版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、害蟲快速檢測與識別是農(nóng)作物病蟲害防治的基礎(chǔ)。傳統(tǒng)的害蟲分類和識別主要是專家通過肉眼觀察害蟲的外部特征并與模式標(biāo)本對照來完成的,這種識別方法費(fèi)時(shí)費(fèi)力。隨著計(jì)算機(jī)技術(shù)的發(fā)展,人們逐漸將圖像處理技術(shù)與模式識別技術(shù)應(yīng)用到害蟲的研究和識別中,并建立害蟲的識別系統(tǒng),豐富了識別手段,提高了識別效率。
本文以農(nóng)田典型害蟲作為研究對象,采用數(shù)字圖像處理技術(shù)和模式識別技術(shù)研究了害蟲圖像的分割、特征提取、分類器分類等方面技術(shù)問題,并在此基礎(chǔ)上結(jié)合3
2、G無線網(wǎng)絡(luò)技術(shù)建立了基于物聯(lián)網(wǎng)的昆蟲遠(yuǎn)程自動識別系統(tǒng)。本論文的主要研究工作如下:
(1)設(shè)計(jì)了害蟲圖像采集系統(tǒng)。本論文研究的害蟲尺寸差異較大,同一害蟲姿態(tài)各異,而且害蟲的活動能力較強(qiáng)。為此,本論文研究了滿足兩種需求的害蟲采集系統(tǒng)。一種系統(tǒng)采集誘捕到的害蟲的圖像。該系統(tǒng)對象的特點(diǎn)是目標(biāo)靜止、目標(biāo)到鏡頭的距離固定、視野范圍固定,因此,該系統(tǒng)使用CMOS相機(jī)和定焦鏡頭。另一種系統(tǒng)實(shí)時(shí)采集田間害蟲的圖像。該系統(tǒng)對象的特點(diǎn)是目標(biāo)運(yùn)動、目
3、標(biāo)到鏡頭的距離可變、視野范圍可變,因此,該系統(tǒng)使用CCD相機(jī)和變焦鏡頭。
(2)提出了基于HSV顏色模型的害蟲圖像分割技術(shù)。本論文針對害蟲圖像背景和目標(biāo)顏色的特點(diǎn),將基于HSV顏色模型的Otsu閾值分割方法應(yīng)用到背景和目標(biāo)的分割中。在進(jìn)行圖像分割前,將圖像的RGB模型轉(zhuǎn)換成HSV模型,并且將轉(zhuǎn)換得到的H分量旋轉(zhuǎn)180度后利用Otsu算法自適應(yīng)找到閾值,從而實(shí)現(xiàn)了背景和目標(biāo)的分離。最后,對分割后的圖像進(jìn)行了一些后續(xù)處理,得到完整
4、的害蟲目標(biāo)。該分割技術(shù)克服了采用害蟲RGB原圖進(jìn)行分割時(shí),有較多背景錯(cuò)分為目標(biāo)的不足。
(3)研究了害蟲圖像多特征提取技術(shù)和特征選擇技術(shù)。根據(jù)害蟲的形態(tài)特點(diǎn),提取了目標(biāo)對象的幾何形狀特征和矩特征兩類形態(tài)特征參數(shù);根據(jù)害蟲之間顏色的差別,提取了害蟲的顏色矩作為顏色特征;根據(jù)害蟲紋理特點(diǎn),提取了基于灰度共生矩陣的害蟲的紋理特征。這些特征共同組成了35個(gè)低層視覺特征。研究了基于蟻群算法的特征選擇技術(shù),將原始的35維特征降低到29維,
5、識別準(zhǔn)確率從87.4%提高到89.5%。本文將近年來圖像處理領(lǐng)域的研究熱點(diǎn)——SIFT局部特征的提取方法應(yīng)用于害蟲圖像的特征提取中。害蟲的局部特征具有旋轉(zhuǎn)、平移和尺度不變的特性、對光照變化不敏感且不依賴于背景分割,適合提取在自然光和復(fù)雜背景下獲得的害蟲圖像的特征值。將局部特征應(yīng)用到昆蟲的分類識別中,既拓寬了局部特征提取技術(shù)的應(yīng)用領(lǐng)域,又給昆蟲的特征值獲取提供了新思路和新方法。
(4)研究了害蟲圖像識別技術(shù)。本文采用SVM模式識
