（信号与信息处理专业论文）基于图像的水稻害虫识别与计数研究.pdf

浙江理t 大学硕 学位论文 摘要 水稻是我国最重要的粮食作物之一 提高水稻产量和品质是当今水稻生产的重要目 标 但近年来 水稻害虫发生呈逐年加重的趋势 因此 水稻害虫防治在水稻生产和国民 经济发展中占有极其重要的地位 目前我国水稻害虫监测主要依靠黑光灯引诱捕获害虫 于次日取回害虫 并人工进行识别与计数 存在劳动强度大 效率低 客观性差 非实时 性等问题 已不能满足当前水稻害虫发生严重状况监测的需求 为了减轻基层植保人员劳 动强度 提高水稻害虫监测的准确度和预测预报的时效性 本文利用机器视觉 图像处理 和模式识别等技术对水稻灯诱害虫识别与计数进行了初步研究 主要研究结果包括 i 建立了一套室内水稻灯诱害虫图像采集系统 在该系统中 通过不同目的网筛实现 了害虫初步筛选分类 利用2 个单反相机采集害虫正反两面图像 采用v i s u a lc 6 0 开发了害虫图像采集软件 实现相机自动采集害虫图像 该系统的建立为水稻灯诱 害虫自动识别提供了较好的平台 2 在图像预处理方面 提出了一种基于图像灰度差分的背景分割方法 首先在相同的 拍照环境和相机参数设置下 拍摄害虫混合图像与相应的背景图像 根据两幅图像 的灰度差分实现图像分割 通过实验对比分析 本论文提出的分割方法较传统的阈 值分割方法 能有效地避免在分割过程中害虫边缘断裂 区域出现空洞等现象 且 具有较强的鲁棒性 3 在特征参数提取方面 选择与人类视觉感知系统一致的h s v 空间 利用非均匀量 化的直方图提取颜色特征 提高了识别鲁棒性 提取具有旋转 平移 尺度不变性 的形态特征 保证了识别稳定性 利用灰度共生矩阵提取纹理特征 压缩了害虫图 像的灰度等级 减少了3 4 的计算量 降低了特征提取复杂度 4 在特征数据优化方面 利用主成分分析对害虫数据矩阵进行降维处理 通过计算每 个主成分的方差贡献率 根据累计贡献率不低于8 5 的原则 选取了前6 个主成分 作为害虫识别依据 消除变量的相关性 减轻了计算机存储和运算负担 5 在数据集划分方面 利用7 折交叉验证思想 将害虫特征数据均匀地分为7 组 l 组作为测试样本 同时其余6 组作为分类器的训练样本 经实验分析 利用交叉验 证后建立的分类器可以解决过学习和欠学习状态的发生 6 在害虫识别方面 本文以多目标水稻混合害虫图像为研究对象 打破了传统对害虫 个体识别的模式 分别利用模板匹配与支持向量机对4 种主要水稻害虫混合样本进 行识别分类 结果表明多模板匹配方法相比于单模板匹配可以较好地解决害虫受残 浙江理工大学硕士学位论文 体 姿态各异等因素的影响 而支持向量机较多模板匹配在识别率上提高了1 4 4 由于支持向量机在解决小样本 非线性及高维模式识别问题中表现出许多特有的优 势 并且算法固定 避免了输出不收敛与随机性较大的情况 本文选用支持向量机 作为分类器对水稻害虫进行识别 7 在识别多种水稻灯诱害虫的基础上 对每种害虫实现了准确计数 为害虫预测预报 提供可靠的数据来源 目前国内外文献中未见水稻灯诱害虫自动识别方面的研究 本研究结果为水稻灯诱害 虫自动识别开拓了一条新思路 在该方面的研究中 还有许多技术难关 比如多种多个害 虫粘连分割 残缺害虫和部分叠加害虫的自动识别 非目标害虫剔除等问题 有待多领域 的专家共同攻克 关键词 水稻害虫 机器视觉 图像处理 特征提取 模板匹配 支持向量机 ab s t r a c t t h er i c ei so n eo ft h em o s ti m p o r t a n tf o o dc r o p si nc h i n a a n d t h ei m p r 0 v e m e n to tn c e y i e l da n dq u a l i t yi s a i li m p o r t a n tg o a lo fr i c ep r o d u c t i o n h o w e v e r i nr e c e n ty e a r s t h e r e a a g g r 列a t i n gt e n d e n c yi nr i c ep e s t so u t b r e a ky e a rb y y e a lt h e r e f o r e t h ec o n t r o lo fn c ep e s t s l n r i c ep r o d u c t i o na n dn a t i o n a le c o n o m i cd e v e l o p m e n t h o l d sav c r yi m p o r t a n ts t a t u s c u r r e n t i y t n e r o u t i n em e t h o d0 fr i c ep e s t sm o n i t o r i n g r e l i e sm a i n l yo nt h eb l a c kl i 班l a m p sf o r 仃a p p l n g 恤 p e s t s t h et r a p p e dp e s t s a r et a k e nb a c k r e c o g n i z e da n dc o m t e