diễn nhờ các hàm hai biến trực giao gọi là các hàm cơ sở Với mô hình thống kê, một ảnh được coi như một phần tử của một tập hợp đặc trưng bởi các đại lượng như: kỳ vọng toán học, hiệp biến, phương sai, moment. [1]

c Một số phép thực hiện quan trọng trong xử lý ảnh số

* Biến đổi ảnh

Như trên đã nói có ba loại ảnh: ảnh màu, ảnh xám, ảnh nhị phân Một ảnh

được tạo nên bởi các pixel [1] Với mỗi loại ảnh giá trị của mỗi pixel là khác nhau:

 Ảnh nhị phân: Mỗi pixel có giá trị 0 (là đen) hoặc 1 (là trắng)

 Ảnh đa cấp xám: Mỗi pixel ảnh sẽ được mã hoá bằng 8 hoặc 16, 32 bit; thông dụng là 8 bit Như vậy mỗi điểm ảnh sẽ có giá trị trong khoảng từ

0 đến 255 Với 0 là đen và 255 là trắng Các giá trị trong khoảng 0 255

là các giá trị xám với các mức khác nhau

 Ảnh màu: Một ảnh màu là một ảnh số có chứa thông tin màu trong mỗi pixel

Mỗi điểm ảnh màu được cung cấp thông tin từ ba kênh màu Các hệ màu thông dụng là RGB, YCbCr, HSV, L*,a*,b* [2]

Hình 1.3 Không gian màu RGB

Hình 1.4 Không gian màu CMYK

Hình 1.5 Không gian màu L*,a*,b*

Hình 1.6 Không gian màu HSV

* Các loại file ảnh

Ảnh không nén: Các điểm ảnh được lưu trong file ảnh là các giá trị thu được

từ tấm sensor của thiết bị thu ảnh (máy ảnh) ví dụ ảnh bitmap BMP

Ảnh nén: Gồm các loại PNG, GIF, JPEG, TIFF,

Nén ảnh là việc mã hóa một ảnh thành một ảnh khác có dung lượng nhỏ hơn

để không tốn không gian lưu trữ hoặc để dễ dàng truyền/nhận giữa các thiết bị hoặc trên mạng máy tính Để có lại ảnh trước khi nén cần có chương trình giải nén ảnh Việc nén và giải nén ảnh có làm giảm chất lượng ảnh Tuy nhiên với các nhận biết bằng mắt thường thì nhiều khi không phân biệt được sự kém chất lượng đó nên việc việc sử dụng các ảnh nén hiện nay là rất phổ biến [1]

* Tìm biên ảnh

Khái niệm: Biên là nơi có biến đổi đột ngột về độ sáng

Ví dụ:

Hình 1.7 Tìm biên ảnh xám

Hình 1.8 Tìm biên ảnh nhị phân

Để tìm biên ảnh có các phương pháp:

- Phương pháp trực tiếp: thực hiện bằng cách tính xấp xỉ đạo hàm bậc nhất hoặc bậc 2 (có thể bậc 3) của ảnh để tìm biên Phương pháp biến đổi ảnh theo một phương trình PDE cũng thuộc loại tìm biên trực tiếp

- Phương pháp gián tiếp: phân ảnh thành các vùng có các thuộc tính giống nhau Tiếp giáp của các vùng đó sẽ cho biên ảnh

* Các phép hình thái học với ảnh

Việc thực hiện phép toán hình thái học bao gồm một lớp các thuật toán xử lý ảnh biến đổi ảnh khi thực hiện biến đổi ảnh qua phần tử cấu trúc Hình thái học có thể được thực hiện với ảnh nhị phân và cả ảnh đa cấp xám Nó được rất hữu ích trong nhiều công việc xử lý ảnh như tìm xương ảnh, tìm biên, phục hồi và phân tích kết cấu ảnh Hai phép toán hình thái học cơ bản là dilation và erotion

Với ảnh nhị phân: Phép biến đổi erosion & dilation ảnh nhị phân thường được

dùng để biến đổi ảnh như sau:

Hình 1.9 Thực hiện erosion và dilation ảnh nhị phân

Ta có một ảnh P như hình 1.9 Thực hiện phép erosion và dilation ảnh bằng cách tuỳ theo việc thực hiện phép xử lý nào mà tạo ra các tập phần tử có cấu trúc (mặt nạ) tương ứng, sau đó rê mặt nạ đi khắp ảnh và tính giá trị điểm ảnh bởi các điểm lân cận với motip của mặt nạ Các phép thực hiện có thể là hội, tuyển hoặc liên hợp

