分辨率實時可調(diào)的無線圖像傳感器節(jié)點設(shè)計與試驗

殷建軍，張鐵民，潘春華，葉耀文，肖克輝，肖德琴

?

分辨率實時可調(diào)的無線圖像傳感器節(jié)點設(shè)計與試驗

殷建軍1，張鐵民2※，潘春華1，葉耀文1，肖克輝1，肖德琴1

（1. 華南農(nóng)業(yè)大學(xué)數(shù)學(xué)與信息學(xué)院，廣州 510642；2. 華南農(nóng)業(yè)大學(xué)工程學(xué)院，廣州 510642）

針對目前用于農(nóng)業(yè)圖像獲取的圖像傳感器節(jié)點分辨率偏低、分辨率固定不可調(diào)的現(xiàn)狀，設(shè)計并實現(xiàn)一種分辨率實時可調(diào)的無線圖像傳感器節(jié)點。節(jié)點的硬件平臺由ARM處理器S3C6410和CMOS圖像傳感器OV5642組成，并集成了WiFi模塊和4 G模塊。設(shè)計了太陽能供電系統(tǒng)為節(jié)點供電。采用嵌入式Linux搭建節(jié)點的軟件平臺，設(shè)計了基于驅(qū)動層和應(yīng)用層協(xié)作、多線程并發(fā)的分辨率實時調(diào)整算法，并在應(yīng)用層實現(xiàn)了分辨率實時調(diào)整、圖像采集、圖像壓縮和無線傳輸?shù)裙δ?。為了驗證節(jié)點的性能，將節(jié)點部署在農(nóng)田進行了長時間的測試試驗。測試結(jié)果表明，節(jié)點具有7種不同的分辨率，最高可達500萬像素，更重要的是它在工作過程中可接收遠程用戶的指令，實時調(diào)整分辨率，進而采集不同精度的農(nóng)作物圖像，并遠程傳輸?shù)椒?wù)器端。試驗表明所設(shè)計的節(jié)點可滿足用戶獲取不同精度農(nóng)業(yè)圖像的需求。

機器視覺；圖像識別；傳感器；分辨率可調(diào)；圖像傳感器節(jié)點；CMOS圖像傳感器；無線傳輸；丟包率

0 引 言

圖像信息具有直觀、實時、信息量大、無損的優(yōu)點[1-2]，因而研究人員一般通過采集農(nóng)作物圖像并加以分析來獲取農(nóng)作物的生長狀態(tài)信息[3-5]。為了滿足農(nóng)業(yè)圖像信息采集的各種需求，國內(nèi)外研究人員設(shè)計了多種專用的無線圖像傳感器節(jié)點及傳輸系統(tǒng)。趙春江等設(shè)計了一種無線圖像傳感器節(jié)點[6]，用于監(jiān)測溫室環(huán)境。劉龍申等設(shè)計了一套基于現(xiàn)場可編程門陣列（field programmable gate array，F(xiàn)PGA）和3 G的圖像采集傳輸系統(tǒng)[7]，用于遠程獲取農(nóng)田圖像。夏小為等基于Hi3512設(shè)計了一款無線多媒體傳感器節(jié)點[8]，用于獲取環(huán)境的圖像和視頻信息。張云洲等基于數(shù)字信號處理器（digital signal processor，DSP）和雙目攝像機設(shè)計了一款多媒體傳感器網(wǎng)絡(luò)節(jié)點[9]，用于獲取現(xiàn)場環(huán)境的深度信息。國外研究人員主要設(shè)計了Cyclop[10]、Panoptes[11]、MeshEye[12]、CMUcam3[13]、DSPcam[14]、Imote2[15]、Stargate[16]等圖像傳感器節(jié)點，并將其應(yīng)用于農(nóng)業(yè)圖像獲取。

目前，用于農(nóng)業(yè)圖像獲取的無線圖像傳感器節(jié)點存在以下3個方面的不足：1）節(jié)點的圖像采集模塊一般是購買市面上的成品攝像頭，價格較高。通常用于嵌入式環(huán)境的攝像頭模塊的單價在300元人民幣以上，這樣的價格顯然會限制節(jié)點在農(nóng)業(yè)上大規(guī)模應(yīng)用。2）節(jié)點的圖像采集模塊分辨率較低（一般低于200萬像素），從而限制了圖像傳感器在農(nóng)業(yè)上的應(yīng)用，特別是那些對圖像細節(jié)要求較高的場合，例如農(nóng)作物病蟲害的識別[17-19]。市面上有些聲稱高分辨率的攝像頭通常采用圖像插值算法來提高圖像的分辨率，并非真正具備有效的高分辨率[20]。3）節(jié)點的圖像分辨率固定不可調(diào)，無法滿足用戶的多樣性需求。在實際的應(yīng)用中，一個無線傳感器網(wǎng)絡(luò)（wireless sensor networks，WSN）可能擁有多個用戶，不同用戶對圖像清晰度需求不同。例如，用戶只需要查看農(nóng)作物的長勢，則低分辨率的圖像即可滿足要求；而用戶需要分析農(nóng)作物的病蟲害程度，或?qū)r(nóng)作物估產(chǎn)，則需要高分辨率的圖像。然而，采集圖像的分辨率越高，所費的代價越高（節(jié)點的能耗、傳輸?shù)膸捄土髁抠M用等），因此，具有可調(diào)分辨率的節(jié)點能夠以最優(yōu)的代價滿足用戶的不同需求。

