面向自动监测装置的温室粉虱和蓟马成虫图像分割识别方法研究
发布时间：2021-04-14 16:14
获取害虫动态变化数据是害虫综合治理预防的重要基础之一,温室害虫一般具有虫体小、迁飞性、隐蔽性（常于叶片背部危害）等特点,目前大多采用人工识别与计数,不仅费时费力,而且受主观影响准确率不稳定。而基于图像处理的机器视觉方法的害虫检测与识别计数方法具有省时省力、自动化、智能化等优点,已经成为现代农业害虫监测领域的研究热点。本文以黄瓜温室中常见的粉虱和蓟马成虫为研究对象,进行了图像检测与识别方法研究。主要的研究内容如下:（1）黄瓜温室环境中粉虱和蓟马诱虫板的图像自动获取。黄瓜温室中黄色粘虫板背景下,粉虱和蓟马成虫的虫体较小,体长、颜色差异不明显。采用本课题组自主开发、设计的害虫自动监测装置来获取害虫诱虫板图像,并开发了基于Android系统的害虫监测软件实现定时拍照,通过移动无线网络上传照片到后台服务器进行存储与后期图像处理,本试验设定的拍照时间间隔为2小时。（2）图像预处理方法,图像分割与目标提取算法。使用了灰度变换、中值滤波平滑、颜色空间变化、灰度拉伸等图像预处理方法,将原图像由RGB颜色空间变换到HSI、L*a*b*颜色空间提高害虫目标与背景的对比度。结合本文害虫目标图像特点最后选择利用...
【文章来源】：上海海洋大学上海市
【文章页数】：63 页
【学位级别】：硕士
【部分图文】：
害虫图像获取、目标分割与识别流程图
中后期由于虫子数量的快速增加，每隔 3d 更换一次诱虫板。设备及获取的高效信息素诱虫板局部图像如图2-1 所示。自动监测设备如图 2-1（a）所示，设备自上而下分别是太阳能板、诱虫板与安卓手机拍照盒、20000mAh 的蓄电池箱。a. 自动监测设备 b. 诱虫板（局部）图像1. 太阳能板 2. 诱虫板 3. 拍照盒 4. 蓄电池箱图 2-1 自动监测设备及诱虫板（局部）图像Fig.2-1 Auto monitoring device and trap board (local) image开发了基于 Android 系统的害虫监测软件实现定时（单位为分钟，本试验设定2 小时拍照一次）拍照，软件系统界面图如图 2-2 所示。利用 GPRS/2G/3G/4G 移动无线网络拍照后即刻上传图像，自动上传到远端的后台服务器，可随时远程监测温室害虫动态变化情况，记录每天采集数据，形成虫害数据库。
图 2-2 基于 Android 系统的害虫监测软件Fig.2-2 Pest monitoring software based on Android system色模型转换与选取模型是三维颜色空间中的一个可见光子集，它包含某个颜色域的所用的彩色图像模型主要有两种，一种是面向硬件设备的彩色图像模型向视觉感知的彩色图像模型[38]。常用的颜色模型主要有 RGB、HSV、NHSI 等[39]。在实际图像处理过程中，由于不同的颜色模型对目标图像色彩表征不同使得颜色模型的选取对后期图像分割有显著的影响。色模型转换根据害虫图像特点，主要使用了 RGB、HSV、HSI、L*a*b*颜色模型介绍这四种颜色模型以及模型间的相互转换。
【参考文献】：
期刊论文
[1]中国农作物病虫害防控科技的发展方向[J]. 吴孔明. 农学学报. 2018(01)
[2]基于机器视觉的设施农业害虫监测技术研究进展与展望[J]. 陈梅香,刘蒙蒙,赵丽,温冬梅,李文勇,柳瑞,李明. 农业工程技术. 2017(31)
[3]红外传感器与机器视觉融合的果树害虫识别及计数方法[J]. 田冉,陈梅香,董大明,李文勇,矫雷子,王以忠,李明,孙传恒,杨信廷. 农业工程学报. 2016(20)
[4]基于K均值聚类和开闭交替滤波的黄瓜叶片水滴荧光图像分割[J]. 杨信廷,孙文娟,李明,陈梅香,明楠,韩佳伟,李文勇,陈明. 农业工程学报. 2016(17)
[5]设施园艺发展概况、存在问题与产业发展建议[J]. 蒋卫杰,邓杰,余宏军. 中国农业科学. 2015(17)
[6]融合K-means与Ncut算法的无遮挡双重叠苹果目标分割与重建[J]. 王丹丹,徐越,宋怀波,何东健,张海辉. 农业工程学报. 2015(10)
[7]基于Canny算子与阈值分割的边缘检测算法[J]. 拓小明,李云红,刘旭,曹浏,霍可,田冀达,陈航. 西安工程大学学报. 2014(06)
[8]Lab颜色空间和形态学处理相结合的双行车牌定位方法[J]. 杨飚,杨芩. 科学技术与工程. 2014(26)