Dilation: Rê mặt nạ S đi khắp ảnh và tại mỗi điểm kiểm tra nếu bít có giá trị 1

thì thực hiện phép tuyển với bit mặt nạ quanh điểm ảnh đó Kết quả được D(P,S)

Erosion: Rê mặt nạ S đi khắp ảnh và tại mỗi điểm kiểm tra nếu bít có giá trị 1

thì thực hiện phép hội với bit mặt nạ quanh điểm ảnh đó Kết quả được E(P,S)

a) b) c)

Hình 1.10 a) Ảnh nguyên bản b) Sau khi Erosion c) Sau khi Dilation

Kết hợp dilation và erosion ta có thêm các phép hình thái học closing và opening:

Closing: Closing của một ảnh A với một phần tử cấu trúc B được thực hiện

theo luật sau:

 Closing thay đổi bất biến

Opening: Opening của một ảnh A với một phần tử cấu trúc B được thực hiện

theo luật sau: AB=(AΘB)B (1.2)

- Trong đó  và Θ ký hiệu của phép dilation và erosion

Thuộc tính:

 Tính chắc chắn (Imdepotence): (AB)B=AB

 Tính tăng: Nếu A  C thì AB  CB

 Chống mở rộng: AB  A

 Opening thay đổi bất biến

 Opening và Closing đáp ứng tính nhị nguyên: AB=(AcBs)c

Trong xử lý ảnh closing được dùng để loại bỏ các lỗ nhỏ và opening được dùng

để loại các đối tượng nhỏ của ảnh Các kỹ thuật này cũng còn được dùng để tìm các hình dạng đặc tả trong ảnh [1]

Hình 1.11 Ảnh nhị phân nguyên bản và sau khi thực hiện các phép hình thái học

Hình thái học với ảnh đa cấp xám: Có các phép toán:

gray_close(M, Melem) - thực hiện closing ảnh xám trên ma trận M với phần

tử cấu trúc Melem

gray_dilate(M, Melem, r_origin, c_origin) - thực hiện dilation ảnh xám trên

ma trận M sử dụng phần tử cấu trúc Melem với nguyên bản ở dòng r_origin và cột

c_origin

gray_erode(M, Melem, r_origin, c_origin) - thực hiện phép erosion ảnh xám

trên ma trận M sử dụng phần tử cấu trúc Melem với nguyên bản ở dòng r_origin và cột c_origin

gray_open(M, Melem) - thực hiện phép opening ảnh xám trên ma trận M với

- r_origin, c_origin là các số nguyên trong đó dấu chỉ ra hướng đại diện cho dòng và cột nguyên bản của Melem

Một số ví dụ:

* Tăng cường ảnh - khôi phục ảnh

Nâng cao chất lượng là bước cần thiết trong xử lý ảnh nhằm hoàn thiện một số

đặc tính của ảnh Nâng cao chất lượng ảnh gồm hai công đoạn khác nhau: tăng cường

ảnh và khôi phục ảnh Tăng cường ảnh nhằm hoàn thiện các đặc tính của ảnh như:

- Lọc nhiễu, hay làm trơn ảnh

- Tăng độ tương phản, điều chỉnh mức xám của ảnh

- f(a,ß) là hàm biểu diễn đối tượng

- g(x,y) là ảnh thu nhận

- h(x,y; a,ß) là hàm tán xạ điểm (Point Spread Function - PSF)

Một vấn đề khôi phục ảnh tiêu biểu là tìm một xấp xỉ của f(a,ß) khi PSF(Point spread function) của nó có thể đo lường hay quan sát được, ảnh mờ và các tính chất sác xuất của quá trình nhiễu [1]

* Biến đổi ảnh

Thuật ngữ biến đổi ảnh (Image Transform) thường dùng để nói tới một lớp các ma trận đơn vị và các kỹ thuật dùng để biến đổi ảnh Cũng như các tín hiệu một chiều được biểu diễn bởi một chuỗi các hàm cơ sở, ảnh cũng có thể được biểu diễn bởi một chuỗi rời rạc các ma trận cơ sở gọi là ảnh cơ sở Phương trình ảnh

cơ sở có dạng:

A*k,l = ak al*T Trong đó:

