论文部分内容阅读
水稻是我国最主要的粮食作物,在农业生产和粮食安全中具有关键性的作用。白背飞虱[Sogatellafurcifera(Horvath)]是目前影响水稻高产、稳产的主要害虫之一,因此,必须对白背飞虱种群数量进行准确的监测和预测。根据植保专家和昆虫学家的意见,通过量化白背飞虱背部几何形态、颜色和纹理特征的方法,本文设计了一套基于图像处理技术的白背飞虱智能识别系统。为了获取清晰的白背飞虱昆虫图像,设计并搭建了野外昆虫图像采集装置。采集装置主要由采集装置机械平台、自动拍摄控制系统组成。采集装置机械平台由底座、采集工作台和传动系统组成。底座为1OOcm×100cm田字形框架,支撑整个实验平台;采集工作台大小为120cm×90cm,放置白色幕布,为白背飞虱等昆虫提供趴伏处;传动系统负责带动相机二维平面运动。自动拍摄控制系统主要由拍摄系统和运动控制系统组成。拍摄系统由相机、远心镜头、图像采集卡和RI环形冷光源组成,负责拍摄清晰的白背飞虱图像。运动动控制系统主要由伺服电机、伺服驱动器和PLC组成。通过PLC输出脉冲到伺服驱动器驱动伺服电机,并带动相机的X向和Y向的二维平面运动,且触发相机有序的扫描拍摄整个幕布,最终获取自然状态下的白背飞虱昆虫图片。用自制的野外昆虫图像采集装置,在野外环境下,采集131张白背飞虱昆虫图像。通过颜色(蓝色分量B=130)阈值分割、滤波处理后,获取昆虫图像的二值化图,然后提取出单个昆虫背部区域二值化图和背部区域灰度图。对白背飞虱的大小和颜色成分进行统计分析,剔去明显非白背飞虱的单个昆虫图像,再运用不变矩和二维傅里叶频谱数据描述昆虫几何形态、颜色和纹理共88个特征,将7个不变矩和l×l(l=1,2,...,9)个二维傅里叶频谱特征进行组合并作为输入变量,建立基于支持向量机的白背飞虱识别模型。实验结果显示白背飞虱样本的正确识别率达到95%,表明该方法可以实现田间白背飞虱的自动识别。