基于圖像識別的農作物害蟲診斷技術研究與應用.pdf

1、針對目前我國農作物害蟲診斷大多停留在人工階段，存在著客觀性差、效率低、勞動強度大等問題，以及現(xiàn)有的基于圖像識別的農作物害蟲診斷存在很多不足之處，本文對基于圖像識別的農作物害蟲診斷關鍵理論算法和實際應用進行了系統(tǒng)的研究，主要工作概述如下:
　　對基于圖像識別的農作物害蟲診斷的基礎工作做了系統(tǒng)的研究。論述了圖像識別的基礎問題，包括圖像識別問題的分類、圖像識別的基本框架以及傳統(tǒng)的圖像數(shù)據集。針對課題研究目標，介紹了兩種害蟲圖像的獲取方式

2、，提出并驗證了一種適合害蟲圖像預處理的方法。提出了農作物害蟲圖像數(shù)據集構建原則，并在此原則指導下，利用現(xiàn)有的害蟲圖像資源分別構建了水稻、油菜、玉米、大豆四種常見大田作物的害蟲圖像數(shù)據集。
　　現(xiàn)有的農作物害蟲圖像分割的研究主要集中于簡單背景，或者灰度圖像的自動分割，且大多采用閾值分割算法進行分割，但現(xiàn)實場景中，受到環(huán)境因素的影響如作物葉片、雜草、土壤以及光照等，害蟲圖像一般具有復雜的農田背景，因此現(xiàn)有的害蟲圖像自動分割算法往往不理

3、想。針對以上問題，本文把基于人機交互的半自動圖像分割算法如GrabCut算法和最大相似度區(qū)域合并算法用于害蟲圖像的分割，并提出了一種結合紋理顏色直方圖的最大相似度區(qū)域合并算法，通過復雜農田背景害蟲圖像的分割實驗證明了該算法的可行性和有效性。
　　現(xiàn)有的害蟲圖像特征提取大多集中在提取害蟲的單一特征，如顏色特征、形態(tài)特征或紋理特征，因為其識別對象要集中在一種或幾種害蟲的識別，因此使用單一特征可以取得很好的識別率，但是推廣到多種害蟲的識

4、別往往效果不好。針對以上問題，本文提出了基于多特征融合的農作物害蟲圖像識別。該方法使用Fisher線性判別法計算各特征的權值，結合歐式距離分類器，以水稻、油菜、玉米、大豆四種作物的34種害蟲為實驗數(shù)據，通過多種特征組合方式分別進行實驗，實驗結果證明該算法具有很高的識別率。
　　以實際應用為目標，開發(fā)了一套界面友好、易于擴展的基于圖像識別的農作物害蟲診斷系統(tǒng)。該系統(tǒng)不僅可以讀取本地害蟲圖像進行識別，還可以獲取外置圖像采集設備捕捉到的