基于OpenMV的大棚茄子病蟲害監(jiān)測系統(tǒng)設計.pdf

63 陳依文 等 基于OpenMV的大棚茄子病蟲害監(jiān)測系統(tǒng)設計第3期 現代農業(yè)裝備第46卷 第3期 2025年6月 Vol 46 No 3 Jun 2025Modern Agricultural Equipment 基于OpenMV的大棚茄子病蟲害監(jiān)測系統(tǒng)設計 陳依文 王 權 韋耀輝 張夢翔 侯卓毅 鄭州科技學院機械工程學院 河南 鄭州 450064 摘 要 在溫室大棚內種植茄子可為茄子提供適宜的生長環(huán)境 但也成為了病菌和害蟲的溫床 病蟲害是影響茄 子品質和產量的關鍵因素之一 加強病蟲害防控意義重大 在茄子植株生長到一定程度時 人工監(jiān)測勞動強度較 大 而傳統(tǒng)的視覺檢測方式難以監(jiān)測其健康狀況 因此在溫室大棚環(huán)境下 通過結合大棚桁架 傳感器 機器視 覺等技術設計一套大棚茄子病蟲害監(jiān)測系統(tǒng) 旨在克服傳統(tǒng)檢測方法在茄子生長中后期難以準確判斷生長狀況局 限性的問題 以OpenMV相機作為圖像采集設備 ESP32作為桁架結構控制芯片 通過控制桁架結構實現相機在 不同位置和高度的拍攝 獲取更為全面的病蟲害信息 通過機器學習算法訓練模型 實現對圖片目標進行標注分 析 程序設計包括設備初始化 圖像獲取 監(jiān)測分析和系統(tǒng)提示等步驟 測試模型得出置信度達到0 7 能夠準確 識別茄子植株病蟲害類型及位置 滿足實際需求 系統(tǒng)具有高效 準確的特點 且具有良好的擴展性 可應用于 其他大棚作物的病蟲害監(jiān)測 助力農業(yè)的可持續(xù)發(fā)展 關鍵詞 OpenMV 大棚茄子 病蟲害監(jiān)測 桁架結構 模型訓練 中圖分類號 S431 文獻標識碼 A doi 10 3969 j issn 1673 2154 2025 03 010 收稿日期 2024 12 27 基金項目 河南省教育廳2024年大學生創(chuàng)新創(chuàng)業(yè)訓練計劃項目 202412746017 鄭州科技學院2024年大學生創(chuàng)新創(chuàng)業(yè)訓 練計劃項目 DC202417 作者簡介 陳依文 2002 男 本科生 主要研究方向為機電一體化 E mail 17530352150 通信作者 王權 1989 男 碩士 副教授 主要研究方向為機電一體化 E mail wangquan1989s 0 引言 茄子作為我國重要的茄果類蔬菜之一 具有豐 富的營養(yǎng)價值和經濟效益 鮮嫩多汁的口感深受 人們喜愛 1 大棚種植可以控制多種環(huán)境因素 能 夠保障茄子產量 品質 大棚可以提供適宜蔬菜 生長的溫度和濕度 2 但也適宜病菌和蟲害生存和 繁殖 從而對茄子的生長構成威脅 因此在大棚 生產中 病蟲害的預防極為重要 傳統(tǒng)的茄子病 蟲害預防主要通過選擇抗病的品種和對種子或土 壤進行藥水消毒加上人工對田間的觀察分析 這 種方式需要大量的人力 物力投入 工作效率比 較低 若藥水使用不恰當或沒有及時發(fā)現預防 將對茄子生長及土壤環(huán)境造成嚴重影響 3 茄子病 蟲害監(jiān)測預警防治是維持農業(yè)可持續(xù)發(fā)展的重要 組成部分 因此開發(fā)一種有效的現代化大棚茄子 病蟲害監(jiān)測系統(tǒng)對于提高茄子的產量和品質 降 低生產成本有重要的意義 1 系統(tǒng)方案設計 1 1 設計原則 大棚環(huán)境下針對茄子病蟲害監(jiān)測系統(tǒng)的視覺系 統(tǒng)和結構設計至關重要 系統(tǒng)設計應遵循以下基本 原則 一是 大棚結構的設計應滿足茄子生長需求 確保結構穩(wěn)定安全 同時避免執(zhí)行裝置 桁架結構 等設計元素對茄子植株生長造成不利影響 二是 視 覺系統(tǒng)應滿足農業(yè)生產和勞動效率的需求 注重人 體工學設計 確保操作便捷 可視化效果 能夠準 確 高效地監(jiān)測茄子病蟲害情況 1 2 系統(tǒng)框架 病蟲害預警系統(tǒng)由前端感知層 網絡傳輸層 應用平臺層 用戶層 4 個部分組成 感知層由多個 檢測地點的相機 土壤濕度溫度傳感器等組成 實 時捕獲棚內多種環(huán)境信息并且初步轉換 通過網絡 層有線通信和無線通訊節(jié)點發(fā)送到系統(tǒng)中 