- ak là cột thứ k của ma trận A

- A là ma trận đơn vị Có nghĩa là A A*T = I Các A*k,l định nghĩa ở trên với k,l = 0,1, , N-1 là ảnh cơ sở

Có nhiều loại biến đổi được dùng như:

- Biến đổi Fourier, Sin, Cosin, Hadamard,

(*) Trong xử lý ảnh, việc phân tích có thể được đơn giản hơn khá nhiều do làm

việc với ma trận khối goị là tích Kronecker

Ma trận khối là ma trận mà các phần tử của nó lại là một ma trận

Ma trận A với Ai,j là ma trận m x n; i = 1, 2, ,m và j = 1, 2, , n

Tích Kronecker

Cho A là ma trận kích thước M1 x M2 và B ma trận kích thước N1 x N2

Với a i,j là các phần tử của ma trận A

Phân loại nhiễu

Trước khi xem xét chi tiết các kỹ thuật áp dụng, cần phân biệt các loại nhiễu hay can thiệp trong quá trình xử lý ảnh Trên thực tế tồn tại nhiều loại nhiễu, tuy nhiên người ta thường xem xét 3 loại nhiễu chính: nhiễu cộng, nhiễu nhân và nhiễu xung

Nhiễu cộng: thường phân bố khắp ảnh Nếu ta gọi ảnh quan sát (ảnh thu được)

là Xqs, ảnh gốc là Xgoc và nhiễu là η Ảnh thu được có thể biểu diễn bởi:

Xqs = Xgoc + η (1.4)

Nhiễu nhân: thường phân bố khắp ảnh Nếu ta gọi ảnh quan sát (ảnh thu được)

là Xqs, ảnh gốc là Xgoc và nhiễu là η Ảnh thu được có thể biểu diễn bởi:

Xqs = Xgoc × η (1.5)

Nhiễu xung (Impulse noise): là một loại nhiễu khá đặc biệt có thể sinh ra bởi

nhiều lý do khác nhau chẳng hạn: lỗi truyền tín hiệu, lỗi bộ nhớ, hay lỗi định thời trong quá trình lượng tử hóa Nhiễu này thường gây đột biến tại một số điểm ảnh

Có 2 loại: Nhiễu xung đơn cực và nhiễu xung lưỡng cực Nhiễu xung lưỡng cực có hàm phân bố là:

- Nếu b>a, mức xám b xuất hiện như là điểm sáng của ảnh, a là điểm tối

- Nếu a>b, ngược lại

- Nếu a=b=0 là nhiễu xung đơn cực

Nhiễu muối tiêu (Salt-pepper noise) là một ví dụ điển hình nhất của loại nhiễu

xung này – sẽ cho thấy rõ hơn tính chất “đột biến” của nó Các điểm ảnh bị nhiễu (noise pixel) có thể nhận các giá trị cực đại hoặc cực tiểu trong khoảng giá trị [0, 255] Với ảnh mức xám (gray scale), nếu một điểm ảnh có giá trị cực đại (tức cường độ sáng bằng 255) thì nó sẽ tạo ra một đốm trắng trên ảnh, trông giống như hạt “muối”

Và ngược lại nếu một điểm ảnh có giá trị cực tiểu (tức cường độ sáng bằng 0) thì sẽ tạo ra một đốm đen, giống như “tiêu” Vậy nên còn gọi là ảnh muối tiêu Thông thường, khi nói một ảnh nhiễu muối tiêu 30% nghĩa là trong đó tỉ lệ các điểm ảnh nhiễu mang giá trị cực tiểu là 15% và cực đại là 15%

Nhiễu Gaussian: Bởi vì khả năng dễ ứng dụng toán của nó trong cả lĩnh vực

không gian và tần số, nhiễu Gaussian được sử dụng phổ biến trong thực tiễn

Nhiễu Uniform: Được cho bởi Digital Image Processing của Gonzalez

- Sử dụng các bộ lọc

Nhiễu là điều không thể tránh khỏi trong các hệ thống xử lý tín hiệu Các ảnh

số có thể có nhiều loại nhiễu khác nhau Có một số cách mà nhiễu có thể thâm nhập vào trong ảnh phụ thuộc vào việc ảnh được tạo ra như thế nào Chẳng hạn:

Nếu ảnh được scan từ một ảnh được chụp trên phim, các hạt trên phim là một nguồn nhiễu Nhiễu có thể là kết quả của việc phim bị hư hỏng hoặc do chất lượng của scanner

