论文部分内容阅读
害虫的预测预报是合理防治虫害的前提。目前,十字花科蔬菜主要害虫的测报方法是:通过虫情测报灯诱杀害虫,一段时间后由人工取回诱杀的害虫,然后在实验室由测报人员进行识别与计数。这种方法费时费力,测报的准确性也不高。为了减轻测报人员的工作负担,以及提高测报的准确性,本文提出了基于图像识别的十字花科蔬菜主要害虫的分类研究。主要工作包括:(1)通过不同途径收集到十字花科蔬菜主要害虫样本,经过手工分类后,按本文设定的图像采集标准对害虫样本进行图像采集,得到4218张害虫图像,建立了十字花科蔬菜主要害虫数据库;(2)对昆虫分类学特征进行了研究,通过对比头、胸、腹三部分昆虫分类学特征,以及实验室测量的害虫身体数据,提出了头部翅部面积比、头部翅部长度比、头部翅部平均宽度比、单翅双翅对角线长度比、最长轴与对应短轴比、周长中轴比这6种新的形状特征;(3)为了更快速准确的提取6种新的形状特征,本文设计了新的分割方法对害虫进行自动分割,并设计了一个GUI界面,用于6种形状特征的提取;(4)分别提取了害虫图像的6种形状特征以及Gabor特征、LBP特征、HOG特征和颜色特征这四种传统特征,通过分类器对五种十字花科蔬菜主要害虫进行分类,对比了6种形状特征和四种传统特征的识别准确率。结果表明,本文提出的6种形状特征具有较高的准确率,能够更好的对5种十字花科蔬菜主要害虫进行分类识别;(5)为了提高识别率,本文对6种形状特征和四种传统特征进行特征融合,得到了5种融合特征,通过SVM分类器对五种十字花科蔬菜主要害虫进行分类。结果表明,并不是融合特征越多,识别准确率越高。6种形状特征加上颜色这一融合特征更加适用于十字花科蔬菜主要害虫的分类识别;(6)在原有数据库中加入残缺图像,十字花科蔬菜主要害虫识别准确率大幅下降,其平均准确率为55.2%。通过融合四种传统特征,提高了识别准确率,且6种形状特征融合LBP特征平均识别准确率提升了41.49%,达到了96.69%。本文建立的十字花科蔬菜主要害虫图像的采集标准,并建立了图像数据库,包含了大部分害虫姿态。这为今后研究十字花科蔬菜主要害虫的智能分类识别提供了良好的基础。本文提出的6种形状特征具有较高的识别准确率,为后续研究十字花科蔬菜主要害虫的自动分类识别提供了较好的研究思路。