基于机器视觉和无线网络的作物监测系统

《基于机器视觉和无线网络的作物监测系统》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、基于机器视觉和无线网络的作物监测系统【摘要】传统采用LVDT等接触式测量法检测作物器官微小变化的方法具有一定的局限性，尤其不适用于柔嫩的花卉作物。该设计实现了一种基于机器视觉和无线网络的检测系统，通过对视频图像的处理获得被测目标的数据，初步实验表明该设计的合理性和实用性。【关键词】机器视觉无线作物监测一、引言作物器官的微变化反映了植物的生长及生理情况，传统的人工测量方法操作粗略、精度低［1］，通常采用LVDT来测量植株的茎直径微变化［2］。但是采用LVDT也具有一定的局限性：1、LVDT的回弹力会对作物本身造成伤害，尤其是质

2、地柔嫩的作物茎干，如花卉作物等。2、LVDT量程有限。3、LVDT无法准确测量不光滑的茎干，尤其是无法描述不规则对象的全貌。本文结合视频处理技术和图像分割技术，采用机器视觉无线网络实现对作物生长情况的检测。二、系统设计检测系统首先要完成对作物图像的数据采集，之后为了获取需要的目标数据要取出环境影响，然后要使用图像分割技术分离出目标的图形数据并通过无线模块将数据发送到PC机。2.1系统结构检测系统使用S5PV210作为图像处理核心，其他包括像采集模块、图像预处理模块、数据处理、无线传输等模块。系统结构如图1。2.2各模块简介S

3、5PV210处理器负责完成对图像数据的处理、显示以及保证无线数据传输的实时性。它是一个基于ARMCortex-A8的32处理器。无线模块RTL8188是一款低功耗，高线性输出功率，符合IEEE802.11B/G/N支持IEEE802.lli安全协议，以及IEEE802.lie标准服务质量的150USB无线网卡，无线传输速率高达150M，最大传输距离可达300米。考虑到C⑶摄像头的成本高于CMOS摄像头，并且CCD却为被动式，必须外加12V以上电压让每个像素中的电荷移动至传输通道，为了保证本设计的低成本和低功耗性，所以使用CM

4、OS摄像头作为本次设计的机器视觉基础。三、系统软件设计本系统基于嵌入式Linux操作系统。首先需要对Linux内核进行配置和裁剪：解压Linux讷河源码，清除源码配置文件和目标文件、makemenuconfig进行内核配置与裁剪，makezImage生成内核。3.1ARM平台服务程序主程序通过调用各子程序模块完成初始化工作，初始化完成后启动无线传输和视频采集并建立网络通信，对采集的视频信号进行处理后通过无线网络发送到PC机。3.2摄像头模块由于在Linux系统用户空间无法直接采集摄像头图像数据，需要将视频数据拷贝到缓冲区，在

5、提取到输入队列，才能在系统中进行图像信息数据处理。ioctl(vd-〉fd，VIDIOC_STREAMON,&type)；//摄像头开始抓取视频数据ioctl(vd->fd,VIDIOC_DQBUF,&vd->buf)；//拷贝到缓冲区memcpy(vd->tmpbuffer,vd->mem[vd->buf.index]；//拷贝到用户空间vd_>tmpbuffer3.3网络传输模块在arm板上建立WiFi无线网络，将图像处理数据发送到PC机上，使PC机上可以接受到生理监测的数，值建立TCP网络传输环境，使用SOCKET套接

6、字建立数据传输网络，让像视频数据传输可以通过无线网络传输到PC机上，部分关键代码如下：socket(PF_INET,SOCK_STREAM,0)；//建立socket套接字setsockopt(pcontext->sd,S0L_S0CKET,SOREUSEADDR，&on,sizeof(on)；bind(pcontext->sd,(structsockaddr*)&addr,sizeof(addr)；listen(pcontext_〉sd，10)；accept(pcontext-〉sd，(structsockaddr氺)&c

7、lientaddr,&addrlen)；pthread_create(&client,NULL,&client_thread,pcfd）；3.4图像处理从用户空间中读取图像数据再进行图像处理，在图像中设置一个单位标志物作为监测数值单位，对视频数据进行阈值分割后计算单位像素值从而计算出目标对象的实际数值。3.5PC端客户程序PC端接首先建立其TCP客户端网络，向ARM平台发送数据请求，将接收到的数据行进图像和检测数值分离后导入到数据库中。PC端直接利用Linux系统的Socket套接字建立客户端网路接受数据。用户界面使用Qt编

8、写，使用SQLite建立小型嵌入式数据库。四、实验结果及分析本系统分别使用花卉和水果进行了运行测试，将摄像头安置在水平位置并且距离监测物体距离20cm通过无线WiFi接收到PC机上，表1为测量数据。五、结论本设计实现了一种基于机器视觉和无线传输的作物生理检测系统，实验数据表明平均误差