基于圖像的水稻燈誘害蟲(chóng)識(shí)別技術(shù)的研究.pdf

1、利用燈光誘殺稻田害蟲(chóng)，并識(shí)別與計(jì)數(shù)這些害蟲(chóng)是水稻害蟲(chóng)的一種常規(guī)測(cè)報(bào)方法。目前，水稻燈誘害蟲(chóng)測(cè)報(bào)方法是：燈光誘殺的水稻昆蟲(chóng)，于次日被取回室內(nèi)，由測(cè)報(bào)人員進(jìn)行人工識(shí)別與計(jì)數(shù)。這種人工識(shí)別與計(jì)數(shù)方法效率低、任務(wù)重；同時(shí)，絕大部分燈誘昆蟲(chóng)是測(cè)報(bào)上不需要的，在人工識(shí)別燈誘測(cè)報(bào)害蟲(chóng)時(shí)，需要排除這些非測(cè)報(bào)害蟲(chóng)，因此需要測(cè)報(bào)人員具有扎實(shí)的昆蟲(chóng)分類(lèi)知識(shí)，否則影響測(cè)報(bào)的準(zhǔn)確性。為了減輕測(cè)報(bào)人員的負(fù)擔(dān)，實(shí)現(xiàn)水稻害蟲(chóng)測(cè)報(bào)的實(shí)時(shí)性和準(zhǔn)確性，本論文提出一種基于圖像

2、的水稻燈誘害蟲(chóng)自動(dòng)識(shí)別方法。主要研究?jī)?nèi)容、方法和結(jié)果包括：
　?。?）水稻燈誘昆蟲(chóng)圖像預(yù)處理。首先，對(duì)水稻燈誘昆蟲(chóng)圖像進(jìn)行預(yù)處理，去除背景和形態(tài)學(xué)處理；然后，利用連通區(qū)域的原理對(duì)水稻燈誘昆蟲(chóng)進(jìn)行標(biāo)記，獲得單個(gè)水稻昆蟲(chóng)圖像；最后，利用每個(gè)水稻昆蟲(chóng)在圖像上的面積和最小外接矩形長(zhǎng)寬比兩個(gè)參數(shù)閾值作為判別條件將水稻燈誘昆蟲(chóng)分為大型水稻燈誘昆蟲(chóng)和小型水稻燈誘昆蟲(chóng)。
　?。?）大型水稻燈誘測(cè)報(bào)害蟲(chóng)自動(dòng)識(shí)別算法的研究。首先，將大型水稻燈誘

3、昆蟲(chóng)分為似大螟類(lèi)、似二化螟類(lèi)和似稻縱卷葉螟類(lèi)三類(lèi)，每類(lèi)包括一種測(cè)報(bào)害蟲(chóng)和測(cè)報(bào)害蟲(chóng)相似大小的非測(cè)報(bào)害蟲(chóng)；然后，提取所有燈誘昆蟲(chóng)的顏色、形態(tài)和紋理等31個(gè)特征；設(shè)計(jì)基于交叉驗(yàn)證和網(wǎng)格參數(shù)尋優(yōu)法的SVM分類(lèi)器對(duì)每類(lèi)中的昆蟲(chóng)進(jìn)行訓(xùn)練和測(cè)試，輸出時(shí)同一種測(cè)報(bào)害蟲(chóng)的背面和腹面圖像被視為同一種昆蟲(chóng)。結(jié)果表明，3類(lèi)大型水稻燈誘測(cè)報(bào)害蟲(chóng)的平均識(shí)別準(zhǔn)確率為93.9％。
　?。?）小型水稻燈誘測(cè)報(bào)害蟲(chóng)自動(dòng)識(shí)別算法的研究。首先，分別提取所有燈誘昆蟲(chóng)的HO

4、G特征、LBP特征、全局特征；然后，由局部特征與全局特征組成特征向量，設(shè)計(jì)基于交叉驗(yàn)證和網(wǎng)格參數(shù)尋優(yōu)法的SVM分類(lèi)器對(duì)小型燈誘測(cè)報(bào)害蟲(chóng)進(jìn)行訓(xùn)練和測(cè)試。結(jié)果表明，局部特征與全局特征融合訓(xùn)練出來(lái)的SVM分類(lèi)器具有較高的正確識(shí)別率，小型水稻燈誘測(cè)報(bào)害蟲(chóng)的平均識(shí)別準(zhǔn)確率為90.2％。
　　本文基于水稻燈誘昆蟲(chóng)中絕大部分是非測(cè)報(bào)害蟲(chóng)的事實(shí)，根據(jù)水稻燈誘昆蟲(chóng)的大小分為大型和小型水稻燈誘昆蟲(chóng)，對(duì)這兩種昆蟲(chóng)訓(xùn)練不同的分類(lèi)器來(lái)識(shí)別水稻燈誘測(cè)報(bào)害蟲(chóng)，