基于机器视觉的农田害虫自动识别方法研究

发布时间：2017-10-18 08:30

  本文关键词：基于机器视觉的农田害虫自动识别方法研究

  更多相关文章： 机器视觉 特征提取 特征优化 模式识别

【摘要】：害虫的监测、虫情虫害的统计预报工作是害虫综合管理预防的重要环节之一,传统的害虫监测统计方式需要具有相关知识的专业人员完成,而且会耗费大量的人力财力。基于机器视觉的害虫自动识别方法具有效率高、无接触、安装方便以及识别准确率高等优点,十分适合现代农业生产的需要。基于机器视觉的害虫识别与计数技术应用了昆虫学、图像处理以及模式识别等方面的理论原理。目前的研究主要针对的是实验室环境下的害虫识别,而实验室内的环境较为稳定。实验室中,没有风吹、杂物的影响,光照强度均匀稳定不会发生变化,而且害虫样本通常由人工摆放。故在此条件下采集到的害虫图像的背景简单,光照稳定,目标害虫姿态良好。为了能在实际的复杂农业环境下实现准确、高效地基于机器视觉的害虫分类识别,本文对现有的实现方法进行研究、分析,对存在的问题和不足进行了改进和完善。害虫识别技术主要包括：害虫图像采集、害虫图像预处理、图像特征数据提取、特空间征优化以及分类识别计数等几个步骤。为了获得更加准确、可靠的特征数据,对图像预处理技术进行改进,解决了害虫摆放一致性的问题,减少了灰度纹理特征数据的误差。图像特征是害虫识别的基础,本文提取了包括17种形态特征、26种纹理特征、11种颜色特征共54维的原始特征空间。为了使害虫的分类识别结果更加准确、高效,采用多种智能算法对原始特征空间进行优化降维,获取到的最优特征子空间有效的提升了害虫分类识别方法的性能。为了验证上述设计的方法的可行性,本文使用工控机、摄像头、光源以及金属箱体等硬件设备开发了适用于野外环境的害虫自动识别与计数系统。系统的软件采用C≠语言编写,配合硬件设备,实现了害虫自动识别与计数、害虫模型实时建立、害虫信息远程传输等功能,并进行了初步的测试。
【关键词】：机器视觉 特征提取 特征优化 模式识别
【学位授予单位】：天津科技大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：S433;TP391.41
【目录】：

• 摘要4-5
• ABSTRACT5-8
• 1 绪论8-15
• 1.1 课题研究背景8-10
• 1.1.1 害虫识别技术的发展8-9
• 1.1.2 基于机器视觉的害虫识别技术简介9-10
• 1.1.3 害虫治理现状10
• 1.2 相关技术研究现状10-13
• 1.2.1 图像预处理技术的研究现状10-11
• 1.2.2 害虫特征提取技术的研究现状11-12
• 1.2.3 害虫特征优化技术的研究现状12
• 1.2.4 害虫分类识别方法的研究现状12-13
• 1.3 课题研究的内容和意义13-15
• 1.3.1 课题研究的内容13-14
• 1.3.2 课题研究的意义14-15
• 2 害虫图像采集与预处理15-21
• 2.1 害虫图像采集系统15-16
• 2.2 害虫图像预处理16-21
• 2.2.1 害虫图像增强16-17
• 2.2.2 害虫图像分割17-18
• 2.2.3 害虫样本摆放一致性问题18-20
• 2.2.4 背景图像干扰20-21
• 3 害虫图像特征提取21-29
• 3.1 形状特征提取21-24
• 3.1.1 几何特征提取21-22
• 3.1.2 Hu不变矩特征提取22-24
• 3.2 纹理特征提取24-26
• 3.2.1 基于灰度共生矩阵的纹理特征提取24-25
• 3.2.2 基于小波变换的纹理特征提取25-26
• 3.3 HSV颜色特征提取26-29
• 4 害虫图像特征优化29-41
• 4.1 基于遗传算法的特征优化29-33
• 4.1.1 遗传算法概述29-31
• 4.1.2 遗传算法优化特征数据31-33
• 4.2 基于模拟退火算法的特征优化33-36
• 4.2.1 模拟退火算法概述33-35
• 4.2.2 模拟退火算法优化特征数据35-36
• 4.3 基于蚁群算法的特征优化36-41
• 4.3.1 蚁群算法概述36-37
• 4.3.2 蚁群算法优化特征数据37-41
• 5 算法实验结果及分析41-51
• 5.1 分类器设计及实现41-44
• 5.1.1 支持向量机概述41-43
• 5.1.2 libsvm工具箱简介43
• 5.1.3 支持向量机参数选择43-44
• 5.2 优化算法实验44-48
• 5.2.1 遗传算法实验结果44-45
• 5.2.2 模拟退火算法实验结果45-47
• 5.2.3 蚁群算法实验结果47-48
• 5.3 优化结果对比分析48-49
• 5.4 害虫识别性能提升49-51
• 6 害虫识别分类的应用研究51-71
• 6.1 硬件系统设计51-58
• 6.1.1 供电系统52-54
• 6.1.2 害虫诱捕及传动系统54-56
• 6.1.3 图像采集与处理系统56-58
• 6.2 系统软件设计58-68
• 6.2.1 害虫识别模型建立59-62
• 6.2.2 GPRS功能62-66
• 6.2.3 害虫识别计数功能66-68
• 6.3 系统测试68-71
• 7 结论71-72
• 8 展望72-73
• 9 参考文献73-78
• 10 致谢78

