基于机器视觉的果园性诱害虫在线识别与计数方法研究
发布时间：2020-11-05 17:00
果园害虫种类及数量的监测是果园害虫综合治理的基础,目前害虫监测方式主要是依靠人工现场调查与统计完成,费时费力。论文研究了基于机器视觉的果园性诱害虫在线识别与计数方法,探讨了在线监测设备与系统的样机构建,为推进基于图像的害虫自动识别与分类技术在实际果园害虫监测中的应用提供技术支撑。重点开展了以下四方面工作： (1)提出了一种基于形状因子和分割点定位的害虫图像分割方法。该方法通过设定形状因子阂值定位粘连区域,然后对该区域进行逐层轮廓跟踪、剥离和局部分割点的确定,利用局部分割点搜索边界轮廓的两个分离点,最后通过连接局部分割点与分离点进行粘连害虫分割。针对实验室环境下的桃蛀螟(Conogethes punctiferalis (Guerre))害虫图像,本文方法平均错误率为7%,约为分水岭分割方法的1/2,平均分割有效率为92.65%,比分水岭算法提高了5.7%；在对田间梨小食心虫(Grapholitha molesta (Busck))图像分割中,本文方法平均错误率为2.24%,平均分割有效率为97.8%,分别比分水岭方法降低了4.29%和提高了3.95%。 (2)从形状不变特征与形状无关特征两种思路出发,分别研究了基于图像Zernike矩和颜色纹理组合的果园靶标害虫特征提取方法。在害虫图像Zernike矩特征提取中,构建了低阶Zernike矩和高阶Zernike矩两个特征组合,用于验证图像Zemike矩的阶数对果园害虫识别准确率的影响；在基于颜色纹理特征提取中,构建了RGB和HSV两种颜色空间下6种特征组合。 (3)研究了基于多类支持向量机的果园害虫图像识别分类方法。通过利用网格搜索、遗传算法和粒子群优化算法三种方法对支持向量机分类器参数进行寻优得到：基于遗传算法的参数寻优结果表现最优。在此基础上,选择基于DAG-SVM的方法构建本文的多类SVM分类器,利用测试样本,对两类特征的测试识别结果对比表明：基于'db4'小波分解的HSV三通道纹理特征组合性能最优,不仅识别率达到了100%,而且时间成本最低。 (4)果园害虫在线监测设备构建与算法验证。依据实际应用场景及参数对害虫监测设备的硬件和软件进行初步设计与实现。利用构建的监测设备进行了多组害虫识别试验,系统对单种非粘连、轻度粘连的害虫具有较高的识别率,平均识别率在95%以上,而对重度粘连的害虫,平均识别率为84.2%；在多种害虫识别时,分割方法的阂值需要根据害虫体积差异大小进行选择,多种害虫样本混合识别试验的平均识别准确率为87.67%。
【学位单位】：中国农业大学
【学位级别】：博士
【学位年份】：2015
【中图分类】：TP391.41;S436.6
【部分图文】：
标准模板害虫，其形态和特征都相对标准，利用形态等特征可以进行分类与识别。但是实际诱捕的果园害虫姿态各异，如图1-1所示，翅膀存在不同程度的伸缩，形态特征己不是显著与稳定特征，增加了种内害虫之间的差异性。另一方面，现有的大部分识别研宄都是针对个体识别，即一中贞图像中一般只存在单只害虫，而实际诱捕过程中，同一桢图像中将出现多只、多种害虫现象，而且害虫随机落在集虫板上，害虫之间不可避免地存在粘连，如图1-2所示，若分割不当，后续的识别过程将失去意义，因此，对粘连害虫的分割算法提出了更高的要求。因此，现有的害虫识别研究成果与果园的害虫识别与计数的实际应用尚有很大距离。总体存在如下不足：.:?如―肩亡 ％“ ^ ‘图1-1不同姿态的桃驻螺成虫样例V图1-2集虫板上桃姓頓害虫粘连样例(1)在害虫试验样本选取方面，在检索到的大部分文献中，害虫样本多选取标准姿态模板并且通过人工调整害虫姿态使其放置良好
中贞图像中一般只存在单只害虫，而实际诱捕过程中，同一桢图像中将出现多只、多种害虫现象，而且害虫随机落在集虫板上，害虫之间不可避免地存在粘连，如图1-2所示，若分割不当，后续的识别过程将失去意义，因此，对粘连害虫的分割算法提出了更高的要求。因此，现有的害虫识别研究成果与果园的害虫识别与计数的实际应用尚有很大距离。总体存在如下不足：.:?如―肩亡 ％“ ^ ‘图1-1不同姿态的桃驻螺成虫样例V图1-2集虫板上桃姓頓害虫粘连样例(1)在害虫试验样本选取方面，在检索到的大部分文献中，害虫样本多选取标准姿态模板并且通过人工调整害虫姿态使其放置良好，釆集标准姿态下的正面图像。但实际诱捕的果树害虫5
