蛾類是鱗翅目昆蟲中較大的類群,其種類的準(zhǔn)確識別,是農(nóng)林害蟲防治的基本前提�，F(xiàn)階段,昆蟲的種類識別還依賴于昆蟲分類專家,費時費力。近年,基于圖像的害蟲自動分類識別已經(jīng)成為重要的研究領(lǐng)域,為非專業(yè)人士準(zhǔn)確識別農(nóng)林害蟲提供了便利。隨著計算機技術(shù)的不斷發(fā)展,基于圖像的蟲體分類識別逐步趨于完善,但也存在害蟲多姿態(tài)引起識別準(zhǔn)確率降低、算法普適性較差的問題。為解決上述問題,本文提出一種基于機器視覺估計蛾類三維姿態(tài)信息的方法,并結(jié)合蛾類蟲體圖像二維特征,最后利用支持向量機完成蟲體的自動分類。種類與姿態(tài)多樣的昆蟲,通過二維數(shù)字圖像自動識別時,會導(dǎo)致算法普適性降低,而三維姿態(tài)的準(zhǔn)確估計可以優(yōu)化識別過程,提高識別效率。蛾類蟲體前翅間夾角角度是量化其三維姿態(tài)的重要參數(shù),蛾類蟲體的三維姿態(tài)的有效獲取并將其作為蛾類害蟲分類識別的特征之一,對提高蛾類自動分類與識別具有重要意義,在農(nóng)林害蟲防治方面具有較高的應(yīng)用價值。選取鱗翅目 Lepidoptera夜蛾科Noctuidae棉鈴蟲Helicoverpa armigera（Hubner）、黃地老虎 Agrotis segetum（Denis et Schiffermul... 

【文章來源】：北京林業(yè)大學(xué)北京市 211工程院校 教育部直屬院校

【文章頁數(shù)】：80 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖１－１昆蟲翅膀的基本構(gòu)造（仿Ｓｎｏｄｇｒａｓｓ）??

圖２－１昆蟲自動識別一般流程（李凡，２０１５）??Ｆｉｇ．?２－１?Ｉｎｓｅｃｔ?ａｕｔｏｍａｔｉｃ?ｉｄｅｎｔｉｆｉｃａｔｉｏｎ?ｆｌｏｗ?ｃｈａｒｔ（Ｌｉ，?２０１５）??如圖２－１所示，昆蟲自動識別一般流程是在構(gòu)建了一個穩(wěn)定的圖像獲取環(huán)境后，??通過機器視覺采集到昆蟲的數(shù)字圖像作為輸入圖像，提取并優(yōu)化特征，有效訓(xùn)練分類??器后獲取識別結(jié)果。??本文較一般昆蟲識別流程的不同點是：圖像的獲取是在多視環(huán)境中獲取，對圖像??經(jīng)過預(yù)處理后分別獲取圖像中目標(biāo)蟲體的三維姿態(tài)信息獲取和二維特征參數(shù)，再進(jìn)行??分類模型訓(xùn)練、測試及獲取識別結(jié)果，如圖２－２。??昆蟲三維姿態(tài)儐息獲�。�?｜?Ｔ訓(xùn)練?．Ｉ?７＾??！？?Ｉｎｓｅｃｔ?３Ｄ?ｐｏｓｅ?ｉｎｆｏｒｍａｔｉｏｎ?ｎ?ｒａｉｎｉｎｇ??ａｃｑｕｉｓｉｔｉｏｎ?？?Ｃｌａｓｓｉｆｉｅｒ?識別結(jié)果??昆?取?隨預(yù)處理－?＿?Ｌ—?７?—．１?＾?Ｉｄ；ｎｔ�。妫�??Ｇｅｔ?ｔｈｅ?ｍｓｅｃｔ?Ｍｕｌｔｉｐｌｅ?ｉｍａｇｅ?ｐｒｅｐｒｏｃｅｓｓｉｎｇ「?．．．．．．．．．?ｒｅｓｕｌｔｓ??．．．．．．ｖｉｅｗｕｎａｇｅ?—???Ｓ蟲二維特征提取?Ｊ??＾?別，??Ｉｎｓｅｃｔ?２Ｄ?ｆｅａｔｕｒｅ?ｅｘｔｒａｃｔｉｏｎ?＾０？＾１．１０１１??ｍｏｄｅｌ??識別?Ｉｄｗｉｔｉｆｙ????圖２－２基于三維姿態(tài)的昆蟲自動識別流程??Ｆｉｇ．?２－２?Ｉｎｓｅｃｔ?ａｕｔｏｍａｔｉｃ?ｉｄｅｎｔｉｆｉｃａｔｉｏｎ?ｆｌｏｗ?ｃｈａｒｔ?ｂａｓｅｄ?ｏｎ?３Ｄ?ｐｏｓｅ??由圖２－２中的識別流程可知