為此，本文基于CMOS圖像傳感器芯片，自行研發(fā)低成本的圖像采集模塊，并在此基礎(chǔ)上設(shè)計分辨率實時可調(diào)的無線圖像傳感器節(jié)點，節(jié)點具有7種不同的分辨率，從320×240（7.7萬像素）到2 592×1 944（500萬像素）；更重要的是，節(jié)點可根據(jù)用戶的需求，遠程、實時調(diào)整分辨率以獲取不同分辨率的農(nóng)業(yè)圖像，從而滿足用戶對不同圖像精度的需求。另外，節(jié)點集成了WiFi模塊和4 G模塊，既可實現(xiàn)較高的數(shù)據(jù)傳輸率及較大范圍的監(jiān)控，又可以通過4 G進行圖像信息的遠程無線傳輸。

1 節(jié)點硬件設(shè)計

1.1 硬件結(jié)構(gòu)

節(jié)點由圖像采集模塊、處理器模塊、無線通信模塊和電源模塊組成。節(jié)點的硬件結(jié)構(gòu)和實物分別如圖1a和1b所示。

圖1 節(jié)點硬件結(jié)構(gòu)及實物圖

1.2 處理器模塊

由于節(jié)點需要采集、壓縮和傳輸圖像數(shù)據(jù)，需要執(zhí)行多任務(wù)調(diào)度和網(wǎng)絡(luò)協(xié)議，因此要求處理器有較高的處理速度、較大的內(nèi)存容量和較強的應(yīng)用能力。為此，選擇以S3C6410核心板+外圍電路構(gòu)成處理器模塊。S3C6410是SAMSUNG公司基于ARM11內(nèi)核構(gòu)建的高性能多媒體處理器，具有低功耗、高性能、高性價比的特點[21-22]。S3C6410的主頻最高可達667 MHz，并帶有256 MB SDRAM和1 GB NandFlash。

1.3 圖像采集模塊

CCD和CMOS是目前圖像采集系統(tǒng)中使用最多的2種圖像傳感器[23-25]，基于成本和功耗的考慮，本文選擇CMOS類型的圖像傳感器芯片OV5642來設(shè)計圖像采集模塊。OV5642是美國OmniVision公司2010年推出的新一代CMOS圖像傳感器[26-27]，支持多種分辨率，最高分辨率可達500萬像素，支持多種圖像輸出格式，具有自動曝光等多種圖像控制功能，核心電壓1.5 V，模擬電壓1.8 V，工作時電流140 mA，待機時電流20A。

一般來說CMOS圖像采集模塊可通過2種方式得到：1）直接購買市面上的成品攝像頭模塊；2）基于CMOS圖像傳感器芯片自制攝像頭模塊，2種方式優(yōu)缺點對比如表1所示。

基于成本和功能的考慮，本文選擇了第二種方式。自制攝像頭模塊的開發(fā)內(nèi)容包括：1）為圖像傳感器設(shè)計電路底板；2）設(shè)計合適的芯片引腳接口；3）加裝合適的鏡頭；4）開發(fā)傳感器芯片驅(qū)動程序。本文所設(shè)計的圖像傳感器電路底板及選擇的鏡頭如圖2所示，所設(shè)計的圖像采集模塊單價在60元左右，遠低于市面上成品攝像頭的300元。

表1 2種圖像采集模塊方案比較

圖2 基于OV5642的圖像采集模塊

OV5642傳感器芯片引腳被設(shè)計成20針的相機接口（camera interface，CIF）接口，并與處理器模塊S3C6410連接，如圖3所示。OV5642通過XCLK1接收S3C6410提供的時鐘信號，當(dāng)接收到SC6410的RESET信號后開始工作，在HREF，PCLK和VSYNC的同步控制下，將采集的圖像數(shù)據(jù)通過D[9:2]這8根數(shù)據(jù)線并行傳送到S3C6410的CAM_DATA[7:0]。

圖3 OV5642與S3C6410的連接

1.4 無線通信模塊

無線通信模塊由可選的WiFi模塊和4 G模塊構(gòu)成。通過WiFi技術(shù)可以構(gòu)建一個WSN采集網(wǎng)絡(luò)，覆蓋較大范圍的監(jiān)測區(qū)域；而采用4 G技術(shù)可進行遠距離無線傳輸。用戶可以根據(jù)實際應(yīng)用需求，選擇其中一種或二者組合的無線通信模塊。盡管與ZigBee技術(shù)相比，WiFi的功耗更大，但它可以提供更高的傳輸帶寬，滿足圖像的傳輸需求，再加上WiFi技術(shù)成熟，組網(wǎng)方便，使用太陽能可以使節(jié)點不斷得到能量補充，因此，使用WiFi來組網(wǎng)并傳輸圖像數(shù)據(jù)是一個更好的選擇。

