基于机器视觉的微小农业害虫自动监测装置和方法

摘要

本发明公开了一种基于机器视觉的微小农业害虫自动监测装置和方法，所述自动监测装置主要由微小农业害虫自动诱捕器、摄像头和计算机等部分组成；所述自动监测方法主要包括以下步骤，安装自动监测装置、更新粘虫板、采集一帧粘虫板的图像、等待一段时间、再采集一帧粘虫板的图像、对最近采集的两帧粘虫板图像进行差分检测、对差分检测的结果进行自动计数和分类、输出结果、判断是否终止监测、判断是否更新粘虫板；本发明的优点是在没有昆虫性引诱剂和高压电网情况下也能对微小农业害虫实施自动诱捕，并利用机器视觉技术对诱捕到的害虫进行自动计数和分类，记录害虫诱捕数量和种类随时间变化的信息。

说明书

技术领域

本发明涉及农业害虫自动监测技术领域，具体是一种基于机器视觉的微小农 业害虫自动监测装置和方法。

背景技术

在我国农业生产中，对产量和经济效益影响较大的微小农业害虫主要是同翅 目和双翅目的害虫，包括但不限于：蚜虫、飞虱、烟粉虱、斑潜蝇、果蝇等。目 前对于这些微小农业害虫的田间调查仍然采取人工目测调查法，该方法费时费 力，调查结果受调查人员主观影响大，加之现在基层植保人员缺乏，田间调查任 务重，这种效率低下的人工目测调查法已经不能满足现代化农业的要求。

近年来，一些新的害虫自动监测技术不断被提出，目前主要的监测技术有红 外计数技术、图像计数技术等，这些技术的发展提高了害虫自动识别与计数的效 率，极大促进了害虫监测自动化的发展。如专利201410128410.4公开了一种害 虫诱捕计数装置及计数系统，该发明先通过昆虫性引诱剂来诱捕害虫，然后综合 使用红外计数技术和图像计数技术对害虫进行计数，但由于缺乏相应的昆虫性引 诱剂，该发明还不能诱捕蚜虫、飞虱、烟粉虱、斑潜蝇、果蝇等微小农业害虫， 同时该发明还在诱捕器中设置了高压电网，即使有微小农业害虫误飞到诱捕器内 也会被电焦，从而不能被准确计数。

发明内容

为了解决上述现有技术中存在的缺陷，本发明提供了一种基于机器视觉的微 小农业害虫自动监测装置和方法，能够在没有昆虫性引诱剂和高压电网情况下自 动诱捕微小农业害虫，并利用机器视觉技术对诱捕到的害虫进行自动计数和分 类，记录害虫诱捕数量和种类随时间变化的信息。

本发明采用的技术方案：一种基于机器视觉的微小农业害虫自动监测装置， 包括支架，所述的支架上固定有一主动滚轴、从动滚轴以及绕在主动滚轴和从动 滚轴上的粘虫板；所述的粘虫板上方设有粘虫剂涂抹刷，下方设有粘虫剂清除刷； 所述的粘虫板表面与粘虫剂涂抹刷和粘虫剂清除刷接触；所述的粘虫剂涂抹刷连 接有一粘虫剂储存箱；所述的监测装置还设有用于监控粘虫板的摄像头和计算 机。

根据本发明的另一方面，提供一种基于机器视觉的微小农业害虫自动监测方 法，包括如下步骤：

S1：安装微小农业害虫自动监测装置，将权利要求1所述的监测装置安装在 农作物田间，使粘虫板的底端高于农作物顶部10-20厘米；通过粘虫剂加注口将 粘虫剂加入粘虫剂储存箱；调节摄像头的焦距，使监控范围覆盖粘虫板；

S2：更新粘虫板，由计算机向主动滚轴发送旋转指令，主动滚轴旋转，在从 动滚轴的协助下，粘虫板面向摄像头的一侧向下移动，且移动距离超过粘虫板的 高度，在粘虫板的移动过程中，粘虫剂涂抹刷将粘虫剂均匀涂抹在粘虫板上，同 时粘虫剂清除刷将粘虫板上的粘虫剂以及附着在上面的害虫和杂物一起清除掉；

