ARM（Advanced RISC Machines）是主控制CPU，可以提供豐富的接口與外界進行通信，其應用領(lǐng)域已遍及工業(yè)控制、消費類電子、通信系統(tǒng)、網(wǎng)絡(luò)系統(tǒng)、無線系統(tǒng)等各類產(chǎn)品[1-2]?；贒SP（Digital Signal Processor）的圖像處理硬件平臺在圖像數(shù)據(jù)壓縮、運算處理、運動模糊圖像的恢復、圖像特征提取等方面的應用具有不可替代的優(yōu)勢，普遍用作數(shù)字圖像處理系統(tǒng)的核心硬件[3]。ARM+DSP構(gòu)成了實時機器視覺技術(shù)的核心部件。隨著機器視覺技術(shù)在農(nóng)業(yè)領(lǐng)域應用中的廣泛開展，實時地進行農(nóng)作物害蟲識別成為研究熱點。

    農(nóng)田害蟲識別系統(tǒng)以農(nóng)作物害蟲為研究對象，系統(tǒng)的核心是在ARM+DSP技術(shù)框架支撐下設(shè)計一個農(nóng)田害蟲識別硬件系統(tǒng)。本系統(tǒng)的開發(fā)是將原來的PC處理移植至ARM+DSP的嵌入式系統(tǒng)處理，設(shè)計目的是實現(xiàn)農(nóng)作物害蟲的實時識別。
1 系統(tǒng)設(shè)計方案
    系統(tǒng)分為ARM控制系統(tǒng)、DSP識別系統(tǒng)和后臺處理子系統(tǒng)。ARM控制系統(tǒng)選用ARM9為主處理器，負責控制DSP的算法處理，并可將采集到的視頻和圖像用H.264算法壓縮傳輸?shù)胶笈_服務(wù)器；DSP識別系統(tǒng)外接攝像機得到處理對象，內(nèi)部由DSP最小系統(tǒng)構(gòu)成，內(nèi)嵌害蟲處理算法實時處理采集到的圖像；后臺處理子系統(tǒng)是在服務(wù)器上安裝對應軟件，接收ARM+DSP處理系統(tǒng)傳來的結(jié)果，并加以存儲和顯示, 進一步傳遞給用戶。圖1為系統(tǒng)設(shè)計框架圖。

2 硬件系統(tǒng)設(shè)計
    系統(tǒng)硬件設(shè)計采用ARM+DSP的雙核架構(gòu)，ARM選用TI公司的DM365處理器，DSP選用TI公司的DM6437處理器，DM365和DM6437之間采用SPI串口進行通信。DM365和DM6437同時收到視頻圖像信號，DM365采用H.264算法進行壓縮后傳輸?shù)胶笈_服務(wù)器，DM6437對視頻幀圖像處理，從而識別害蟲。
2.1 ARM控制系統(tǒng)
    系統(tǒng)采用的核心控制芯片是基于ARM9處理器的TMS320DM365芯片。DM365作為一款多媒體處理器，具有極其強大的視頻輸入輸出端口，尤其在控制方面提高了其配置和使用的簡易性[2]。
    由于DM365的視頻前端需要接入數(shù)字視頻信號，所以系統(tǒng)采用了TVP5146視頻A/D轉(zhuǎn)換芯片。攝像機實時采集視頻圖像并將之轉(zhuǎn)換成模擬視頻信號，視頻電纜將模擬視頻信號送入TVP5146芯片，轉(zhuǎn)換成的數(shù)字視頻信號通過DM365硬件連線將一幅完整的視頻幀傳送輸入DM365[2]。
    DM365庫里自帶H.264壓縮算法，H.264是一個新的數(shù)字視頻編碼標準，它采用回歸基本的簡捷設(shè)計，具有很高的編碼效率，碼流結(jié)構(gòu)網(wǎng)絡(luò)適應性強，增加了差錯恢復能力，能夠很好地適應IP和無線網(wǎng)絡(luò)的應用。其基本系統(tǒng)是開放的，使用無需版權(quán)。
2.2 DSP識別系統(tǒng)
2.2.1 TMS320DM6437B
    系統(tǒng)算法核心處理器采用TI公司的TMS320DM6437B。DM6437達芬奇處理器是TI公司新一代高性能數(shù)字媒體處理器，工作頻率達 600 MHz，擁有以下出色性能：短1.67 ns的指令周期、每個時鐘周期可并行執(zhí)行8個32 bit的C64x+指令、 處理性能高達4 800 MIPS、功能豐富的視頻處理系統(tǒng)。系統(tǒng)支持CCD和CMOS圖像傳感器接口,實時圖像處理預覽引擎,對通用視頻解碼器的無縫接口等[3]。
2.2.2 視頻接口
    系統(tǒng)采用2路標準模擬視頻輸入和1路模擬視頻輸出。2路標準模擬視頻輸入。通過相應的控制位進行選擇,每次只能選擇其中1路。視頻解碼器選用TVP5150APBS，視頻編碼器選用SAA7105H。視頻解碼器和編碼器均支持標準的NTSC和PAL格式模擬視頻。DM6437處理的對象就是TVP5150APBS解碼器輸入的一幀一幀的圖像，然后再將處理結(jié)果通過SAA7105H編碼器一幀一幀地送到液晶TV[4]。
2.3 ARM與DSP的通信設(shè)計
    ARM與DSP雙核工作機制中，ARM設(shè)置為主處理器，DSP設(shè)置為協(xié)處理器，之間采用SPI串口通信。SPI是一個同步協(xié)議接口，所有的傳輸都參照一個共同的時鐘CLOCK，這個同步時鐘信號由主機產(chǎn)生，從機使用時鐘對串行比特流的接收進行同步化。主機和從機都包含一個串行移位寄存器，主機通過向SPI串行寄存器寫入一個字節(jié)來發(fā)起一次傳輸。寄存器通過主輸出從輸入數(shù)據(jù)線MOSI(Master Output Slave Input)信號線將字節(jié)傳送給從機，從機也將自己移位寄存器中的內(nèi)容通過主輸入從輸出數(shù)據(jù)線MISO(Master Input Slave Output)信號線返回給主機，這樣，兩個移位寄存器中的內(nèi)容就被交換了。還有一根可選的從選信號線SPI_EN，可以用于使能從機輸出。由于本系統(tǒng)使用SPI_EN，所以必須保證SPI_EN在上電時為高電平，否則在上電后，從機將首先收到一個偽數(shù)據(jù)。因此實現(xiàn) SPI接口需要4根線，其通信接口框架如圖2所示[5]。
 