由訓練 好的模型對這些信息進行分析判斷 反饋到用戶層 64 現代農業(yè)裝備 2025年 由技術操作人員或農戶查看 從而達到預警的目的 系統(tǒng)結構框架如圖 1 所示 圖 1 系統(tǒng)結構框架 Fig 1 Schematic diagram of system structure framework 系統(tǒng)分為硬件和軟件 2 部分 軟件主要由圖像 處理 系統(tǒng)控制程序等組成 硬件部分主要由相 機 圖像傳感器 主控板 桁架結構等執(zhí)行裝置 等組成 2 系統(tǒng)設計 2 1 結構設計 桁架結構是農業(yè)種植大棚的核心骨架 它需要 具備足夠的承載力和穩(wěn)定性 移動裝置的設計同樣 關鍵 結構設計應充分結合實際情況 結合地理位 置 大棚的棚頭分別朝向南 北兩側 這樣能使棚 內茄子均勻地接受光照 使棚內有更好的透光性 大棚過長會導致通風性變差 大棚的南 北跨度一 般為 6 10 m 東 西跨度一般為 30 100 m 高度 為 2 5 3 0 m 種植茄子的行間距為 0 6 m 株距 為 0 4 m 合適的尺寸有利于棚內作物生長 將傳統(tǒng) 的桁架結構應用到農業(yè)大棚的自動化控制當中 移 動裝置由 2 臺交流三相異步電動機和 1 臺步進電機 驅動 可以實現橫向 縱向以及豎直方向的移動 桁架末端攜帶相機實現多位置不同高度拍攝 精準 識別 桁架結構運動簡圖如圖 2 所示 1 支撐桁架 桁架橫向和豎直方向受力不同 所以在設計桁架時應根據實際受力情況設計桁架結 構 豎直的桁架主要承受軸向壓力 三角形式的多 單元桁架 內部相互支撐的三角結構可以提供足夠 的穩(wěn)定性 具有良好的承載軸向力的能力 內部鏤 空的結構在保證強度的同時 可以充分利用材料的 強度 節(jié)省材料和成本 這種特性使得它特別適用 于大跨度建筑和橋梁結構 能夠大幅度降低造價并 提高經濟效益 1 支撐桁架 2 縱向導軌桁架 3 移動裝置 4 橫向導軌桁架 5 豎直導軌桁架 6 相機 圖 2 桁架結構運動簡圖 Fig 2 Schematic diagram of truss structure movement 2 導軌桁架 在桁架結構設計過程中 致力 于在維持原有的支撐和承載能力的同時保留其支撐 和承載的能力 并將其作為執(zhí)行裝置的軌道 橫向 的桁架多承受彎矩 工字型結構鋼有較好的抗彎性 方便進行機械加工和設備組裝 兩邊的凹槽可以 作為導軌 移動輪可在凹槽內移動 縱向裝置通 過電機驅動傳動輪與桁架的凹槽內側配合實現移 動 這種設計利用輪子與凹槽之間的摩擦力 使 執(zhí)行裝置能夠平穩(wěn)移動 采用同步帶達到執(zhí)行裝 置精準的移動要求 這種設計保留了原有桁架結 構的力學特征 并且使其作為動態(tài)作業(yè)平臺的軌道 支撐 4 3 移動裝置 移動裝置安裝在導軌桁架上 負責驅動桁架間接帶動相機在 3 個方向 橫向 縱 向和豎直方向 上移動 移動裝置有 1 個固定平臺 用于固定桁架 平臺下方固定電機 鏈輪 移動輪 鏈輪配合固定在導軌桁架上的鏈條 沿著導軌桁架 平滑移動 豎直方向移動裝置使用 1 臺步進電機實 現移動 用于引導相機在豎直方向上移動 2 2 控制系統(tǒng)設計 2 2 1 元件選型 1 相機的選型 主要考慮通信接口 電源接 口 圖像處理等功能 設計中相機分為 2 類 一種是 固定式相機 固定在大棚的角落 主要用于監(jiān)測大 65 陳依文 等 基于OpenMV的大棚茄子病蟲害監(jiān)測系統(tǒng)設計第3期 棚的整體狀況 一種是移動式相機 裝配在 Z 桁架 的末端 如桁架結構運動簡圖 2 中序號 6 所示 由 桁架結構帶動相機進行移動 實現大棚全方位的拍 攝 OpenMV攝像頭是一款功耗低 小巧 成本低 電路板 其處理器基于 STM32 系列的開源機械視覺 相機 具備串口通信 SD 卡數據存儲功能等 支持 Edge lmpulse 模型 可通過加載量化后的神經網絡模 型進行病蟲害識別和分析 支持無線網絡連接和數 據傳輸功能 能夠通過手機 電腦等設備遠程查看 病蟲害監(jiān)測結果 2 桁架控制芯片的選擇 主要考慮處理內存 通信接口和遠程控制等問題 桁架結構由 3 個電機 作為驅動 加上限位開關 傳感器等主要部分組成 ESP32 WROOM 32U 作為 32 位處理器支持 240 MHz 的時鐘頻率 支持外部 SPI Flash 擴展 滿足程序運 行和數據存儲功能 