db y 钯c h n i c i s t st h e 纠1 0 帆 d a y t h i sm e t h o di s0 fh i g hl a b o ri n t e n s i t y l o we f f i c i e n c y p o o ro b j e c t i v i t y a n dn r e a l n m e 一i t h a s n ts a t i f i e dt h ec u r r e n td e m a n d o fr i c ep e s t sm o n i t o r i n g b e c a u s eo f s e r i o u sp e s t so u t b r e a k 1 0 r e d u c em el a b o ri n t e n s i t o fp l a n tp r o t e c t i o n t e c h n i c i s t sa n di m p r o v ep e s t sp r e d i c t i o na b i l i t y t h e i d e n t i f i c a t i o na n dc o u n t i n go f r i c el i g h t t r a pp e s t sa l es t u d i e do n b a s i so fm a c h i n ev 1 s 1 0 n 1 m a g e p r o c e s s i n ga n dp a n e mr e c o g n i t i o nt e c h n 0 1 0 9 y i nt i f f sp a p e r t h em a i nr e s u l t sa r e 筋t o l l o w s 1 a ni m a g ea c q u i s i t i ns y s t e mo fi n d o o rr i c el i g h t t r a p p e s t s 幡d c v e l o p e d f i r s t l y p e s t s n e e d e dt 0b ep r e l i m i n a l ys c r e e n e dt h r o u g hm e s h s c r e e n sw i t hd i f f e r e n ts i z em e s h e s t w o d i g i t a lc a m e r a sc o u l dc a p t i 鹏b o t l ls i d e so f a l lp e s t s as o f t w a r ew a sd e v e i o p e db a s e do n v i s u a lc h 6 0f o ra u t o m a t i c a l l yc o l l e c t i n gp e s ti m a g e s t h es y s t e m w a sa9 0 0 dp l a t f o 锄f o r a u t o m a t i cr e c o g n i t i o no f t h er i c el i g h t t m pp e s t s 一 an c w m e t h o dw 弱p r o p o s e df o rb a c k g r o u n ds e g m e n t a t i o nb a s e d 仰g m yd i 腩衄 1 1 1 l i m a g e s0 fm i x e dp e s t sa n di t s b a c k g r o u n dw e r ea c q u i r e d i nt h es a n l ee n v l r o n m e n t 舭d c 锄e r ap a r a m e t e r ss e t t i n g s t h er e s u l t s s h o w e dt h a tt h i sm e t h o dc o u l dn o to n l ye h e c n v e i y a v o i dm ee d g ef r a 锄de m p t y h o l e sp h e n o r a e n o n b u ta l s op o s s e s s t h eb e t t e rr o b u s t n e s s n t h ef e a t u r ee x t r a c t i o n t h eh s vs p a c e w a sc o n s i d e r e d t h ei n h o m o g e n e o u sq u a n t l 姒1 0 n h i s t o 酣衄w a su s e dt oe x t r a c t c o l o rf e a t u r e sa n di ti m p r o v e dt h er e c o g n i t i o n r o b u s t r l e s s s o m em o r p h 0 1 0 9 i c a lf e a t u r e sw i t hr o t a t i n