Nếu ảnh được thu thập trực tiếp từ định dạng số, cơ chế của việc thu thập dữ liệu (chẳng hạn như bộ cảm biến CCD) có thể tạo ra nhiễu

Sự truyền dữ liệu cũng có thể bị nhiễu tác động

Dù là loại nhiễu nào cũng phải loại bỏ hoặc làm giảm tối đa ảnh hưởng của nó Tùy theo từng loại nhiễu mà áp dụng các kỹ thuật lọc Trên thực tế có thể sử dụng một

số cách để loại bỏ hoặc giảm nhiễu trong một ảnh Các cách khác nhau được sử dụng cho các loại nhiễu khác nhau Một trong số đó là:

- Sử dụng bộ lọc tuyến tính (Linear Filter)

- Sử dụng các bộ phi tuyến (median filter, pseumedian filter, outlier filter) [2]

1.2 Phát hiện sâu trong nông nghiệp

1.2.1 Sâu hại trong nông nghiệp

Sâu hại gây thiệt hại lớn trong nông nghiệp [4] Chúng gây ra thiệt hại trong đủ mọi dạng thức: hại thân, hại lá, hại quả hoặc tất cả các thành phần của cây trồng Sâu hại làm cây trồng sinh trưởng và phát triển kém, làm giảm sản lượng cây trồng, làm giảm chất lượng nông sản, làm giảm tỷ lệ nảy mầm của hạt giống, làm giảm giá trị dinh dưỡng nông sản Loài nguy hại nhất chính là loài có gây hại đến quả của loài cây lấy trái Với các loài cây lấy trái thì sản phẩm tinh túy cuối cùng có giá trị đó là chất lượng và tất nhiên cả số lượng trái nữa Sau những thời kỳ dài nhà nông dày công chăm sóc từ cây non, trưởng thành, ra hoa cho đến khi kết trái đợi mong thu hoạch thì

sự phá hoại về chất lượng, số lượng của loài ruồi đục trái đã dập tắt hy vọng của người trồng cây Chúng gây hại tới hơn 50% sản phẩm thu hoạch đối với vườn cây ăn trái Ruồi đục trái (Bactrocera Dorsalis Hendel, Bactrocera correcta, Bactrocera cucurbitate): Loài ruồi này là những loại côn trùng đa thực vì chúng gây hại trên rất nhiều loại trái cây khác nhau, như: mận, táo, sapôche, đu đủ, xoài, thanh long, chôm

chôm, mãng cầu xiêm, vải, thậm chí cả ớt Đây là đối tượng hại rất nguy hiểm đang được báo động hiện nay

1.2.2 Tác hại của ruồi đục trái trên cây trồng ăn trái

1.2.2.1 Tác hại:

Trái cây khi chín sẽ chuyển hóa (lên men) một phần lượng đường thành alcohol vốn là món ăn khoái khẩu của ruồi đục trái Đó cũng chính là lí do ruồi đục trái sẽ xuất hiện nhiều hơn vào mùa trái cây chín Và tác hại của ruồi đục trái trên cây ăn trái

cụ thể như sau:

Con cái ruồi đục trái dùng ống đẻ trứng chích sâu vào trong quả và đẻ trứng

ngay trong trái Mỗi lần chích, ruồi đục trái có thể đẻ từ 5-10 trứng trong một lỗ Thường thì chúng sẽ chọn những trái bắt đầu chín để đẻ trứng, mục đích là khi ấu

nhiều lần

1.2.2.2: Dấu hiệu nhận biết ruồi đục trái gây hại trên cây ăn trái

Để hạn chế thiệt hại do ruồi đục trái trong vườn cây trái của mình, cần nắm rõ những dấu hiệu nhận biết khi bị ruồi đục trái gây hại, để phát hiện sớm và xử lý kịp thời Ví dụ: Táo bị ruồi đục trái chích Ban đầu vết chích của ruồi đục trái chỉ là những chấm đen nhỏ, rất khó phát hiện Sau một thời gian, vết chích chuyển sang màu vàng, nâu, mềm, ứ nhựa (mủ) Tại những điểm bị chích, các loại nấm bệnh hại dễ dàng xâm

nhập và gây hại cho trái

Sau khi ấu trùng nở, chúng cắn và ăn phần cùi của trái Đồng thời bị nấm bệnh

xâm nhập từ bên ngoài, làm cho trái nhanh chóng bị thối nhũn và rụng

Trái sau khi bị ruồi đục trái chích dễ biến dạng, cong vẹo, méo mó, rụng hàng

loạt Đặc biệt khi bổ ra ăn sẽ thấy có nhiều dòi đang cắn phá, di chuyển ở trong trái

