水稻飛虱自動識別技術的研究.pdf

1、水稻是重要的糧食作物之一，生物災害是影響水稻穩(wěn)產(chǎn)、高產(chǎn)的重要因素。稻飛虱是我國水稻的主要害蟲，不同種飛虱對水稻造成的傷害不同，可見，準確識別稻飛虱種類、記錄其發(fā)生數(shù)量是防治害蟲危害的有效措施。傳統(tǒng)的識別方法存在測報實時性差、對專家依賴性大等弊端.飛虱種類的自動識別技術能夠解決專業(yè)的種類鑒定需求日益增加與鑒定人員相對縮減之間的矛盾，有較廣闊的應用前景。本文結合圖像處理技術、BP神經(jīng)網(wǎng)絡技術，針對白背飛虱和灰飛虱雌雄蟲的靜態(tài)圖像，進行適合的

2、圖像處理和識別研究，實驗結果證明采用這種方法進行飛虱的種類鑒別是可行的。 論文的主要研究內容及成果如下： (1)研究方案的確定。人工區(qū)分飛虱主要依靠其背部顏色和紋理，蟲體的大小則作為輔助判別依據(jù)，據(jù)此本文把飛虱背部作為研究目標，分別取白背飛虱雌蟲43個樣本，白背飛虱雄蟲67個樣本，灰飛虱雌蟲67個樣本，灰飛虱雄蟲72個樣本，拍攝其背部的靜態(tài)顯微數(shù)字圖像，用于自動識別。 (2)圖像預處理.通過比較均值濾波和中值濾波

3、，可知中值濾波能夠很好地保護圖像細節(jié)，經(jīng)實驗分析，采用3×3方形模版進行圖像濾波能夠得到比較滿意的結果。在圖像分割階段，采用了全局閾值法，通過分析比較R、G、B各個通道的灰度值分布，發(fā)現(xiàn)B通道中目標與背景像素的灰度值相差最明顯，基于此，在圖像B分量通道中進行圖像分割.在確定最佳分割閾值時，與形態(tài)學處理相結合，以面積差比P來評價分割效果。通過比較可知，當閾值為98時｜P｜值最小，也即分割的目標區(qū)域較接近于原來蟲體本身，分割效果較理想。

4、 (3)圖像特征提取.主要依據(jù)人工區(qū)分飛虱主要且穩(wěn)定的特點來提取能夠反映飛虱種間差別的有效特征?；趦H按照顏色特征來表征一幅圖像的信息勢必造成表達準確性的降低，著重對飛虱進行了顏色和紋理特征的綜合描述。用百分率直方圖法提取了色度值在20-40°之間的像素數(shù)在整個目標區(qū)域占的百分比，其值不受對象的大小、形狀和它的同一色背景噪聲影響，可以成為圖像模式識別的有力輸入特征。此外還提取了圖像的顏色矩特征。在提取紋理特征參數(shù)時，提出用中胸背板區(qū)

5、域的紋理特點來代表整個飛虱紋理特點的方法。提取子圖像時需使飛虱本身的主軸方向與圖像的y軸一致，而且子圖像不能包含背景噪聲，否則便失去了統(tǒng)計意義。 (4)圖像的分類識別。對比分析了三種常用的BP神經(jīng)網(wǎng)絡的訓練改進方法，通過水稻飛虱自動識別技術的研究比較其訓練誤差、收斂速度和檢驗率得出L-M方法收斂速度較快，網(wǎng)絡誤差較小，檢驗率較高，實驗結果證明當輸入向量為除了面積以外的18個特征值時，網(wǎng)絡的誤差最小，訓練后的網(wǎng)絡對檢驗樣本的識別率