發(fā)布時間：2020-11-05 17:00

　　 果園害蟲種類及數量的監(jiān)測是果園害蟲綜合治理的基礎,目前害蟲監(jiān)測方式主要是依靠人工現場調查與統(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方法,探討了在線監(jiān)測設備與系統(tǒng)的樣機構建,為推進基于圖像的害蟲自動識別與分類技術在實際果園害蟲監(jiān)測中的應用提供技術支撐。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害蟲特征提取方法。在害蟲圖像Zernike矩特征提取中,構建了低階Zernike矩和高階Zernike矩兩個特征組合,用于驗證圖像Zemike矩的階數對果園害蟲識別準確率的影響；在基于顏色紋理特征提取中,構建了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進行尋優(yōu)得到：基于遺傳算法的參數尋優(yōu)結果表現最優(yōu)。在此基礎上,選擇基于DAG-SVM的方法構建本文的多類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)測設備構建與算法驗證。依據實際應用場景及參數對害蟲監(jiān)測設備的硬件和軟件進行初步設計與實現。利用構建的監(jiān)測設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確率為87.67%。
【學位單位】：中國農業(yè)大學
【學位級別】：博士
【學位年份】：2015
【中圖分類】：TP391.41;S436.6
【部分圖文】：

標準模板害蟲，其形態(tài)和特征都相對標準，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，增加了種內害蟲之間的差異性。另一方面，現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多只、多種害蟲現象，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，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，現有的害蟲識別研究成果與果園的害蟲識別與計數的實際應用尚有很大距離。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，害蟲樣本多選取標準姿態(tài)模板并且通過人工調整害蟲姿態(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多只、多種害蟲現象，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，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，現有的害蟲識別研究成果與果園的害蟲識別與計數的實際應用尚有很大距離�？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，害蟲樣本多選取標準姿態(tài)模板并且通過人工調整害蟲姿態(tài)使其放置良好，釆集標準姿態(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，根據鏡頭的成像原理示意圖，在選擇鏡頭時要考慮的參數包括：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，目標害蟲己經被致死為靜止狀態(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;2007年03期

3 潘鵬亮;沈佐銳;楊紅珍;高靈旺;張建偉;謝敏;;三種絹蝶翅脈數字化特征的提取及初步分析[J];動物分類學報;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];電子測量與儀器學報;2010年12期

5 邱道尹,張法全,張紅濤;農田害蟲色彩特征提取的研究[J];華北水利水電學院學報;2004年01期

6 張紅濤;胡玉霞;劉新宇;邱道尹;;農田害蟲實時檢測裝置的設計與實現[J];河南農業(yè)科學;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];計算機應用;2011年12期

9 應義斌;桂江生;饒秀勤;;基于Zernike矩的水果形狀分類[J];江蘇大學學報(自然科學版);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用[J];計算機應用與軟件;2009年02期

相關博士學位論文 前1條

1 劉德營;稻飛虱自動識別關鍵技術的研究[D];南京農業(yè)大學;2011年

本文編號：2871927