1.5 供電模塊

為了使節(jié)點能在作物生長周期內(nèi)保持可用性，本文為節(jié)點設(shè)計了一個太陽能供電系統(tǒng)，它由太陽能電池板、充放電控制電路和可充電蓄電池組成?；诔杀镜目紤]，選用多晶硅太陽能電池板，最大輸出電壓為15 V，最大輸出電流為1 A，尺寸為300 mm′400 mm′20 mm。選擇Singfosolar公司生產(chǎn)的sf-150作為充放電控制器，選擇低成本的12 V、20 Ah的閥控式鉛酸蓄電池為節(jié)點供電。

2 節(jié)點軟件設(shè)計

2.1 軟件結(jié)構(gòu)

考慮到設(shè)計的節(jié)點需要執(zhí)行多任務(wù)調(diào)度，執(zhí)行較為復(fù)雜的通信協(xié)議、休眠/喚醒策略等，選擇嵌入式Linux作為節(jié)點的操作系統(tǒng)，并在此基礎(chǔ)上開發(fā)和移植了相關(guān)的驅(qū)動、中間件軟件。根據(jù)節(jié)點的功能，應(yīng)用層軟件采用模塊化設(shè)計，共分為4個模塊：系統(tǒng)控制模塊、網(wǎng)絡(luò)通信模塊、圖像采集與壓縮模塊、數(shù)據(jù)存儲。節(jié)點的軟件體系架構(gòu)如圖4所示。

圖4 節(jié)點軟件結(jié)構(gòu)

2.2 分辨率實時調(diào)整的算法設(shè)計

為了實現(xiàn)節(jié)點圖像分辨率遠程、實時調(diào)整，設(shè)計了分辨率實時調(diào)整算法（resolution real-time adjustment algorithm，RRAA）。分辨率的調(diào)整由應(yīng)用層和驅(qū)動層協(xié)同完成：應(yīng)用層接收用戶指令，解析指令，并將分辨率參數(shù)傳遞到驅(qū)動層，再由驅(qū)動層將與參數(shù)匹配的寄存器配置表寫入相關(guān)寄存器，以完成分辨率的調(diào)整，然后應(yīng)用層以新的分辨率采集圖像。

2.2.1 驅(qū)動層算法

驅(qū)動層算法的設(shè)計主要包括多分辨率設(shè)計、寄存器配置表設(shè)計和寫寄存器3部分。

1）多分辨率設(shè)計

根據(jù)OV5642的特點及常用分辨率種類，設(shè)計了7種分辨率，如表2所示。

表2 OV5642多級分辨率及對應(yīng)索引列表

2）寄存器配置表設(shè)計

圖像傳感器的每一種分辨率都需要對相關(guān)寄存器進行參數(shù)配置。OV5642有大量的寄存器，為了實現(xiàn)對寄存器的快速配置，設(shè)計了寄存器配置表（表2所示），它是一個N′3的二維數(shù)組，在每一行的3列中，前2列共同構(gòu)成了寄存器的16位地址，最后1列是待寫入的配置數(shù)據(jù)，數(shù)組的行數(shù)由需配置的寄存器數(shù)目決定。

3）寫寄存器

要調(diào)整到某種分辨率，需要將其對應(yīng)的寄存器配置表寫入寄存器。寫寄存器是CPU通過I2C協(xié)議將寄存器配置表中第3列的數(shù)值寫入到前2列地址所代表的寄存器中。

2.2.2 應(yīng)用層算法

實現(xiàn)分辨率的實時調(diào)整，要滿足2個方面的要求：1）用戶指令的實時響應(yīng)，也就是保證節(jié)點在工作過程中能夠處理用戶指令；2）分辨率參數(shù)的實時調(diào)整，節(jié)點收到用戶指令后，立即調(diào)整分辨率，并以新的分辨率采集下一幅圖像，而不需要重啟攝像頭或應(yīng)用程序。

在節(jié)點工作過程中，由于圖像數(shù)據(jù)量大，采集、壓縮和傳輸圖像將占用大量CPU時間，會導(dǎo)致節(jié)點無法及時響應(yīng)用戶的指令，甚至導(dǎo)致指令數(shù)據(jù)丟失。為此，節(jié)點應(yīng)用程序采用多線程并發(fā)的設(shè)計思想，來保證每個線程都能得到CPU時間，從而保證節(jié)點能及時處理用戶指令。線程包括主線程、圖像采集線程、圖像發(fā)送線程，主線程優(yōu)先級高于其他2個線程，從而保證節(jié)點響應(yīng)用戶指令的實時性。節(jié)點接收用戶指令并實時調(diào)整分辨率的過程如圖5所示。

2.3 圖像采集與數(shù)據(jù)傳輸

V4L2（video for linux two）是Linux內(nèi)核中訪問音、視頻設(shè)備的驅(qū)動框架[28-29]，為應(yīng)用層提供了一系列的API接口，通過調(diào)用這些接口可實現(xiàn)圖像采集。為了便于圖像傳輸，對采集的圖像進行壓縮。由于軟件壓縮具有成本低、參數(shù)調(diào)整方便、算法升級容易等特點，采用JPEG算法對圖像進行軟件壓縮。下載libjpeg源碼到嵌入式linux中進行修改、編譯、安裝，然后調(diào)用libjpeg庫函數(shù)對圖像進行編碼壓縮。

