獲取害蟲動態(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,目前大多采用人工識別與計數(shù),不僅費時費力,而且受主觀影響準(zhǔn)確率不穩(wěn)定。而基于圖像處理的機器視覺方法的害蟲檢測與識別計數(shù)方法具有省時省力、自動化、智能化等優(yōu)點,已經(jīng)成為現(xiàn)代農(nóng)業(yè)害蟲監(jiān)測領(lǐng)域的研究熱點。本文以黃瓜溫室中常見的粉虱和薊馬成蟲為研究對象,進行了圖像檢測與識別方法研究。主要的研究內(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、顏色差異不明顯。采用本課題組自主開發(fā)、設(shè)計的害蟲自動監(jiān)測裝置來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)測軟件實現(xiàn)定時拍照,通過移動無線網(wǎng)絡(luò)上傳照片到后臺服務(wù)器進行存儲與后期圖像處理,本試驗設(shè)定的拍照時間間隔為2小時。（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)與背景的對比度。結(jié)合本文害蟲目標(biāo)圖像特點最后選擇利用... 

【文章來源】：上海海洋大學(xué)上海市

【文章頁數(shù)】：63 頁

【學(xué)位級別】：碩士

【部分圖文】：

害蟲圖像獲取、目標(biāo)分割與識別流程圖

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。自動監(jiān)測設(shè)備如圖 2-1（a）所示，設(shè)備自上而下分別是太陽能板、誘蟲板與安卓手機拍照盒、20000mAh 的蓄電池箱。a. 自動監(jiān)測設(shè)備 b. 誘蟲板（局部）圖像1. 太陽能板 2. 誘蟲板 3. 拍照盒 4. 蓄電池箱圖 2-1 自動監(jiān)測設(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)測軟件實現(xiàn)定時（單位為分鐘，本試驗設(shè)定2 小時拍照一次）拍照，軟件系統(tǒng)界面圖如圖 2-2 所示。利用 GPRS/2G/3G/4G 移動無線網(wǎng)絡(luò)拍照后即刻上傳圖像，自動上傳到遠端的后臺服務(wù)器，可隨時遠程監(jiān)測溫室害蟲動態(tài)變化情況，記錄每天采集數(shù)據(jù)，形成蟲害數(shù)據(jù)庫。

圖 2-2 基于 Android 系統(tǒng)的害蟲監(jiān)測軟件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可見光子集，它包含某個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]。在實際圖像處理過程中，由于不同的顏色模型對目標(biāo)圖像色彩表征不同使得顏色模型的選取對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，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】：
期刊論文
[1]中國農(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. 2018(01)
[2]基于機器視覺的設(shè)施農(nóng)業(yè)害蟲監(jiān)測技術(shù)研究進展與展望[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]紅外傳感器與機器視覺融合的果樹害蟲識別及計數(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. 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. 2016(17)
[5]設(shè)施園藝發(fā)展概況、存在問題與產(chǎn)業(yè)發(fā)展建議[J]. 蔣衛(wèi)杰,鄧杰,余宏軍.  中國農(nóng)業(yè)科學(xué). 2015(17)
[6]融合K-means與Ncut算法的無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. 2015(10)
[7]基于Canny算子與閾值分割的邊緣檢測算法[J]. 拓小明,李云紅,劉旭,曹瀏,霍可,田冀達,陳航.  西安工程大學(xué)學(xué)報. 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. 2014(14)
[10]幾種經(jīng)典的圖像邊緣檢測算子分析比較[J]. 賀桂嬌.  計算機光盤軟件與應(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別算法研究[D]. 伍強.東北大學(xué) 2013
[3]基于圖像識別技術(shù)的農(nóng)業(yè)蟲害遠程自動監(jiān)測系統(tǒng)的研究[D]. 厲梁.浙江工業(yè)大學(xué) 2012



本文編號：3137624