支持多種 UART I2C 等多種通 信協議 Wi Fi 功能實現遠距離的桁架控制和監(jiān)控 查看桁架的位置 速度等信息 3 電機的選型 電機桁架由 2 個交流三相異 步電動機和 1 個步進電機作為驅動 電動機選型主 要考慮功率 轉矩 轉速等參數 由于大棚桁架負 載相對不大 功率可選擇在較小的范圍內 轉速范 圍可選擇較寬的區(qū)間內 考慮到負載安全性和波動 等 選擇較為常用的電機功率參數 電機額定功率 1 5 kW 轉速 955 r min 可選 Y2 90S 2 型號電機 對于豎直方向的 null 軸桁架需要相對較高的精度 故 選擇步進電動機 因 null 軸桁架自身和所攜帶的相機 等設備重力 需配合剎車裝置實現自鎖功能 2 2 2 電氣原理 在設計桁架控制電路原理圖時 使用嘉立創(chuàng) EDA 專業(yè)版 軟件來繪制原理圖和 PCB 圖 桁架 電機驅動板采用 12 V 24 V 供電 采用自行設計的 電路將電壓降低到 5 V 和 3 3 V 提供穩(wěn)定的電壓 5 供電模塊原理如圖 3 所示 圖 3 供電模塊原理 Fig 3 Schematic diagram of power supply module 步進電機通過電路板排針外接 A4988 驅動芯片 將 A4988 驅動芯片 MS1 MS2 MS3 引腳連接 5V 設 置 16 細分模式 Z PUL O 引腳用于控制步進電動機 旋轉方向 Z PUL L 引腳用于接收脈沖 步進電機 驅動器連接如圖 4 所示 如圖 5 所示 本設計中將 X DIR X PUL 等引 腳與 A4988 驅動芯片相連用于輸出脈沖和轉動方向 將 IO0 引腳與開關相連用于復位 設計包含電源線 路 通訊線路 限位開關線路等 6 圖 4 步進電機驅動器連接 Fig 4 Stepper motor driver connection 66 現代農業(yè)裝備 2025年 圖 5 ESP32 引腳分配 Fig 5 ESP32 pin assignment 2 2 3 程序設計 該系統(tǒng)的程序設計流程如圖 6 所示 圖 6 程序設計流程 Fig 6 Programming flow chart 其主要步驟如下 1 開啟設備 桁架 相機等部分進行初始 化 桁架啟動 桁架高度根據棚內實際情況調整至 OpenMV 相機最佳拍攝條件 2 圖像獲取 桁架末端攜帶相機對棚內茄子 植物進行逐一拍照 默認自動掃描拍攝 可選擇手 動控制桁架 3 監(jiān)測分析 采集圖片發(fā)送至模型分析 與 數據庫病蟲害信息進行特征提取 檢測到病蟲害的 存在 標記茄子植株病蟲害的類型和位置 4 系統(tǒng)提示 系統(tǒng)發(fā)出預警信息 提醒農戶 采取相應的防治措施 提高病蟲害預警的及時性和 準確性 為后續(xù)的病蟲害防治工作提供重要的參考 依據 7 3 模型訓練 3 1 訓練過程 目標檢測算法是一種通過學習識別目標的特征 對輸入目標進行特征提取和分類得到目標在圖像中 的類別和位置的一種技術 特征提取涵蓋手工設定 的特征和深度學習獲得的特征 手工設計特征依賴 于人的經驗知識 對于簡單場景目標檢測效果較好 深度學習特征通過訓練卷積神經網絡自動學習目標 67 陳依文 等 基于OpenMV的大棚茄子病蟲害監(jiān)測系統(tǒng)設計第3期 特征 相比于手工設計特征 在復雜場景的目標檢 測效果更具有優(yōu)勢 模型的訓練過程包括數據準備 模型搭建 模 型訓練和模型評估等階段 訓練模型需要收集大量 與目標檢測有相關性的圖像 并且圖像數據盡可能 涵蓋不同的光線 場景等條件 圖像數據的采集主 要基于 Python 網絡爬蟲技術 從互聯網上下載指 定圖片至本地存儲 然而 通過此方法獲取的圖 像數據中可能包含一系列不符合要求的 壞圖 諸如清晰度不足 格式不符合等問題 這些因素 會對后續(xù)數據集的質量產生影響 為構建高質量 的數據集 通過圖像算法處理技術對下載的圖像 進行篩選與過濾 圖 7 是通過篩選后拼接的茄子 及其植株圖片 涵蓋了茄子從花蕾到成熟期的不 同階段以及病蟲害 對篩選并保留的圖像數據集 中的目標特征信息進行標注 以提升數據集的準 確性和可用性 將已標注好的數據集劃分為訓練 集 驗證集和測試集 注意避免相同圖片被劃分 為不同數據集 其中使用 80 的數據集作為訓練 集 驗證集和測試集各占 10 這樣可以使模型 得到較好的訓練效果 也可以保證有足夠的樣本 進行驗證和測試 8 3 2 結果分析 圖 