發(fā)布時間：2017-10-18 08:30

  本文關鍵詞：基于機器視覺的農田害蟲自動識別方法研究

  更多相關文章： 機器視覺 特征提取 特征優(yōu)化 模式識別

【摘要】：害蟲的監(jiān)測、蟲情蟲害的統(tǒng)計預報工作是害蟲綜合管理預防的重要環(huán)節(jié)之一,傳統(tǒng)的害蟲監(jiān)測統(tǒng)計方式需要具有相關知識的專業(yè)人員完成,而且會耗費大量的人力財力�；跈C器視覺的害蟲自動識別方法具有效率高、無接觸、安裝方便以及識別準確率高等優(yōu)點,十分適合現(xiàn)代農業(yè)生產的需要�；跈C器視覺的害蟲識別與計數(shù)技術應用了昆蟲學、圖像處理以及模式識別等方面的理論原理。目前的研究主要針對的是實驗室環(huán)境下的害蟲識別,而實驗室內的環(huán)境較為穩(wěn)定。實驗室中,沒有風吹、雜物的影響,光照強度均勻穩(wěn)定不會發(fā)生變化,而且害蟲樣本通常由人工擺放。故在此條件下采集到的害蟲圖像的背景簡單,光照穩(wěn)定,目標害蟲姿態(tài)良好。為了能在實際的復雜農業(yè)環(huán)境下實現(xiàn)準確、高效地基于機器視覺的害蟲分類識別,本文對現(xiàn)有的實現(xiàn)方法進行研究、分析,對存在的問題和不足進行了改進和完善。害蟲識別技術主要包括：害蟲圖像采集、害蟲圖像預處理、圖像特征數(shù)據(jù)提取、特空間征優(yōu)化以及分類識別計數(shù)等幾個步驟。為了獲得更加準確、可靠的特征數(shù)據(jù),對圖像預處理技術進行改進,解決了害蟲擺放一致性的問題,減少了灰度紋理特征數(shù)據(jù)的誤差。圖像特征是害蟲識別的基礎,本文提取了包括17種形態(tài)特征、26種紋理特征、11種顏色特征共54維的原始特征空間。為了使害蟲的分類識別結果更加準確、高效,采用多種智能算法對原始特征空間進行優(yōu)化降維,獲取到的最優(yōu)特征子空間有效的提升了害蟲分類識別方法的性能。為了驗證上述設計的方法的可行性,本文使用工控機、攝像頭、光源以及金屬箱體等硬件設備開發(fā)了適用于野外環(huán)境的害蟲自動識別與計數(shù)系統(tǒng)。系統(tǒng)的軟件采用C≠語言編寫,配合硬件設備,實現(xiàn)了害蟲自動識別與計數(shù)、害蟲模型實時建立、害蟲信息遠程傳輸?shù)裙δ?并進行了初步的測試。
【關鍵詞】：機器視覺 特征提取 特征優(yōu)化 模式識別
【學位授予單位】：天津科技大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：S433;TP391.41
【目錄】：

