Trong các hệ thống nhà kính trồng rau, nhu cầu tự động hóa cho người sử dụng ngày càng tăng. Bài viết tập trung giới thiệu một phương án để phát hiện rau bị nhiễm bệnh qua các đặc điểm bên ngoài của rau như màu lá, hình dạng lá, vật thể lạ trên lá.
LIÊN NGÀNH ĐIỆN - ĐIỆN TỬ - TỰ ĐỘNG HÓA ĐỀ XUẤT PHƯƠNG PHÁP PHÁT HIỆN RAU BỊ SÂU BỆNH BẰNG HÌNH ẢNH DỰA TRÊN CÁC DẤU HIỆU TRÊN BỀ MẶT LÁ APPLICATION OF IMAGE PROCESSING IN INSECT PEST RECOGNITION VEGETABLES Đỗ Tuấn Linh1, Nguyễn Trọng Các2, Nguyễn Hữu Phát1 Email: tuanlinh.19.5.96@gmail.com Trường Đại học Bách khoa Hà Nội Trường Đại học Sao Đỏ Ngày nhận bài: 24/4/2018 Ngày nhận sửa sau phản biện: 20/6/2018 Ngày chấp nhận đăng: 28/6/2018 Tóm tắt Trong hệ thống nhà kính trồng rau, nhu cầu tự động hóa cho người sử dụng ngày tăng Trong báo này, giới thiệu phương án để phát rau bị nhiễm bệnh qua đặc điểm bên rau màu lá, hình dạng lá, vật thể lạ Phương pháp bao gồm bước chính: nhận ảnh từ camera, tiền xử lý ảnh, xác định, so sánh màu rau với màu rau khỏe mạnh, đưa ảnh dạng âm bản, loại bỏ màu đất, xác định đường biên ảnh, cuối xác định lỗ sâu ăn rau bệnh cách sử dụng thuật tốn SimpleBlobDetector Kết độ xác phương pháp đề xuất đạt 90% Phương pháp nhằm đưa hướng việc kiểm định đánh giá sản phẩm nông nghiệp tự động Các ảnh nguồn ảnh thu thập thực kiểm chứng với phương pháp đưa Kết thu chứng tỏ tính khả thi phương pháp đề xuất Từ khóa: Phát đốm; hệ thống nhà kính; sâu bệnh; nhận dạng rau; xử lý ảnh Abstract In the vegetable greenhouse systems, the demand for automation for users is increasing In this article we introduce an alternative way to detect infected vegetables by the external characteristics of vegetables such as leaf color, leaf shape This method includes the main steps: capturing the image, pre-processing images, identifying, and comparing vegetable colors with others, and applying image to negative image format Finally, detecting the bad vegetable by SimpleBlobDetector algorithm The accuracy of the proposed method is 90% This is a new method for quality control of agricultural product The source images and collected images were taken by us and processed by our algorithm The results shows that the proposed method is albe to apply for real applications in the future Keywords: Blobs detection; greenhouse systems; insect pets; recognition vegetables; image processing ĐẶT VẤN ĐỀ Ngày nay, camera sử dụng rộng rãi cho mục đích giám sát, nhận dạng, điều khiển xác định vật thể cách phổ biến Tuy nhiên, mơ hình camera phát rau bệnh tự động chưa áp dụng rộng rãi Trong phạm vi báo này, ứng dụng thuật tốn xử lý hình ảnh để phát hiện, xử lý phân loại rau tốt rau không tốt, giúp người sử dụng bao quát tốt trang trại rộng lớn đưa phương án xử lý Hệ thống di chuyển camera để thu nhận hình ảnh đường truyền tới trung tâm để xử lý phát hình ảnh chụp rau Người phản biện: GS.TSKH Thân Ngọc Hoàn PGS.TS Trần Vệ Quốc bệnh, sau gửi thơng tin vị trí rau bệnh cho người quản lý Quy trình phát rau bệnh mơ hình trình bày hình Hệ thống bao gồm hai thành phần sau: - Hệ thống khí di chuyển tự động gồm trục chạy đưa camera đến vị trí rau thu phát liệu - Trung tâm thu nhận xử lý, phát hiện, phân loại hình ảnh 1.1 Camera thu nhận hình ảnh thu phát liệu Gồm camera hệ thống di chuyển camera đến vị trí vùng chứa nhóm rau cần giám sát