g t r a n s l a t i o na n d s c a l ei n v a r i a n c ew e r e e x t r a c t e dt o e n s u r et h er c c o g i l i t i o ns t a b i l i t y t h eg r a yl e v e l c o o c c u r r e n c em a t r i xw a su s e dt oe x t r a c t t e x t f e a t u r e s nr e d u c e dt h e3 4c a l c u l a t i o na n dd r o p p e dt h e c o m p l e x i t yo ff e a t u r e c x t r a c t l o n t h r o u g hc o m p r e s s i n g t h eg r a y s c a l eo fp e s ti m a g e 4 1t h ep r i n c i p a lc o m p o m n ta n a l y s i sm e t h o dw 硒u s e d t 0r e d u c et h ep e s t sf e a t u r em a t n x s d i m e n s i o n mv a r i 觚c ec o n t r i b u t i o no fe a c hm a i nc o m p o n e n t w a sc o m p u t e d a c c o r d i n gt o t h em l ew h i c ht h ea c c u m u l a t i v ec o n t r i b u t i o no f t h ep r i n c i p l ec o u l d n tb el e s st h a n8 5 t h e f i r s ts i x 研n c i p a lc o m p o n e n t sw e r es e l e c t e d a st h ef e a t u r e so fp e s ti d e n t i f i c a t i o n i tc o u l d e l i m i n a t et h er e l e v a n t eo f d i f f e r e n tv a r i a b l e sa n dr e d u c et h eb u r d e n 0 fc o m p u t e rm e m o 阱 5 17 f o l dc r o s sv a l i d a t i o nw a s u s e dt od i v i d et h ed a t a s e t t h ed a t a s e tw a se v e n l yd 1 v l d e d t 0 浙江理 亡大学硕 学位论文 g r o u p s ag r o u pw a s a st e s ts e ta n dt h er e m a i n i n gs i xg r o u p sw e r ea st r a i n i n gs e t sf o rt r a i n i n g t h ec l a s s i f i e r t h er e s u l ts h o w e dt h a tt h i sm e t h o dc o u l ds o l v eo v e r l e a r n i n ga n do w e 1 e a r n i n g p h e n o m e n o n 6 i nt h i sp a p e r t h em u l t i o b je c t i v em i x e dr i c ep e s t sw e r es i m u l t a n e o u s l yr e c o g n i z e dw h i c hi s d i f f e r e n tf r o mi n d i v i d u a lp e s tr e c o g n i t i o n t w om e t h o d s t e m p l a t em a t c h i n ga n ds u p p o r t v e c t o rm a c h i n ew e r eu s e dt or e c o g n i z ef o u rr i c ep e s ts p e c i e s t h er e s u l t ss h o w e dt h a tt h e m u l t i t e m p l a t em a t c h i n gm e t h o dc o u l dr e d u c et h ei n f l u e n c eo fi n c o m p l e t ep e s t sa n dp o s t u r e o np e s ti d e n t i f i c a t i o nc o m p a r e dt o s i n g l e t e m p l a t em a t c h i n gm e t h o