• 摘要4-5
• ABSTRACT5-8
• 1 緒論8-15
• 1.1 課題研究背景8-10
• 1.1.1 害蟲識別技術的發(fā)展8-9
• 1.1.2 基于機器視覺的害蟲識別技術簡介9-10
• 1.1.3 害蟲治理現(xiàn)狀10
• 1.2 相關技術研究現(xiàn)狀10-13
• 1.2.1 圖像預處理技術的研究現(xiàn)狀10-11
• 1.2.2 害蟲特征提取技術的研究現(xiàn)狀11-12
• 1.2.3 害蟲特征優(yōu)化技術的研究現(xiàn)狀12
• 1.2.4 害蟲分類識別方法的研究現(xiàn)狀12-13
• 1.3 課題研究的內容和意義13-15
• 1.3.1 課題研究的內容13-14
• 1.3.2 課題研究的意義14-15
• 2 害蟲圖像采集與預處理15-21
• 2.1 害蟲圖像采集系統(tǒng)15-16
• 2.2 害蟲圖像預處理16-21
• 2.2.1 害蟲圖像增強16-17
• 2.2.2 害蟲圖像分割17-18
• 2.2.3 害蟲樣本擺放一致性問題18-20
• 2.2.4 背景圖像干擾20-21
• 3 害蟲圖像特征提取21-29
• 3.1 形狀特征提取21-24
• 3.1.1 幾何特征提取21-22
• 3.1.2 Hu不變矩特征提取22-24
• 3.2 紋理特征提取24-26
• 3.2.1 基于灰度共生矩陣的紋理特征提取24-25
• 3.2.2 基于小波變換的紋理特征提取25-26
• 3.3 HSV顏色特征提取26-29
• 4 害蟲圖像特征優(yōu)化29-41
• 4.1 基于遺傳算法的特征優(yōu)化29-33
• 4.1.1 遺傳算法概述29-31
• 4.1.2 遺傳算法優(yōu)化特征數(shù)據(jù)31-33
• 4.2 基于模擬退火算法的特征優(yōu)化33-36
• 4.2.1 模擬退火算法概述33-35
• 4.2.2 模擬退火算法優(yōu)化特征數(shù)據(jù)35-36
• 4.3 基于蟻群算法的特征優(yōu)化36-41
• 4.3.1 蟻群算法概述36-37
• 4.3.2 蟻群算法優(yōu)化特征數(shù)據(jù)37-41
• 5 算法實驗結果及分析41-51
• 5.1 分類器設計及實現(xiàn)41-44
• 5.1.1 支持向量機概述41-43
• 5.1.2 libsvm工具箱簡介43
• 5.1.3 支持向量機參數(shù)選擇43-44
• 5.2 優(yōu)化算法實驗44-48
• 5.2.1 遺傳算法實驗結果44-45
• 5.2.2 模擬退火算法實驗結果45-47
• 5.2.3 蟻群算法實驗結果47-48
• 5.3 優(yōu)化結果對比分析48-49
• 5.4 害蟲識別性能提升49-51
• 6 害蟲識別分類的應用研究51-71
• 6.1 硬件系統(tǒng)設計51-58
• 6.1.1 供電系統(tǒng)52-54
• 6.1.2 害蟲誘捕及傳動系統(tǒng)54-56
• 6.1.3 圖像采集與處理系統(tǒng)56-58
• 6.2 系統(tǒng)軟件設計58-68
• 6.2.1 害蟲識別模型建立59-62
• 6.2.2 GPRS功能62-66
• 6.2.3 害蟲識別計數(shù)功能66-68
• 6.3 系統(tǒng)測試68-71
• 7 結論71-72
• 8 展望72-73
• 9 參考文獻73-78
• 10 致謝78

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 孫海霞;張淑娟;薛建新;周靖博;;基于機器視覺和光譜技術水果分級的研究進展[J];農機化研究;2014年01期

2 陳麗君;趙鳳芹;;基于機器視覺的變量機械系統(tǒng)的關鍵技術[J];農機化研究;2005年06期

3 郭海針;馬俊龍;徐海剛;;基于機器視覺的農業(yè)機械無人駕駛系統(tǒng)[J];農機化研究;2009年06期

4 毛璐;趙春江;王開義;張水發(fā);;機器視覺在農產品物流分級檢測中的應用[J];農機化研究;2011年07期

5 馮世杰;王艷平;;基于機器視覺的溫室作物行間雜草的識別[J];信陽農業(yè)高等�？茖W校學報;2012年02期

6 李謙;蔡曉華;;機器視覺在除草機器人中的應用[J];農機化研究;2014年07期

7 黎萍,朱軍燕,劉燕德,嚴霖元;機器視覺在農產品檢測與分級中的應用與展望[J];江西農業(yè)大學學報;2005年05期

8 王靜娜;賀園園;陳雄飛;馮春貴;祝詩平;;機器視覺在農產品品質檢測和采收包裝中的應用[J];農機化研究;2011年07期

9 王潤濤;張長利;房俊龍;王樹文;楊方;田磊;;基于機器視覺的大豆籽粒精選技術[J];農業(yè)工程學報;2011年08期

10 黃星奕;錢媚;徐富斌;;基于機器視覺和近紅外光譜技術的杏干品質無損檢測[J];農業(yè)工程學報;2012年07期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 趙磊;董吉文;李金屏;;拓撲理論在機器視覺中的研究進展[A];全國第十五屆計算機科學與技術應用學術會議論文集[C];2003年

2 張彥東;;基于機器視覺的連接器裝配機床改造研究[A];首屆珠中江科協(xié)論壇論文集[C];2011年

3 蔡小秧;陳文楷;;機器視覺中的魯棒估計技術[A];計算機技術與應用進展·2007——全國第18屆計算機技術與應用（CACIS）學術會議論文集[C];2007年

4 劉雅舉;李娜;張莉;李東明;;機器視覺在藥用玻璃瓶質量檢測中的研究[A];2007年河北省電子學會、河北省計算機學會、河北省自動化學會、河北省人工智能學會、河北省計算機輔助設計研究會、河北省軟件行業(yè)協(xié)會聯(lián)合學術年會論文集[C];2007年