để chụp lại hình ảnh nhóm rau nghi ngờ Tạp chí Nghiên cứu khoa học - Đại học Sao Đỏ, ISSN 1859-4190 Số 2(61).2018 NGHIÊN CỨU KHOA HỌC Việc truyền liệu hình ảnh từ camera trung tâm xử lý thực kit RaspberryPi RaspberryPi thu nhận ảnh từ camera truyền liệu hình ảnh qua mạng khơng dây Wifi tới máy tính để xử lý 1.2 Trung tâm thu nhận xử lý, phát hiện, phân loại hình ảnh Đây nơi thu nhận liệu hình ảnh từ camera thực xử lý với đầu vào thông tin từ camera, đầu hình ảnh rau bệnh vị trí rau bệnh 1.3 Tổng quan phương pháp đề xuất Trên phần tổng quan hệ thống thiết kế thực tế Tuy nhiên, phạm vi báo đề cập đến việc đưa phương pháp phát hiện, kiểm tra thơng báo tình trạng rau bệnh đến người quản lý Phương pháp giúp xác định rau bệnh từ xa, nhanh chóng xác; giúp cho cơng việc quản lý nông trại rộng lớn dễ dàng nhiều Hiện nay, việc ứng dụng camera việc phát vật thể đưa vào sử dụng nhiều giới Tuy nhiên, phương pháp chưa đưa vào việc phát rau bệnh Các phương pháp sử dụng để phát vật thể sử dụng nguồn liệu có sẵn, từ phân tích huấn luyện cho máy tính học đặc trưng đối tượng dựa vào để tìm đối tượng mang đặc trưng bật Phương pháp đề xuất viết không sử dụng nguồn liệu có sẵn, thay vào ảnh rau thu từ camera tiền xử lý để làm bật đặc điểm rau nhiễm bệnh, dựa vào đặc tính màu sắc, vị trí, hình dạng dấu hiệu bệnh để phát yếu tố bệnh đặc trưng rau Q trình xử lý phương pháp tóm tắt thành hai bước sau: nhận ảnh từ camera, tiền xử lý ảnh giúp cho trình xác nhận dấu hiệu bệnh rau trở nên dễ dàng 2.1 Quá trình tiền xử lý ảnh, làm bật đặc tính dấu hiệu bệnh rau Trong viết này, đề cập đến việc phát dấu hiệu bệnh dựa vào đặc điểm màu sắc, hình dạng, kích thước, tỷ lệ, vị trí bệnh Quá trình tiền xử lý ảnh rau nhằm tách biệt màu đất làm bật đặc điểm lạ có dấu hiệu mạng bệnh Bài viết sử dụng thư viện xử lý ảnh OpenCV để phát loại bỏ đất dấu hiệu lạ (không phải rau) ảnh dựa vào màu sắc Ảnh ban đầu gồm ba kênh màu R, G, B Ban đầu ảnh khử nhiễu làm mịn lọc Gaussian Sau chuyển ảnh sang dạng YcrCb Tiếp theo lợi dụng ảnh chuyển màu sang YcrCb có khác biệt mạnh mẽ giữ thơng số [G] màu rau màu vật thể lạ hay đất Qua nhiều lần đo đạc giá trị rau phần mềm Matlab, nhận thấy số [G] màu có số nhỏ 100 Vì vậy, vật có số kênh màu [G] lớn 100 chuyển màu đen (cả ba số kênh màu R, G, B chuyển hết 0) Như vậy, sau hoàn thành phần tiền xử lý tách màu đất dấu hiệu lạ khỏi ảnh chứa rau dưạ màu sắc, ảnh màu rau (dạng YcrCb) màu đen Quá trình tách màu đất màu rau thực hình 2 GIẢI PHÁP THỰC HIỆN Hình Sơ đồ khái quá trình thực phương pháp đề xuất Hình Sơ đồ khái quát trình tiền xử lý ảnh đầu vào mục đích làm bật dấu hiệu bệnh rau Tạp chí Nghiên cứu khoa học - Đại học Sao Đỏ, ISSN 1859-4190 Số 2(61).2018 LIÊN NGÀNH ĐIỆN - ĐIỆN TỬ - TỰ ĐỘNG HÓA đốm thuật tốn SimpleBlobDetector khơng bỏ sót trường hợp (a) (b) Hình Quá trình xác định lỗ sâu ăn rau ảnh chứa rau [6] Hình Quá trình xác định lỗ sâu ăn rau ảnh chứa rau đất [5] (c) (d) Hình Quá trình đất vật thể lạ ảnh dựa màu sắc: (a) ảnh gốc [5]; (b) ảnh lọc Gauss; (c) ảnh định dạng YcrCb; (d) ảnh sau tách đất vật thể lạ dựa màu sắc Quá trình xác định dấu hiệu bệnh ảnh thực theo bước hình 2.2 Xác định dấu hiệu bệnh ảnh Sau trình lọc, chấm màu đen xuất Các chấm ảnh không gian màu YcrCb lỗ sâu ăn dấu hiệu bệnh hay côn trùng Do vậy, công việc cần làm xác định vị