發(fā)布時間：2020-11-05 17:00

　　 果園害蟲種類及數(shù)量的監(jiān)測是果園害蟲綜合治理的基礎(chǔ),目前害蟲監(jiān)測方式主要是依靠人工現(xiàn)場調(diào)查與統(tǒng)計完成,費時費力。論文研究了基于機器視覺的果園性誘害蟲在線識別與計數(shù)方法,探討了在線監(jiān)測設(shè)備與系統(tǒng)的樣機構(gòu)建,為推進基于圖像的害蟲自動識別與分類技術(shù)在實際果園害蟲監(jiān)測中的應(yīng)用提供技術(shù)支撐。重點開展了以下四方面工作： (1)提出了一種基于形狀因子和分割點定位的害蟲圖像分割方法。該方法通過設(shè)定形狀因子閡值定位粘連區(qū)域,然后對該區(qū)域進行逐層輪廓跟蹤、剝離和局部分割點的確定,利用局部分割點搜索邊界輪廓的兩個分離點,最后通過連接局部分割點與分離點進行粘連害蟲分割。針對實驗室環(huán)境下的桃蛀螟(Conogethes punctiferalis (Guerre))害蟲圖像,本文方法平均錯誤率為7%,約為分水嶺分割方法的1/2,平均分割有效率為92.65%,比分水嶺算法提高了5.7%；在對田間梨小食心蟲(Grapholitha molesta (Busck))圖像分割中,本文方法平均錯誤率為2.24%,平均分割有效率為97.8%,分別比分水嶺方法降低了4.29%和提高了3.95%。 (2)從形狀不變特征與形狀無關(guān)特征兩種思路出發(fā),分別研究了基于圖像Zernike矩和顏色紋理組合的果園靶標(biāo)害蟲特征提取方法。在害蟲圖像Zernike矩特征提取中,構(gòu)建了低階Zernike矩和高階Zernike矩兩個特征組合,用于驗證圖像Zemike矩的階數(shù)對果園害蟲識別準(zhǔn)確率的影響；在基于顏色紋理特征提取中,構(gòu)建了RGB和HSV兩種顏色空間下6種特征組合。 (3)研究了基于多類支持向量機的果園害蟲圖像識別分類方法。通過利用網(wǎng)格搜索、遺傳算法和粒子群優(yōu)化算法三種方法對支持向量機分類器參數(shù)進行尋優(yōu)得到：基于遺傳算法的參數(shù)尋優(yōu)結(jié)果表現(xiàn)最優(yōu)。在此基礎(chǔ)上,選擇基于DAG-SVM的方法構(gòu)建本文的多類SVM分類器,利用測試樣本,對兩類特征的測試識別結(jié)果對比表明：基于'db4'小波分解的HSV三通道紋理特征組合性能最優(yōu),不僅識別率達到了100%,而且時間成本最低。 (4)果園害蟲在線監(jiān)測設(shè)備構(gòu)建與算法驗證。依據(jù)實際應(yīng)用場景及參數(shù)對害蟲監(jiān)測設(shè)備的硬件和軟件進行初步設(shè)計與實現(xiàn)。利用構(gòu)建的監(jiān)測設(shè)備進行了多組害蟲識別試驗,系統(tǒng)對單種非粘連、輕度粘連的害蟲具有較高的識別率,平均識別率在95%以上,而對重度粘連的害蟲,平均識別率為84.2%；在多種害蟲識別時,分割方法的閡值需要根據(jù)害蟲體積差異大小進行選擇,多種害蟲樣本混合識別試驗的平均識別準(zhǔn)確率為87.67%。
【學(xué)位單位】：中國農(nóng)業(yè)大學(xué)
【學(xué)位級別】：博士
【學(xué)位年份】：2015
【中圖分類】：TP391.41;S436.6
【部分圖文】：

標(biāo)準(zhǔn)模板害蟲，其形態(tài)和特征都相對標(biāo)準(zhǔn)，利用形態(tài)等特征可以進行分類與識別。但是實際誘捕的果園害蟲姿態(tài)各異，如圖1-1所示，翅膀存在不同程度的伸縮，形態(tài)特征己不是顯著與穩(wěn)定特征，增加了種內(nèi)害蟲之間的差異性。另一方面，現(xiàn)有的大部分識別研宄都是針對個體識別，即一中貞圖像中一般只存在單只害蟲，而實際誘捕過程中，同一楨圖像中將出現(xiàn)多只、多種害蟲現(xiàn)象，而且害蟲隨機落在集蟲板上，害蟲之間不可避免地存在粘連，如圖1-2所示，若分割不當(dāng)，后續(xù)的識別過程將失去意義，因此，對粘連害蟲的分割算法提出了更高的要求。因此，現(xiàn)有的害蟲識別研究成果與果園的害蟲識別與計數(shù)的實際應(yīng)用尚有很大距離。總體存在如下不足：.:?如―肩亡 ％“ ^ ‘圖1-1不同姿態(tài)的桃駐螺成蟲樣例V圖1-2集蟲板上桃姓頓害蟲粘連樣例(1)在害蟲試驗樣本選取方面，在檢索到的大部分文獻中，害蟲樣本多選取標(biāo)準(zhǔn)姿態(tài)模板并且通過人工調(diào)整害蟲姿態(tài)使其放置良好