1.2.2.3: Các biện pháp xử lý ruồi đục trái:

Biện pháp hóa học, Biện pháp xử lý phóng xạ, biện pháp xử lý bằng nhiệt:

a Biện pháp hóa học

Gồm 2 loại: hoá chất trừ sâu và khử trùng xông hơi

Đối với việc sử dụng hóa chất trừ sâu: người ta sử dụng Fenthion và

Dimethoate để xử lý trái sau thu hoạch Tuy vậy, biện pháp xử lý thuốc trừ sâu dần dần tỏ ra không phù hợp và được thay thế bằng thuốc xông hơi vì các lý do sau:

- Dễ bị thối trái: trên thực tế đã có nhiều trường hợp trái bị thối sau khi được

xử lý bằng thuốc trừ sâu

- Dư lượng thuốc sâu khi xử lý có khi cao hơn mức cho phép

Đối với việc khử trùng bằng phương pháp xông hơi: hai hóa chất Ethylene

dibromide và Methyl bromide đã được dùng làm hóa chất xông hơi xử lý diệt ruồi đục trái Biện pháp dùng Ethylene dibromide rất hữu hiệu bởi tính độc của hóa chất xông hơi, với ưu điểm là dễ áp dụng, hiệu quả xử lý cao, thời gian thực hiện nhanh và ít khả năng làm hư chất lượng trái Tuy nhiên, Bộ Y tế Hoa Kỳ, Úc đã phát hiện Ethylene dibromide có khả năng gây bệnh ung thư gan do để lại dự lượng độc hại, nên việc xử

lý bằng Ethylene dibromide đã không được chấp nhận, Còn Methyl bromide thì lại

có hạn chế là làm ảnh hưởng đến chất lượng trái Ngoài ra, xu hướng tiêu dùng ngày nay của thị trường không ưa dùng thực phẩm có dư lượng hóa chất Vì thế, phương pháp này cũng rất ít được sử dụng

thời gian xử lý rất nhanh Tuy nhiên phương pháp này cũng có một số hạn chế như: giá thành thiết bị và chi phí xử lý cao, không hợp thị hiếu người tiêu dùng tại một số nước như: Nhật, Úc, New Zealand và các nước Châu Âu; gây ra một số hiệu ứng phụ làm giảm chất lượng thực phẩm, ảnh hưởng đến dinh dưỡng và hàm lượng vitamine,

có khả năng gây xuất huyết trong cơ thể, gây biến đổi gen

c Các phương pháp xử lý bằng nhiệt: gồm xử lý nhiệt lạnh và nhiệt nóng

Đối với phương pháp xử lý nhiệt lạnh: là cách giữ trái cây ở nhiệt độ thấp từ

1,20C đến 1,50C trên 15 ngày Biện pháp này thường được dùng cho trái cây ôn đới

và được kết hợp trong quá trình vận chuyển, khi đó phải có container chuyên dùng với thiết bị tạo, giữ và kiểm soát được nhiệt độ và độ ẩm Riêng đối với các loại rau quả vùng nhiệt đới thì biện pháp xử lý này không thể sử dụng được vì dễ làm hư tế bào quả, do nhiệt độ bảo quản trái cây nhiệt đới thường là từ 70C đến 13 oC

Đối với phương pháp xử lý nhiệt nóng: biện pháp xử lý nhiệt nóng được xem

là một cách xử lý tốt cho nhiều loại rau quả vì không để lại dư lượng hóa chất độc hại Tuy nhiên, đây không phải là biện pháp có ý nghĩa trừ diệt địch hại, mà chỉ là cách bảo đảm về phương diện kiểm dịch Ưu điểm của biện pháp này là giá thành rẻ hơn

so với xử lý bằng phóng xạ và không để lại dư lượng hóa chất độc hại Có nhiều phương cách để xử lý nhiệt nóng cho rau quả: dùng khí nóng, biện pháp nước nóng,

biện pháp hơi nước nóng

Dùng khí nóng: sử dụng không khí nóng khô (ẩm độ khoảng 50%) để làm

nóng trái cây đến nhiệt độ xử lý Biện pháp này được phát triển ở Hawaii để xử lý trái xoài trước khi xuất vào lục địa Tuy nhiên, cách này có nhược điểm là có thể gây bỏng vỏ trái cây ở một số loại trái cây có vỏ mỏng, mọng nước như cà chua, nho Biện pháp này cũng đã được New Zealand chấp thuận để nhập quả từ Thái