trí đốm màu đen xuất ảnh sau lọc tách màu đất dấu hiệu lạ xuất Thuật toán chúng tơi lựa chọn dựa thuật tốn SimpleBlobDetector cung cấp thư viện OpenCV [1, 2, 3, 4] Một đốm xác định nhóm điểm ảnh kết nối với ảnh có số đặc tính chung (ví dụ giá trị màu xám) Trong trường hợp nghiên cứu vùng điểm ảnh màu đen kết nối với đốm, mục tiêu đặt xác định đốm màu đen OpenCV cung cấp công cụ thuận tiện để phát đốm đen lọc tách chúng dựa đặc tính khác như: màu sắc, kích thước, hình dạng, độ lồi tỷ lệ đốm Tuy nhiên, để việc phát triệt để lỗ sâu ăn xuất rau ta cần xác định biên ảnh sau công đoạn lọc bỏ đất Mục đích q trình làm bật lỗ sâu chồng lên khác, từ giúp q trình xác định Hình Khái quát trình xác định lỗ sâu ăn rau KẾT QUẢ ĐẠT ĐƯỢC 3.1 Thiết lập mô Chúng thực việc mơ dựa hai bối cảnh chính: ảnh chứa rau đất, ảnh có rau với 500 ảnh Các ảnh chứa rau ba bối cảnh rau có dấu hiệu việc bị sâu ăn (có lỗ xuất lên thân lá) Trong bối cảnh ảnh chứa rau (một nhiều rau) đất thực với ảnh, bối cảnh chứa ảnh rau thực với ảnh để làm mẫu điển hình Các ảnh lấy từ nguồn internet chưa có điều kiện đến nhiều nơi trồng rau thu thập, mẫu ảnh thực tế Tạp chí Nghiên cứu khoa học - Đại học Sao Đỏ, ISSN 1859-4190 Số 2(61).2018 NGHIÊN CỨU KHOA HỌC 3.2 Kết mô thảo luận Kết mô mô tả bảng Bảng Kết thu theo bối cảnh Số lần phát Bối cảnh Tỷ lệ phần trăm lỗ số lỗ sâu ăn sâu ăn phát tổng số lỗ Rau đất 5/5 91% Chỉ chứa rau 5/5 90% Trong bảng 1, trình thực mô thực với trường hợp ảnh chứa rau đất, ảnh chứa rau (trong hai trường hợp trên, ảnh nhiều rau) Đây hai trường hợp điển hình tương ứng với mơ hình thực tế mà mong muốn áp dụng phương pháp Trong nhóm ảnh chứa rau đất ảnh chứa rau tồn ảnh nhận diện đặc điểm bệnh rau có lỗ sâu ăn để lại (hình 8) Điều chứng tỏ điều kiện đặt để phát lỗ thân rau thực mục đích ban đầu Mơ hình phát dấu hiệu bệnh rau nghiên cứu phát triển điều kiện khu vực trồng rộng lớn, cần có giám sát người nên việc phát rau mang bệnh vô quan trọng không xử lý sớm kịp thời, lây lan ảnh hưởng đến diện tích lớn trồng Hình Dấu hiệu nhận biết rau bị sâu bệnh lỗ sâu bề mặt [6] Trong ảnh chứa rau đất ảnh chứa rau tất phát có dấu hiệu bệnh lỗ sâu xuất rau Tuy nhiên, tất 10 ảnh này, việc phát chưa xác, xuất nhầm lẫn việc phát đốm sinh sau trình tiền xử lý ảnh từ lỗ sâu gây bệnh hay từ lỗ kín xếp chồng lên tạo thành, đường gân rõ nét gây Điều chứng tỏ thuật toán việc tiền xử lý phát dấu hiệu bệnh cần phải điều chỉnh, bổ sung thơng số cho xác Chương trình phát dấu hiệu bệnh đáp ứng thời gian thực để phục vụ cảnh báo kịp thời Thời gian xử lý ảnh hết khoảng s; với khoảng thời gian xử lý dành cho rau s với đồng hồ đủ để hệ thống xử lý diện tích trồng rau rộng 1000 m2 Hình Ảnh gốc [5, 6, 7, 8, 9] sau xử lý thuật toán Thuật toán chúng tơi sử dụng so với thuật tốn tham khảo SimpleBlobDetector thực chậm xác ảnh đầu vào chúng tơi cho qua q trình tiền xử lý, q trình góp phần giúp cho khâu phát xác dấu hiệu gây bệnh rau Tạp chí Nghiên cứu khoa học - Đại học Sao Đỏ, ISSN 1859-4190 Số 2(61).2018 LIÊN NGÀNH ĐIỆN - ĐIỆN TỬ - TỰ ĐỘNG HÓA 3.3 So sánh với phương pháp kiểm tra rau thủ công khác sử dụng cho chương trình Kết Ngày nay, camera có mặt trang trại ni trồng có tác dụng giúp cho người quản lý theo dõi công việc người lao động, theo dõi quy trình sản xuất rau trang trại trồng rau rộng lớn Quy trình