[9]基于机器视觉的作物多姿态害虫特征提取与分类方法[J]. 李文勇,李明,陈梅香,钱建平,孙传恒,杜尚丰. 农业工程学报. 2014(14)
[10]几种经典的图像边缘检测算子分析比较[J]. 贺桂娇. 计算机光盘软件与应用. 2014(09)
硕士论文
[1]不同光照和遮挡条件下的人脸识别算法研究[D]. 罗璐.江西理工大学 2015
[2]复杂光照条件下的人脸识别算法研究[D]. 伍强.东北大学 2013
[3]基于图像识别技术的农业虫害远程自动监测系统的研究[D]. 厉梁.浙江工业大学 2012
本文编号：3137624
【文章来源】：上海海洋大学上海市
【文章页数】：63 页
【学位级别】：硕士
【部分图文】：
害虫图像获取、目标分割与识别流程图
中后期由于虫子数量的快速增加，每隔 3d 更换一次诱虫板。设备及获取的高效信息素诱虫板局部图像如图2-1 所示。自动监测设备如图 2-1（a）所示，设备自上而下分别是太阳能板、诱虫板与安卓手机拍照盒、20000mAh 的蓄电池箱。a. 自动监测设备 b. 诱虫板（局部）图像1. 太阳能板 2. 诱虫板 3. 拍照盒 4. 蓄电池箱图 2-1 自动监测设备及诱虫板（局部）图像Fig.2-1 Auto monitoring device and trap board (local) image开发了基于 Android 系统的害虫监测软件实现定时（单位为分钟，本试验设定2 小时拍照一次）拍照，软件系统界面图如图 2-2 所示。利用 GPRS/2G/3G/4G 移动无线网络拍照后即刻上传图像，自动上传到远端的后台服务器，可随时远程监测温室害虫动态变化情况，记录每天采集数据，形成虫害数据库。
图 2-2 基于 Android 系统的害虫监测软件Fig.2-2 Pest monitoring software based on Android system色模型转换与选取模型是三维颜色空间中的一个可见光子集，它包含某个颜色域的所用的彩色图像模型主要有两种，一种是面向硬件设备的彩色图像模型向视觉感知的彩色图像模型[38]。常用的颜色模型主要有 RGB、HSV、NHSI 等[39]。在实际图像处理过程中，由于不同的颜色模型对目标图像色彩表征不同使得颜色模型的选取对后期图像分割有显著的影响。色模型转换根据害虫图像特点，主要使用了 RGB、HSV、HSI、L*a*b*颜色模型介绍这四种颜色模型以及模型间的相互转换。
【参考文献】：
期刊论文
[1]中国农作物病虫害防控科技的发展方向[J]. 吴孔明. 农学学报. 2018(01)
[2]基于机器视觉的设施农业害虫监测技术研究进展与展望[J]. 陈梅香,刘蒙蒙,赵丽,温冬梅,李文勇,柳瑞,李明. 农业工程技术. 2017(31)
[3]红外传感器与机器视觉融合的果树害虫识别及计数方法[J]. 田冉,陈梅香,董大明,李文勇,矫雷子,王以忠,李明,孙传恒,杨信廷. 农业工程学报. 2016(20)
[4]基于K均值聚类和开闭交替滤波的黄瓜叶片水滴荧光图像分割[J]. 杨信廷,孙文娟,李明,陈梅香,明楠,韩佳伟,李文勇,陈明. 农业工程学报. 2016(17)
[5]设施园艺发展概况、存在问题与产业发展建议[J]. 蒋卫杰,邓杰,余宏军. 中国农业科学. 2015(17)
[6]融合K-means与Ncut算法的无遮挡双重叠苹果目标分割与重建[J]. 王丹丹,徐越,宋怀波,何东健,张海辉. 农业工程学报. 2015(10)
[7]基于Canny算子与阈值分割的边缘检测算法[J]. 拓小明,李云红,刘旭,曹浏,霍可,田冀达,陈航. 西安工程大学学报. 2014(06)
[8]Lab颜色空间和形态学处理相结合的双行车牌定位方法[J]. 杨飚,杨芩. 科学技术与工程. 2014(26)
[9]基于机器视觉的作物多姿态害虫特征提取与分类方法[J]. 李文勇,李明,陈梅香,钱建平,孙传恒,杜尚丰. 农业工程学报. 2014(14)
[10]几种经典的图像边缘检测算子分析比较[J]. 贺桂娇. 计算机光盘软件与应用. 2014(09)
硕士论文
[1]不同光照和遮挡条件下的人脸识别算法研究[D]. 罗璐.江西理工大学 2015
[2]复杂光照条件下的人脸识别算法研究[D]. 伍强.东北大学 2013
[3]基于图像识别技术的农业虫害远程自动监测系统的研究[D]. 厉梁.浙江工业大学 2012
本文编号：3137624
本文链接：https://www.wllwen.com/nykjlw/dzwbhlw/3137624.html
最近更新
教材专著