圖5 分辨率實時調(diào)整過程

采集節(jié)點與服務(wù)器之間的數(shù)據(jù)傳輸主要包括控制命令和圖像數(shù)據(jù)，為了實現(xiàn)數(shù)據(jù)的可靠傳輸，并保證圖像數(shù)據(jù)包的有序接收，采用TCP協(xié)議傳輸命令和圖像數(shù)據(jù)，數(shù)據(jù)傳輸在應(yīng)用層通過Socket（套接字）網(wǎng)絡(luò)編程實 現(xiàn)[30-31]。

3 試驗與結(jié)果分析

3.1 試驗平臺搭建及試驗方案

為了驗證節(jié)點的性能，在華南農(nóng)業(yè)大學(xué)岑村實驗基地和廣東東升農(nóng)場（番禺）進行了測試試驗。試驗測試的目標(biāo)主要包括節(jié)點多分辨率能力、分辨率實時調(diào)整能力、圖像采集和傳輸?shù)男阅埽▊鬏敃r間和丟包率）、節(jié)點能量的可用性等。為此，在試驗中進行WSN組網(wǎng)綜合測試，測試中部署了7個傳感器節(jié)點，其中6個作為采集節(jié)點，1個作為網(wǎng)關(guān)節(jié)點。網(wǎng)關(guān)節(jié)點與采集節(jié)點的結(jié)構(gòu)相似，只是它有2個通信接口：一個是WiFi接口，與采集節(jié)點通信；另一個是4 G接口，與服務(wù)器端通信。節(jié)點部署及組網(wǎng)如圖6所示。

圖6 節(jié)點部署及組網(wǎng)方案

3.2 不同分辨率測試

為了驗證節(jié)點采集不同分辨率圖像的能力及不同分辨率對農(nóng)作物病蟲害識別的差異，從服務(wù)器端發(fā)送指令，控制節(jié)點分別采集7種分辨率的圖像。為了便于分析，圖7展示了節(jié)點所采集的3組640′480和2 592′1 944的2種不同分辨率的圖像。從圖7a中可以看到，由于分辨率較低，無法清晰地識別害蟲；而圖7b分辨率較高，能夠清晰地看到青菜中的黃曲跳甲。圖7c分辨率較低，無法清晰地識別作物的果實；而圖7d分辨率較高，能夠清晰地看到秋葵的果實。圖7e分辨率較低，無法清晰地觀測菜苗的長勢；而圖7f分辨率較高，能夠清晰地看到小菜苗的長勢。圖7說明了高分辨率的圖像，其清晰度越好，更有利于農(nóng)作物的病蟲害和果實的識別，以及農(nóng)作物長勢的觀測。

a. 分辨率為640×480、含有黃曲跳甲的青菜圖像 a. A vegetable image with flea beetle phyllotreta and resolution of 640×480b. 分辨率為2 592×1 944、含有黃曲跳甲的青菜圖像b. A vegetable image with flea beetle phyllotreta and resolution of 2 592×1 944 c. 分辨率為640×480的秋葵圖像 c. An okra fruit image with resolution of 640×480d. 分辨率為2 592×1 944的秋葵圖像 d. An okra fruit image with resolution of 2 592×1 944 f. 分辨率為640×480小菜苗的長勢圖 f. An image with resolution of 640×480 about growth status of seedlingse. 分辨率為2 592×1 944小菜苗的長勢圖 e. An image with resolution of 2 592×1 944 about growth status of seedlings

3.3 分辨率實時調(diào)整算法性能測試

算法（RRAA）性能的測試主要從成功率和時延2方面進行，為了驗證RRAA的有效性，將節(jié)點采用RRAA與未采用RRAA進行對比研究。分辨率調(diào)整成功率的計算方法是：節(jié)點在以分辨率采集圖像過程中，服務(wù)器發(fā)出分辨率調(diào)整為的指令，最后在服務(wù)器端檢測能否收到節(jié)點上傳的分辨率為的圖像，如果能收到，則證明分辨率調(diào)整成功，否則認為不成功；服務(wù)器每隔10 s發(fā)送一次分辨率調(diào)整指令，總共發(fā)100條指令。圖8展示了分辨率調(diào)整的成功率情況，從中可以看出采用RRAA算法的節(jié)點具有較高的成功率，且隨著分辨率的提高，成功率并沒有明顯地下降，而未采用RRAA算法的節(jié)點隨著分辨率的提高，成功率急劇下降。

分辨率調(diào)整時延的計算方法是：服務(wù)器發(fā)送指令后，記錄發(fā)送時間T，節(jié)點收到指令后，解析指令并執(zhí)行分辨率調(diào)整，調(diào)整完畢后，向服務(wù)器發(fā)送反饋消息，服務(wù)器收到反饋消息后，記錄時間T，則分辨率調(diào)整的時延TT。服務(wù)器總共發(fā)出100條指令。分辨率調(diào)整的時延跟節(jié)點當(dāng)前正在執(zhí)行采集任務(wù)的進度有很大關(guān)系，故測試時選取各個分辨率下時延的最大值進行比較。圖8展示了分辨率調(diào)整的時延，從中可以看到采用RRAA的時延遠小于未采用RRAA的時延，而且隨著分辨率的提高，未采用RRAA的時延增加的更快。