Bình Dương

giờ để nhiệt độ trong trái cây tới nhiệt độ xử lý Giữ nhiệt độ trên trong khoảng 10 phút để nấm bệnh và ruồi đục trái chết hết Tuy nhiên, cách này thường làm giảm chất

lượng trái cây và giảm thời gian bảo quản vì quả bị ngâm lâu trong nước

Biện pháp hơi nước nóng: là quá trình gia nhiệt trái cây bằng khí nóng khoảng

500C có ẩm độ cao 70 – 90%, tâm trái cây khi đó có nhiệt độ khoảng 460C – 470C và được giữ thêm trong một thời gian từ 10 – 20 phút Một điều bất lợi được ghi nhận trong biện pháp này là điều kiện trên không đủ để diệt trừ nấm bệnh ký sinh và hoại sinh Do vậy, cần bổ sung biện pháp trừ nấm bệnh trong từng trường hợp cụ thể

Xử lý trái cây bằng hơi nước nóng được ứng dụng đầu tiên ở Florida năm 1992

để trừ ruồi Địa Trung Hải trên trái cam Từ đó được phát triển rộng ra trên đu đủ ở Hawaii, ớt xanh ở Nhật, xoài ở Úc, Mexico, Philippine và Thái Lan Năm 1994, hai nhà máy xử lý hơi nóng được lắp đặt ở Bắc Anh để xử lý xoài xuất khẩu đi Nhật, trong

năm đầu xử lý được 300 tấn xoài Kensington

Ngày nay, trên thế giới có khoảng 7 nhà máy hơi nước nóng ứng dụng biện pháp này ở Malaysia, Thái Lan, Úc, Philippine, Hawaii, Mexico, Đài Loan chủ yếu bằng thiết bị của Nhật Về mặt kiểm dịch thực vật thì ở một số thị trường (chủ yếu là Nhật, Mỹ) đòi hỏi trái cây phải qua xử lý nhiệt ở các nhiệt độ khác nhau như sau:

Bảng 1.1 Yêu cầu xử lý VHT - xử lý nhiệt bằng hơi nước nóng trái cây khi nhập

Wun, Nam Doc Mai)

VHT 46,5 oC, 15 phút VHT 47 oC, 10 phút

Mỹ Mexico hoặc Bắc Mỹ

gồm cả Costa Rica Các giống trái dẹt và dài

VHT 46,1oC

<375 gr –65 phút; 375 – 570 gr – 75 phút

<500 gr –75 phút; 500 – 700 gr – 90 phút New

Zealand

West Indies (ngoại trừ Aruba, Bonaire, Curacao, Magarita, Tortuga và Tobago)

VHT 46,1 oC

<400 gr –65 phút;

400 – 500 gr – 75 phút

500 - 700 gr – 90 phút

Các giống trái dẹt và dài Châu Âu Panama, Nam Mỹ hoặc

West Indies Các giống trái dẹt và dài

VHT 46,1 oC

<375 gr –65 phút; 375 – 570 gr – 75 phút

<425 gr –75 phút; 425 – 650 gr – 90 phút Giống xoài Đài Loan VHT 46,5 oC, 30 phút

1.2.3 Phát hiện, dự báo ruồi đục trái bằng ứng dụng xử lý ảnh

Như đã phân tích ở các phần trên tác hại của sâu hại và cụ thể là ruồi đục trái với sản xuất nông nghiệp là rất lớn Để có thể chủ động được cần phải có các biện pháp phát hiện và dự báo sớm sự xuất hiện của sâu hại mà cụ thể ở đây ruồi đục trái Chúng ta điểm qua một số phương pháp:

1.2.3.1 Phương pháp thủ công

Dự báo sâu bệnh qua thống kê: Đây là biện pháp thủ công do con người thực hiện qua một số cách: đếm số lượng cá thể sâu (bướm) qua tán lá, đếm số lượng nhộng sâu dưới đất trên đơn vị diện tích vùng khảo sát, quy đổi số lượng sâu (bướm) qua phân của sâu, …