d t h ep e s tr e c o g n i t i o n r a t eo fs u p p o r tv e c t o rm a c h i n e s v m m e t h o dw a s14 4 h i g h e rt h a nt h a to f m u l t i t e m p l a t e m a t c h i n g t h es v m c l a s s i f i e rs h o u l db es e l e c t e dt oi d e n t i f yr i c ep e s t s b e c a u s ei th a sm o r e a d v a n t a g e si nt h es m a l ls a m p l e n o n l i n e a ra n dh i g hd i m e n s i o n a lr e c o g n i t i o n a n dt h i s a l g o r i t h mc o u l da v o i dn o n c o n v e r g e n c ea n dr a n d o mo fo u t p u tr e s u l t 7 r i c ep e s tc o u n t i n gw a se a s yi ft h e s ep e s t sw e r ei d e n t i f i e da c c u r a t e l y t h ec o u n t i n gr e s u l t w o u l dp r o v i d ed a t as o u r c e sf o rp e s t sf o r e c a s t i n g a u t o m a t i cr e c o g n i t i o na n dc o u n t i n go fr i c el i g h t t r a pp e s t sh a s n tb e e nr e s e a r c h e db e f o r e t h er e s u l t so ft h i sp a p e rp r e s e n t e df ln e wi d e af o rr i c el i g h t t r a pp e s tr e c o g n i t i o n h o w e v e r t h e r e a l em a n yt e c h n i c a lc h a l l e n g e s s u c ha st h es e g m e n t a t i o no ft o u c h i n gp e s t s t h er e c o g n i t i o no f i n c o m p l e t ep e s t sa n do v e r l a p p i n gp e s t s a n dr e j e c t i o no fn o n o b je c t i v ep e s t sw h i c hn e e d e d d i f f e r e n te x p e r t st os o l v e k e yw o r d s r i c ep e s t s m a c h i n ev i s i o n i m a g ep r o c e s s i n g f e a t u r ee x t r a c t i o n t e m p l a t e m a t c h i n g s u p p o r tv e c t o rm a c h i n e 浙江理工大学硕士学位论文 1 1 研究背景 目的与意义 第一章绪论 1 1 1 研究背景 水稻是我国重要的粮食作物之一 在水稻整个生长期内 有许多病 虫等有害生物为 害 特别是水稻害虫 每年所引起的损失相当惊人 直接危害水稻产量 目前 我国水稻 害虫防治一直坚持 害虫综合治理 i p m 的植保方针 以监测预报为基础 综合应用农 业 生物 物理防治和化学防治等技术措施 有效控制害虫为害 目前我国水稻害虫监测 主要依靠黑光灯诱捕害虫 于次日取回室内 由人工进行识别与计数 依靠人工识别与计 数存在劳动强度大 识别率低 计数准确性差 非实时性等问题 近年来 水稻害虫发生 呈逐年加重的趋势 目前监测手段已不能满足当前水稻害虫发生严重状况监测的需求 因 此 需要寻找一种快速 准确的自动识别和计数水稻害虫方法 来提高害虫监测和预测预 报的准确度与时效性 减轻基层植保人员的劳动强度和提高效率 随着农业逐步走向数字化 精准化和自动化 国内外学者已将数字图像处理和模式识 别技术应用到昆虫自动识别领域 主要包括储粮昆虫 2 1 温室蔬菜害虫 3 4 1 果园害虫 5 1 森林害虫1 6 7 以及农田害虫 8 枷1 等 已取得较好的研究进展 国外f 1 2 0 世纪8 0 年代开始昆虫 自动识别研究 早期主要是对蜜蜂等有翅昆虫识别 郴1 以及储粮昆虫自动检测系统1 1 4 1 6 1 开 发 国内中国农业大学i p m i s t 实验室在沈佐锐教授的指导下 从1 9 9 7 年开始利用图像处理 技术提取昆虫的形态特征 开发的昆虫自动识别系统r b u g v