發(fā)布時間：2022-01-07 15:26

　　果實(shí)蠅,作為一種繁殖能力強(qiáng)、寄主范圍廣泛的有害昆蟲,嚴(yán)重影響了園藝作物果實(shí)的質(zhì)量與產(chǎn)量,使經(jīng)濟(jì)受到巨大損失,也一直是檢疫人員重要的檢疫對象,因此認(rèn)識、了解它是十分必要的。在現(xiàn)有的昆蟲圖像的自動識別技術(shù)中,大多數(shù)都是基于PC端的實(shí)現(xiàn),而隨著移動互聯(lián)網(wǎng)的迅猛發(fā)展,手機(jī)等移動通信終端已然成為了人們的必備產(chǎn)品。因此,研究出能通過移動終端自動識別果實(shí)蠅種類的應(yīng)用軟件,對于提升應(yīng)用的適用性,降低成本,簡化檢疫人員的工作等方面起到了積極的作用,從而對農(nóng)產(chǎn)品的貿(mào)易起到了一定的推動作用。為實(shí)現(xiàn)能夠在移動終端快速自動鑒定果實(shí)蠅種類的目標(biāo),本文介紹了研究的背景及意義、研究進(jìn)展、自動鑒定果實(shí)蠅種類采用的相關(guān)技術(shù)等,最終研究設(shè)計(jì)出基于Android系統(tǒng)的果實(shí)蠅視覺識別系統(tǒng)。本系統(tǒng)的功能模塊包括圖像加載、圖像預(yù)處理、圖像特征自動獲取、分類器設(shè)計(jì)、圖像自動鑒定等。通過使用移動終端對果實(shí)蠅翅脈的圖像進(jìn)行采集,并對圖像進(jìn)行預(yù)處理,提高圖像的質(zhì)量,降低其他因素影響,以提高識別的準(zhǔn)確性。運(yùn)用Shi-Tomasi角點(diǎn)檢測算法自動識別出果實(shí)蠅翅脈圖像上的交點(diǎn)坐標(biāo),繼而利用支持向量機(jī)算法對果實(shí)蠅圖像進(jìn)行分類,最終通過果實(shí)蠅圖像上... 

【文章來源】：江西農(nóng)業(yè)大學(xué)江西省

【文章頁數(shù)】：45 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖２－２采集圖像工作臺??Ｆｉｇ?２－２?Ｉｍａｇｅ?ａｃｑｕｉｓｉｔｉｏｎ?ｂｅｎｃｈ??

自建了一種能夠用于果實(shí)蠅圖像識別的標(biāo)本制備的方法［３９］，本研究參照其方法對??獲取到的研究對象桔小實(shí)蠅、具條實(shí)蠅、南亞果實(shí)蠅、瓜實(shí)蠅進(jìn)行一系列的回軟、前??處理、展翅以及整姿等處理操作，獲得最終用于拍攝的樣本，如圖２－１所示。??Ｂａｃｔｒｏｃｅｒａ．?ｄｏｒｓａｌｉｓ?Ｂａｃｔｒｏｃｅｒａ．?ｓｃｕｔｅｌｌａｔａ??Ｂａｃｔｒｏｃｅｒａ．?ｔａｕ?Ｂａｃｔｒｏｃｅｒａ．?ｃｕｃｕｒｂｉｔａｅ??圖２－１四種實(shí)驗(yàn)果實(shí)蠅??Ｆｉｇ?２－１?Ｆｏｕｒ?ｋｉｎｄｓ?ｏｆ?ｅｘｐｅｒｉｍｅｎｔａｌ?ｂａｃｔｒｏｃｅｒａ??２．１．２樣本圖像的采集??由于本次實(shí)驗(yàn)對象果實(shí)蠅的體型較小，不容易拍攝到研宄所需的關(guān)鍵細(xì)小的特??征，所以參考婁麗霞［３７］的方法，采用相機(jī)微距模式對果實(shí)蠅圖像進(jìn)行了采集，拍攝獲??得的圖像清晰，能夠查看果實(shí)蠅的整體特征，質(zhì)量較好。在拍攝的過程中，由于人為??的主觀因素可能會導(dǎo)致拍攝的角度、高度等不同，獲取的圖像不一致。同時為了避免??光照等環(huán)境因素影響，本實(shí)驗(yàn)使用帶燈翻拍架固定的方法，如圖２－２所示，避免光照、??拍攝距離等外在因素影響。??ｍＭ??圖２－２采集圖像工作臺??Ｆｉｇ?２－２?Ｉｍａｇｅ?ａｃｑｕｉｓｉｔｉｏｎ?ｂｅｎｃｈ??為實(shí)現(xiàn)標(biāo)本的一致性

