基于机器视觉的中华稻蝗早期蝗蝻的识别和检测研究

摘要

水稻长期以来都是我国人民种植的主要粮食作物，当今人们对于粮食的安全和产量都提出双重要求的情况下，对稻田进行精细化管理，尽量减少化学药剂的使用是我们当今需要面对的问题。中华稻蝗占到稻田土蝗数量的80％左右，是稻田土蝗的优势种。目前对于中华稻蝗的预测和防治都还存在大量使用人力普查，盲目防治的问题。根据中华稻蝗在三龄前的群居特性，三龄后才扩散稻田的生态习性，本文着重探讨利用黏性陷阱诱捕中华稻蝗的前期蝗蝻，获取黏板图像，并在田间背景下采集中华稻蝗的图像，进行中华稻蝗的龄期识别、分类以及早期稻蝗的检测。
　　(1)设计了一种针对中华稻蝗和稻田早期越冬害虫的图像获取系统。固定相机的高度和光圈以获得稳定的图像。实现了基于图像识别技术的中华稻蝗的龄期的识别和计数。将图像转化为HSV空间，利用V通道的灰度图像对原图的灰度图像进行增强，改善了不均匀光照、目标与背景灰度接近、目标较小的情况下Otsu法难以计算最佳阈值的缺陷。通过图像的增强和形态学处理对图像中的中华稻蝗进行分割，进而根据中华稻蝗不同龄期体态的阶跃性变化，完成对中华稻蝗的龄期识别和计数，为稻田蝗虫的虫情在线监测及管理决断提供依据。
　　(2)提出了基于图像特征提取的早期中华稻蝗害虫和典型越冬害虫的识别方法。采用“图像分割——特征提取——分类器设计”的技术路线，在图像分割阶段，将早春时期的越冬害虫二化螟和稻纵卷叶螟与中华稻蝗的幼虫进行分割并将图像填充为相同大小;介绍了模式识别的主要方法，进一步针对图像分割后的害虫目标，提取了形态、不变矩、颜色和纹理等全局特征;基于图像的全局特征建立了SVM分类模型，针对早春的越冬害虫和蝗蝻进行识别，识别准确率达到了88.3％。
　　(3)将DPM引入中华稻蝗的检测。类似于人体检测，害虫由于姿态变化多样，所处的环境复杂，对于害虫的检测也是一个很有挑战的课题。目前对于人体的检测已经有很多的方式，其中DPM（可变型部件模型）是在人体检测中效果较好的一种方法。本文研究了基于DPM的中华稻蝗检测。详细介绍了DPM的原理，将中华稻蝗的自然环境样本图像作为训练样本，应用训练的DPM模型对自然环境下获取的中华稻蝗图像以及黏板上的中华稻蝗图像进行检测。应用DPM算法，实现对大田复杂背景下稻蝗的检测。

目录

声明

论文说明

致谢

摘要

图目录

表目录

主要英文缩略表

1．1 研究的背景和意义

1．2 针对蝗虫监测和图像技术应用现状

1．3 图像识别技术在害虫识别上的应用

1．3．1 国外研究现状

1．3．2 国内研究现状

1．3．3 存在问题

1．4 研究内容

1．5 本章小结

第二章 中华稻蝗蝻期图像的获取和分割技术研究

2．1 实验样本的获取

2．2 实验图像的获取

2．3 主要的图像分割方法

2．3．1 边缘检测分割算法

2．3．2 基于区域的分割算法

2．4 原始图像的直接分割

2．5 本章小结

第三章 蝗蝻图像分割和龄期判定

3．1 颜色模型分析

3．2 基于HSV颜色空间的害虫图像增强和分割

3．2．1 基于HSV模型S通道的图像增强

3．2．2 移除噪音和填充小洞

3．2．3 数字形态学处理

3．3 中华稻蝗龄期的快速判别

3．4 本章小结

第四章 中华稻蝗的蝗蝻和稻田其它早期害虫的识别

4．1 模式识别方法

4．2 SVM分类器

4．3 特征选择

4．3．1 颜色特征

4．3．2 几何形状特征

4．3．3 Hu矩的特征参数提取

4．3．4 纹理特征

4．4 数据归一化

4．5 早期害虫的分类识别

4．6 本章小结

第五章 基于DPM的中华稻蝗检测

5．1 可变型部件模型(DPM)

5．2 HOG特征提取

5．3 DPM的训练

5．3．1 Latent SVM

5．3．2 基于DPM的害虫模型训练

5．4 DPM模型检测效果与分析

5．5 本章小结

第六章 总结与展望

6．1 工作总结

6．2 创新点

6．3 展望

参考文献

作者简介