传统上主要采用人工计数方式对害虫进行统计分析,存在人工成本大、工作量大、主观性等缺点,近年来利用机器视觉技术对蔬菜害虫进行监测成为研究热点,但是当前绝大多数方法都是在较为理想的环境条件下进行的,不能直接应用于大田环境下害虫的监测。为了研究大田环境害虫发生分布规律,在国家星火计划重点项目“南方蔬菜重大害虫监测及预警技术集成与应用示范”资助下,本文以南方蔬菜重大害虫为研究对象,探索了一种在大田环境下使用黄色诱捕板对蔬菜害虫进行监测计数的新算法。本文在对比分析以往边缘检测和阈值分割的经典算法基础上,根据害虫监测目标的需要,提出了一种基于结构化随机森林的害虫图像分割算法,以及利用不规则结构的特征提取算法,进一步结合背景去除、干扰目标去除和检测模型计数子算法,集成创制了基于视觉感知的蔬菜害虫计数算法(vegetable pest count algorithm based on visual perception,VPCA-VP),应用于多种害虫的分类计数。本文还利用C++的MFC框架研发了一个基于视觉感知的害虫计数应用软件,为用户提供更便捷的交互应用。该软件不仅可以计算单张害虫图像的害虫数量,而且还能累加计算多张害虫图像的害虫数量。本文创新点主要有三个:(1)使用结构化随机森林的害虫图像分割算法避免阴影和背景的干扰;(2)组合使用图像填充算法和对象选择算法去除黄板以外的背景图像;(3)利用不规则结构的特征提取算法计算害虫图像的特征向量。本文使用了83张现场环境下拍摄的图片进行实验与分析,实验结果显示,本文基于视觉感知的蔬菜害虫计数算法的精确率为94.89%,召回率为96.29%。其中,蔬菜害虫蓟马的准确率为93.19%,召回率为94.50%;烟粉虱的准确率为91%,召回率为90%;实蝇的精确率达到100%,召回率有92%。本算法性能较好,可以较好的去除阴影、背影和其他类型害虫的干扰,有利于田间环境的害虫计数,在农田监测中有广阔的应用前景。