圖8 分辨率調(diào)整的成功率與時延

3.4 傳輸性能測試

節(jié)點的傳輸性能主要通過2個方面來衡量：采集并傳輸1幅圖像消耗的總時間和圖像傳輸丟包率。表3展示了采集和傳輸4種不同分辨率圖像所耗費的總時間，表3中的數(shù)據(jù)是100次測試的平均值。時間的計算是從服務(wù)器發(fā)出采集指令到服務(wù)器接收完圖像為止，指令的發(fā)送時間小于10-2s，故忽略不計。從表3中可看出，隨著分辨率的提高，圖像數(shù)據(jù)越來越大，采集和傳輸耗費的總時間越來越長。

表3 不同分辨率圖像采集傳輸總時間

節(jié)點采集并傳輸1幅圖像的過程可分為5個部分：攝像頭初始化、圖像采集、圖像壓縮、WiFi傳輸和4 G傳輸，每部分耗時在總時間中所占的比例如圖9所示，從中可以看出，圖像壓縮耗時占據(jù)了總時間的主要部分，平均約占總時間的58.9%，這是因為圖像壓縮通過JPEG庫進行軟件壓縮，再加上嵌入式系統(tǒng)本身資源的限制，所以壓縮過程比較慢。另外，圖像采集也占據(jù)了總時間較大的比例，且隨著分辨率的提高，占據(jù)的比例逐漸增加，從640′480的7.5%增加到2 592′1 944的18%，這是因為采集圖像的分辨率越高，產(chǎn)生的原始數(shù)據(jù)量越大，從攝像頭讀入到ARM內(nèi)存所需要的時間越長。同樣，圖像傳輸也隨著分辨率的增加，耗時比例逐漸增加。而攝像頭的初始化所占比例非常小，且與分辨率大小無關(guān)。

圖9 不同分辨率圖像耗時分布

表4給出了6個節(jié)點在不同分辨率圖像傳輸時的丟包率測試結(jié)果，表4中的數(shù)據(jù)都是100次測試的平均值。測試時，節(jié)點將發(fā)送1幅圖像產(chǎn)生的數(shù)據(jù)包個數(shù)記錄下來，待發(fā)送完圖像后，將該數(shù)據(jù)發(fā)送到服務(wù)器端；服務(wù)器端接收圖像時，記錄接收到的數(shù)據(jù)包個數(shù)，并與節(jié)點記錄的數(shù)據(jù)包個數(shù)進行對比，即可算出丟包率。從表4中可看出，隨著分辨率的提高，圖像數(shù)據(jù)量隨之變大，丟包率也隨之上升，但平均丟包率小于1%，表明系統(tǒng)能夠可靠地傳輸圖像。

表4 不同分辨率圖像的傳輸丟包率

3.5 能量可用性測試

圖10顯示了節(jié)點的3個部件在40 d內(nèi)的電壓測試結(jié)果，測量是在每天中午12點進行，采用手持式數(shù)字萬用表VICTOR VC-890C+測量節(jié)點3個部件兩端的電壓值。太陽能板在光照充足時輸出電壓值維持在14.2～15.0 V之間，但在11～17 d間由于連續(xù)的陰雨天，輸出電壓值接近于0。蓄電池額定電壓為12 V，實際電壓為10.8～13.8 V，在充放電智能控制器的作用下，高于13.8 V時停止充電，低于10.8 V時停止放電，從圖10中可看出，盡量有近7 d的連續(xù)陰雨天，但蓄電池的電能仍然能夠為ARM板正常供電，使之處于5 V左右的工作電壓，從而保證了節(jié)點能量的可用性。

圖10 節(jié)點電壓測試結(jié)果

3.6 與當(dāng)前主流圖像傳感器節(jié)點性能對比

為了進一步體現(xiàn)所設(shè)計節(jié)點的技術(shù)特色，將其與當(dāng)前主流及最新研究的無線圖像傳感器節(jié)點在關(guān)鍵參數(shù)方面進行對比，如表5所示，從中可以看到，在處理器性能方面，本文設(shè)計的節(jié)點在主頻和存儲容量都優(yōu)于其他節(jié)點，因而具有很強的數(shù)據(jù)處理能力，能夠直接處理圖像信息，而不需要使用額外的硬件；本文設(shè)計的節(jié)點最高分辨率也高出其他節(jié)點很多，并且其他節(jié)點都沒有分辨率實時調(diào)整的能力，本文設(shè)計的節(jié)點是唯一具有此能力的節(jié)點。

表5 圖像傳感器節(jié)點性能對比

4 結(jié) 論

1）該文針對當(dāng)前農(nóng)業(yè)上使用的圖像采集模塊價格高、功能弱等現(xiàn)狀，基于CMOS圖像傳感器芯片研制了低成本、多分辨率的圖像采集模塊，使節(jié)點具有7種不同的分辨率，最高可達500萬像素。

2）針對圖像傳感器節(jié)點分辨率低、分辨率不可調(diào)的現(xiàn)狀，基于S3C6410和CMOS圖像采集模塊研發(fā)了一種分辨率實時可調(diào)的無線圖像傳感器節(jié)點，并設(shè)計了基于驅(qū)動層和應(yīng)用層協(xié)作、多線程并發(fā)的分辨率實時調(diào)整算法，使節(jié)點能夠接收遠程用戶指令，實時調(diào)整圖像分辨率，并采集和傳輸不同分辨率的圖像，從而能夠以最優(yōu)的代價滿足用戶的需求。