【相似文献】

中国期刊全文数据库 前10条

1 孙海霞;张淑娟;薛建新;周靖博;;基于机器视觉和光谱技术水果分级的研究进展[J];农机化研究;2014年01期

2 陈丽君;赵凤芹;;基于机器视觉的变量机械系统的关键技术[J];农机化研究;2005年06期

3 郭海针;马俊龙;徐海刚;;基于机器视觉的农业机械无人驾驶系统[J];农机化研究;2009年06期

4 毛璐;赵春江;王开义;张水发;;机器视觉在农产品物流分级检测中的应用[J];农机化研究;2011年07期

5 冯世杰;王艳平;;基于机器视觉的温室作物行间杂草的识别[J];信阳农业高等专科学校学报;2012年02期

6 李谦;蔡晓华;;机器视觉在除草机器人中的应用[J];农机化研究;2014年07期

7 黎萍,朱军燕,刘燕德,严霖元;机器视觉在农产品检测与分级中的应用与展望[J];江西农业大学学报;2005年05期

8 王静娜;贺园园;陈雄飞;冯春贵;祝诗平;;机器视觉在农产品品质检测和采收包装中的应用[J];农机化研究;2011年07期

9 王润涛;张长利;房俊龙;王树文;杨方;田磊;;基于机器视觉的大豆籽粒精选技术[J];农业工程学报;2011年08期

10 黄星奕;钱媚;徐富斌;;基于机器视觉和近红外光谱技术的杏干品质无损检测[J];农业工程学报;2012年07期

中国重要会议论文全文数据库 前10条

1 赵磊;董吉文;李金屏;;拓扑理论在机器视觉中的研究进展[A];全国第十五届计算机科学与技术应用学术会议论文集[C];2003年

2 张彦东;;基于机器视觉的连接器装配机床改造研究[A];首届珠中江科协论坛论文集[C];2011年

3 蔡小秧;陈文楷;;机器视觉中的鲁棒估计技术[A];计算机技术与应用进展·2007——全国第18届计算机技术与应用（CACIS）学术会议论文集[C];2007年

4 刘雅举;李娜;张莉;李东明;;机器视觉在药用玻璃瓶质量检测中的研究[A];2007年河北省电子学会、河北省计算机学会、河北省自动化学会、河北省人工智能学会、河北省计算机辅助设计研究会、河北省软件行业协会联合学术年会论文集[C];2007年

