【摘要】：從古至今,水稻作為我國(guó)重要的糧食作物之一,占據(jù)了我國(guó)農(nóng)業(yè)種植總面積25%以上,但是水稻蟲(chóng)害頻發(fā)給我國(guó)農(nóng)業(yè)生產(chǎn)帶來(lái)了巨大的經(jīng)濟(jì)損失,提升水稻的質(zhì)量和產(chǎn)量近些年來(lái)成為我國(guó)農(nóng)業(yè)生產(chǎn)的重要目標(biāo)之一。因此,如何有效地防治害蟲(chóng)的爆發(fā),對(duì)水稻生產(chǎn)和農(nóng)業(yè)經(jīng)濟(jì)發(fā)展具有重大而深遠(yuǎn)意義。而在以往的蟲(chóng)害防治工作中,常常由于蟲(chóng)情的監(jiān)測(cè)不到位,不能及時(shí)發(fā)現(xiàn)害蟲(chóng)種群數(shù)量的變化而錯(cuò)失治理的最佳時(shí)機(jī),因此,防治蟲(chóng)害首先要從蟲(chóng)情監(jiān)測(cè)入手。目前,在我國(guó)的水稻蟲(chóng)情監(jiān)測(cè)中,通常采用捕蟲(chóng)燈誘捕水稻害蟲(chóng),然后在次日取回捕殺后的害蟲(chóng),通過(guò)人工對(duì)害蟲(chóng)進(jìn)行識(shí)別和計(jì)數(shù),并以判斷水稻的蟲(chóng)害情況。但依靠人工計(jì)數(shù)與識(shí)別害蟲(chóng)存在效率低、客觀性差、勞動(dòng)強(qiáng)度高且不能實(shí)現(xiàn)害蟲(chóng)形勢(shì)的實(shí)時(shí)反饋,在農(nóng)業(yè)逐漸向現(xiàn)代化和自動(dòng)化方向發(fā)展的趨勢(shì)下,通過(guò)人工監(jiān)測(cè)水稻蟲(chóng)害已經(jīng)不能滿足當(dāng)前農(nóng)業(yè)監(jiān)測(cè)的需求,亟需研究一種新的水稻害蟲(chóng)自動(dòng)計(jì)數(shù)和識(shí)別方法來(lái)代替人工計(jì)數(shù)�；趫D像識(shí)別技術(shù)的快速發(fā)展及應(yīng)用,本文結(jié)合圖像處理和神經(jīng)網(wǎng)絡(luò)等技術(shù),對(duì)水稻害蟲(chóng)識(shí)別與計(jì)數(shù)進(jìn)行了研究,并利用Matlab的GUI工具箱初步建立了水稻害蟲(chóng)計(jì)數(shù)與識(shí)別系統(tǒng)。本文的主要研究?jī)?nèi)容和創(chuàng)新點(diǎn)如下:1)基于燈誘技術(shù)建立水稻害蟲(chóng)捕捉和圖像采集設(shè)備。根據(jù)水稻田間環(huán)境設(shè)計(jì)了具有拍攝功能的測(cè)報(bào)燈,測(cè)報(bào)燈的主要模塊有:引誘燈模塊、圖像采集模塊、FPGA控制模塊和4G無(wú)線傳輸模塊。圖像采集過(guò)程:首先通過(guò)光誘燈將害蟲(chóng)引誘到箱體內(nèi),然后由遠(yuǎn)紅外裝置將害蟲(chóng)殺死并落到背景板上,而背景板上方安裝攝像頭,通過(guò)相機(jī)抓拍落在背景擋板上的害蟲(chóng),最后完成對(duì)害蟲(chóng)圖像的自動(dòng)采集,并通過(guò)4G無(wú)線數(shù)據(jù)傳輸模塊,將采集到的害蟲(chóng)圖像發(fā)送給云服務(wù)器。該捕蟲(chóng)設(shè)備具備捕蟲(chóng)、殺蟲(chóng)、圖像采集和圖像傳輸?shù)裙δ?具有較強(qiáng)的實(shí)用性,為水稻害蟲(chóng)識(shí)別和計(jì)數(shù)提供了較好的樣本圖像采集平臺(tái)。2)在圖像預(yù)處理階段,本文主要對(duì)灰度閾值分割、色彩變換、粘連圖像分離等方面進(jìn)行了研究。通過(guò)帶有拍攝功能的捕蟲(chóng)設(shè)備,在實(shí)際田間拍攝得到樣本圖像。分析樣本圖像,針對(duì)圖像中存在背景網(wǎng)格線等干擾,本文提出了將圖像網(wǎng)格化分割處理和最大類(lèi)間方差法相結(jié)合的方法對(duì)水稻害蟲(chóng)圖像進(jìn)行背景分割處理。通過(guò)對(duì)實(shí)驗(yàn)測(cè)試結(jié)果分析可知,該方法可以很好地分割樣本圖像的背景,與傳統(tǒng)的圖像灰度化方法相比較,具有良好的抗噪性和魯棒性。3)粘連圖像分割方面,針對(duì)分離背景后的害蟲(chóng)區(qū)域圖像中存在害蟲(chóng)粘連的問(wèn)題,提出標(biāo)記控制的分水嶺分割算法對(duì)其進(jìn)行分割處理,實(shí)現(xiàn)粘連害蟲(chóng)區(qū)域的分割。與傳統(tǒng)的分水嶺分割算法相比,該方法能有效地避免過(guò)分割或者欠分割的問(wèn)題,并結(jié)合背景分割與粘連害蟲(chóng)圖像算法對(duì)多幅樣本圖像進(jìn)行測(cè)試,平均計(jì)數(shù)準(zhǔn)確率達(dá)到91.8%。4)提出基于卷積神經(jīng)網(wǎng)絡(luò)模型(CNN)的水稻害蟲(chóng)分類(lèi)檢測(cè)方法。相較于傳統(tǒng)的識(shí)別模式,CNN具備魯棒性強(qiáng)、分類(lèi)能力突出以及自適應(yīng)強(qiáng)等優(yōu)勢(shì),因此本文根據(jù)樣本圖像集的特點(diǎn),構(gòu)建12層的卷積神經(jīng)網(wǎng)絡(luò)模型,確立適用的激活函數(shù)和分類(lèi)器,引入Dropout,并對(duì)其他功能層做出相應(yīng)地優(yōu)化與調(diào)整。通過(guò)1200幅圖像進(jìn)行訓(xùn)練和測(cè)試,不斷調(diào)整功能層的各個(gè)參數(shù),最終完成對(duì)害蟲(chóng)螻蛄、飛虱和三化螟的分類(lèi)識(shí)別。試驗(yàn)結(jié)果表明:通過(guò)CNN來(lái)識(shí)別水稻害蟲(chóng)是有效的方法,本研究CNN網(wǎng)絡(luò)模型識(shí)別準(zhǔn)確率達(dá)到95.8%。5)建立水稻害蟲(chóng)計(jì)數(shù)與識(shí)別系統(tǒng)�；趫D像預(yù)處理、害蟲(chóng)計(jì)數(shù)以及基于CNN模型的害蟲(chóng)識(shí)別,本研究利用Matlab的GUI工具箱建立了一個(gè)水稻害蟲(chóng)圖像計(jì)數(shù)與識(shí)別系統(tǒng),主要包含了圖像查看、圖像預(yù)處理、計(jì)數(shù)、模型訓(xùn)練和識(shí)別分類(lèi)五大功能模塊,用戶只需要簡(jiǎn)單的操作就可以獲得樣本圖像中害蟲(chóng)的種類(lèi)和數(shù)量信息。
【學(xué)位授予單位】：江西理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類(lèi)號(hào)】：TP391.41;S435.112
【圖文】：

