百度AI环境下的植物生长阶段识别研究_陈文印.pdf

第 39 卷 第 8 期 福 建 电 脑 Vol 39 No 8 2023 年 8 月 Journal of Fujian Computer Aug 2023 nullnullnullnullnullnullnullnull 本文 得到福建信息职业技术学院院级科研项目 No Y21107 资助 陈文印 通信作者 男 1989年生 主要研究领域为物联网技术 图像处理 E mail 1092947606 吴科甲 男 1991 年生 主要研究方向嵌入式应用 E mail 2702876243 吴婧 女 1993年生 主要研究领 域为物联网应用技术 E mail dtywj1109 百度AI环境下的植物生长阶段识别研究 陈文印 吴科甲 吴婧 林陈隆 林宏河 福建信息职业技术学院物联网与人工智能学院 福州 350000 摘 要 植物在不同的生长阶段所需的 温光水气肥 等因素参数各不相同 为了精准地控制植物工厂中各种环境 需要对 植物生长阶段进行识别 本文研究将百度 AI 智能云平台训练识别模型结合树莓派实现图像采集 识别以及环境控制输出 来实现生长环境精准调控 通过测试表明 该方案简单快速 实用性强 可以有效识别出所识别植物的生长阶段 关键词 百度智能云 物联网设备 树莓派 植物识别 中图法分类号 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 Ination 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 plat 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 随着人工智能的快速发展 图像识别技术在智 慧农业中应用也越来越广泛 促进了植物工厂等现 代农业的发展 1 在植物工厂中 能够对温度 光 照 水分 二氧化碳 肥料等植物所需的生长因素 进行精准控制 使作物始终处于最佳的生长环境 2 然后同一种作物 在不同的生长阶段 对这些环境 因素的需求也各不相同 例如水稻在拨节孕穂期的 时候需要更高的温度 否则容易出现严重的空秕 瘪粒的情况 目前 研究人员对图像识别在植物种类识别 病虫害识别 产量评估等方面研究较多 例如 西 北农林科技大学的罗娟和蔡骋研究了基于 GoogleNet 网络结构在植物识别中的应用 提出了 基于该网络的多线索植物识别方法 3 中国科学技 术大学的王芳元提出了基于级联卷积神经网络的 植物病害识别方法 融合了农田多源环境信息 为 虫害目标检测模型提供了语义知识背景的指导 4 中 北大学的吴尚蓉通过灰度共生矩阵提取纹理特 征 建立基于径向基 Radial Basis Function RBF 神经网络的估产模型作为倒伏冬小麦产量评论的 最优模型 5 百度 AI 智能云平台提供了 EasyDL 开发平台 本文利用该平台进行训练植物生长阶段识别的模 型 收集了同一种类作物不同阶段的生长图片 将 这些图片上传至平台 然后人工进行标注 云平台 2023 年 福 建 电 脑 27 利用这些图片训练出所需的模型 并对训练后的模 型进行二次校验 以提高模型泛化效果 模型训练 结束后 通过 API Application Programming Interface 接口发布给客户端使用 摄像头接入树 莓派中 树莓派通过 OpenCV 模块调用摄像头进行 采集图像 采集后调用 API 接口进行阶段识别 根 据识别结果通过后台得到最佳的生长环境参数 最 后结合物联网控制系统实现环境调控 使作物处于 最佳的生长环境 6 7 2 系统架构 系统可以分为百度 AI 树莓派图像采集系统组 成的图像识别系统 以及植物生长环境数据库 物 联网控制系统组成的环境控制系统 首先树莓派通 过摄像头对植物进行图像采集 然后运用百度 AI 对植物图像进行识别 随后将识别到的结果发给环 境控制系统 最后物联网控制系统会将识别到的植 物阶段结合植物生长环境数据库输出植物最佳的 生长环境 系统架构图如图 1 所示 图 1 系统架构图 百度 AI 是植物阶段识别的核心 建立模型后 利用上传的训练集图像 人工标注各个阶段的图 片 就可以让平台进行模型训练 云平台不仅可以 根据上传的图像建立识别模型 还能利用百度提供 的校验工具对模型进行二次校验 用于判断模型的 效果是否符合预期的目标 树莓派是一款低成本的微型计算机 可以利用 Python 语言快速开发图像采集程序 树莓派将采集 到的图像通过百度提供的 API接口识别出植物所处 的生长阶段 识别后 将识别到的数据上报给物联 网控制系统 给控制系统的控制提供依据 植物生长环境数据库中的数据是由实验获得 