储粮害虫图像定位识别算法的研究与实现

发布时间：2020-07-30 19:11

【摘要】：我国每年的储粮损失约为3500万吨,因虫害造成的损失占总损失的5%,造成经济损失巨大。有研究表明,大部分害虫最早是在粮堆表层被发现的,因此及时掌握粮食表层害虫发生发展情况对害虫预警和防治具有重要意义。目前,我国大部分粮库使用粘虫板对粮面害虫进行诱捕并人工统计和识别。但是这种人工识别统计的方式人力成本高、信息获取时效性差且人为影响大。因此行业急需用智能化手段解决粘虫板上害虫计数和识别的难题。本文以粘虫板诱捕的6类主要储粮害虫的定位和识别为目标,开展了如下的研究和实现工作:1.建立了国内储粮行业首个6类主要储粮害虫粘虫板图像数据集,其中包括目标定位图像数据集20,827张和图像恢复分类成对数据集8,134张,分别用于目标定位网络和低分辨率图像恢复分类网络的训练和测试。2.提出了一种基于SSD的储粮害虫图像目标定位网络,实现了对六类害虫粘虫板图像的目标定位和分类识别。针对粘虫板图像的类与类之间相似度高、相机和粘虫板位置固定、定位与分类无关的特点,改进了 SSD的目标框回归策略、损失函数、特征提取网络结构等,测试结果表明改进后的SSD提高了害虫定位的有效性,定位mAP达到91.31%。3.针对六类害虫图像分类识别任务基于生成对抗网络提出了一种低分辨率图像恢复分类网络,在目标定位单头害虫图像测试集上进行分类识别测试,图像分类识别平均F1值为87.3%。4.基于线性支持向量机,实现了对目标定位网络和低分辨率图像恢复分类网络的两种分类识别结果的融合算法,分类识别F1值为95.22%,与目标定位网络的分类识别结果相比提升12.95%,与恢复分类识别结果相比提升7.86%。5.为了解决识别算法在实际应用时客户端与算法的运行环境不同和粮库服务器资源较少的问题,基于本文提出的储粮害虫粘虫板图像目标定位网络和低分辨率图像恢复分类网络,设计并实现了一种算法部署方案,其中包含一套算法服务系统和一套储粮害虫图像识别客户端软件。目前,算法服务系统已为全国11个粮库提供算法支持,通过储粮害虫图像识别系统可帮助保管员尽早发现仓内害虫并进行科学杀虫,本系统可以平均减少单仓熏蒸药量10%左右,平均节省单仓人工130人时/年,提升了我国粮库害虫智能化识别的水平。
【学位授予单位】：北京邮电大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP391.41;S379
【图文】：

实物,粘虫,储粮害虫

的在线式储粮害虫图像自动实时采集设备，由服务器向ＯＩＴＤ发出采集指令可实逡逑现自动化图像采集，图像采集过程将在第五章详细论述。０１ＴＤ包括相机、支架逡逑和粘虫板三部分，如图１－１所示。相机选用深圳迈德威视开发的网络相机逡逑ＭｉｎｄＶｓｉｏｎ－ＧＥ５００Ｃ－Ｔ，有效像素为５００万，可拍摄最大２０ｃｍｘ２５ｃｍ的粘虫板。逡逑（乞架ｈ邋Ｉ逡逑＼粘虫板ｉＪ？１邋－逡逑图１－１邋ＯＩＴＤ实物图逡逑本文提出的储粮害虫图像识别算法采用图像目标定位算法和分类识别算法逡逑２逡逑

类图,目标定位,图片库,分类识别

获得目标框坐标和初步分类识别结果，然后使用预测的目标框坐标在原图上获得逡逑单头害虫图像，再通过低分辨率图像恢复分类网络获得目标类别，最后通过类别逡逑融合算法将两种分类识别结果进行融合得到最终的分类识别结果，如图１－２所示。逡逑目标定位网络研究内容包括：储粮害虫目标定位图像数据集的建立、图像预处理逡逑方法、基础目标定位网络的选择、特征提取基础网络结构设计、定位策略优化等；逡逑低分辨率图像恢复分类网络的研究包括：储粮害虫图像恢复分类成对数据集的建逡逑立、恢复分类网络的网络结构设计、损失函数设计、训练策略设计等。逡逑逦邋逦邋识别结果逡逑逦？邋ＳＳＤ目标定位网络丁？低分ｇ■恢复一？逦■：谷盘逡逑分类网＃逦类别融合＿＾邋■：谷￡逡逑逦逦１逦算法邋４逦谷逛逡逑■：谷￡逡逑图１－２目标定位与分类识别基本流程逡逑１．３．１图片库的建立逡逑基于０ＩＴＤ设备拍摄的图像，开展储粮害虫粘虫板图像储粮害虫目标定位与逡逑分类识别算法的研宄，需要相应的图像数据集进行支持。经过调研，没有找到公逡逑开且合适的数据集，因此目标定位和分类图像数据集的建设是本论文的基础研究逡逑工作之一。因为采用图像目标定位算法和分类识别算法分开进行的方式，所以针逡逑对两种算法需要分别建立目标定位图像数据集和图像恢复分类成对数据集。两套逡逑数据集的建立针对六种常见储粮害虫：扁谷盗类、米象／玉米象、锯谷盗、拟谷盗逡逑类、谷蠹、烟草甲

图片,示例,实物,图像

数据集中粘虫板图像来源分为两部分：实验室拍摄的粘虫板图像和粮仓环境逡逑下拍摄的粘虫板图像。人工标记图像中的所有害虫目标边界框（以下简称目标框），逡逑如图２－ｌ（ｃ）所示。实验室拍摄的粘虫板害虫图像尽量模拟实际诱捕情况，害虫是逡逑国家粮食局科学研究院粮食储藏研究室养殖的，对每头害虫的类别标签是明确的，逡逑因此对害虫标注信息中包含类别信息和目标框位置信息。为了保证定位算法在实逡逑际粮仓中的适用性，本文在训练数据集和测试数据集中分别加入了邋１０３０张和１００逡逑张实际粮仓环境下拍摄的图片，因为对这些图片中的单头害虫进行类别鉴定难度逡逑较大，所以对这部分数据只进行了目标框的标注。逡逑（ａ）逦（ｂ）逦邋（ｃ）逦逡逑图２－１０ＩＴＤ与拍摄图片示例图，ＯＩＴＤ实物图（ａ），邋ＯＩＴＤ拍摄图片示例（ｂ），图像标注逡逑示例（ｃ）逡逑ＯＩＴＤ拍摄的图像分辨率是１９４４ｘ２５９２像素，这样高分辨率的图像直接送入逡逑神经网络会占用较高内存，增大训练和推理所需的硬件配置要求。获取小尺寸图逡逑像一般有两种方案：第一种使用图像下采样方法

【相似文献】