２．３．１果實(shí)蠅翅膀特點(diǎn)??由于果實(shí)蠅翅膀的翅面是透明膜質(zhì)的，因此其圖像可以清晰的體現(xiàn)出果實(shí)蠅翅斑??和翅脈的特點(diǎn)。果實(shí)蠅在經(jīng)過由幼蟲進(jìn)化成為成蟲后，其翅脈分布如圖２－３所示，具??有以下特點(diǎn)．？亞前緣脈（Ｓｃ）的尾端差不多是以９０＝直角的幅度朝著前緣脈（Ｃ）彎??曲，并在其上方有兩處折斷；有三支徑脈直連著翅膀的前緣帶，在翅膀的中間部位有??基中室（ｂｍ）和中室（ｄｍ）兩個閉合的翅室，且臀室（ｃｕｐ）的延伸部是長長的、尖??尖的形狀。在本次研究中，臀室的寬度、其延伸部的延長和Ａ，＋ＣＵＡ２脈段長度的對比??以及基中室的長度和寬度的比值等都是傳統(tǒng)分類學(xué)中對實(shí)蠅科種類進(jìn)行區(qū)分的重要??翅脈特征依據(jù)，因此在本次提取果實(shí)蠅特征參數(shù)實(shí)驗(yàn)中，選擇包含以上的特征點(diǎn)并進(jìn)??行分析。??ｉｉ?ｔｉ?ｌ？ｋ?（，▲?１｛｜??＊Ｕ｜＞?＊??ＳＩｕ?ｒｏｔｒｉｒｈｕｒ?／???＊＊?（ａｉＡｊ??ＳｉｉｊＭ－ｍｕｍ＾ｒａｒｙ?ｌｏｌｗ??圖２＿３果實(shí)蠅的翅膀特點(diǎn)??Ｆｉｇ?２－３?Ｔｈｅ?ｆｅａｔｕｒｅ?ｏｆ?ｔｈｅ?ｗｉｎｇｓ?ｏｆ?ｄｒｏｓｏｐｈｉｌａ??８??

【參考文獻(xiàn)】：
期刊論文
[1]基于深度卷積神經(jīng)網(wǎng)絡(luò)的儲糧害蟲圖像識別[J]. 程曦,吳云志,張友華,樂毅.  中國農(nóng)學(xué)通報. 2018(01)
[2]談軟件工程中軟件測試的重要性及方法[J]. 龍高貴.  電腦迷. 2017(08)
[3]人工智能之圖像識別[J]. 莊哲耕.  廈門科技. 2016(06)
[4]圖像邊緣輪廓自適應(yīng)閾值的角點(diǎn)檢測算法[J]. 趙亞利,章為川,李云紅.  中國圖象圖形學(xué)報. 2016(11)
[5]基于稀疏編碼金字塔模型的農(nóng)田害蟲圖像識別[J]. 謝成軍,李瑞,董偉,宋良圖,張潔,陳紅波,陳天嬌.  農(nóng)業(yè)工程學(xué)報. 2016(17)
[6]淺析人工智能中的圖像識別技術(shù)[J]. 季秀怡.  電腦知識與技術(shù). 2016(14)
[7]應(yīng)用種特異性PCR技術(shù)快速鑒定辣椒實(shí)蠅[J]. 黃振,陳韶萍,謝婧,郭瓊霞.  昆蟲學(xué)報. 2015(04)
[8]水稻害蟲圖像識別技術(shù)研究[J]. 李文斌.  安徽農(nóng)業(yè)科學(xué). 2014(23)
[9]計(jì)算機(jī)圖像處理技術(shù)的探析[J]. 徐珂.  電腦知識與技術(shù). 2014(11)
[10]基于稀疏編碼和SCGBPNN的鱗翅目昆蟲圖像識別[J]. 竺樂慶,張真.  昆蟲學(xué)報. 2013(11)

碩士論文
[1]基于Android的高風(fēng)險果實(shí)蠅圖像識別系統(tǒng)研究與實(shí)現(xiàn)[D]. 婁麗霞.江西農(nóng)業(yè)大學(xué) 2015
[2]基于Android平臺害蟲識別系統(tǒng)的設(shè)計(jì)[D]. 孫鵬.西南交通大學(xué) 2014
[3]果實(shí)蠅屬昆蟲自動識別系統(tǒng)的研究與實(shí)現(xiàn)[D]. 張蕾.北京郵電大學(xué) 2011



本文編號：3574789