基于機器視覺與黃板誘導的有翅昆蟲統(tǒng)計識別系統(tǒng)的研究與實現(xiàn).pdf

1、害蟲的快速、準確統(tǒng)計識別是農(nóng)作物病蟲害防治的基礎。傳統(tǒng)的害蟲檢測主要依靠植保專家通過肉眼進行人工統(tǒng)計與識別，存在主觀性、模糊性且費時費力。隨著計算機技術的發(fā)展，人們逐漸將圖像處理和模式識別技術應用到害蟲的識別中，并建立害蟲識別系統(tǒng)，提高了識別準確率和工作效率。
　　課題以在田間和大棚采集到的典型有翅昆蟲作為研究對象，以黃板和樹莓派攝像頭構(gòu)建圖像采集系統(tǒng)，以樹莓派作為開發(fā)平臺，完成有翅昆蟲統(tǒng)計識別系統(tǒng)的搭建。首先，為了有效區(qū)分采集圖

2、像上的目標與排泄物、水珠和泥點等雜質(zhì)，論文對比研究了基于連通區(qū)域標記和基于深度學習網(wǎng)絡YOLO的有翅昆蟲檢測與計數(shù)方法。然后，研究了傳統(tǒng)模式識別技術和基于深度學習網(wǎng)絡的識別技術。在對傳統(tǒng)模式識別方法的研究中，提取有翅昆蟲的顏色、形狀、紋理等全局特征和HOG局部特征；根據(jù)提取的特征，分別用SVM和BP神經(jīng)網(wǎng)絡對指定種類的有翅昆蟲構(gòu)建分類器并進行分類識別，并探討了基于多元特征組合的分類器的分類識別率。在對深度學習網(wǎng)絡的研究中，分析了基于YO

3、LO深度學習網(wǎng)絡的識別技術。最后，完成樹莓派開發(fā)環(huán)境的搭建，運用Python、OpenCV和Darknet完成了統(tǒng)計識別系統(tǒng)；以在花卉種植基地和草莓大棚采集到的黃板圖像作為測試圖片，以人工識別的種類和數(shù)量作為標準，對系統(tǒng)的性能進行了測試。
　　實驗結(jié)果表明，與連通區(qū)域標記方法相比，YOLO深度學習網(wǎng)絡的計數(shù)準確率更高，抗干擾能力更強。對于分類結(jié)果，由于用于訓練的樣本數(shù)量不夠，YOLO的分類準確率不高；SVM分類器在運算速度和分類準