第二章 水稻害蟲(chóng)捕捉及圖像采集系統(tǒng)硬件設(shè)計(jì)章 水稻害蟲(chóng)捕捉及圖像采集系統(tǒng)硬件設(shè)計(jì)總體設(shè)計(jì)方案實(shí)際水稻田間環(huán)境下所采集到的害蟲(chóng)樣本圖像，本研究將市蟲(chóng)燈（改進(jìn)前后分別如圖 2.1 和 2.2 所示），通過(guò)添加圖像制等功能，并將改進(jìn)后的設(shè)備安裝在水稻田間，以獲取在實(shí)像，為后續(xù)圖像算法研究樣本獲取提供硬件上的支撐。市場(chǎng)備如圖 2.2 所示。

圖 2.5 捕蟲(chóng)燈主要模塊圖開(kāi)始Photo_Time＞0害蟲(chóng)擋板翻轉(zhuǎn)延時(shí)(Photo_Time-RL_Time)打開(kāi)遠(yuǎn)紅外裝置開(kāi)關(guān)延時(shí)RL_Time否是

息獲取模塊對(duì)水稻害蟲(chóng)進(jìn)行誘捕和圖像采集中，主要通過(guò)黑光燈、撞擊屏、遠(yuǎn)紅外殺蟲(chóng)裝攝模塊、FPGA 控制模塊以及 4G 數(shù)據(jù)傳輸模塊等裝置組合實(shí)現(xiàn)，下面將針模塊進(jìn)行詳細(xì)介紹和說(shuō)明。誘捕模塊設(shè)計(jì)于水稻害蟲(chóng)的趨光性，市場(chǎng)上常見(jiàn)的殺蟲(chóng)燈利用黑光燈引誘害蟲(chóng)，并通過(guò)電害蟲(chóng)的捕殺，本研究在這種設(shè)備的基礎(chǔ)上進(jìn)行改進(jìn)，并通過(guò)控制模塊控制黑。在引誘燈的周邊，安裝有三塊透明的玻璃撞擊屏，害蟲(chóng)飛向引誘燈時(shí)會(huì)因擋板而落入殺蟲(chóng)倉(cāng)內(nèi)，在倉(cāng)體內(nèi)部安裝有遠(yuǎn)紅外裝置，由控制模塊控制其開(kāi)較短的時(shí)間內(nèi)通過(guò)加熱的方式將倉(cāng)體內(nèi)的害蟲(chóng)殺死。該方法能較大程度地保的完整性，為后續(xù)的害蟲(chóng)計(jì)數(shù)和識(shí)別研究奠定了基礎(chǔ)。誘捕燈和遠(yuǎn)紅外燈如圖示。