7 是驗證集中一個批次的圖像 在圖中展示 了茄子及其植株的多種實際場景 OpenMV 內置圖 像處理芯片可將不同色彩的圖像根據色素不同精準 框選定位 從而獲取目標在相機二維位置形狀信息 由 2 部固定于不同位置的相機攝得物體的像 分別 獲得該點在 2 部相機像平面上的坐標 只要知道 2 部相機精確的相對位置 就可用幾何的方法得到該 特征點在固定 1 部相機的坐標系中的坐標 圖 8 是 經訓練后的模型處理過的預計結果 包括各類目標 的類別 位置和置信度 9 通過對比原始圖像可以看 出在識別植物病蟲害以及植株類別方面的性能 模 型在處理預測過程中能準確地識別植物和昆蟲的類 別并且定位它們在圖像中的位置 標出相應的置信 度 通過測試模型得出各類目標置信度平均在 0 7 這表明訓練的模型在植物病害和害蟲識別方面具有 較高的準確性和穩(wěn)定性 模型訓練過程中學習率 訓練輪次 批量大小等這些參數對于訓練的結構影 響較大 可通過不斷調整相機參數 濾波器 學習 率 批次大小等參數優(yōu)化識別效果 圖 7 篩選后圖片拼接 Fig 7 images are filtered and spliced 圖 8 模型識別后 Fig 8 Post model recognition 4 結語 通過現代化技術進行植物病蟲害圖像識別及防 控是農業(yè)領域的重點研究問題之一 設計了一種結 合機械機構 傳感器 機器視覺等技術的病蟲害預警 系統(tǒng) 該系統(tǒng)通過桁架結構搭載相機 在大棚內實現 68 現代農業(yè)裝備 2025年 多位置 多高度采集大棚內環(huán)境信息和圖像數據 10 通過模型對病蟲害信息進行特征提取 標注 實現 對茄子病蟲害的精準預警 模型訓練階段通過高質 量數據集進行訓練 通過調整參數優(yōu)化模型性能 提高病蟲害監(jiān)測的準確性 該方法的研究為茄子種 植戶提供了有效的病蟲害防治手段 同樣可以擴展 至其他農作物上 提升農業(yè)生產的智能化水平和病 蟲害防控能力 為我國農業(yè)經濟的持續(xù)發(fā)展做出貢 獻 11 具有重要的應用意義 參考文獻 1 高興平 茄子優(yōu)質高產栽培技術 J 農村實用技術 2024 1 81 82 2 姚斌 張楠 基于 ZigBee 技術的農業(yè)大棚溫濕度監(jiān) 控裝置 CN201520945330 P 2016 04 20 3 張榮生 大棚茄子栽培技術 J 現代農業(yè)科技 2019 22 44 45 4 王文志 劉龍 滕媛媛 基于 ANSyS的港口起重 機桁架結構的優(yōu)化設計 J 機電工程技術 2015 44 1 52 55 5 張文樂 楊晶晶 鐘林強 基于 StM32 溫室大棚氣 象數據采集器的設計 J 機電工程技術 2019 48 1 69 71 151 6 馬錦琳 費承昊 陳杭濤 等 一種基于機器視覺 的自感應式智能漁業(yè)檢測裝置 J 中國科技信息 2024 22 85 88 7 向琳娜 楊鷗 張艷 等 農業(yè)信息化技術在辣椒 病蟲害防治中的應用 J 長江蔬菜 2024 19 50 52 8 肖宇 吳杰 馬馳 用于植物病蟲害圖像識別的數 據增強方法 J OL 計算機技術與發(fā)展 1 6 2024 11 23 https doi org 10 20165 ki iSSN1673 629X 2024 0334 9 呂獻周 蔣銘 李慶松 等 基于 yOLOv7 的海量 煙支外觀缺陷快速自動標注方法 J 科技創(chuàng)新與應 用 2024 14 15 40 45 10 羅玉海 王椿曦 熊正燁 基于鴻蒙系統(tǒng)和 OtA 技 術的農業(yè)大棚測控系統(tǒng) J 現代農業(yè)裝備 2023 44 6 31 37 75 11 孫洪武 陳志石 牛宜生 無公害農業(yè) 我國現 階段農業(yè)發(fā)展的現實選擇 J 農業(yè)科技管理 2003 4 11 13 Design of Eggplant Pest and Disease Monitoring System in Greenhouse Based on OpenMV CHEN Yiwen WANG Quan WEI Yaohui ZHANG Mengxiang HOU Zhuoyi College of Mechanical Engineering Zhengzhou University of Science and technology