ｄｅｃｉｓｉｏｎ??識別?Ｉｄｅｎｔｉｆｙ??圖２－１昆蟲自動識別一般流程（李凡，２０１５）??Ｆｉｇ．?２－１?Ｉｎｓｅｃｔ?ａｕｔｏｍａｔｉｃ?ｉｄｅｎｔｉｆｉｃａｔｉｏｎ?ｆｌｏｗ?ｃｈａｒｔ（Ｌｉ，?２０１５）??如圖２－１所示，昆蟲自動識別一般流程是在構(gòu)建了一個穩(wěn)定的圖像獲取環(huán)境后，??通過機器視覺采集到昆蟲的數(shù)字圖像作為輸入圖像，提取并優(yōu)化特征，有效訓(xùn)練分類??器后獲取識別結(jié)果。??本文較一般昆蟲識別流程的不同點是：圖像的獲取是在多視環(huán)境中獲取，對圖像??經(jīng)過預(yù)處理后分別獲取圖像中目標(biāo)蟲體的三維姿態(tài)信息獲取和二維特征參數(shù)，再進(jìn)行??分類模型訓(xùn)練、測試及獲取識別結(jié)果，如圖２－２。??昆蟲三維姿態(tài)儐息獲取｜?｜?Ｔ訓(xùn)練?．Ｉ?７＾??��？?Ｉｎｓｅｃｔ?３Ｄ?ｐｏｓｅ?ｉｎｆｏｒｍａｔｉｏｎ?ｎ?ｒａｉｎｉｎｇ??ａｃｑｕｉｓｉｔｉｏｎ?？?Ｃｌａｓｓｉｆｉｅｒ?識別結(jié)果??昆?取?隨預(yù)處理－?＿?Ｌ—?７?—．１?＾?Ｉｄ；ｎｔ�。妫�??Ｇｅｔ?ｔｈｅ?ｍｓｅｃｔ?Ｍｕｌｔｉｐｌｅ?ｉｍａｇｅ?ｐｒｅｐｒｏｃｅｓｓｉｎｇ「?．．．．．．．．．?ｒｅｓｕｌｔｓ??．．．．．．ｖｉｅｗｕｎａｇｅ?—???Ｓ蟲二維特征提取?Ｊ??＾?別，??Ｉｎｓｅｃｔ?２Ｄ?ｆｅａｔｕｒｅ?ｅｘｔｒａｃｔｉｏｎ?＾０？＾１．１０１１??ｍｏｄｅｌ??識別?Ｉｄｗｉｔｉｆｙ????圖２－２基于三維姿態(tài)的昆蟲自動識別流程??Ｆｉｇ．?２－２?Ｉｎｓｅｃｔ?ａｕｔｏｍａｔｉｃ?ｉｄｅｎｔｉｆｉｃａｔｉｏｎ?ｆｌｏｗ?ｃｈａｒｔ?ｂａｓｅｄ?ｏｎ?３Ｄ?ｐｏｓｅ??由圖２－２中的識別流程可知

【參考文獻(xiàn)】：
期刊論文
[1]支持向量機的算法及應(yīng)用綜述[J]. 張松蘭.  江蘇理工學(xué)院學(xué)報. 2016(02)
[2]空間目標(biāo)三維姿態(tài)估計方法[J]. 魏小峰,耿則勛,婁博,宋向.  武漢大學(xué)學(xué)報(信息科學(xué)版). 2015(01)
[3]基于姿態(tài)描述的果園靶標(biāo)害蟲自動識別方法[J]. 李文勇,陳梅香,李明,孫傳恒,杜尚豐.  農(nóng)業(yè)機械學(xué)報. 2014(11)
[4]蛾翅數(shù)學(xué)形態(tài)特征在夜蛾科昆蟲分類鑒定中的應(yīng)用研究[J]. 董學(xué)超,黃大莊.  河北林果研究. 2014(01)
[5]一種具有姿態(tài)魯棒性的三維人耳識別方法[J]. 王凱,穆志純.  中國科技論文. 2013(10)
[6]基于改進(jìn)的AdaBoost人臉檢測算法的研究[J]. 丁知平.  現(xiàn)代計算機(專業(yè)版). 2013(22)
[7]基于模板匹配的多目標(biāo)水稻燈誘害蟲識別方法的研究[J]. 呂軍,姚青,劉慶杰,薛杰,陳宏明,楊保軍,唐健.  中國水稻科學(xué). 2012(05)
[8]蘋果園中2.4GHz無線信道在不同高度的傳播特性[J]. 郭秀明,趙春江,楊信廷,李明,孫傳恒,屈利華,王衍安.  農(nóng)業(yè)工程學(xué)報. 2012(12)
[9]復(fù)雜背景下的圖像文本區(qū)域定位方法研究[J]. 周翔,陳會,張鍇,宋懷波.  計算機工程與應(yīng)用. 2013(12)
[10]多類分類預(yù)選取的SVM在語音識別中的應(yīng)用[J]. 賀元元,張雪英,劉曉峰.  計算機工程與應(yīng)用. 2013(07)

博士論文
[1]基于數(shù)字圖像的蝴蝶種類自動識別研究[D]. 李凡.北京林業(yè)大學(xué) 2015
[2]基于數(shù)字圖像的主要蛾類害蟲分類識別研究[D]. 蔡小娜.河北農(nóng)業(yè)大學(xué) 2013
[3]支持向量機和支持向量域描述的若干問題研究[D]. 梁錦錦.西安電子科技大學(xué) 2009
[4]支持向量機算法及其應(yīng)用研究[D]. 張國云.湖南大學(xué) 2006

碩士論文
[1]基于昆蟲形狀特征的模式識別[D]. 梁國政.北京郵電大學(xué) 2010
[2]基于顏色特征的圖像檢索技術(shù)研究[D]. 梁晶.廈門大學(xué) 2009
[3]彩色圖像分割技術(shù)的研究—圖像邊緣檢測技術(shù)的研究應(yīng)用[D]. 楊方方.江南大學(xué) 2009
[4]基于昆蟲翅脈的特征識別技術(shù)研究[D]. 黃濤.北京郵電大學(xué) 2010
[5]基于圖像模式識別技術(shù)的昆蟲識別研究[D]. 唐強.昆明理工大學(xué) 2006
[6]儲糧昆蟲圖像模式識別研究[D]. 劉燕.成都理工大學(xué) 2002



本文編號：3397543