6、別方法建立害蟲的識別模型。介紹了常見模式識別方法,詳細(xì)分析了支持向量機(jī)(SVM)的理論研究基礎(chǔ)和基本方法。本文通過不同特征組合的識別試驗(yàn)驗(yàn)證采用的特征提取技術(shù)和模式分類技術(shù)的有效性。采用由形態(tài)特征、顏色特征和紋理特征組成的低層視覺特征的正確識別率為85%以上;采用經(jīng)過蟻群優(yōu)化的低層視覺特征子集的正確識別率為89.5%;采用原圖的SIFT特征的正確識別率為79.2%。試驗(yàn)結(jié)果表明蟻群優(yōu)化算法能夠消除特征間的相關(guān)性、剔除冗余特征、提高識別率
7、。同時(shí),試驗(yàn)結(jié)果也表明局部特征提取方法可以嘗試應(yīng)用于不進(jìn)行背景分割而直接提取害蟲特征值的研究中。
(5)研究構(gòu)建了基于物聯(lián)網(wǎng)的害蟲遠(yuǎn)程智能識別系統(tǒng)。研究了包括稻縱卷葉螟、斜紋夜蛾、玉米螟、大螟、稻螟蛉、二化螟、金龜子、小地老虎、黃楊絹野螟、螻蛄、桃蛀螟和白背飛虱等12種典型農(nóng)田害蟲的圖像分割、特征值提取技術(shù),并利用SVM分類器完成了分類識別;在上述研究基礎(chǔ)上設(shè)計(jì)了基于物聯(lián)網(wǎng)的害蟲遠(yuǎn)程自動識別系統(tǒng)。系統(tǒng)通過3G無線網(wǎng)絡(luò)組成一個(gè)主
8、控端和多個(gè)遠(yuǎn)端的分布式識別網(wǎng)絡(luò),系統(tǒng)既能夠在遠(yuǎn)端自動識別害蟲,也能夠在遠(yuǎn)端將害蟲圖像壓縮后,通過3G無線網(wǎng)絡(luò)將圖片傳輸?shù)街骺囟?,在主控端進(jìn)行自動識別。系統(tǒng)通過讀入本地磁盤保存的圖片實(shí)現(xiàn)了動態(tài)擴(kuò)充樣本庫的功能。同時(shí),系統(tǒng)設(shè)計(jì)了專家識別的接口,使專家能夠?qū)Ρ鞠到y(tǒng)識別后的害蟲圖片進(jìn)行觀測分析,并和系統(tǒng)識別的結(jié)果進(jìn)行比較。該系統(tǒng)采用在自然光、姿態(tài)隨機(jī)的狀態(tài)下獲得的害蟲圖像建模,識別模型具有較強(qiáng)的泛化能力,克服了現(xiàn)有大多研究中因采用標(biāo)準(zhǔn)樣本圖像建
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于機(jī)器視覺的農(nóng)田害蟲自動識別方法研究.pdf
- 基于機(jī)器視覺的害蟲識別方法研究.pdf
- 基于圖像識別的農(nóng)田害蟲檢測系統(tǒng)的研究.pdf
- 基于圖像識別的農(nóng)田害蟲分類識別研究.pdf
- 基于機(jī)器視覺的農(nóng)田作物行檢測方法研究.pdf
- 基于機(jī)器視覺的布匹疵點(diǎn)快速識別算法的研究.pdf
- 基于機(jī)器視覺的交通標(biāo)志檢測與識別算法研究.pdf
- 基于機(jī)器視覺的板材表面缺陷檢測與識別算法研究.pdf
- 基于機(jī)器視覺的車輛檢測與車型識別技術(shù)研究.pdf
- 基于機(jī)器視覺的帶鋼表面缺陷檢測與識別方法研究.pdf
- 基于機(jī)器視覺的玉米種子品種識別與檢測研究.pdf
- 基于機(jī)器視覺的復(fù)雜塑件識別與檢測技術(shù)研究.pdf
- 基于機(jī)器視覺技術(shù)的番茄長勢信息快速檢測的研究.pdf
- 基于機(jī)器視覺的雜草識別研究.pdf
- 基于機(jī)器視覺的意圖識別研究.pdf
- 基于機(jī)器視覺的精密注塑零件的識別與檢測.pdf
- 基于機(jī)器視覺的車道線檢測識別與車道偏離預(yù)警算法研究.pdf
- 基于機(jī)器視覺的道路識別與障礙物檢測技術(shù)研究.pdf
- 基于弧焊機(jī)器人接縫視覺信息檢測與識別研究.pdf
- 基于機(jī)器人視覺的中厚板焊縫識別與檢測.pdf
評論
0/150
提交評論