一种黄板上常见蔬菜昆虫的自动识别方法

摘要

本发明公开了一种黄板上8类常见蔬菜昆虫识别方法，其步骤为：（1）、图像采集：利用成像装置采集黄板上蔬菜昆虫的图像；（2）、对黄板上蔬菜昆虫图像进行缩放、旋转、剪切、目标图像分离处理；（3）、计算黄板上蔬菜昆虫图像面积、矩形度及伸长度；（4）、将昆虫图像深色部位与背景分离；（5）、计算昆虫图像深色部位图像面积、矩形度及深色部位轮廓凸出数量；（6）、根据不同类昆虫所具有的形态特征、步骤（3）和步骤（5）所得到的计算结果，判断并显示黄板上蔬菜昆虫的名称。本发明是一种能对黄板上常见蔬菜昆虫进行自动识别的方法。本发明具有原理简单、操作简便、能自动对黄板上常见蔬菜昆虫进行识别等优点。

说明书

技术领域

本发明主要涉及到昆虫研究中昆虫识别方法的领域，特指一种黄板上常见蔬菜昆虫的自动识别方法。

背景技术   

目前，在蔬菜大棚上，黄板越来越普遍地应用于监测和防治害虫。黄板能吸引多种昆虫，包括害虫和天敌，因此识别黄板上昆虫的种类是农户通常面临的一个棘手问题。识别错误就会采取错误的防治措施，导致生产成本增加，农产品减产，农药残留上升。

判断黄板上昆虫的种类，现有的方法之一为：农户会请昆虫学相关技术人员对黄板上的昆虫进行识别，可是昆虫学相关技术人员往往住在农业局、植保站及农林高校和科研单位，该途径会耽误农户的时间，花费不少的差旅费及相关费用。现有的方法之二：农户通过翻阅图书及网上查询来判断黄板上昆虫的种类，该方法需要农户具备一定的文化能力，需要具备图书资料或者上网条件，且要花费较长的时间。现有技术中，类似的昆虫图像自动识别技术有蝴蝶自动鉴定的方法及系统，但是该方法并不具有通用性。

发明内容

本发明要解决的技术问题就在于：针对现有技术存在的技术问题，本发明提供一种原理简单、操作简便、能自动对黄板上常见蔬菜昆虫进行识别的方法。

为解决上述技术问题，本发明采用以下技术方案。

一种黄板上常见蔬菜昆虫的自动识别方法，其步骤为：

（1）图像采集、处理及昆虫图像提取：采集蔬菜地黄板上昆虫图像；调整昆虫图像的分辨率；并使目标昆虫图像的头部都朝上；然后，对昆虫图像区域进行剪切；完成昆虫图像的提取；

（2）昆虫图像特征数值计算：计算昆虫图像的面积、矩形度和伸长度；

（3）昆虫身体深色部位的图像提取并对该图像特征数值进行计算：计算深色部位面积（昆虫身体深色部位像素点数量）、矩形度、深色部位轮廓凹凸数量；

（4）昆虫类别识别：根据步骤（2）和步骤（3）得到的数据进行比对，判断出昆虫的类别。

作为本发明的进一步改进，所述步骤（4）的具体内容为：

a.当深色部位面积为零，昆虫图像伸长度小于2时，显示昆虫名为“粉虱”；

b.当深色部位面积为零，昆虫图像伸长度大于2.3时，显示昆虫名为“叶蝉”； 

c. 当深色部位轮廓凸出数量为4~10时，显示昆虫名为“寄生蜂”；

d.当深色部位矩形度在5~20之间时，显示昆虫名为“蛾类”；

e.当昆虫图像矩形度与深色部位矩形度相减小于6，昆虫图像面积的对数在7～9之间，深色部位面积的对数在4.5～7之间时，显示昆虫名为“蚜虫”；

f.当昆虫图像面积的对数在6.1～8.2之间，昆虫深色部位面积的对数在3～6.7之间，昆虫图像矩形度和深色部位矩形度在25～55之间，且深色部位矩形度大于昆虫图像矩形度时，显示昆虫名为“蚊子”；

g.当昆虫图像面积的对数在8～12之间，昆虫图像和深色部位两者的面积的对数相减小于2，昆虫图像矩形度与深色部位矩形度之比在1.7～2.3之间时，显示昆虫名为“食蚜蝇”；