3）在農(nóng)田的實際部署和試驗表明，節(jié)點能夠在遠程服務(wù)器的控制下，采集、壓縮和無線傳輸不同分辨率的圖像。采集、壓縮和傳輸分辨率分別為640×480、1 280×1 024、2 048×1 536、2 592×1 944的4種圖像所耗時間分別為4.67、8.77、15.38、22.74 s左右，4種圖像的傳輸丟包率均小于1%。供電系統(tǒng)的測試表明，節(jié)點能夠較長時間穩(wěn)定地工作。

[1] 熊迎軍，沈明霞，孫玉文，等. 農(nóng)田圖像采集與無線傳輸系統(tǒng)[J]. 農(nóng)業(yè)機械學(xué)報，2011，42(3)：184－187. Xiong Yingjun, Shen Mingxia, Sun Yuwen, et al. Design on system of acquisition and wireless transmission for farmland image[J]. Transactions of the Chinese Society for Agricultural Machinery, 2011, 42(3): 184－187. (in Chinese with English abstract)

[2] Priya C T, Praveen K, Srividya A. Monitoring of pest insect traps using image sensors & dspic[J]. International Journal of Engineering Trends & Technology, 2013, 4(9): 4088－4093.

[3] Sritarapipat T, Rakwatin P, Kasetkasem T. Automatic rice crop height measurement using a field server and digital image processing[J]. Sensors, 2014, 14(1): 900－926.

[4] Mora M, Avila F, Carrasco-Benavides M, et al. Automated computation of leaf area index from fruit trees using improved image processing algorithms applied to canopy cover digital photograpies[J]. Computers & Electronics in Agriculture, 2016, 123: 195－202.

[5] 賈洪雷，王剛，郭明卓，等. 基于機器視覺的玉米植株數(shù)量獲取方法與試驗[J]. 農(nóng)業(yè)工程學(xué)報，2015，31(3)： 215－220. Jia Honglei, Wang Gang, Guo Mingzhuo, et al. Methods and experiments of obtaining corn population based on machine vision[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2015, 31(3): 215－220. (in Chinese with English abstract)

[6] 趙春江，屈利華，陳明，等. 基于ZigBee的溫室環(huán)境監(jiān)測圖像傳感器節(jié)點設(shè)計[J]. 農(nóng)業(yè)機械學(xué)報，2012，43(11)：192－196. Zhao Chunjiang, Qu Lihua, Chen Ming, et al. Design of ZigBee-based greenhouse environmental monitoring image sensor node[J]. Transactions of the Chinese Society for Agricultural Machinery, 2012, 43(11): 192－196. (in Chinese with English abstract)

[7] 劉龍申，沈明霞，孫玉文，等. 基于FPGA的農(nóng)田圖像采集與3 G無線傳輸系統(tǒng)設(shè)計[J]. 農(nóng)業(yè)機械學(xué)報，2011，42(12)：186－190. Liu Longshen, Shen Mingxia, Sun Yuwen, et al. Acquisition system and wireless transmission by 3 G for farmland image based on FPGA[J]. Transactions of the Chinese Society for Agricultural Machinery, 2011, 42(12): 186－190. (in Chinese with English abstract)

[8] 夏小為. 無線多媒體傳感器節(jié)點的設(shè)計與實現(xiàn)[D]. 南京：南京航空航天大學(xué)，2010. Xia Xiaowei. The Design and Implementation of Wireless Multimedia Sensor Nodes[D]. Nanjing: Nanjing University of Aeronautics and Astronautics, 2010. (in Chinese with English abstract)

[9] 張云洲，蔣培，高亮，等. 基于DSP和雙目視覺的多媒體傳感器網(wǎng)絡(luò)節(jié)點設(shè)計與實現(xiàn)[J]. 通信學(xué)報，2014，35(12)：210－216. Zhang Yunzhou, Jiang Pei, Gao Liang, et al. Design and implementation of wireless multimedia sensor network node based on DSP and binocular vision[J]. Journal on Communications, 2014, 35(12): 210－216. (in Chinese with English abstract)

[10] Rahimi M, Baer R, Iroezi O I, et al. Cyclops: In situ image sensing and interpretation in wireless sensor networks[C]// Proceedings of the 3rd international conference on Embedded networked sensor systems. ACM, 2005: 192－204.

[11] Feng W, Kaiser E, Feng W C, et al. Panoptes: Scalable low-power video sensor networking technologies[J]. ACM Transactions on Multimedia Computing, Communications, and Applications (TOMM), 2005, 1(2): 151－167.

[12] Kerhet A, Magno M, Leonardi F, et al. A low-power wireless video sensor node for distributed object detection[J]. Journal of Real-time Image Processing, 2007, 2(4): 331－342.

[13] Rowe A G, Goode A, Goel D, et al. CMUcam3: An open programmable embedded vision sensor[Z]. Pittsburgh, Pennsylvania: Robotics Institute, Carnegie Mellon University, 2007.

[14] Kandhalu A, Rowe A, Rajkumar R. DSPcam: A camera sensor system for surveillance networks[C]//Distributed Smart Cameras, 2009. ICDSC 2009. Third ACM/IEEE International Conference on. IEEE, 2009: 1－7.

