基于机器视觉和小波分析的农田害虫识别系统

被引:0
作者
张法全
机构
[1] 郑州大学
关键词
小波分析; 图像处理; 特征提取; 模式识别; 机器视觉; 农田害虫;
D O I
暂无
年度学位
2003
学位类型
硕士
摘要
我国是农业大国,农业病虫害检测预报工作是各级植保部门的主要工作。目前普遍采用的黑光灯诱集害虫、人工识别计数的测报方法,存在识别准确性差、效率低等严重缺陷,极大地降低了测报的准确度和时效性,不利于指导农田害虫的防治工作,因此本文提出了基于机器视觉和小波分析的图像识别技术,用于农田害虫的自动检测预报。 本文设计制作了诱捕装置,诱集农田害虫,使用摄像头摄取害虫图像,采用小波分析进行图像处理,在此基础上重点进行了特征提取工作,提出了利用害虫颜色和纹理等特征进行种类识别的观点,并成功提取了彩色特征、小波图像边缘矩特征等五类有效特征,并经特征选择后输入神经网络分类器进行模式识别,最后给出检测结果。 基于上述原理,针对农田害虫这一研究对象,进行了以下工作: 1.设计硬件装置。采用植保站常用的20W黑光灯诱集害虫,设计装置使害虫落入流动的水中,借此调整害虫的姿态;选择合适的位置,安装彩色摄像头,并设计照明系统,尽可能保证获得的害虫图像清晰;经彩色图像采集卡将害虫图像输入计算机。 2.小波变换。对小波变换进行了详细研究,并用Visual C++6.0语言编制了软件,利用小波变换对图像进行三个尺度下的分解与重构。 3.对图像进行预处理。在对图像进行小波分解的基础上,利用小波系数实现图像增强处理,消除噪声。 4.特征提取。这是对害虫图像进行识别的关键环节,分别提取了以下特征:(1)形态特征:对图像进行灰度化和二值化后提取面积和周长;(2)彩色特征:把彩色模型空间由RGB(red,green,blue)转换为HSI(hue,saturation,intensity)空间,根据H值确定了红、黄、绿、青、蓝、紫、黑七种颜色,每种颜色分别提取了面积、周长、宽度、高度、圆度五种形态特征;(3)小波尺度不变矩特征:在不同尺度下利用小波系数计算出七个不变矩;(4)小波图像边缘矩:利用小波的多分辨率特征,进行多尺度边缘检测,然后计算图像边缘矩;(5)分形维数特征:利用不同尺度下的能量比计算分形维数特征。 5.特征选择。对提取的特征进行选择,共选择出面积、周长、六个颜色特征、两个图像边缘矩特征、两个分形维数特征等共12个特征;结合具体情况,把六个 郑州大学工学硕士论文 颜色待征压缩为一维,因此共形成了七个有效特征。 6.农田害虫的识别与分炎。结合本文研究对象,针对提取的七个有效特征, 设计并训练了BP网络分类器;针对传统即算法易陷入局部极小和收敛速度慢的 问题,分析了各种改进方法。 用VisualC什6.0语言实现了上述各环节的功能,开发了识别系统软件包,与 研制的硬件装置相配合,分别对茶斑蛾、褐边绿刺蛾、栗六点天蛾、甜菜夜蛾、 玉米螟、棉铃虫、粘虫等8种常见的农田害虫进行测试,识别率达到了85.7%。 在农田害虫自动识别方面,还没有类似的报导,本论文初次试验,在软硬件设 计上还存在很多缺陷,能达到85 .7%的识别率签本令人满意。由于我国省、市、县 各级都设有植保站,农田害虫检测预报是重要工作,因此本系统有很大的市场空 间。今后应在识别速度方面、特征提取方面、硬件设计方面有待改进,提高害虫 识别率,尽快把该系统推向市场。
引用
收藏
页数:65
共 27 条
[1]
储粮害虫图像识别中的特征抽取研究 [D]. 
张红涛 .
郑州大学,
2002
[2]
智能检测系统与数据融合.[M].滕召胜等编著;.机械工业出版社.2000,
[3]
现代故障诊断与容错控制.[M].周东华;叶银忠著;.清华大学出版社.2000,
[4]
人工神经网络与模拟进化计算.[M].阎平凡;张长水编著;.清华大学出版社.2000,
[5]
小波变换的工程分析与应用.[M].杨福生著;.科学出版社.1999,
[6]
小波变换与工程应用.[M].彭玉华著;.科学出版社.1999,
[7]
模糊智能控制.[M].冯冬青等编著;.化学工业出版社.1998,
[8]
图像压缩的分形理论和方法.[M].陈衍仪编著;.国防工业出版社.1997,
[9]
神经网络模式识别系统理论.[M].黄德双著;.电子工业出版社.1996,
[10]
模糊控制·神经控制和智能控制论.[M].李士勇编著;.哈尔滨工业大学出版社.1996,