kiểm tra rau thường người giám sát kiểm tra mắt thường Chúng ta phủ nhận dù người giám sát có thị lực tốt đến khơng thể tránh khỏi sai sót cơng đoạn kiểm định chất lượng sản phẩm nơng nghiệp Do đó, việc đưa camera vào cơng đoạn giám sát để giảm thiểu sai sót điều hoàn toàn hợp lý rau đất ảnh chứa rau 100% xác định Trong việc xử lý hình ảnh rau camera, ảnh sau lần chụp gửi máy chủ Sau máy chủ xử lý thơng tin ảnh vừa nhận, tìm dấu hiệu bệnh đánh giá xem liệu rau có đạt chất lượng không Nếu không, hệ thống đánh dấu vị trí rau gửi thơng tin bao gồm vị trí, tình trạng rau bị bệnh cho người quản lý, sau người quản lý đưa phương pháp xử lý hiệu hoạt động linh hoạt độ xác cao Về giá thành, ban đầu việc sử dụng hệ thống camera ứng dụng vào việc giám sát trồng cao lợi ích mà hệ thống đem lại cho người sử dụng lại không nhỏ Việc sử dụng hệ thống camera để phát rau bệnh giảm bớt sức lao động người, tăng tính xác cho tồn hệ thống, phục vụ việc mở rộng diện tích canh tác sau Qua nhận xét trên, thấy việc sử dụng phương pháp kiểm tra giám sát trồng camera có ứng dụng quan trọng hồn tồn thay phương pháp truyền thống trang trại trồng đại tương lai gần thu với 10 ảnh bao gồm ảnh chứa có dấu hiệu bệnh lá; ảnh chứa rau đất số lỗ sâu phát đạt 91% Đối với ảnh chứa rau, số lỗ sâu phát 90% Đây coi kết chấp nhận Tuy nhiên q trình triển khai thuật tốn cịn nhiều tham số gắn cứng thuật tốn giải vấn đề cứng nhắc Các tham số hồn tồn rút qua việc sử dụng mạng nơron Phương pháp sử dụng với mạng nơron TÀI LIỆU THAM KHẢO [1] T Lindeberg (1994) Scale-Space Theory in Computer Vision [2] D.G Lowe (2004). Distinctive Image Features from Keypoints. International Scale-Invariant Journal of Computer Vision, pp 91-110 [3] Lindeberg (2013) Image Matching Using Generalized Scale-Space Interest Points, Scale Space and Variational Methods in Computer Vision Springer Lecture Notes in Computer Science, Vol 7893, 2013, pp 355-367 [4] T Lindeberg (2015) Image matching using generalized scale-space interest points Journal of Mathematical Imaging and Vision, Vol 52, number 1, pp 3-36, 2015 [5] www.tintucnongnghiep.com/2014/11/bo-nhay-kethu-rau-ho-thap-tu.html [6] Blog.trongrautainha.vn/2013/09/phong-tru-saubenh-hai-rau-noi-lo-cua.html KẾT LUẬN Để kiểm nghiệm phương pháp mà chúng tơi xây dựng, chương trình thực ngôn ngữ C# phần mềm Visual Studio 2017 có hỗ trợ thư viện xử lý ảnh OpenCV Các ảnh đầu vào tham khảo ảnh từ nguồn [7] Sites.aces.edu/group/commhort/vegetable/ insectpest/cruciferous/default.aspx [8] web.extension.illinois.edu/vegguide/step08.cfm [9] www.sundaynews.co.zw/agritex-prime-seedcoin-joint-cabbage-production-venture/ Tạp chí Nghiên cứu khoa học - Đại học Sao Đỏ, ISSN 1859-4190 Số 2(61).2018 ... ăn rau KẾT QUẢ ĐẠT ĐƯỢC 3.1 Thiết lập mô Chúng thực việc mô dựa hai bối cảnh chính: ảnh chứa rau đất, ảnh có rau với 500 ảnh Các ảnh chứa rau ba bối cảnh rau có dấu hiệu việc bị sâu ăn (có lỗ xuất. .. việc phát rau mang bệnh vô quan trọng khơng xử lý sớm kịp thời, lây lan ảnh hưởng đến diện tích lớn trồng Hình Dấu hiệu nhận biết rau bị sâu bệnh lỗ sâu bề mặt [6] Trong ảnh chứa rau đất ảnh chứa... phát hiện, phân loại hình ảnh Đây nơi thu nhận liệu hình ảnh từ camera thực xử lý với đầu vào thơng tin từ camera, đầu hình ảnh rau bệnh vị trí rau bệnh 1.3 Tổng quan phương pháp đề xuất Trên