3 算法設(shè)計及實驗
    DM6437中的算法設(shè)計主要包括圖像采集、圖像的二值化、基于數(shù)學形態(tài)學的噪聲去除及基于小蟲跟蹤法的害蟲輪廓提取等，可通過H.264壓縮算法由DM365經(jīng)網(wǎng)絡(luò)傳送到后臺服務(wù)器。本系統(tǒng)選取稻飛虱作為識別對象，采用仿真方式驗證算法，仿真器選用北京瑞泰公司的ICETEK-XDS560，實驗時在CCS3.3中VIEW菜單或通過SAA7105H編碼器送到液晶TV觀察具體結(jié)果。圖3所示為通過Graph菜單選項顯示采集到的2張稻飛虱圖像。

3.1 圖像二值化及形態(tài)學去噪
    當采集到稻飛虱的圖像后，首先進行二值化處理。具體算法是設(shè)定一個灰度閾值T，將一幅灰度圖像f(x,y)中的像素分成兩類：滿足f(x,y)＞T的像素和f(x,y)≤T的像素，其中前一類稱為識別目標，后一類稱為背景[6]。對于目標可以用1取代所有像素值，背景則用0取代，這樣就實現(xiàn)了分割后圖像二值化。
    二值化后的圖像經(jīng)過數(shù)學形態(tài)學運算去噪，主要形態(tài)學運算如下:

  

3.2 基于小蟲跟蹤法的輪廓提取
　 小蟲跟蹤法(簡稱蟲跟法),其定義如下[8]：
　 (1) 定義蟲, 通常是一個矩形的具有相同權(quán)值的窗口；
    (2) 以當前邊界點為窗口軸心；
    (3) 以上一邊界點和當前邊界點確定當前邊界方向；
    (4) 窗口在當前邊界方向左右直角內(nèi)旋轉(zhuǎn),在每一個窗口內(nèi)確定平均梯度值對應梯度點；
    (5) 確定具有最高平均梯度的窗口,對應的梯度點作為下一邊界；
    (6) 重復步驟(5),直到滿足終止條件。
    根據(jù)以上算法對稻飛虱去噪后的圖像進行邊界的提取,結(jié)果如圖5所示。

    本系統(tǒng)完成了ARM+DSP的害蟲識別系統(tǒng)，DM365是一個ARM9處理器芯片，庫里自帶H.264壓縮算法，使用H.264壓縮后能夠方便地傳遞到后臺服務(wù)器。ARM控制系統(tǒng)使用H.264壓縮算法將識別后的圖像以視頻形式一幀一幀壓縮后傳遞給服務(wù)器，DM6437負責處理視頻圖像，盡管是通過仿真器仿真的方式，但是DSP速度很快，實驗證明能夠快速實時地識別稻飛虱。系統(tǒng)還需進一步改進和完善硬件以及算法，使之成為實際可用的害蟲識別系統(tǒng)。
參考文獻
[1] 余水,鄧振,蔡洪斌.基于ARM+DSP的汽車視頻黑匣子系統(tǒng)的總體設(shè)計[J].計算機應用研究,2008,25(2): 628-630.
[2] 王雄勇.基于DM365的視頻編碼器的硬件設(shè)計[J].電子設(shè)計工程,2011,19(8):128-129,136.
[3] 胡新華,鄧元勇,王先平.基于達芬奇技術(shù)的日面活動圖像處理與識別系統(tǒng)[J].計算機應用研究,2008,25(10):3165-3168.
[4] 馮桂蘭,田維堅,屈有山,等.實時視場拼接系統(tǒng)的設(shè)計與實現(xiàn)[J].光電工程,2007,34(4):124-127.
[5] 張巖, 馬旭東,張云帆. ARM與DSP的SPI通信設(shè)計實現(xiàn)[J].工業(yè)控制計算機,2008(9):56-57,66.
[6] 劉俊,吳謹.一種基于梯度的直方圖閾值圖像分割改進方法[J].計算機與數(shù)字工程,2010,38(4):131-133.
[7] 任獲榮.數(shù)學形態(tài)學及其應用[D].西安：西安電子科技大學,2004.
[8] 馬俊福,周曉軍,徐志農(nóng),等.基于計算機視覺的鍛件尺寸檢測[J].組合機床與自動化加工技術(shù)檢測,2007(11):48-50.