害虫快速检测与识别是农作物病虫害防治的基础。传统的害虫分类和识别主要是专家通过肉眼观察害虫的外部特征并与模式标本对照来完成的,这种识别方法费时费力。随着计算机技术的发展,人们逐渐将图像处理技术与模式识别技术应用到害虫的研究和识别中,并建立害虫的识别系统,丰富了识别手段,提高了识别效率。本文以农田典型害虫作为研究对象,采用数字图像处理技术和模式识别技术研究了害虫图像的分割、特征提取、分类器分类等方面技术问题,并在此基础上结合3G无线网络技术建立了基于物联网的昆虫远程自动识别系统。本论文的主要研究工作如下：(1)设计了害虫图像采集系统。本论文研究的害虫尺寸差异较大,同一害虫姿态各异,而且害虫的活动能力较强。为此,本论文研究了满足两种需求的害虫采集系统。一种系统采集诱捕到的害虫的图像。该系统对象的特点是目标静止、目标到镜头的距离固定、视野范围固定,因此,该系统使用CMOS相机和定焦镜头。另一种系统实时采集田间害虫的图像。该系统对象的特点是目标运动、目标到镜头的距离可变、视野范围可变,因此,该系统使用CCD相机和变焦镜头。(2)提出了基于HSV颜色模型的害虫图像分割技术。本论文针对害虫图像背景和目标颜色的特点,将基于HSV颜色模型的Otsu阈值分割方法应用到背景和目标的分割中。在进行图像分割前,将图像的RGB模型转换成HSV模型,并且将转换得到的H分量旋转180度后利用Otsu算法自适应找到阈值,从而实现了背景和目标的分离。最后,对分割后的图像进行了一些后续处理,得到完整的害虫目标。该分割技术克服了采用害虫RGB原图进行分割时,有较多背景错分为口标的不足。(3)研究了害虫图像多特征提取技术和特征选择技术。根据害虫的形态特点,提取了目标对象的几何形状特征和矩特征两类形态特征参数；根据害虫之间颜色的差别,提取了害虫的颜色矩作为颜色特征；根据害虫纹理特点,提取了基于灰度共生矩阵的害虫的纹理特征。这些特征共同组成了35个低层视觉特征。研究了基于蚁群算法的特征选择技术,将原始的35维特征降低到29维,识别准确率从87.4%提高到89.5%。本文将近年来图像处理领域的研究热点——SIFT局部特征的提取方法应用于害虫图像的特征提取中。害虫的局部特征具有旋转、平移和尺度不变的特性、对光照变化不敏感且不依赖于背景分割,适合提取在自然光和复杂背景下获得的害虫图像的特征值。将局部特征应用到昆虫的分类识别中·,既拓宽了局部特征提取技术的应用领域,又给昆虫的特征值获取提供了新思路和新方法。(4)研究了害虫图像识别技术。本文采用SVM模式识别方法建立害虫的识别模型。介绍了常见模式识别方法,详细分析了支持向量机(SVM)的理论研究基础和基本方法。本文通过不同特征组合的识别试验验证采用的特征提取技术和模式分类技术的有效性。采用由形态特征、颜色特征和纹理特征组成的低层视觉特征的正确识别率为85%以上；采用经过蚁群优化的低层视觉特征子集的正确识率为89.5%；采用原图的SIFT特征的正确识别率为79.2%。试验结果表明蚁群优化算法能够消除特征间的相关性、剔除冗余特征、提高识别率。同时,试验结果也表明局部特征提取方法可以尝试应用于不进行背景分割而直接提取害虫特征值的研究中。(5)研究构建了基于物联网的害虫远程智能识别系统。研究了包括稻纵卷叶螟、斜纹夜峨、玉米螟、大螟、稻螟蛉、二化螟、金龟子、小地老虎、黄杨绢野螟、蝼蛄、桃蛀螟和白背飞虱等12种典型农田害虫的图像分割、特征值提取技术,并利用SVM分类器完成了分类识别；在上述研究基础上设计了基于物联网的害虫远程自动识别系统。系统通过3G无线网络组成一个主控端和多个远端的分布式识别网络,系统既能够在远端自动识别害虫,也能够在远端将害虫图像压缩后,通过3G无线网络将图片传输到主控端,在主控端进行自动识别。系统通过读入本地磁盘保存的图片实现动态扩充样本库的功能。同时、系统设计了专家识别的接口,使专家能够对本系统识别后的害虫图片进行观测分析,并和系统识的结果进行比较。该系统采用在自然光、姿态随机的状态下获得的害虫图像建模,识别模型具有较好的泛化能力,克服了现有大多研究中因采用标准样本图像建立识别模型而导致推广能力较差的不足。