h.当昆虫图像面积的对数和深色部位面积的对数相减小于7，且昆虫图像矩形度和深色部位矩形度在61～90之间，显示昆虫名为“叶甲”；

i.当数值不符合上述所有条件时，显示昆虫名为无法识别。

作为本发明的进一步改进，所述步骤（1）中进行昆虫图像提取时，先将黄板的黄色变白、再变黑，而其他颜色不变，把昆虫图像和其他背景区域分开，这样昆虫图像被提取出来。

作为本发明的进一步改进，所述步骤（3）中进行昆虫身体深色部位的图像提取时，先将图像变灰，调节灰度阈值，将昆虫身体深色部位图像提取出来。

与现有技术相比，本发明的优点就在于：

1、本发明的黄板上常见蔬菜昆虫的自动识别方法，原理简单、操作简便迅速；利用本方法识别黄板上蔬菜昆虫种类，从图像采集到得到结果可以在半小时内完成。

2、本发明在应用后能够节省费用、降低识别作业的实际成本。本方法利用的设备是普通的数码相机和电脑，耗能不到1度电，费用可以忽略不计。 

3、本发明的方法容易掌握、易推广，绝大多数的人可以在半小时之内独自阅读本方法使用说明掌握本方法。

附图说明

图1是本发明在具体实施例中的流程示意图。

图2是本发明在具体实施例中对图片进行旋转的流程示意图。

图3是本发明在具体实施例中剪切目标昆虫图像区域的流程示意图。

图4是本发明在具体实施例中对昆虫图像进行提取的流程示意图。

图5是本发明在具体实施例中对昆虫身体深色部位图像进行提取的流程示意图。

图6是本发明在具体实施例中依据计算结果对8类昆虫进行判别的流程示意图。

具体实施方式

以下将结合具体实施例和说明书附图对本发明做进一步详细说明。

如图1所示，本发明的黄板上常见蔬菜昆虫的自动识别方法，其步骤为：

（1）图像采集：利用成像装置采集黄板上蔬菜昆虫的图像。如：利用数码相机将黄板上蔬菜昆虫的图像采集并输送到计算机中。

（2）图像缩放：数码相机拍摄图像时，由于数码相机不同型号的分辨率有差异，拍摄时离目标远近也将导致目标成像后分辨率有差异，而昆虫大小是本发明判断昆虫种类的一个重要依据，因此，需要对采集到的图像进行缩放以达到相差不大的分辨率。

（3）图像旋转：一张黄板上昆虫数量较多，大多数的昆虫呈不同的方向趴着粘在黄板上，需要识别的目标昆虫头的朝向也不定，统一头部朝向为接下来的参数计算提供可比性。因此，需要对采集到的图像进行旋转，旋转后的图片使得目标昆虫图像头部都朝上。

（4）图像剪切：一张黄板通常的大小为200mm×300mm到300mm×400mm之间，在田间拍摄图片时，整个图片的阴暗程度不一样，从整张图片上通过阈值分割昆虫图像与背景图像的难度较大，也不是必须。为了减少其他昆虫图像的干扰，需要将目标昆虫所在的较小矩形区域人为裁切下来。

（5）昆虫图像提取：常见蔬菜昆虫颜色都与黄板颜色不一样，利用这一点可以将黄板的黄色变白、再变黑，而其他颜色不变。计算机用R(red)红色、G(green)绿色、B(blue)蓝色三个数值的不同组合表示不同的颜色，黄板的黄色的RGB三个数值满足分别约为：200、180和50。如果图像文件中的像素点的RGB三个数值分别加上约55、75、205时，黄色即变为白色，白色再变黑，这样昆虫图像被提取出来。

（6）昆虫图像特征数值计算：相同分辨率下，不同大小的昆虫具有不同的图像像素点数量，相同大小的昆虫由于形态及展翅形式的差异导致昆虫图像所在的矩形区域大小不一致，昆虫图像的长短轴比值也有差异，计算昆虫图像的面积、矩形度和伸长度，为昆虫类别的判断提供依据。

（7）昆虫身体深色部位图像提取：昆虫的翅膀往往呈半透明，而头部和胸部则颜色往往较暗，还有一些昆虫带有不同深浅颜色的花纹，这样，先将图像变灰，调节灰度阈值，可将昆虫身体深色部位图像提取出来。

（8）昆虫身体深色部位图像特征数值计算：不同种类的昆虫，其身体深色部位大小不一，轮廓也有差异，计算身体深色部位像素点数量、矩形度、深色部位轮廓凸出数量，为昆虫类别的判断提供依据。

