基于圖像的水稻害蟲識別與計數(shù)研究.pdf

1、水稻是我國最重要的糧食作物之一,提高水稻產(chǎn)量和品質(zhì)是當(dāng)今水稻生產(chǎn)的重要目標(biāo)。但近年來,水稻害蟲發(fā)生呈逐年加重的趨勢。因此,水稻害蟲防治在水稻生產(chǎn)和國民經(jīng)濟發(fā)展中占有極其重要的地位。目前我國水稻害蟲監(jiān)測主要依靠黑光燈引誘捕獲害蟲,于次日取回害蟲,并人工進行識別與計數(shù),存在勞動強度大、效率低、客觀性差、非實時性等問題,已不能滿足當(dāng)前水稻害蟲發(fā)生嚴(yán)重狀況監(jiān)測的需求。為了減輕基層植保人員勞動強度,提高水稻害蟲監(jiān)測的準(zhǔn)確度和預(yù)測預(yù)報的時效性,本文

2、利用機器視覺、圖像處理和模式識別等技術(shù)對水稻燈誘害蟲識別與計數(shù)進行了初步研究。主要研究結(jié)果包括:
　　 (1)建立了一套室內(nèi)水稻燈誘害蟲圖像采集系統(tǒng)。在該系統(tǒng)中,通過不同目的網(wǎng)篩實現(xiàn)了害蟲初步篩選分類,利用2個單反相機采集害蟲正反兩面圖像,采用Visual C++6.0開發(fā)了害蟲圖像采集軟件,實現(xiàn)相機自動采集害蟲圖像。該系統(tǒng)的建立為水稻燈誘害蟲自動識別提供了較好的平臺;
　　 (2)在圖像預(yù)處理方面,提出了一種基于圖像灰

3、度差分的背景分割方法。首先在相同的拍照環(huán)境和相機參數(shù)設(shè)置下,拍攝害蟲混合圖像與相應(yīng)的背景圖像,根據(jù)兩幅圖像的灰度差分實現(xiàn)圖像分割。通過實驗對比分析,本論文提出的分割方法較傳統(tǒng)的閾值分割方法,能有效地避免在分割過程中害蟲邊緣斷裂、區(qū)域出現(xiàn)空洞等現(xiàn)象,且具有較強的魯棒性;
　　 (3)在特征參數(shù)提取方面,選擇與人類視覺感知系統(tǒng)一致的HSV空間,利用非均勻量化的直方圖提取顏色特征,提高了識別魯棒性。提取具有旋轉(zhuǎn)、平移、尺度不變性的形態(tài)

4、特征,保證了識別穩(wěn)定性。利用灰度共生矩陣提取紋理特征,壓縮了害蟲圖像的灰度等級,減少了3/4的計算量,降低了特征提取復(fù)雜度;
　　 (4)在特征數(shù)據(jù)優(yōu)化方面,利用主成分分析對害蟲數(shù)據(jù)矩陣進行降維處理,通過計算每個主成分的方差貢獻率,根據(jù)累計貢獻率不低于85％的原則,選取了前6個主成分作為害蟲識別依據(jù),消除變量的相關(guān)性,減輕了計算機存儲和運算負擔(dān);
　　 (5)在數(shù)據(jù)集劃分方面,利用7折交叉驗證思想,將害蟲特征數(shù)據(jù)均勻地分

5、為7組,1組作為測試樣本,同時其余6組作為分類器的訓(xùn)練樣本。經(jīng)實驗分析,利用交叉驗證后建立的分類器可以解決過學(xué)習(xí)和欠學(xué)習(xí)狀態(tài)的發(fā)生;
　　 (6)在害蟲識別方面,本文以多目標(biāo)水稻混合害蟲圖像為研究對象,打破了傳統(tǒng)對害蟲個體識別的模式。分別利用模板匹配與支持向量機對4種主要水稻害蟲混合樣本進行識別分類。結(jié)果表明多模板匹配方法相比于單模板匹配可以較好地解決害蟲受殘體、姿態(tài)各異等因素的影響,而支持向量機較多模板匹配在識別率上提高了14

6、.4％。由于支持向量機在解決小樣本、非線性及高維模式識別問題中表現(xiàn)出許多特有的優(yōu)勢,并且算法固定,避免了輸出不收斂與隨機性較大的情況,本文選用支持向量機作為分類器對水稻害蟲進行識別;
　　 (7)在識別多種水稻燈誘害蟲的基礎(chǔ)上,對每種害蟲實現(xiàn)了準(zhǔn)確計數(shù),為害蟲預(yù)測預(yù)報提供可靠的數(shù)據(jù)來源;
　　 目前國內(nèi)外文獻中未見水稻燈誘害蟲自動識別方面的研究,本研究結(jié)果為水稻燈誘害蟲自動識別開拓了一條新思路。在該方面的研究中,還有許多