利用实验室得到植物在各个阶段生长所需最佳环 境数据 植物生长环境参数一般是一个范围值 控 制系统在满足植物最低生长需求的情况下 应根据 种植需求动态调整控制策略 物联网控制系统每个环境因素的控制应包括 传感器和执行器 形成一个闭环系统 这样才能保 证环境控制达到预期目标 控制系统应根据实际项 目需求进行调整 不同的植物控制的参数应有不同 的侧重 例如水培环境下无需对水分进行调控 3 建立AI模型 3 1 EasyDL简介 EasyDL 图像是百度云平台提供的一种可以进 行多样化分析的人工智能模型 使用时只需提供训 练集图像 可以实现对图像的内容进行分类 也可 以实现对目标检测和定位 因此 EasyDL 图像适合 的场景多 目前多用于安防监控和工业场景 8 9 目前 EasyDL 能够支持训练图像分析 图像分 类和物体检测三种不同场景下的模型 EasyDL 基 本使用流程如图 2 所示 28 陈文印等 百度 AI 环境下的植物生长阶段识别研究 第 8 期 建立模型 创建数据集 训练模型 发布模型 上传训练图片 标注训练图片多人标注 在线标注 智能标注 校验模型 图 2 EasyDL 基本使用流程 首先 需要选择模型类型中的物体检测并建立 模型 然后 创建数据集将训练图片上传 同时需 要对其进行标注 训练 训练后可以对其进行二次 校验 校验结果不理想可以重新训练模型 直到模 型符合预期 最后发布所需的模型进行应用 3 2 生长阶段模型训练 1 建立模型 建立模型时 需要选择模型类型 该项目选择 物体检测模型 创建模型后需要选择标注模板 并 填写模板名称 业务介绍 个人信息等内容 以便 管理模型 建立模型操作如图 3 所示 图 3 建立模型 2 上传训练图片 建立模型后 要把所需训练的图片上传至模型 中 为训练模型做准备 打开模型管理界面 选择 数据总览功能然后创建数据集 在创建数据集时标 注模板要注意 如果选矩形标注框在标注时也要选 择矩形标准框 为了使模型能够更加准确 导入的 图片不能太少 上传图片操作如图 4 所示 2023 年 福 建 电 脑 29 图 4 创建数据集并上传图片 3 标注图片 开始训练模型前 还需要对图片进行标注 EasyDL 提供了三种标注方式 在线标注 多人标 注和智能标注 在线标注和多人标注都是人工标注 准确率较 高 在线标注依靠个人对进行标注 若上传的图片 数量较大 则存在标注时间长 标注疲劳等问题 多人标注功能可通过添加团队成员邮箱的方式来 组建标注团队 这样多人同时标注可以缩短总的标 注时间 但标注标准有差异可能导致准确度较低 图片较多时 也可以选择智能标注功能以减少 数据标注的人力投入 数据集中的难例图片能够被 智能标注自动筛选出来 使用时 用户只要对其中 30 左右难例数据进行标注即可 经过测试 智能 标注相对于前面两种标注方式 准确率最低 标注图片操作如图 5 所示 图 5 标注图片 4 训练及校验模型 训练模型时 还需要选择参数 包括数据集 部署方式和训练方式 还有选择算法 接下来就可 以开始训练 每次训练结束后 需对模型进行校验 查看模型的模型 mAP mean Average Precision 精确度和召回率 若训练后测试参数不理想 应选 择继续优化模型效果直到满足应用 校验模型操作如图 6 所示 5 模型发布 模型训练结束后 需要将模型发布提供应用接 30 陈文印等 百度 AI 环境下的植物生长阶段识别研究 第 8 期 口调用 选好部署方式和版本型号后输入接口地址 和服务名称 随后提交申请发布 后台会有审核人 员审核该模型 通常情况下申请发布的第二天就可 以审核完成 图 6 校验模型 4 图片采集 4 1 OpenCV OpenCV 是一个开源的机器学习和计算机视觉 处理的软件库 能够运行在多种操作系统上 并支 持多种编程语言 在 Pycharm 的终端中输入 pip install opencv p ython 进行运行 若出现安装失败的情况 属于正 常事件 可能是因为 pip 使用的是国外的服务器 下载速度较慢 只需重新运行直到 OpenCV 下载成 功即可 打开 Python 的命令提示窗口 输入 import cv2 命令 回车后如果未报错并且出现了新的提 示符 则表示 OpenCV 库安装成功 若出现报错 则安装失败 OpenCV 安装成功如图 7 所示 图 7 验证 OpenCV 4 2 OpenCV图像采集 调用摄像头打开 判断是否读取到图片 将读 取到的图片左右调换正常显示 否则左右颠倒 生 成一个摄像头窗口 如果输入 s 则截图 将所截 取的图片保存在 存储图片的路径 并 设置图片 格式为 png 继续循环 当输入为 q 时退出 循环停止捕获并关闭摄像头窗口 参考代码如下 import cv2 cap