1.2.3.2 Phương pháp ứng dụng xử lý ảnh

Để làm giảm thiệt hại của sâu bệnh (trong phạm vi của luận văn này chỉ tập trung vào tác hại của ruồi đục trái) thì việc dự báo là quan trọng nhất Cho đến nay việc dự báo có nhiều phương pháp; nhưng những phương pháp đó không thể tự động theo dõi, tự động phân tích, tự động cảnh báo bằng chương trình máy tính được Trên thế giới cũng có nghiên cứu về côn trùng có hại trong đó có ruồi đục trái [5], [6], [7] Luận văn sẽ giải quyết một phần vấn đề đưa công nghệ thông tin vào phát hiện và dự báo ruồi đục trái từ xa Cụ thể là luận văn nghiên cứu về:

 Tác hại của ruồi đục trái

 Đặc điểm sinh sống, hình dạng của ruồi đục trái

 Xây dựng mô hình theo dõi xuất hiện của ruồi đục trái từ xa bằng xử lý ảnh giúp cho việc cảnh báo sớm ruồi đục trái

 Thử nghiệm một số thuật toán phát hiện ruồi đục trái bằng xử lý ảnh

Kết luận chương 1

Trong chương 1 các vấn đề cơ bản về xử lý ảnh số đã được trình bày Trong chương này cũng trình bày về thực tế dự báo phát hiện sâu hại cụ thể là ruồi đục trái trong nông nghiệp hiện nay và dự kiến xây dựng hệ thống thu thập từ xa và xử lý tự động bằng chương trình máy tính để phát hiện loại ruồi đục trái là một loài gây nhiều tác hại khốc liệt cho cây trồng ăn trái

Chương 2 XÂY DỰNG HỆ THỐNG PHÁT HIỆN RUỒI ĐỤC TRÁI

2.1 Thiết kế hệ thống chung phát hiện ruồi đục trái

2.1.1 Sơ đồ khối

Hình 2.1 Sơ đồ khối của hệ thống

Hoạt động:

Khối “Tự động chuyển camera”: Trong một khu vực trồng trọt chúng ta không

chỉ lắp 1 camera để thu ảnh mà lắp một số camera để bao quát, quan sát được khu vực Khối chức năng này sẽ thực hiện sau những khoảng thời gian thiết lập được sẽ chuyển

mạch nối lần lượt từng camera để đưa hình ảnh của từng camera tới “Khối xử lý hiện

trường-Gửi về PC qua Internet”

- (Các khối trong hình chữ nhật nét đứt là các khối trên máy tính PC)

- Tín hiệu ảnh từ mỗi camera được gửi về PC qua Internet đến khối “Tiền xử

lý ảnh” Tại đây các hoạt động làm tăng chất lượng ảnh như giảm nhiễu, tăng độ tương

phản, …sẽ được thực hiện

- Tại khối “Tách đối tượng quan tâm theo kích thước” Tại khối này trước hết

các đối tượng có kích thước nhỏ hơn kích thước ruồi đục trái bị loại bỏ

- Ảnh của đối tượng quan tâm được đưa đến khối tiếp theo “So sánh các đặc

điểm ảnh”: Các đặc điểm đặc trưng của ảnh của đối tượng thực cần kiểm tra ở đây là

so sánh về màu và so sánh xem thân có chỗ thắt không với các đặc điểm tương ứng

của đối tượng mẫu (ảnh của ruồi đục trái mẫu)

- Tùy theo ngưỡng so sánh được đặt ra đối tượng quan tâm sẽ được kết luận là

giống đối tượng mẫu hay khác với đối tượng mẫu Mức độ khác nhau được tính theo

phần trăm (%)

Các thiết bị được sử dụng trong hệ thống:

- “Khối xử lý hiện trường-Gửi về PC qua Internet”: (Khối xử lý hiện trường

thực chất là một máy tính mạnh chỉ có bo mạch chủ) Thiết bị được sử dụng trong khối này dự kiến là kit Raspberry[9] Pi 400 CPU 4 lõi xung nhịp 1.8 GHz, RAM 8GB

có thể cài hệ điều hành 64 bit Kit Rspberry này là kit có độ mạnh tương đương một máy tính desktop nhưng giá thành do cạnh tranh với các dòng vi điều khiển khác

chẳng hạn Arduino nên giá tại Việt Nam rất khả thi (khoảng 1.800.000 VNĐ)