5 吳慶華;代娜;黃俊敏;程志輝;何濤;;基于機器視覺的軸承二維尺寸檢測[A];第六屆全國信息獲取與處理學術會議論文集（1）[C];2008年

6 馬連峰;張秋菊;;基于機器視覺的彩色套印檢測技術研究[A];第十一屆全國包裝工程學術會議論文集（二）[C];2007年

7 金守峰;張慧;;面向機器視覺的織物緯斜檢測方法[A];全國先進制造技術高層論壇暨第九屆制造業(yè)自動化與信息化技術研討會論文集[C];2010年

8 管庶安;周龍;陳永強;廖明潮;;機器視覺在糧食品質檢測中的應用研究[A];中國糧油學會第三屆學術年會論文選集（下冊）[C];2004年

9 張偉華;陳軍;連世江;賈海政;;機器視覺及其在農業(yè)機械中的應用綜述[A];2007年中國農業(yè)工程學會學術年會論文摘要集[C];2007年

10 沈寶國;陳樹人;尹建軍;;基于機器視覺的棉田雜草精確定位研究[A];紀念中國農業(yè)工程學會成立30周年暨中國農業(yè)工程學會2009年學術年會（CSAE 2009）論文集[C];2009年

中國重要報紙全文數(shù)據(jù)庫 前10條

1 本報記者 李劍琦;機器視覺行業(yè)整合正熱 中國市場尚處萌芽期[N];機電商報;2005年

2 本報記者 董碧娟;解密機器視覺“第三只眼”[N];經濟日報;2013年

3 本報記者 郭濤;機器視覺：為機器裝上“眼睛”和“大腦”[N];中國高新技術產業(yè)導報;2014年

4 張均;德國機器視覺傳感器市場前景好[N];中國貿易報;2007年

5 金剛;給機器一雙慧眼[N];計算機世界;2007年

6 朱廣菁;機器視覺怎樣“看”不合格產品[N];大眾科技報;2008年

7 宋昆;用機器視覺控制煙草質量[N];計算機世界;2007年

8 張棟;西安光電子專業(yè)孵化器舉辦專業(yè)展覽會[N];中國高新技術產業(yè)導報;2007年

9 王遐;機器視覺:藥品包裝在線檢測系統(tǒng)開發(fā)成功[N];中國包裝報;2010年

10 點評人 高炎 黃牧青 劉笑一 李士杰 北京大學技術轉移中心;機器視覺輔助冬季道路狀況監(jiān)測[N];科技日報;2014年

中國博士學位論文全文數(shù)據(jù)庫 前10條

1 梁卓銳;機器視覺手勢交互的交互映射研究[D];華南理工大學;2015年

2 孟慶寬;基于機器視覺的農業(yè)車輛—農具組合導航系統(tǒng)路徑識別及控制方法研究[D];中國農業(yè)大學;2014年

3 田明銳;基于機器視覺的散料裝車控制系統(tǒng)研究[D];長安大學;2016年

4 葛動元;面向精密制造與檢測的機器視覺及智能算法研究[D];華南理工大學;2013年

5 饒洪輝;基于機器視覺的作物對行噴藥控制系統(tǒng)研究[D];南京農業(yè)大學;2006年

6 龔愛平;基于嵌入式機器視覺的信息采集與處理技術研究[D];浙江大學;2013年

7 陳麗君;基于機器視覺的變量噴霧控制系統(tǒng)研究[D];沈陽農業(yè)大學;2009年

8 徐曉秋;機器視覺球面孔位快速精密測量系統(tǒng)的研究[D];四川大學;2006年

9 成芳;稻種質量的機器視覺無損檢測研究[D];浙江大學;2004年

10 程洪;面向園藝應用的機器視覺目標辨識方法創(chuàng)新[D];中國農業(yè)大學;2015年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 孫斌;基于FPGA的壓力表盤機器視覺研究與實現(xiàn)[D];昆明理工大學;2015年

2 許哲;基于機器視覺的快速測溫熱電偶焊接技術研究[D];河北聯(lián)合大學;2014年

3 李鵬;基于機器視覺的PCB工業(yè)在線檢測系統(tǒng)研究[D];昆明理工大學;2015年

4 佘燕玲;以用戶為中心的機器視覺手勢交互空間映射關系研究[D];華南理工大學;2015年

5 孫中國;基于機器視覺的面粉袋碼垛機器人研究[D];山東建筑大學;2015年

6 漆靜;基于機器視覺集裝箱吊具智能定位系統(tǒng)研究[D];西南交通大學;2015年

7 張文;基于機器視覺的通信裝備故障識別研究[D];西南交通大學;2015年

8 冉寶山;基于機器視覺的裝料系統(tǒng)試驗研究[D];長安大學;2015年

9 馮康;基于機器視覺的棉花識別與定位技術的研究[D];石河子大學;2015年

10 須嘯海;嵌入式智能交通車流量監(jiān)控系統(tǒng)的實現(xiàn)[D];電子科技大學;2015年

，

本文編號：1053982