獲取害蟲動(dòng)態(tài)變化數(shù)據(jù)是害蟲綜合治理預(yù)防的重要基礎(chǔ)之一,溫室害蟲一般具有蟲體小、遷飛性、隱蔽性（常于葉片背部危害）等特點(diǎn),目前大多采用人工識(shí)別與計(jì)數(shù),不僅費(fèi)時(shí)費(fèi)力,而且受主觀影響準(zhǔn)確率不穩(wěn)定。而基于圖像處理的機(jī)器視覺方法的害蟲檢測(cè)與識(shí)別計(jì)數(shù)方法具有省時(shí)省力、自動(dòng)化、智能化等優(yōu)點(diǎn),已經(jīng)成為現(xiàn)代農(nóng)業(yè)害蟲監(jiān)測(cè)領(lǐng)域的研究熱點(diǎn)。本文以黃瓜溫室中常見的粉虱和薊馬成蟲為研究對(duì)象,進(jìn)行了圖像檢測(cè)與識(shí)別方法研究。主要的研究?jī)?nèi)容如下:（1）黃瓜溫室環(huán)境中粉虱和薊馬誘蟲板的圖像自動(dòng)獲取。黃瓜溫室中黃色粘蟲板背景下,粉虱和薊馬成蟲的蟲體較小,體長(zhǎng)、顏色差異不明顯。采用本課題組自主開發(fā)、設(shè)計(jì)的害蟲自動(dòng)監(jiān)測(cè)裝置來(lái)獲取害蟲誘蟲板圖像,并開發(fā)了基于Android系統(tǒng)的害蟲監(jiān)測(cè)軟件實(shí)現(xiàn)定時(shí)拍照,通過(guò)移動(dòng)無(wú)線網(wǎng)絡(luò)上傳照片到后臺(tái)服務(wù)器進(jìn)行存儲(chǔ)與后期圖像處理,本試驗(yàn)設(shè)定的拍照時(shí)間間隔為2小時(shí)。（2）圖像預(yù)處理方法,圖像分割與目標(biāo)提取算法。使用了灰度變換、中值濾波平滑、顏色空間變化、灰度拉伸等圖像預(yù)處理方法,將原圖像由RGB顏色空間變換到HSI、L*a*b*顏色空間提高害蟲目標(biāo)與背景的對(duì)比度。結(jié)合本文害蟲目標(biāo)圖像特點(diǎn)最后選擇利用... 

【文章來(lái)源】：上海海洋大學(xué)上海市

【文章頁(yè)數(shù)】：63 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

害蟲圖像獲取、目標(biāo)分割與識(shí)別流程圖

中后期由于蟲子數(shù)量的快速增加，每隔 3d 更換一次誘蟲板。設(shè)備及獲取的高效信息素誘蟲板局部圖像如圖2-1 所示。自動(dòng)監(jiān)測(cè)設(shè)備如圖 2-1（a）所示，設(shè)備自上而下分別是太陽(yáng)能板、誘蟲板與安卓手機(jī)拍照盒、20000mAh 的蓄電池箱。a. 自動(dòng)監(jiān)測(cè)設(shè)備 b. 誘蟲板（局部）圖像1. 太陽(yáng)能板 2. 誘蟲板 3. 拍照盒 4. 蓄電池箱圖 2-1 自動(dòng)監(jiān)測(cè)設(shè)備及誘蟲板（局部）圖像Fig.2-1 Auto monitoring device and trap board (local) image開發(fā)了基于 Android 系統(tǒng)的害蟲監(jiān)測(cè)軟件實(shí)現(xiàn)定時(shí)（單位為分鐘，本試驗(yàn)設(shè)定2 小時(shí)拍照一次）拍照，軟件系統(tǒng)界面圖如圖 2-2 所示。利用 GPRS/2G/3G/4G 移動(dòng)無(wú)線網(wǎng)絡(luò)拍照后即刻上傳圖像，自動(dòng)上傳到遠(yuǎn)端的后臺(tái)服務(wù)器，可隨時(shí)遠(yuǎn)程監(jiān)測(cè)溫室害蟲動(dòng)態(tài)變化情況，記錄每天采集數(shù)據(jù)，形成蟲害數(shù)據(jù)庫(kù)。