5 吴庆华;代娜;黄俊敏;程志辉;何涛;;基于机器视觉的轴承二维尺寸检测[A];第六届全国信息获取与处理学术会议论文集（1）[C];2008年

6 马连峰;张秋菊;;基于机器视觉的彩色套印检测技术研究[A];第十一届全国包装工程学术会议论文集（二）[C];2007年

7 金守峰;张慧;;面向机器视觉的织物纬斜检测方法[A];全国先进制造技术高层论坛暨第九届制造业自动化与信息化技术研讨会论文集[C];2010年

8 管庶安;周龙;陈永强;廖明潮;;机器视觉在粮食品质检测中的应用研究[A];中国粮油学会第三届学术年会论文选集（下册）[C];2004年

9 张伟华;陈军;连世江;贾海政;;机器视觉及其在农业机械中的应用综述[A];2007年中国农业工程学会学术年会论文摘要集[C];2007年

10 沈宝国;陈树人;尹建军;;基于机器视觉的棉田杂草精确定位研究[A];纪念中国农业工程学会成立30周年暨中国农业工程学会2009年学术年会（CSAE 2009）论文集[C];2009年

中国重要报纸全文数据库 前10条

1 本报记者 李剑琦;机器视觉行业整合正热 中国市场尚处萌芽期[N];机电商报;2005年

2 本报记者 董碧娟;解密机器视觉“第三只眼”[N];经济日报;2013年

3 本报记者 郭涛;机器视觉：为机器装上“眼睛”和“大脑”[N];中国高新技术产业导报;2014年

4 张均;德国机器视觉传感器市场前景好[N];中国贸易报;2007年

5 金刚;给机器一双慧眼[N];计算机世界;2007年

6 朱广菁;机器视觉怎样“看”不合格产品[N];大众科技报;2008年

7 宋昆;用机器视觉控制烟草质量[N];计算机世界;2007年

8 张栋;西安光电子专业孵化器举办专业展览会[N];中国高新技术产业导报;2007年

9 王遐;机器视觉:药品包装在线检测系统开发成功[N];中国包装报;2010年

10 点评人 高炎 黄牧青 刘笑一 李士杰 北京大学技术转移中心;机器视觉辅助冬季道路状况监测[N];科技日报;2014年

中国博士学位论文全文数据库 前10条

1 梁卓锐;机器视觉手势交互的交互映射研究[D];华南理工大学;2015年

2 孟庆宽;基于机器视觉的农业车辆—农具组合导航系统路径识别及控制方法研究[D];中国农业大学;2014年

3 田明锐;基于机器视觉的散料装车控制系统研究[D];长安大学;2016年

4 葛动元;面向精密制造与检测的机器视觉及智能算法研究[D];华南理工大学;2013年

5 饶洪辉;基于机器视觉的作物对行喷药控制系统研究[D];南京农业大学;2006年

6 龚爱平;基于嵌入式机器视觉的信息采集与处理技术研究[D];浙江大学;2013年

7 陈丽君;基于机器视觉的变量喷雾控制系统研究[D];沈阳农业大学;2009年

8 徐晓秋;机器视觉球面孔位快速精密测量系统的研究[D];四川大学;2006年

9 成芳;稻种质量的机器视觉无损检测研究[D];浙江大学;2004年

10 程洪;面向园艺应用的机器视觉目标辨识方法创新[D];中国农业大学;2015年

中国硕士学位论文全文数据库 前10条

1 孙斌;基于FPGA的压力表盘机器视觉研究与实现[D];昆明理工大学;2015年

2 许哲;基于机器视觉的快速测温热电偶焊接技术研究[D];河北联合大学;2014年

3 李鹏;基于机器视觉的PCB工业在线检测系统研究[D];昆明理工大学;2015年

4 佘燕玲;以用户为中心的机器视觉手势交互空间映射关系研究[D];华南理工大学;2015年

5 孙中国;基于机器视觉的面粉袋码垛机器人研究[D];山东建筑大学;2015年

6 漆静;基于机器视觉集装箱吊具智能定位系统研究[D];西南交通大学;2015年

7 张文;基于机器视觉的通信装备故障识别研究[D];西南交通大学;2015年

8 冉宝山;基于机器视觉的装料系统试验研究[D];长安大学;2015年

9 冯康;基于机器视觉的棉花识别与定位技术的研究[D];石河子大学;2015年

10 须啸海;嵌入式智能交通车流量监控系统的实现[D];电子科技大学;2015年

，

本文编号：1053982