中貞圖像中一般只存在單只害蟲，而實際誘捕過程中，同一楨圖像中將出現(xiàn)多只、多種害蟲現(xiàn)象，而且害蟲隨機落在集蟲板上，害蟲之間不可避免地存在粘連，如圖1-2所示，若分割不當(dāng)，后續(xù)的識別過程將失去意義，因此，對粘連害蟲的分割算法提出了更高的要求。因此，現(xiàn)有的害蟲識別研究成果與果園的害蟲識別與計數(shù)的實際應(yīng)用尚有很大距離�？傮w存在如下不足：.:?如―肩亡 ％“ ^ ‘圖1-1不同姿態(tài)的桃駐螺成蟲樣例V圖1-2集蟲板上桃姓頓害蟲粘連樣例(1)在害蟲試驗樣本選取方面，在檢索到的大部分文獻中，害蟲樣本多選取標(biāo)準(zhǔn)姿態(tài)模板并且通過人工調(diào)整害蟲姿態(tài)使其放置良好，釆集標(biāo)準(zhǔn)姿態(tài)下的正面圖像。但實際誘捕的果樹害蟲5

(2)鏡頭的選擇如圖2-1所示，根據(jù)鏡頭的成像原理示意圖，在選擇鏡頭時要考慮的參數(shù)包括：感光CCD尺寸、焦距、分辨率、工作距離和視野范圍等。對論文研究對象和場景分析，目標(biāo)害蟲己經(jīng)被致死為靜止?fàn)顟B(tài)，采用定焦鏡頭，工作距離約為30cm，視野范圍約為20cm X 25cm方形區(qū)域，CCD尺寸為5.3nim x7.2rnm,通過式2-1可以計算所選鏡頭的焦距確定為8mm,此時最大的視野范圍為：19.5cm x27cm。最終選用的鏡頭型號為Computar
【參考文獻】

相關(guān)期刊論文 前10條

1 王金巖;芮挺;丁健;沈春林;;基于Zernike矩和SVM的不變性目標(biāo)識別[J];電光與控制;2008年11期

2 趙娟;;基于Gabor小波和支持向量機的儲糧害蟲圖像分割[J];電腦與信息技術(shù);2007年03期

3 潘鵬亮;沈佐銳;楊紅珍;高靈旺;張建偉;謝敏;;三種絹蝶翅脈數(shù)字化特征的提取及初步分析[J];動物分類學(xué)報;2008年03期

4 劉偉華;隋青美;;基于凹點搜索的重疊粉體顆粒的自動分離算法[J];電子測量與儀器學(xué)報;2010年12期

5 邱道尹,張法全,張紅濤;農(nóng)田害蟲色彩特征提取的研究[J];華北水利水電學(xué)院學(xué)報;2004年01期

6 張紅濤;胡玉霞;劉新宇;邱道尹;;農(nóng)田害蟲實時檢測裝置的設(shè)計與實現(xiàn)[J];河南農(nóng)業(yè)科學(xué);2007年12期

7 傅蓉;申洪;陳浩;;基于凹點搜尋的重疊細胞圖像自動分離的算法研究[J];計算機工程與應(yīng)用;2007年17期

8 楊文柱;盧素魁;王思樂;;基于多類支持向量機的棉花異性纖維分類方法[J];計算機應(yīng)用;2011年12期

9 應(yīng)義斌;桂江生;饒秀勤;;基于Zernike矩的水果形狀分類[J];江蘇大學(xué)學(xué)報(自然科學(xué)版);2007年01期

10 程小梅;耿國華;周明全;黃世國;;基于多特征的EM算法在昆蟲圖像分割中的應(yīng)用[J];計算機應(yīng)用與軟件;2009年02期

相關(guān)博士學(xué)位論文 前1條

1 劉德營;稻飛虱自動識別關(guān)鍵技術(shù)的研究[D];南京農(nóng)業(yè)大學(xué);2011年

本文編號：2871927