圖 2-2 基于 Android 系統(tǒng)的害蟲監(jiān)測(cè)軟件Fig.2-2 Pest monitoring software based on Android system色模型轉(zhuǎn)換與選取模型是三維顏色空間中的一個(gè)可見光子集，它包含某個(gè)顏色域的所用的彩色圖像模型主要有兩種，一種是面向硬件設(shè)備的彩色圖像模型向視覺感知的彩色圖像模型[38]。常用的顏色模型主要有 RGB、HSV、NHSI 等[39]。在實(shí)際圖像處理過(guò)程中，由于不同的顏色模型對(duì)目標(biāo)圖像色彩表征不同使得顏色模型的選取對(duì)后期圖像分割有顯著的影響。色模型轉(zhuǎn)換根據(jù)害蟲圖像特點(diǎn)，主要使用了 RGB、HSV、HSI、L*a*b*顏色模型介紹這四種顏色模型以及模型間的相互轉(zhuǎn)換。

【參考文獻(xiàn)】：
期刊論文
[1]中國(guó)農(nóng)作物病蟲害防控科技的發(fā)展方向[J]. 吳孔明.  農(nóng)學(xué)學(xué)報(bào). 2018(01)
[2]基于機(jī)器視覺的設(shè)施農(nóng)業(yè)害蟲監(jiān)測(cè)技術(shù)研究進(jìn)展與展望[J]. 陳梅香,劉蒙蒙,趙麗,溫冬梅,李文勇,柳瑞,李明.  農(nóng)業(yè)工程技術(shù). 2017(31)
[3]紅外傳感器與機(jī)器視覺融合的果樹害蟲識(shí)別及計(jì)數(shù)方法[J]. 田冉,陳梅香,董大明,李文勇,矯雷子,王以忠,李明,孫傳恒,楊信廷.  農(nóng)業(yè)工程學(xué)報(bào). 2016(20)
[4]基于K均值聚類和開閉交替濾波的黃瓜葉片水滴熒光圖像分割[J]. 楊信廷,孫文娟,李明,陳梅香,明楠,韓佳偉,李文勇,陳明.  農(nóng)業(yè)工程學(xué)報(bào). 2016(17)
[5]設(shè)施園藝發(fā)展概況、存在問(wèn)題與產(chǎn)業(yè)發(fā)展建議[J]. 蔣衛(wèi)杰,鄧杰,余宏軍.  中國(guó)農(nóng)業(yè)科學(xué). 2015(17)
[6]融合K-means與Ncut算法的無(wú)遮擋雙重疊蘋果目標(biāo)分割與重建[J]. 王丹丹,徐越,宋懷波,何東健,張海輝.  農(nóng)業(yè)工程學(xué)報(bào). 2015(10)
[7]基于Canny算子與閾值分割的邊緣檢測(cè)算法[J]. 拓小明,李云紅,劉旭,曹瀏,霍可,田冀達(dá),陳航.  西安工程大學(xué)學(xué)報(bào). 2014(06)
[8]Lab顏色空間和形態(tài)學(xué)處理相結(jié)合的雙行車牌定位方法[J]. 楊飚,楊芩.  科學(xué)技術(shù)與工程. 2014(26)
[9]基于機(jī)器視覺的作物多姿態(tài)害蟲特征提取與分類方法[J]. 李文勇,李明,陳梅香,錢建平,孫傳恒,杜尚豐.  農(nóng)業(yè)工程學(xué)報(bào). 2014(14)
[10]幾種經(jīng)典的圖像邊緣檢測(cè)算子分析比較[J]. 賀桂嬌.  計(jì)算機(jī)光盤軟件與應(yīng)用. 2014(09)

碩士論文
[1]不同光照和遮擋條件下的人臉識(shí)別算法研究[D]. 羅璐.江西理工大學(xué) 2015
[2]復(fù)雜光照條件下的人臉識(shí)別算法研究[D]. 伍強(qiáng).東北大學(xué) 2013
[3]基于圖像識(shí)別技術(shù)的農(nóng)業(yè)蟲害遠(yuǎn)程自動(dòng)監(jiān)測(cè)系統(tǒng)的研究[D]. 厲梁.浙江工業(yè)大學(xué) 2012



本文編號(hào)：3137624