S3：粘虫板更新完成后，摄像头立即采集一帧粘虫板的图像；

S4：等待一段时间；

S5：摄像头采集一帧粘虫板的图像；

S6：对最近采集的两帧粘虫板图像进行对比度拉伸和灰度化处理，然后对两 帧灰度化图像进行差分检测和二值化处理；

S7：对差分检测得到的二值化图像进行数学形态学开运算，然后标记联通区 域，并对联通区域进行双阈值筛选，最后对筛选得到的图斑进行自动计数和综合 分类；

S8：输出结果，输出单位时间内增加的害虫数量和种类；

S9：判断是否终止监测，如果终止监测，则退出，如果不终止监测，继续执 行下一步；

S10：判断是否更新粘虫板，如果当前捕获害虫的总面积超过粘虫板面积的 60％，则执行步骤S2，否则执行步骤S4。

本发明的有益效果：本发明公布的基于机器视觉的微小农业害虫自动监测装 置和方法，为微小农业害虫的调查提供了一种新的自动监测方法。本方法中没有 利用常规的昆虫性引诱剂技术，而是利用微小农业害虫对特定颜色的趋向性，设 计一种自动诱捕器，实现了在没有性引诱剂的情况下也能诱捕微小农业害虫的功 能。自动诱捕器中设置了粘虫板自动更新装置，该装置可以根据监测需要，适时 更新粘虫板，解决人工更换粘虫板时间间隔把握不准、劳动强度大的问题。本发 明将摄像头的位置与粘虫板的位置相对固定，使摄像头的监测范围刚好覆盖整个 粘虫板，降低了害虫自动计数和分类时差分检测的难度，提高了差分检测的效率 和稳定性。本发明在基于机器视觉微小农业害虫自动检测方法中运用了数学形态 学开运算，可以断开图斑之间细小的连接，使自动计数更准确；采用人工智能神 经网络模型对害虫图像进行分类，分类精度高，稳定性好。

附图说明

图1是本发明微小农业害虫自动监测装置的结构示意图；

图2是本发明微小农业害虫自动监测方法的流程图。

具体实施方式

为了更好地表述本发明技术方案的细节及其优点，现结合附图作进一步说 明。

如图1所示，一种基于机器视觉的微小农业害虫自动监测装置，包括支架， 所述的支架上固定有一主动滚轴7、从动滚轴4以及绕在主动滚轴7和从动滚轴 4上的粘虫板5；所述的粘虫板5上方设有粘虫剂涂抹刷2，下方设有粘虫剂清 除刷8；所述的粘虫板5表面与粘虫剂涂抹刷2和粘虫剂清除刷8接触；所述的 粘虫剂涂抹刷2连接有一粘虫剂储存箱3；所述的监测装置还设有用于监控粘虫 板5的摄像头9和计算机15。

其中，所述的粘虫剂储存箱3上设有粘虫剂加注口1，用于加注粘虫剂，同 时，粘虫剂储存箱3内的粘虫剂与粘虫剂涂抹刷2直接接触，通过粘虫剂涂抹刷 将粘虫剂均匀涂抹到粘虫板5上。

所述的主动滚轴7中设有电动机；所述的电动机通过滚轴控制线6与计算机 15相连接，执行计算机15下达的旋转或停止指令，并由算机15提供电源；所 述的摄像头9通过摄像头数据线14与计算机15相连接，执行计算机15下达的 采集图像指令，并由算机15提供电源。实施例中所使用的数据线，均为USB接 口数据线，能够在传输信息的同时提供电源。摄像头9采集的粘虫板5图像，均 保存在计算机15中，且包含采集时间和编号信息，当需要时，可以随时调阅， 从而进一步保证了监测结果的准确性。

所述的支架包括位于底部的三角支架12和设置在三角支架12上的伸缩杆 11，所述的伸缩杆11上设有固定螺栓10；所述的摄像头9通过摄像头固定支架 13固定在伸缩杆11顶端；所述的粘虫板5，其颜色可根据需要选择黄色、蓝色 或白色，本实施例中粘虫板5选用黄色；所述的主动滚轴7，其周长略大于粘虫 板5高度的1/3，因此，更新粘虫板5时，只需控制主动滚轴7滚动3圈即可完 成1次更新。

如图2所示，一种基于机器视觉的微小农业害虫自动监测方法，具体步骤如 下：

S1：安装自动监测装置，用三角支架12把监测装置固定在农作物田间，调 节伸缩杆11，使粘虫板5底端高于农作物顶部10-20厘米，然后用固定螺栓10 固定伸缩杆11；用滚轴控制线6连接主动滚轴7和计算机15，用数据线14连接 监控摄像头9和计算机15；通过加注口1将粘虫剂加注到粘虫剂储存箱3；调节 监控摄像头9的焦距，使监控摄像头9的监测范围刚好覆盖粘虫板5；