Hình 2.2 Kit Raspberry Pi 400 CPU 4

* Camera

Ban đêm ruồi cái đục trái đẻ trứng vào vỏ của trái cây Chúng ta có thể dùng camera hồng ngoại để thu ảnh chúng Đặc điểm của ảnh hồng ngoại là thông tin nghèo nàn, không có màu sắc và kém độ phân giải Tuy nhiên tại vườn cây quả thời gian hoạt động của ruồi đục trái chủ yếu là ban ngày Chúng ta dùng các tấm bẫy dính màu vàng để thu hút nên ban ngày vẫn bắt được chúng và ảnh ban ngày trong điều kiện ánh sáng bình thường đủ để phân biệt các đặc điểm của chúng Do vậy chúng ta không cần sử dụng loại camera hồng ngoại Chúng ta chọn loại camera 4k có độ phân giải cao có độ phân giải cao 3840 * 2160 với hơn 8 triệu điểm ảnh Giá (4/2023) khoảng

85 USD

Hình 2.3 Camera độ phân giải cao

* Bộ chuyển mạch tự động nối camera

TDM (Time Division Multiplexing): Như đã nói ở trên, do có nhiều camera

nhưng chỉ dùng 1 bộ xử lý ban đầu nên chúng ta sẽ phải ghép các camera qua bộ TDM

để sau mỗi khoảng thời gian như nhau thì mỗi camera lại gửi ảnh mà nó thu được về

Khối xử lý hiện trường

Hình 2.4 Bộ dồn/tách kênh tự động theo thời gian

- Gửi ảnh về máy tính PC qua đường truyền Internet

Các ảnh hiện trtường được thu và tiền xử lý sau đó truyền về máy tính host PC qua đường truyền Internet

Hình 2.5 Pin mặt trời và bộ nạp

2.1.2 Giải pháp thu ảnh hiện trường

Để có được ảnh của các con côn trùng rõ nét sau đó đưa về máy tính cần phải thu ảnh của chúng qua bẫy Chúng ta sẽ khảo sát một số loại bẫy dưới đây và chọn một loại để thu ảnh các con côn trùng ở bẫy đó

a Các loại bẫy côn trùng thường dùng trong nông nghiệp hiện nay

Bẫy côn trùng rất khác nhau về hình dạng, kích thước và cấu trúc, thường phản ánh hành vi hoặc hệ sinh thái của các loài mục tiêu Một số bẫy phổ biến như:

Bẫy dính: được sử dụng rộng rãi trong giám sát dịch hại nông nghiệp trong nhà

màng Dựa trên đặc tính của các loại côn trùng như bị thu hút bởi một số dải màu nhất định Đây là cơ sở để các chuyên gia phát triển loại bẫy dính sử dụng các mảnh giấy

với các dải màu phù hợp, dính keo để côn trùng bị gắn vào đó

Bẫy dính màu là loại bẫy dính được sử dụng phổ biến ngày nay Với hai loại bẫy dính màu chính đó là bẫy màu vàng và bẫy màu xanh dương Dựa vào tập tính của côn trùng mà người ta áp dụng từng loại màu phù hợp trên các mô hình canh tác

khác nhau để dẫn dụ côn trùng Ví dụ: bọ phấn, rầy (trên cây họ đậu) hay ruồi đục lá (trên nhóm rau họ cải) bị thu hút bởi màu vàng Hay các loài như: bọ trĩ, bọ nhảy hay sâu xanh bướm trắng lại bị thu hút bởi dải màu xanh lam

Hình 2.6 a) Tấm dính bẫy côn trùng b) Treo tấm dính trên cành cây trồng

c) Treo tấm dính trong nhà vườn

Bẫy đèn: kiểm soát côn trùng gây hại bằng biện pháp sử dụng bẫy đèn cũng

đang phổ biến, từ xưa người nông dân đã biết dùng đèn kết hợp với chậu nước để bắt một số loài côn trùng ngoài đồng ruộng Càng ngày trên thị trường càng có đa dạng các loại bẫy đèn cho người nông dân thuận tiện trong việc loại bỏ côn trùng khỏi đồng ruộng mà không gây hại tới môi trường

Bẫy bằng ánh sáng, có hoặc không có tia cực tím, thu hút một số côn trùng nhất định Nguồn sáng có thể bao gồm đèn huỳnh quang, đèn thủy ngân hơi, đèn màu đen hoặc điôt phát sáng được thiết kế khác nhau tùy theo tập tính của côn trùng được nhắm đến Bẫy đèn được sử dụng rộng rãi để kiểm soát sâu bướm về đêm Sự phong phú

a)

b)

c)