自动监测装置用温室粉虱和蓟马成虫图像分割识别算法

被引：28

作者：

杨信廷 ^{[1
,2
]}

刘蒙蒙 ^{[1
,2
]}

许建平 ^{[3
]}

赵丽 ^{[2
]}

魏书军 ^{[4
]}

李文勇 ^{[2
]}

陈梅香 ^{[2
]}

陈明 ^{[1
]}

李明 ^{[2
]}

机构：

[1] 上海海洋大学信息学院

[2] 北京农业信息技术研究中心/国家农业信息化工程技术研究中心/农产品质量安全追溯技术及应用国家工程实验室/农业部农业信息技术重点实验室

[3] 北京市丰台区植保植检站

[4] 北京市农林科学院植物保护环境保护研究所

来源：

农业工程学报 | 2018年 / 34卷 / 01期

基金：

北京市自然科学基金;

关键词：

图像处理、图像分割; 算法; 边缘检测; 支持向量机; 颜色空间; 虫害监测;

D O I：

暂无

中图分类号：

S436.421 [黄瓜病虫害]; TP391.41 [];

学科分类号：

090401 ; 090402 ; 080203 ;

摘要：

为了监测温室黄瓜作物虫害种类、数量变化情况以预测虫害发展趋势,该文以粉虱和蓟马为例,提出了一种基于Prewitt、Canny边缘检测算子分割和SVM(support vector machine)的温室粉虱和蓟马诱虫板的图像识别算法。该方法利用HSI(Hue-Saturation-Intensity)颜色空间的I分量与L*a*b*颜色空间的b分量二值图像中害虫目标与背景的高对比性,再分别相应地利用Prewitt算子和Canny算子进行单头害虫边缘分割,再经过形态学处理,最后融合这两幅二值图像完成单头害虫区域的提取。然后提取害虫的5个形态特征(面积、相对面积、周长、复杂度、占空比)及9个颜色特征(Hue-Saturation-Value颜色空间、HSI颜色空间、L*a*b*颜色空间各分量的一阶矩),并对这14个特征参数进行归一化处理,将特征值作为SVM的输入向量,进行温室粉虱和蓟马的诱虫板图像识别。通过分析比较不同向量组合的BP(back propagation)与SVM的害虫识别率、4种不同SVM核函数的害虫识别率,发现颜色特征向量是粉虱和蓟马识别的主成分,且SVM的识别效果优于BP神经网络、线性核函数的SVM分类性能最好且稳定。结果表明:平均识别准确率达到了93.5%,粉虱和蓟马成虫的识别率分别是96.0%和91.0%,能够实现温室害虫的诱虫板图像识别。该研究可以为虫害的监测与预警提供支持,为及时采取正确的防治措施提供重要的理论依据。

引用

页码：164 / 170

页数：7

共 23 条

[1] 基于K均值聚类和开闭交替滤波的黄瓜叶片水滴荧光图像分割 [J].