cv2 VideoCapture 0 打开摄像头 while True ret frame cap read 判断是否读 取到图片 frame cv2 flip frame 1 将图像左 右调换回来正常显示 cv2 imshow capture frame 生成摄 像头窗口 if cv2 waitKey 1 0 xFF ord s 截图 cv2 imwrite 图片名字 png frame 保存路径及图片格式 if cv2 waitKey 1 0 xFF ord q 退出 break cap release 停止捕获 cv2 destroyAllWindows 关闭摄像头窗口 代码运行结果如图 8 所示 图 8 拍摄图片 5 阶段识别 5 1 百度身份认证 想要使用 Python 调用百度 AI 需获 取到百度 AI 中的 App Key Secret Key 和 Model API URL 才能运行成功 各个字段定义如表 1 所示 参考官方文档获取通信令牌 获取令牌时数据 以 json 形式响应 参考代码如下 def getToken 获取 Token response requests get tockenHost 2023 年 福 建 电 脑 31 if response return response json access token return 表1 各个字段定义 字段 值 API KEY API 接口验证序号 SECRET KEY 密钥 MODEL API URL 接口地址 5 2 生长阶段识别 获取到相应数据即可判断植物处于哪个时期 参考代码如下 def getResult img 获取图像处理结果 with open img rb as f img b64encode f rea d 二进制方式打开图片文件 response requests post data animal Host data image img if response return response json 存入 字典中 return 数据保存后 会将数据通过树莓派上传至物联 网控制系统 物联网控制系统会根据植物生长环境 数据库所反馈结果进行调控环境 若返回数据与种植结果有误差时 例如根据种 植记录 植物当种植阶段应该在成长一期 结果返 回内容为成长二期 甚至被识别为成熟期 此时就 需要对结果进行人工校准 6 测试 6 1 测试环境搭建及流程 一开始需要将树莓派连接一个完成训练并发 布成功的百度 AI 模型 摄像头和物联网控制系统 还有植物生长环境数据库为植物环境调配保驾护 航 构成一个植物工厂的智能调控系统 首先需要设置时间定时采集图片 在到达设定 的时间后树莓派控制摄像头对植物进行图片采集 并将采集上来的图片进行识别 其次会把识别出来 的结果上传至物联网控制系统 物联网控制系统会 依据植物生长环境数据库进行数据匹配 接着判断 识别的结果是否出现误差 若生长阶段出现误差则 通知值班人员进行对环境的手动调配 如果无误差 则根据植物生长环境数据库对该植物进行最佳的 环境调控 6 2 测试结果 通过测试过程及结果表明 该系统程序响应速 度快 信息处理快 识别结果准确 具 有良好的实 用性 可以有效地使用在实际应用中 使得用户可 以快速的对植物生长状态进行识别 以 达到对植物 生长环境精准控制的效果 识别结果如图 9 所示 图 9 识别结果 7 结论 本文设计了一个基于百度 AI 和树莓派相结合 的识别系统 配合物联网控制系统构成的一个智能 调控系统 通过实验验证了该系统的可行性 实用 性和便捷性 该系统能够实时快速地识别植物生长 阶段 并进行环境调配 实现植物工厂自动化精准 调控 参 考 文 献 1 常钦 植物工厂拓展农业生产边界 甘肃农业 2023 02 1 2 辜松 刘厚诚 谢忠坚等 数字化生产植物工厂的构建null以华南农业 大学植物工厂为例 农业工程技术 2020 40 07 10 13 3 罗娟 蔡骋 多线索植物种类识别 西北农林科技大学信息工程学院 2020 56 05 160 165 4 王芳元 非结构环境下病虫害识别方法研究 博士学位论文 中国科 学技术大学 合肥 2020 5 吴尚蓉 基于光谱和图像的倒伏冬小麦产量评估方法 硕士学位论 文 中北大学 太原 2013 6 任明康 基于多传感器数据融合的植物工厂监控系统设计 硕士学位 论文 防灾科技学院 廊坊 2 022 7 张素萍 基于阿里云的工业生产现场环境监测系统设计 工业控制计 算机 2022 35 10 17 19 21 8 百度 EasyDL 图像文档 w9h 2022 4 12 9 张喜红 王玉香 基于百度AI 中药材品鉴助手系统的设计 新余学院学 报 2019 24 02 25 28