i s u x 可实现多种昆虫的分类 识别 2 0 l 近年来国内外学者着重农田害虫识别与计数系统 美国农业部动物卫生检查局 j e f f r e yt d r a k e 教授带领的团队 2 l 开发了棉田害虫自动识别计数系统 首先在棉田中利用真 空吸收器采集害虫 并用药剂将害虫致死后带回室内 实现了基 i m a g e p r op l u s 的棉田害 虫识别计数系统 华北水利水电学院邱道尹教授等人 2 2 粕1 经过多年的研究 设计了农田害 虫实时检测系统 通过传输机构可自动诱集和调整害虫姿态 并用c c d 摄像机实时采集害 虫的序列图像 通过图像处理和神经网络方法实现玉米螟等一些农业害虫的分类 目前该 系统还没有得到广泛应用 主要原因是该系统识别种类不够多 当虫量发生较大时 识别 率有待提高 计数的准确性未知 另外 整套系统广泛应用到农田 现阶段还不够经济 且最终需要人工处理诱集到的害虫 已有的昆虫识别技术主要针对昆虫个体标本且虫体较完整 在实际的水稻田间害虫监 1 浙江理工大学硕士学位论文 测中 水稻灯诱害虫样本易受到残缺 姿态的影响 且往往需要对多目标害虫进行分类统 计 本研究正是在这种背景中 提出利用图像处理进行多目标水稻灯诱害虫识别与计数方 法的研究 实现对水稻害虫快速 准确地自动识别和计数 1 1 2 研究目的和意义 水稻害虫种类以及数量的调查 是害虫预测预报工作的一项基本而重要的任务 如果 没有正确的调查数据 对害虫的发生种类 数量就不可能进行准确地预测 更不能保证害 虫防治经济阈值的正确执行 2 7 1 因此 防治水稻害虫 提高水稻产量的前提是在水稻生长 期内 可以正确地识别与计数水稻害虫 从而进一步掌握其发生动态 为实时 准确的预 测预报提供理论依据 本研究建立了一套室内水稻灯诱害虫图像采集系统 利用图像处理和模式识别技术来 实现水稻灯诱害虫的自动识别与计数 减轻基层植保人员劳动强度 提高水稻害虫监测的 准确性和预测预报的时效性 降低农民的经济损失 为精准农业和水稻害虫预测预报提供 理论基础 其目的与意义如下 1 在我国水稻病虫害监测中 县植保人员需多点监测与调查水稻病虫害 另外他们还 有其它经济作物病虫害监测与调查任务 目前我国现状是县植保人员不断流失和缺 乏 他们的任务也就越来越重 本研究利用图像处理技术实现水稻害虫自动识别与 计数 将大大减轻基层植保人员的劳动强度 2 由于水稻害虫种类较多 植保人员主要依靠个人的经验来进行识别 且在灯诱害虫 数量较多时害虫计数仅仅通过目测估计 这样不同的人得到的结果有可能存在较大 差异 客观性较差 利用图像识别与计数水稻害虫 将提高水稻灯诱害虫的识别率 与计数的准确度 3 由于植保人员的缺乏和任务繁重 在害虫发生高峰期 一天诱集的害虫量通过人工 识别与计数常需要几天才能完成 时间的滞后性将影响害虫动态发生的预测预报 基于图像的水稻害虫自动识别与计数将提高水稻灯诱害虫监测的实时性 4 本论文的研究对象与已往研究单个昆虫样本识别不同 主要针对多目标水稻灯诱害 虫 且害虫样本常出现虫体残缺 姿态各异等 本研究结果为其它农作物或经济作 物害虫的自动识别提供一条新思路 2 浙江理工大学硕十学位论文 1 2 国内外研究现状 1 2 1 昆虫图像采集 昆虫对象以及采集环境的不同 一般图像采集装置也有所不同 对于体型较小的昆虫 一般利用显微摄影装置 l a r i o s 等f 2 8 选用鹅颈灯和柔光镜来调节拍照环境的光照均匀 并 由电脑控制传输和翻转体长约为5 2 m m 的石蝇幼体标本 利用莱卡m z 9 5 显微镜获取石蝇 幼虫图像 对于体型较大的昆虫标本 一般使用数码相机 于新文等 2 9 l 在木箱内通过安装 节能灯 以及利用复印纸增强木箱四周光的漫射 利用安装在木箱顶部的数码相机获取昆 虫样本图像 对于储粮害虫的图像采集 国外一般采用软x 射线 l l 1 4 1 和近红外成像技术 1 5 1 6 l 3 0 l 国内一般基于可见光 徐防等 3 1 1 通过传送带将储粮匀速地经过c c d 视区 实时地 采集粮食样本图像 进而利用图像处理技术实现储粮害虫的在线实时检测 在昆虫图像采集过程中 室内环境稳定 只需建立合适的光照条件就可获取清晰的昆 虫图像 而自然环境下的活体昆虫 由于受到外界风吹 光照等因素的影响 一般采用捕 捉样本后室内拍摄和自然环境数码拍摄两种方式 刘德营等 3 2 利用高压灯诱捕飞虱 将捕 捉的活体飞虱放在室内载物台上 利用数码摄像机获取飞虱实时图像 p a r k 等1 3 3 l 利用数码 相机拍摄田间水稻褐飞虱图像 并实现了飞虱种群密度估计 1 2 2 昆虫图像预处理 昆虫图像预处理主要包括图像增强 边缘检测以及图像分割等步骤 利用图像增强方 法提取图像感兴趣的信息 以减弱或消除孤立点等噪声造成的图像质量不高 常用的图像 平滑方法有邻域均值法和中值滤波法 张孝远 3 4 j 分别利用中值滤波和均值滤波方法对农田 害虫图像进行去噪处理 结果发现 均值滤波虽然对噪声抑制能力很强 但不能消除图像 孤立点 且给图像边缘带来一定的模糊 而中值滤波方法不仅有效地消除噪声 还能够锐 化昆虫图像边缘 黄凌宵掣3 5 j 利用强制阈值去噪 独立阈值去噪和默认阈值去噪3 种小波 去噪方法对含有椒盐噪声和高斯噪声的昆虫图像进行去噪 结果发现独立阈值法效果最 