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 陳梅香;楊信廷;石寶才;李文勇;杜曉偉;李明;孫傳恒;;害蟲(chóng)自動(dòng)識(shí)別與計(jì)數(shù)技術(shù)研究進(jìn)展與展望[J];環(huán)境昆蟲(chóng)學(xué)報(bào);2015年01期

2 李文斌;;水稻害蟲(chóng)圖像識(shí)別技術(shù)研究[J];安徽農(nóng)業(yè)科學(xué);2014年23期

3 祝增榮;程家安;;中國(guó)水稻害蟲(chóng)治理對(duì)策的演變及其展望[J];植物保護(hù);2013年05期

4 夏麗;;基于迭代最佳閾值分割的邊緣檢測(cè)研究[J];時(shí)代教育;2012年21期

5 呂軍;姚青;劉慶杰;薛杰;陳宏明;楊保軍;唐健;;基于模板匹配的多目標(biāo)水稻燈誘害蟲(chóng)識(shí)別方法的研究[J];中國(guó)水稻科學(xué);2012年05期

6 孫志軍;薛磊;許陽(yáng)明;王正;;深度學(xué)習(xí)研究綜述[J];計(jì)算機(jī)應(yīng)用研究;2012年08期

7 陳超;;水稻稻飛虱主要發(fā)生原因及防治方法[J];南方農(nóng)業(yè);2012年08期

8 黃凌霄;;基于圖像處理和分類(lèi)器的水稻害蟲(chóng)自動(dòng)識(shí)別系統(tǒng)研究[J];吉林農(nóng)業(yè);2012年05期

9 張端璋;鄒雪玉;陳宏;;佳多牌智能蟲(chóng)情測(cè)報(bào)燈在水稻害蟲(chóng)測(cè)報(bào)上的應(yīng)用效果及其改進(jìn)建議[J];武夷科學(xué);2011年00期

10 石永華;王波;王阿珍;張興濤;;基于Contourlet變換的農(nóng)業(yè)圖像增強(qiáng)方法研究[J];安徽農(nóng)業(yè)科學(xué);2011年30期

相關(guān)會(huì)議論文 前1條

1 于新文;沈佐銳;劉曉云;李英武;;昆蟲(chóng)數(shù)字圖像處理和分析技術(shù)研究[A];昆蟲(chóng)與環(huán)境——中國(guó)昆蟲(chóng)學(xué)會(huì)2001年學(xué)術(shù)年會(huì)論文集[C];2001年

相關(guān)博士學(xué)位論文 前1條

1 王克如;基于圖像識(shí)別的作物病蟲(chóng)草害診斷研究[D];中國(guó)農(nóng)業(yè)科學(xué)院;2005年

相關(guān)碩士學(xué)位論文 前9條

1 劉德雨;基于深度學(xué)習(xí)的行人檢測(cè)技術(shù)研究[D];長(zhǎng)春工業(yè)大學(xué);2018年

2 程尚坤;基于深度學(xué)習(xí)的儲(chǔ)糧害蟲(chóng)檢測(cè)方法研究[D];河南工業(yè)大學(xué);2017年

3 王凱;基于圖像的水稻田間稻飛虱分類(lèi)方法研究[D];浙江理工大學(xué);2016年

4 李文斌;基于支持向量機(jī)SVM的水稻害蟲(chóng)圖像識(shí)別技術(shù)研究[D];杭州電子科技大學(xué);2015年

5 趙帥;誘芯誘捕器自動(dòng)計(jì)數(shù)系統(tǒng)的研發(fā)[D];廣西大學(xué);2013年

6 程城遠(yuǎn);支持農(nóng)業(yè)蟲(chóng)害自動(dòng)監(jiān)測(cè)的數(shù)據(jù)采集與遠(yuǎn)程控制技術(shù)的研究[D];浙江工業(yè)大學(xué);2012年

7 許可;卷積神經(jīng)網(wǎng)絡(luò)在圖像識(shí)別上的應(yīng)用的研究[D];浙江大學(xué);2012年

8 王劍;基于神經(jīng)網(wǎng)絡(luò)的水稻三化螟識(shí)別系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];中國(guó)農(nóng)業(yè)科學(xué)院;2006年

9 張法全;基于機(jī)器視覺(jué)和小波分析的農(nóng)田害蟲(chóng)識(shí)別系統(tǒng)[D];鄭州大學(xué);2003年

本文編號(hào)：2768447