S2：更新粘虫板5，通过计算机15向主动滚轴7发送旋转指令，主动滚轴7 均速旋转3周，在从动滚轴4的协助下，主动滚轴7带动粘虫板5面向摄像头的 一侧向下移动，且移动距离超过粘虫板5的高度；粘虫板5顶端经过涂抹刷2 时，涂抹刷2将粘虫剂储存箱3中的粘虫剂均匀涂抹在粘虫板5上；粘虫板5 底端经过清除刷8时，清除刷8将粘虫板5上的粘虫剂以及附着在粘虫剂上的害 虫清除；

S3：粘虫板5更新完成后，监控摄像头9立即采集一次粘虫板5的图像，时 间编号记为t_i(i＝1)，图像编号记为m_i(i＝1)，所采集图像的存储格式为JPG格 式，色彩模式为RGB格式；

S4：等待一段时间Δt(取值范围1-600s)，令i＝i+1；

S5：监控摄像头9再采集一帧粘虫板5的图像，时间编号记为t_i，图像编号 记为m_i；

S6：对最近采集的两帧粘虫板5的图像进行对比度拉伸和灰度化处理，然后 对两帧灰度化图像进行差分检测和二值化；

对比度拉伸，差分检测前首先对最近采集的两帧粘虫板5的RGB图像m_i和 m_i-1进行IHS变换，得到亮度(Intensity，I)，色度(Hue，H)，饱和度(Saturation, S)三个分量，然后取IHS变换后的两帧图像的亮度分量I_i和I_i-1，求其联合灰 度直方图，根据联合直方图分别对I_i和I_i-1进行对比度拉伸，最后用拉伸后的亮 度分量I′_i和I′_i-1和各自的色度、饱和度分量进行IHS反变换，得到对比度拉伸后 的RGB图像m′_i和m′_i-1；

图像灰度化处理，将RGB图像m′_i和m′_i-1转换为灰度图像f_i和f_i-1，计算公 式为：

f＝r*0.299+g*0.587+b*0.114

其中，f为灰度值，r为红色分量，g为绿色分量，b为蓝色分量；

差分检测，对于灰度图像f_i和f_i-1按以下公式进行差分检测：

f_Δt(x,y)＝f_i(x,y)-f_i-1(x,y)

其中，Δt＝t_i-t_i-1，f_Δt(x,y)为两帧灰度图像在第x行、第y列的灰度差；

二值化处理，运用最大类间方差法设定一个合理的阈值T_f，对差分检测结 果f_Δt进行二值化，得到差分检测结果的二值化图像B_i，二值化按下列公式进行：

      $B_i(x,y)=\left(\begin{array}{cc}1& f_{\mathrm{\Delta t}}(x,y)>T_f\\ 0& f_{\mathrm{\Delta t}}(x,y)\le T_f\end{array}\right)$      

在差分检测结果的二值化图像B_i中值为1的像素视为在Δt时间内新捕获的害 虫，值为0的像素视为背景或t_i-1时刻前已经捕获的害虫；

S7：对差分检测得到的二值化图像进行数学形态学开运算，然后标记联通区 域，并对联通区域进行双阈值筛选，最后对筛选得到的图斑进行自动计数和综合 分类；

数学形态学开运算，用半径为1的圆盘结构元素对差分检测得到的二值化图 斑进行数学形态学开运算，即先进行数学形态学腐蚀运算以断开图斑之间细小的 连接，然后再进行数学形态学膨胀运算；

标记联通区域，按照八邻域寻找所有联通区域，并分别标记，每一个标记联 通区域都被作为一个备选图斑；

双阈值筛选，设定2个阈值T_Bmin和T_Bmax，分别代表微小农业害虫面积的下 限和上限，对所有备选图斑进行筛选，去除面积大于上限或小于下限的图斑；

自动计数，对双阈值筛选得到的图斑进行自动计数，图斑的数量就是Δt时 间内诱捕到的害虫数量；

综合分类，将双阈值筛选得到的图斑作为蒙版，获取彩色图像m′_i中各个图 斑的颜色信息，计算各个图斑的颜色均值、面积和长宽比等3个特征值，并将其 输入到训练好的人工智能神经网络模型进行分类，模型将粘虫板5诱捕到的害虫 分为4类，其中，类型Ⅰ代表有翅蚜虫，类型Ⅱ代表烟粉虱，类型Ⅲ代表果蝇， 类型Ⅳ代表其他；

S8：输出结果，输出当前Δt时间内粘虫板5上增加的害虫数量及种类；

S9：判断是否终止监测，如果终止监测，则退出，如果不终止监测，继续执 行下一步；

S10：判断是否更新粘虫板5，如果当前捕获的害虫总面积超过粘虫板5面 积的60％，则执行步骤S2，否则执行步骤S4。