优 于新文等1 2 9 l 利用对比度拉伸法使棉铃虫图像灰度分布变宽 从而达到图像增强的效果 边缘是图像最基本的特征 是图像分割 形状特征提取 目标识别的重要基础 孙怀 斌等 李海军掣3 7 1 c h o 掣3 1 选用p r e w i t t s o b e l l a p l a c e 等算子对蝶类 蚜虫等昆虫 边缘检测进行了研究 结果表明 基于l a p l a c e 算子检测出的边缘纹理性优于其它几个算子 王正宏 6 j 利用分形理论检测林业害虫边缘 并与常用的边缘检测算子比较发现 基于分形 理论的边缘检测对噪声具有较强的抑制作用 而且昆虫边缘细节保留比较完整 刘军等 3 8 l 发现利用多结构元素提取玉米螟等昆虫图像边缘特征 不仅能够提取多样的图像边缘还能 主 浙江理t 人学硕十学位论文 达到去噪效果 昆虫图像分割包括背景分割与目标粘连分割两种 对于背景分割 常用的方法有阂值 法1 3 9 1 边缘流法和小波分析法等 张洪涛等 4 0 于新文等 4 罗涛华 4 2 采用直方图阈值法 相对熵阈值法 自适应阈值法等方法实现了昆虫图像分割 李小林等1 4 3 为解决阈值选择问 题 提出了基于边缘流的图像分割方法 近年来 随着计算机理论的飞速发展 国内外学 者将g a b o r d 波1 4 钔 图割理论 4 5 l 数学形态学1 4 们 多分辨率分割m 模板分割 4 8 4 9 等算法 用于昆虫图像分割中 均取得了较好的分割效果 准确地分割粘连昆虫 是昆虫识别与计 数研究的重要前提之一 李延频等 2 6 1 提出基于区域生长的农田娥类害虫图像分割算法 较 传统的o t s u 阈值算法 区域生长分割算法不仅解决了阈值选择问题 并有效地分割出各个 昆虫图像 为农田昆虫计数奠定基础 翁桂梨5 0 利用形态分水岭分割算法实现了粘连蝗虫 的自动分割 并利用基于先验知识的流域分割方法有效地抑制了背景与翅对计数结果的影 响 解决了过度分割等问题 有效地实现了蝗虫等飞行昆虫的密度监测 1 2 3 昆虫图像特征提取与优化 有效的图像特征可为昆虫自动识别和计数提供数据依据 常用的昆虫图像特征一般包 括颜色 形态 纹理及局部特征等 刘芳等1 2 0 将r g b l 四个一维颜色直方图信息和 红色 绿色两个二维直方图信息向量作为神经网络的输入 实现了蝴蝶标本的自动识别 准确率高达9 5 2 邱道尹等1 5 1 1 提取了红黄绿青蓝紫黑7 个颜色的宽度 高度等空间特征 通过多次试验得出每个颜色相应的h 值来识别绿刺蛾 红缘灯蛾等农田害虫 张红涛等 5 2 1 方明等 5 3 提取了稻纵卷叶螟等害虫二值图像的面积 周长 复杂度 偏心率 球型性 两 个不变矩7 个形态参数 并对图像进行归一化处理进而达到昆虫自动识别效果 邱道尹等 1 2 5 1 李小林等 5 4 1 利用不变矩等特征实现了昆虫自动识别 结果表明 不变矩具有旋转 平 移 尺度不变性 a s h a g h a t h r a 等 5 5 1 赵三琴等1 5 6 提取了象甲和飞虱的傅里叶描述子 通过 相似度判断实现了害虫识别 脉序是翅脉在翅面的分布形式 同类昆虫的脉序相对稳定和 相似 不同类群的昆虫脉序存在一定的差别 t o f i l s k i t 5 7 1 a r b u c k l e 等 5 8 1 在获取蜜蜂翅脉的 基础上 有效地实现了蜜蜂相似种类的鉴定 周曼等 5 9 提取了骨架点的分支数 骨架累计 长 横轴纵轴比和圆形性作为神经网络的输入 对2 0 种典型的水稻害虫进行了有效识别 张红梅等i 鲫 范艳峰等 6 l 利用灰度共生矩阵提取储粮昆虫图像的纹理特征 作为昆虫识别 的依据 z h a o 掣4 4 提出一种基于g a b o r 纹理特征描述子的纹理特征提取方法 利用a d a b o o s t 算法结合支持向量机对6 种不同形态的害虫图像进行识别 该方法的不足在于g a b o r 变换的 能谱随着角度等参数的改变而变化 黄世国等 6 2 提出了与角度无关的g a b o r s v m 方法用于 4 浙江理t 大学硕十学位论文 凤蝶等5 种昆虫识别 并与传统的g a b o r 纹理和灰度共生矩阵纹理相比较 结果表明 a i g a b o r 的昆虫识别算法克服了纹理特征易受图像分辨率 光照等因素影响的不足 较明 显地提高了昆虫识别的准确率 w e n 等i s l 利用s i f t 矢量提取果树昆虫图像的局部特征 并设计了p c a l c p r i n c i p a l c o m p o n e n ta n a l y s i se x p a n s i o nl i n e a rc l a s s i f i e r s v m 等6 种分类器 实现了对果树昆虫 的自动分类 l a r i o s 等1 2 8 稠p c b r p r i n c i p a lc u r v a t u r e b a s e dr e g i o nd e t e c t o r 检测器和 c f h c o n c a t e n a t e df e a t u r eh i s t o g r a m 方法自动识别石蝇幼虫 经实验得出 此方法可以 有效地区分出c a l i n e u r i a 和d o r o n e u