(2)镜头的选择如图2-1所示，根据镜头的成像原理示意图，在选择镜头时要考虑的参数包括：感光CCD尺寸、焦距、分辨率、工作距离和视野范围等。对论文研究对象和场景分析，目标害虫己经被致死为静止状态，采用定焦镜头，工作距离约为30cm，视野范围约为20cm X 25cm方形区域，CCD尺寸为5.3nim x7.2rnm,通过式2-1可以计算所选镜头的焦距确定为8mm,此时最大的视野范围为：19.5cm x27cm。最终选用的镜头型号为Computar
【参考文献】
本文编号：2871927
【学位单位】：中国农业大学
【学位级别】：博士
【学位年份】：2015
【中图分类】：TP391.41;S436.6
【部分图文】：
标准模板害虫，其形态和特征都相对标准，利用形态等特征可以进行分类与识别。但是实际诱捕的果园害虫姿态各异，如图1-1所示，翅膀存在不同程度的伸缩，形态特征己不是显著与稳定特征，增加了种内害虫之间的差异性。另一方面，现有的大部分识别研宄都是针对个体识别，即一中贞图像中一般只存在单只害虫，而实际诱捕过程中，同一桢图像中将出现多只、多种害虫现象，而且害虫随机落在集虫板上，害虫之间不可避免地存在粘连，如图1-2所示，若分割不当，后续的识别过程将失去意义，因此，对粘连害虫的分割算法提出了更高的要求。因此，现有的害虫识别研究成果与果园的害虫识别与计数的实际应用尚有很大距离。总体存在如下不足：.:?如―肩亡 ％“ ^ ‘图1-1不同姿态的桃驻螺成虫样例V图1-2集虫板上桃姓頓害虫粘连样例(1)在害虫试验样本选取方面，在检索到的大部分文献中，害虫样本多选取标准姿态模板并且通过人工调整害虫姿态使其放置良好
中贞图像中一般只存在单只害虫，而实际诱捕过程中，同一桢图像中将出现多只、多种害虫现象，而且害虫随机落在集虫板上，害虫之间不可避免地存在粘连，如图1-2所示，若分割不当，后续的识别过程将失去意义，因此，对粘连害虫的分割算法提出了更高的要求。因此，现有的害虫识别研究成果与果园的害虫识别与计数的实际应用尚有很大距离。总体存在如下不足：.:?如―肩亡 ％“ ^ ‘图1-1不同姿态的桃驻螺成虫样例V图1-2集虫板上桃姓頓害虫粘连样例(1)在害虫试验样本选取方面，在检索到的大部分文献中，害虫样本多选取标准姿态模板并且通过人工调整害虫姿态使其放置良好，釆集标准姿态下的正面图像。但实际诱捕的果树害虫5
(2)镜头的选择如图2-1所示，根据镜头的成像原理示意图，在选择镜头时要考虑的参数包括：感光CCD尺寸、焦距、分辨率、工作距离和视野范围等。对论文研究对象和场景分析，目标害虫己经被致死为静止状态，采用定焦镜头，工作距离约为30cm，视野范围约为20cm X 25cm方形区域，CCD尺寸为5.3nim x7.2rnm,通过式2-1可以计算所选镜头的焦距确定为8mm,此时最大的视野范围为：19.5cm x27cm。最终选用的镜头型号为Computar
【参考文献】
相关期刊论文 前10条
1 王金岩;芮挺;丁健;沈春林;;基于Zernike矩和SVM的不变性目标识别[J];电光与控制;2008年11期
2 赵娟;;基于Gabor小波和支持向量机的储粮害虫图像分割[J];电脑与信息技术;2007年03期
3 潘鹏亮;沈佐锐;杨红珍;高灵旺;张建伟;谢敏;;三种绢蝶翅脉数字化特征的提取及初步分析[J];动物分类学报;2008年03期
4 刘伟华;隋青美;;基于凹点搜索的重叠粉体颗粒的自动分离算法[J];电子测量与仪器学报;2010年12期
5 邱道尹,张法全,张红涛;农田害虫色彩特征提取的研究[J];华北水利水电学院学报;2004年01期
6 张红涛;胡玉霞;刘新宇;邱道尹;;农田害虫实时检测装置的设计与实现[J];河南农业科学;2007年12期
7 傅蓉;申洪;陈浩;;基于凹点搜寻的重叠细胞图像自动分离的算法研究[J];计算机工程与应用;2007年17期
8 杨文柱;卢素魁;王思乐;;基于多类支持向量机的棉花异性纤维分类方法[J];计算机应用;2011年12期
9 应义斌;桂江生;饶秀勤;;基于Zernike矩的水果形状分类[J];江苏大学学报(自然科学版);2007年01期
10 程小梅;耿国华;周明全;黄世国;;基于多特征的EM算法在昆虫图像分割中的应用[J];计算机应用与软件;2009年02期
相关博士学位论文 前1条
1 刘德营;稻飞虱自动识别关键技术的研究[D];南京农业大学;2011年
本文编号：2871927
本文链接：https://www.wllwen.com/shoufeilunwen/nykjbs/2871927.html