Zhengzhou 450064 China Abstract Planting eggplant in greenhouse not only provides a suitable environment for the growth of eggplant but also provides a hotbed for bacteria and pests Diseases and pests are one of the key factors affecting the quality and yield of eggplant so it is of great significance to strengthen the prevention and control of diseases and pests When the eggplant grows to a certain extent the labor intensity of manual monitoring is great and the traditional visual detection method is difficult to monitor its health status Therefore based on the environment of greenhouse a monitoring system of eggplant disease and insect pests in greenhouse was designed by combining the truss sensor machine vision and other technologies It aimed to overcome the limitations of traditional detection methods in determining the growth status of eggplant accurately in the middle and late growth period The OpenMV camera was used as the image acquisition equipment and ESP32 was used as the truss structure control chip By controlling the truss structure the camera was shoot at different positions and heights and more comprehensive information of diseases and pests could be obtained The model was trained by machine learning algorithm to realize the annotation and analysis of image targets The program design included equipment initialization image acquisition monitoring and analysis system prompt and other steps The confidence of the test model reached 0 7 which could accurately identify the type and location of eggplant pests and diseases and meet the actual needs The system had the characteristics of high efficiency accuracy and good scalability which could be applied to the monitoring of diseases and pests of other greenhouse crops and contributed to the sustainable development of agriculture Key words OpenMV eggplant in greenhouses monitoring of pests and diseases truss structure model training