（9）昆虫类别识别：黄板上常见蔬菜昆虫主要有蝇类、蚊子、寄生蜂、蚜虫、粉虱、叶蝉、食蚜蝇、叶甲、蛾类9类。蝇类的形态类似家蝇，为人们所熟知的昆虫，本发明不提供识别方法，本发明提供其它8类昆虫的识别方法，当步骤（6）和（8）显示的结果分别符合蚊子、寄生蜂、蚜虫、粉虱、小绿叶蝉、食蚜蝇、叶甲、蛾类的形态特征时，显示该目标昆虫的类别名称，不符合上述8类昆虫形态特征时，显示无法识别。

上述8类昆虫的区别特征主要有：a.粉虱和小绿叶蝉无深色部位；b.粉虱的体长与体宽相差不到1倍；c.小绿叶蝉体长大于体宽的2倍；d.寄生蜂身体头胸之间有显著的凹陷；e.蚜虫翅展较大；f.蚊子身体和翅展的矩形度均偏小；g.食蚜蝇腹部有深浅相间的花纹；h.叶甲翅膀不透明；i.蛾类整个身体被深浅颜色相间花纹的翅膀覆盖。

在具体本实施例中，详细操作流程如下：

（1）图像采集：利用数码相机将黄板上蔬菜昆虫的图像采集并输送到计算机中。

（2）图像缩放：本图片所采集的实物实际大小约为200mm×300mm，本图片总的像素点为4000×3000，平均每mm²的像素点为196，约等于200，因此，本图片无需缩放。

（3）图像旋转：将本图片经过118度旋转，目标昆虫头部朝上（如图2）。

（4）图像剪切：用矩形框将目标昆虫区域从整张图片上裁剪下来（如图3）。

（5）昆虫图像提取：调整RGB三个数值，使得黄板的黄色变白，白色再变黑，这样昆虫图像被提取出来（如图4）。

（6）昆虫图像特征数值计算：删除昆虫图像周边全为黑的行和列，准确锁定昆虫图像所在的最小矩形区域，计算并显示昆虫图像面积、矩形度和伸长度。

（7）昆虫身体深色部位图像提取：将经过步骤（5）后的昆虫图像变灰，调节灰度阈值，将亮度低于该灰度阈值的昆虫身体深色部位不变，亮度高于该灰度阈值的昆虫浅色部位及背景黄色全部变黑，昆虫身体深色部位图像被提取出来（图5），如果昆虫亮度没有低于黄板亮度的部位，则该剪切图所有像素点变白。

（8）昆虫身体深色部位图像特征数值计算：删除步骤（7）后所得图像周边全为黑的行和列，准确锁定昆虫深色部位所在的最小外接矩形区域，计算并显示深色部位图像面积、矩形度。统计深色部位轮廓凸出数量。

（9）昆虫种类识别：根据步骤（8）和步骤（6）的计算结果（如图6）。

a.当深色部位面积为零，昆虫图像伸长度小于2时，显示昆虫名为“粉虱”；

b.当深色部位面积为零，昆虫图像伸长度大于2.3时，显示昆虫名为“叶蝉”； 

c. 当深色部位轮廓凸出数量为4-10时，显示昆虫名为“寄生蜂”；

d.当深色部位矩形度在5～20之间时，显示昆虫名为“蛾类”；

e.当昆虫图像矩形度与深色部位矩形度相减小于6，昆虫图像面积的对数在7-9之间，深色部位面积的对数在4.5-7之间时，显示昆虫名为“蚜虫”；

f.当昆虫图像面积的对数在6.1-8.2之间，昆虫深色部位面积的对数在3-6.7之间，昆虫图像矩形度和深色部位矩形度在25-55之间，且深色部位矩形度大于昆虫图像矩形度时，显示昆虫名为“蚊子”；

g.当昆虫图像面积的对数在8-12之间，昆虫图像和深色部位两者的面积的对数相减小于2，昆虫图像矩形度与深色部位矩形度之比在1.7-2.3之间时，显示昆虫名为“食蚜蝇”；

h.当昆虫图像面积的对数和深色部位面积的对数相减小于7，且昆虫图像矩形度和深色部位矩形度在61-90之间，显示昆虫名为“叶甲”；

i.当步骤（6）和（8）显示的数值不符合上述条件时，显示昆虫名为无法识别。

以上所述仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施例，凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理前提下的若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。