论文部分内容阅读
在我国,每年因害虫为害造成的水稻产量损失非常严重,做好水稻田间害虫调查和测报是减少水稻产量损失的前提和保证。目前,水稻害虫种群密度的田间调查通常是各县市植保人员定期下田,肉眼识别害虫并统计数量,根据调查结果和经验进行害虫测报,同时把水稻害虫的发生情况及防治措施等相关信息通过发文、广播或农民信箱等方式传递给农民。由于基层植保人员缺乏,这种测报方式存在劳动强度大、调查数据不精确、实时性差等弊端,已满足不了现代农业的发展需求,亟需实现智能的水稻田间害虫调查工具和方法。另外,水稻田间害虫种类较多,由于农民缺乏专业知识,当在田间遇到未知害虫时,可能会盲目用药,不但达不到预期的防治效果,反而有可能造成靶标害虫的抗药性上升,害虫再猖獗等问题,进而影响粮食产量及品质。本研究基于Android手机开发了一套水稻害虫图像采集与识别系统,利用该系统可以实现水稻基部飞虱图像采集、识别和农民未知水稻害虫的自动识别。主要研究内容及成果如下:(1)针对目前稻飞虱调查方法存在劳动强度大、计数准确性不高和对调查人员飞虱识别能力要求高等问题,设计了一种手持式水稻基部飞虱图像采集装置,通过Android手机控制相机采集水稻基部飞虱图像,然后利用图像检测与识别算法来识别飞虱种类。调查人员无需弯腰即可简单、方便、有效的完成水稻基部飞虱调查工作,革新了田间飞虱调查方法,有一定的创新性;(2)开发了一个基于Android手机的水稻病、虫害信息浏览子系统,提供了水稻病、虫害的基本信息、各个时期图像的浏览,方便广大农民浏览查询,起到了一定的农业科普作用,为农民提供农业指导;(3)开发了一个基于Android手机的水稻害虫图像采集与识别系统,方便广大农民或植保人员对未知害虫的识别,启动该系统采集害虫图像,利用HTTP协议,将图像上至后台服务器,在服务器端调用主要水稻害虫识别算法动态链接库,完成水稻害虫识别,并将识别结果反馈给Android手机端,同时将上传的图像和识别结果插入后台水稻害虫信息数据库,实现了水稻害虫的自动识别,有别于目前市场上的人机互动的农业病虫害识别系统,具有一定的创新性;(4)在本实验室已有的水稻基部飞虱检测算法的基础上,对检测出的飞虱图像与误检的杂质图像提取14个颜色特征和42个纹理特征,利用支持向量机分类器实现了白背飞虱、褐飞虱及误检杂质的分类识别,识别准确率为95.5%;(5)利用带后验概率的SVM分类器实现八种水稻害虫的识别。利用Photoshop图像处理软件统一裁剪害虫图像并去除背景后,对所有样本提取62个颜色特征、12个形态特征和44个纹理特征,建立后验概率SVM模型,实现八种水稻害虫的分类识别,并提供每个测试样本隶属于每一类的后验概率,打破了传统的硬输出方式,使用者可以结合个人经验进行二次判断。取后验概率最高所对应的类为最终识别类,识别准确率为94.5%,且错误识别的所有样本隶属于自身类的后验概率均为第二、三个较大数值,故使用者对测试样本的最大后验概率对应类有所怀疑时,可以考虑后验概率第二、三个较大数所对应的类。