[15] Garcia-Sanchez A J, Garcia-Sanchez F, Garcia-Haro J. Wireless sensor network deployment for integrating video-surveillance and data-monitoring in precision agriculture over distributed crops[J]. Computers and Electronics in Agriculture, 2011, 75(2): 288－303.

[16] Paek J, Hicks J, Coe S, et al. Image-based environmental monitoring sensor application using an embedded wireless sensor network[J]. Sensors, 2014, 14(9): 15981－16002.

[17] Espinoza K, Valera D L, Torres J A, et al. Combination of image processing and artificial neural networks as a novel approach for the identification of Bemisia tabaci and Frankliniella occidentalis on sticky traps in greenhouse agriculture[J]. Computers and Electronics in Agriculture, 2016, 127: 495－505.

[18] Solis‐Sánchez L O, García‐Escalante J J, Casta?eda‐ Miranda R, et al. Machine vision algorithm for whiteflies (Bemisia tabaci Genn.) scouting under greenhouse environment[J]. Journal of Applied Entomology, 2009, 133(7): 546－552.

[19] Kumar R, Martin V, Moisan S. Robust insect classification applied to real time greenhouse infestation monitoring[C]// Proceedings of the 20th International Conference on Pattern Recognition on Visual Observation and Analysis of Animal and Insect Behavior Workshop. 2010: 1－4.

[20] 宋麗華，王晶晶，李也白. 嵌入式系統(tǒng)下高像素攝像頭驅(qū)動程序設(shè)計與實現(xiàn)[J]. 小型微型計算機系統(tǒng)，2011，32(4)：787－792. Song Lihua, Wang Jingjing, Li Yebai. Design and implemation of high resolution camera driver based on Embedded system[J]. Journal of Chinese Computer Systems, 2011, 32 (4): 787－792. (in Chinese with English abstract)

[21] 楊闊，何東健. 基于S3C6410的田間視頻監(jiān)控系統(tǒng)的實現(xiàn)[J]. 計算機工程與設(shè)計，2013，34(6)：1978－1982. Yang Kuo, He Dongjian. Implementation of field video monitoring system based on S3C6410[J]. Computer Engineering and Design. 2013, 34(6): 1978－1982. (in Chinese with English abstract)

[22] 郭巧云，許雪梅，李岸，等. 基于ARM11的無線視頻監(jiān)控系統(tǒng)的設(shè)計[J]. 計算機測量與控制，2010，18(8)： 1786－1791. Guo Qiaoyun, Xu Xuemei, Li An, et al. Design of a wireless video monitoring system based on ARM11[J]. Computer Measurement & Control, 2010, 18(8): 1786－1791. (in Chinese with English abstract)

[23] Bigas M, Cabruja E, Forest J, et al. Review of CMOS image sensors[J]. Microelectronics Journal, 2006 , 37(5): 433－451.

[24] Lim S, Lee J, Kim D, et al. A high-speed CMOS image sensor with column parallel two-step single-slope ADCs[J]. IEEE Transactions on Electron Device, 2009, 56(3): 393－398.

[25] 晉孝峰，岳素格，劉麗艷，等. CMOS圖像傳感器的硬復(fù)位電路研究. 電子學(xué)報，2014，(42)1：182－186. Jin Xiaofeng, Yue Suge, Liu Yanli, et al. Research on CMOS image sensor hard reset circuit[J]. Acta Electronica Sinica, 2014, (42)1: 182－186. (in Chinese with English abstract)

[26] 李宇成，黃堂猛. 基于S5PV210的1080P網(wǎng)絡(luò)攝像頭設(shè)計[J]. 計算機工程與設(shè)計，2014，35(11)：3813－3819. Li Yucheng, Huang Tangmeng. Design and implementation of 1080P IP camera based on S5PV210[J]. Computer Engineering and Design, 2014, 35(11): 3813－3819. (in Chinese with English abstract)

[27] Winkler T, Rinner B. Demo: TrustEYE. M4--A novel platform for secure visual sensor network applications[C]// Proceedings of the International Conference on Distributed Smart Cameras. ACM, 2014: 45.

[28] 徐家，陳奇. 基于V4L2的視頻設(shè)備驅(qū)動開發(fā)[J]. 計算機工程與設(shè)計，2010，31(16)：3596－3599. Xu Jia, Chen Qi. Video driver development based on V4L2[J]. Computer Engineering and Design, 2010, 31(16): 3596－3599. (in Chinese with English abstract).

[29] 毛業(yè)進，孫文華. 基于V4L2的視頻采集系統(tǒng)的設(shè)計與實現(xiàn)[J]. 數(shù)字技術(shù)與應(yīng)用，2014，32(11)：153－155. (in Chinese with English abstract).

[30] 王建玲，王亞慧，田樂. 基于無線傳感器網(wǎng)絡(luò)的Socket通信研究[J]. 傳感器與微系統(tǒng)，2014，33(2)：39－42. Wang Jianling, Wang Yahui, Tian Le. Study on socket communication based on WSNs[J]. Transducer and Microsystem Technologies, 2014, 33(2): 39－42. (in Chinese with English abstract).