r i a 两种难以辨别的石蝇 且p c b r 的识别性能明显优于 其它检测器 杨红珍等 1 9 提取了1 6 种昆虫的矩形度 h u 不变矩等形态特征 以及灰度直方图 二 维色度直方图等颜色特征 结合径向基神经网络分类器和i n t e r a c t 网络实现了基于b s 结构 的远程昆虫识别 齐丽英 6 3 l 利用基于颜色 形态 纹理特征综合的昆虫识别率为9 0 比 单一特征识别率分别提高了1 5 1 1 8 和8 w e n 等 叫建立了基于全局特征和局部特征 的组合模型 有效地实现了对果树害虫的分类识别 在特征提取过程中 需要去除多余相关信息 以提高计算机处理速度和识别率 于新 文等 1 7 1 采用逐步分析法从9 个几何变量中筛选出6 个相互独立的特征参数 对3 种昆虫判别 分类的准确率高达1 0 0 杨玲玲 6 5 提取了飞虱图像的延长度 紧凑度等5 个几何形状特征 和7 个不变矩特征 最后选取了在不同方向 不同大小情况下具有良好稳定性的1 0 个特征 值 有效地实现飞虱的自动识别 张洪涛等 6 6 击引 陈卫东等 6 9 1 分别利用模拟退火算法 基 于距离可分性准则的特征压缩 蚁群算法和遗传算法自动提取粮虫的最优特征空间 不仅 降低了特征空间的维数 且去除特征间的信息冗余 提高了分类效率和运行速率 1 2 4 昆虫图像识别 在昆虫识别中 常用的模式识别方法有人工神经网络 支持向量机 决策树理论1 7 m 7 1 1 模板匹配 7 2 k 近邻 7 3 l 等 邱道尹等1 2 4 l 将遗传算法 与b p n 络相结合 首先通过遗传算法 搜索全局最优解作为网络初值 并利用b p 算法进行精细学习后自动识别储粮害虫 甄彤等 7 4 1 利用以径向基为核函数的s v m 实现了米象 赤拟谷盗等储粮害虫的分类问题 结果表明 s v m 在有限样本条件下具有很好的泛化能力 l a r i o s 等 利用h a a r 随机森林特征 h a a r r a n d o mf o r e s tf e a t u r e s 以及支持向量机空间匹配模型 s v ms p a t i a lm a t c h i n gk e r n e l 识 别石蝇幼虫 孙兴滨等 7 6 1 利用s v m 对不同颜色背景 不同角度 不同尺寸的摇蚊幼虫进 行自动识别 赵晶莹等1 7 7 1 在此基础上采用间隔最大化 分类错误最小化的模糊支持向量机 s 浙江理工大学硕士学位论文 分类器识别摇蚊幼虫 并通过将惩罚项模糊化降低不太重要的数据来提高分类器的泛化能 力 唐划7 8 采用模糊c 均值法实现了凤蝶科等5 科1 3 种鳞翅目昆虫图像的特征优选 并在此 基础上设计了第二级分类器 在不降低分类器稳定性的前提下 可以有效地缩短分类器识 别时间 提高系统的工作效率 a s h a g h a t h r a 等 5 5 l 首先利用图像处理方法提取昆虫图像的傅 立叶描述子 旋转不变矩等4 个几何特征参数 最后通过模板匹配方法对象甲识别效果进 行了比较研究 结果表明 单一模板因子不能达到预期的准确率 只有将几种不同且相互 独立的因子相结合才可以较好地实现象甲识别 1 2 5 昆虫图像计数 目前 基于图像的昆虫自动计数技术主要用于粉虱 蚜虫等蔬菜害虫 为易从背景中 分割出目标害虫 国内外许多学者利用黄色粘虫板诱集害虫样本 分别利用p a m p r e s e n c e a b s e n c em o d e l 模型1 7 9 固定阈值分割 8 们 迭代法阈值分割 3 1 边缘跟踪 8 l l 等 方法结合连通区域标记法实现了蚜虫自动计数 邱白晶等 8 2 将黄瓜叶片放置于白瓷盘中 采用g 分量阈值将蚜虫区域和背景分离 并采用标记控制分水岭分割算法去除蚜虫粘连重 叠现象 最后利用连通区域标记法实现黄瓜蚜虫的自动计数 图像中存在的孤立点以及无关小区域会影响昆虫自动计数的准确性 牟少敏 8 3 8 5 对二 值化后的白粉虱图像利用连通区域标号法删除孤立点和无关小区域 并采用腐蚀操作达到 粘连昆虫自动分类的效果 王媛嫒等 8 6 1 利用流域分割算法有效地将粘连米象分离 同时也 减少了米象个体丢失现象 在实际昆虫自动计数中 往往存在雄蕊残体 害虫蜕皮等伪目标连通域 若不去除 会导致计数结果偏高 因此 张建伟等 8 0 l 邱白晶等 8 2 1 以单个蚜虫的面积值作为阈值 只 对面积大于该阈值的连通区域进行标记 最大标记数即为蚜虫数量 综上所述 国内外学者利用图像处理 机器视觉和模式识别等技术应用于昆虫自动识 别与计数做了较为深入地研究 研究对象从昆虫标本 死亡昆虫 到活体昆虫 研究目的 从单纯的昆虫分类到实际应用 采用的步骤一般包括昆虫图像采集 图像去噪与增强 背 景分割 昆虫特征提取 模式识别 最终得出识别结果 由于研究对象和研究目的的不同 具体采用的方法也有所不同 这些识别系统和方法大都针对某种或某类昆虫 比较专一 很难重复利用 昆虫种类繁多 外界环境的复杂使得这些研究结果或系统还没有得到实际 的广泛应用 国内外对水稻害虫识别的研究 为实现水稻害虫自动识别 计数及应用于精准农业提 供了一些好的思路 但这些研究主要针对害虫个体识别或单一害虫计数 研究结果与田间 6 浙江理工大学硕士学能论文 实际应用存在一定的差距 当害虫种类较多 且虫量大时害虫自动识别与计数还鲜有涉及 这些问题是实现水稻害虫监测智能化 准确化和实时化的关键 是提高害虫预测预报时效 性和准确度 以及精准施药必须解决的前提 本项目就是针对上述问题提出 并力求解决 这些问题 1 3 研究内容与技术路线 1 3 1 研究内容 本研究拟建立一套基于室内水稻灯诱害虫图像采集系统 利用图像处理和模式识别技 术来研究水稻灯诱害虫的自动识别和计数问题 具体内容包括如下 1 建立基于机器视觉的室内水稻害虫图像采集系统 搭建室内水稻害虫图像采集系统 硬件 开发基于v i s u a lc 6 o 的室内水稻害虫图像采集软件 2 多目标水稻害虫图像的采集 利用不同目数的网筛对水稻灯诱害虫进行初步筛选 采用室内水稻害虫图像采集系统进行水稻害虫图像采集 3 图像预处理 根据水稻害虫图像的特点 分析与比较几种图像预处理方法的性能 提出适合多目标水稻害虫图像预处理的方法 去除噪声 改善图像质量 4 图像分割 此部分包括害虫与背景分割 害虫粘连分割 通过对常用分割方法的比 较分析 提出一种合适的背景分割方法去除背景区域 为后续的特征参数提取提供 高质量的样本 利用粘连分割方法将多害虫分离开 减小对识别与计数结果的影响 5 区域标记 对多目标水稻害虫图像进行区域扫描 并逐个标号处理 以便后续多目 标害虫特征参数值和识别结果对应于各个害虫样本 6 特征参数提取 本研究拟提取水稻害虫图像颜色 形态以及纹理三个方面的特征参 数 颜色特征提取 选择合适的水稻害虫识别彩色空间 提取颜色特征参数 形态 特征提取 选择并提取与害虫大小 方向无关的形态特征参数 以及h u 不变矩和 傅里叶描述子 纹理特征提取 利用统计学灰度共生矩阵方法提取害虫的纹理特征 参数 7 数据降维 利用数据统计分析方法对提取的所有样本特征数据进行降维处理 在不 牺牲识别率的前提下 提高计算机处理速度 8 多目标水稻害虫识别 首先选择合适的训练集和测试 模板 集 然后利用不同的 识别方法进行多目标水稻害虫识别分类 比较各方法的优劣 选取最佳识别模型 9 多目标水稻害虫计数 在已识别水稻害虫的基础上 统计每种害虫工f 确识别的个数 作为多目标水稻害虫中不同害虫的发生数量 7 浙江理工大学硕士学位论文 一 一一 l 一一 一一 一 1 3 2 技术路线 端徽h 取虫田间水稻害虫i 一1 哏玉 水稻害虫 计数结果 水稻害虫 识别结果 水稻害虫 样本初筛 水稻害虫 图像采集 测试集 热h 训练集 图1 1 研究总技术路线图 水稻害虫 图像预处理 水稻害虫 特征提取 1 4 本章小结 本章首先阐述了利用数字图像处理技术进行水稻害虫识别与计数的研究目的与意义 并综述了国内外学者利用图像处理技术进行昆虫识别与计数的研究现状以及存在的问题 提出了本研究的水稻害虫识别与计数方法 并给出了基于图像的水稻害虫识别与计数研究 内容与技术路线图 8 浙江理 j 二人学硕士学位论文 第二章基于机器视觉的水稻害虫图像采集系统的建立 为了减轻植保人员的劳动强度 提高害虫预测预报的时效性 实现水稻灯诱害虫的自 动识别与计数 本研究建立了一套基于机器视觉的水稻害虫图像采集系统 该系统通过不 同目筛实现水稻灯诱害虫初步分类 有利于减小识别的难度 利用v i s u a lc h 6 0 开发了由 电脑控制相机进行图像采集的软件 防止了人工控制相机引起抖动而造成的图像模糊 利 用两个相机同时采集水稻害虫正反面图像 为害虫图像识别提供更多特征参数 提高识别 率 2 1 系统硬件搭建 基于机器视觉的水稻害虫图像采集系统硬件包括载物台 可移动的玻璃平台 4 个光 源 2 部数码相机以及计算机 系统实物图见图2 1 图2 1 基于机器视觉的水稻灯诱害虫图像采集系统 1 载物台 载物台设计主要是加载可移动的玻璃平台以及放置实验害虫样本 工具等 因此 载物台中问漏空以放置玻璃平台 两边有凹槽 玻璃平台可在上日 后移动 2 可移动的玻璃平台 害虫图像采集前 需要将诱集样本平铺在玻璃平台上 以避免 害虫重叠等问题 同时为减少对图像的噪声干扰 需要定时洗刷玻璃 减少灰尘 鳞片等杂质 9 浙江理j e 火学硕十学位论文 3 光源 室内图像采集环境比较稳定 只需要建立合适的光源 在载物台前后 上下 各安装1 盏可调方向的节能灯 将4 盏光源均匀地照射在害虫区域 4 数码相机 由于水稻灯诱害虫姿态各异且有虫体残缺 为提高害虫识别率 本研究 提取害虫正反两面特征 选择2 部n i k o nd 9 0 单反相机作为图像采集设备 5 计算机 数码相机通过u s b 连接到计算机上 通过计算机控制相机进行自动拍摄 获取的图像自动保存在默认的目录中 6 支架 灯架和相机架是分开的 通过不同的角度 位置的调试选择最合理的拍照参 数 本研究采用万向头以便相机和灯源可以任一角度的旋转 同时采用可调装置以 寻合适的焦距 2 2 系统图像采集软件 数码相机因其具有数字化采集 存储 处理 传输等功能 广泛用于静态图像的采集 其也成为计算机的数字图像输入设备之一 本研究利用v i s u a lc 6 0 开发了由电脑控制数 码相机进行水稻害虫图像采集的可视化软件 2 2 1 图像采集流程 基于数码相机的图像采集流程如图2 2 2 2 2n i k o nd 9 0s d k 原理概述 n i k o nd 9 0 提供了功能强大的s d k 其主要包