[31] 馬輝，黃秋波，蘇厚勤. TCP Socket通信與Web服務(wù)結(jié)合實現(xiàn)高效可靠的數(shù)據(jù)分發(fā)[J]. 計算機應(yīng)用與軟件，2011，28(9)：144－147. Mahui, Huang Qiubo, Su Houqin. Efficient and reliable data distribution realized by incorporating TCP Socket with web services[J]. Computer Application and Software, 2011, 28(9): 144－147. (in Chinese with English abstract).

Design and experiment of wireless image sensor node with real-time adjustable resolution

Yin Jianjun1, Zhang Tiemin2※, Pan Chunhua1, Ye Yaowen1, Xiao Kehui1, Xiao Deqin1

(1.510642,; 2.510642,)

In order to overcome the problems of low and non-adjustable resolution existing in wireless images sensor nodes applied in agricultural images acquisition at present, a wireless image sensor node with real-time adjustable resolution was designed and realized in this paper. The node was composed of an image acquisition module, a processor module, a wireless communication module and a power module. The node needed to not only capture, compress, and transmit image data, but also perform multiple task schedules and network protocols, so a powerful ARM (advanced RISC machines) processor S3C6410 was chosen as the processor module of the node. Considering the cost and power consumption, a CMOS (complementary metal oxide semiconductor) type image sensor chip was chosen to design the image acquisition module of the node. The design of image acquisition module included image sensor PCB (printed circuit board) design, chip pin interface design, appropriate lens selection, and development of the sensor chip driver. In order to monitor a larger area of the crop and remotely transmit crop images, the node integrated a WiFi (wireless fidelity) or 4G (the 4th generation) module. A solar power supply system was designed to make the node work stably in the field for a long time. To ensure the stability and reliability of the node, the powerful embedded Linux operating system was employed as the software development platform, and a modular designing method was adopted to program the software system of the node in C/C++ language based on this platform. In order to realize real-time adjustment of the resolution, an algorithm of resolution real-time adjustment based on driver layer and application layer collaboration and multi-thread concurrence was proposed, and all the functions of resolution real-time adjustment of image acquisition, image compression and image transmission were realized in the application layer of software system. In order to verify the performance of the node designed, a series of tests were conducted in Cencun experimental base of South China Agricultural University and Guangdong Dongsheng Farm (Panyu) from April to September in 2016. In the tests, 7 nodes were deployed in the farmland to form an acquisition and transmission network based on WiFi and 4G technologies. To ensure the nodes work stably in the field, where the climate was changeable and the infrastructure was absent, the nodes were encapsulated in a waterproof spherical shield, and a solar panel plus rechargeable batteries was used to supply power for them. The nodes were tested from the aspects of multi-resolution capability, real-time adjustment capability, image acquisition and transmission performance (transmission time and packet loss rate), and the availability of node energy. The test results indicated that the node had 7 different resolutions and its highest resolution was up to a pixel of 5 M, and more importantly, it could adjust its resolution in real time under the control of a remote user, then capture images with different resolution, and finally transmit them to the remote server. The time consumed to capture, compress and transmit 4 images with different resolution of 640×480, 1280×1024, 2048×1536, and 2592×1944 was 4.67, 8.77, 15.38 and 22.74 s respectively, and the average transmission packet loss ratio of 4 images was less than 1%. The tests validate the node designed in this work can capture crop images with different resolution in real time and transmit them remotely, and satisfy the requirement of different users for different crop image precision.

machine vision; image recognition; sensors; adjustable resolution; image sensor node; CMOS image sensor; wireless transmission; packet loss ratio

10.11975/j.issn.1002-6819.2017.03.025

S126

A

1002-6819(2017)-03-0182-08

2016-09-05

2016-12-27

廣東省科技計劃項目資助（2014A050503061；2015A020224033；2015A020209129）；國家星火計劃項目資助（2014GA780064）

殷建軍，男，湖北廣水人，講師，博士生，研究方向為無線傳感器網(wǎng)絡(luò)技術(shù)、農(nóng)情自動獲取技術(shù)、農(nóng)業(yè)物聯(lián)網(wǎng)技術(shù)應(yīng)用等。廣州，華南農(nóng)業(yè)大學(xué)數(shù)學(xué)與信息學(xué)院，510642。Email：jianjunyin@scau.edu.cn

張鐵民，男，黑龍江安達人，教授，博士生導(dǎo)師，研究方向為機電一體化，智能檢測與控制，機器人技術(shù)等。廣州，華南農(nóng)業(yè)大學(xué)工程學(xué)院，510642。Email：tm-zhang@163.com

殷建軍，張鐵民，潘春華，葉耀文，肖克輝，肖德琴.分辨率實時可調(diào)的無線圖像傳感器節(jié)點設(shè)計與試驗[J]. 農(nóng)業(yè)工程學(xué)報，2017，33(3)：182－189. doi：10.11975/j.issn.1002-6819.2017.03.025 http://www.tcsae.org

Yin Jianjun, Zhang Tiemin, Pan Chunhua, Ye Yaowen, Xiao Kehui, Xiao Deqin.Design and experiment of wireless image sensor node with real-time adjustable resolution[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2017, 33(3): 182－189. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2017.03.025 http://www.tcsae.org