基于機(jī)器視覺與黃板誘導(dǎo)的有翅昆蟲統(tǒng)計(jì)識別系統(tǒng)的研究與實(shí)現(xiàn).pdf

1、害蟲的快速、準(zhǔn)確統(tǒng)計(jì)識別是農(nóng)作物病蟲害防治的基礎(chǔ)。傳統(tǒng)的害蟲檢測主要依靠植保專家通過肉眼進(jìn)行人工統(tǒng)計(jì)與識別，存在主觀性、模糊性且費(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和模式識別技術(shù)應(yīng)用到害蟲的識別中，并建立害蟲識別系統(tǒng)，提高了識別準(zhǔn)確率和工作效率。
　　課題以在田間和大棚采集到的典型有翅昆蟲作為研究對象，以黃板和樹莓派攝像頭構(gòu)建圖像采集系統(tǒng)，以樹莓派作為開發(fā)平臺，完成有翅昆蟲統(tǒng)計(jì)識別系統(tǒng)的搭建。首先，為了有效區(qū)分采集圖

2、像上的目標(biāo)與排泄物、水珠和泥點(diǎn)等雜質(zhì)，論文對比研究了基于連通區(qū)域標(biāo)記和基于深度學(xué)習(xí)網(wǎng)絡(luò)YOLO的有翅昆蟲檢測與計(jì)數(shù)方法。然后，研究了傳統(tǒng)模式識別技術(shù)和基于深度學(xué)習(xí)網(wǎng)絡(luò)的識別技術(shù)。在對傳統(tǒng)模式識別方法的研究中，提取有翅昆蟲的顏色、形狀、紋理等全局特征和HOG局部特征；根據(jù)提取的特征，分別用SVM和BP神經(jīng)網(wǎng)絡(luò)對指定種類的有翅昆蟲構(gòu)建分類器并進(jìn)行分類識別，并探討了基于多元特征組合的分類器的分類識別率。在對深度學(xué)習(xí)網(wǎng)絡(luò)的研究中，分析了基于YO

3、LO深度學(xué)習(xí)網(wǎng)絡(luò)的識別技術(shù)。最后，完成樹莓派開發(fā)環(huán)境的搭建，運(yùn)用Python、OpenCV和Darknet完成了統(tǒng)計(jì)識別系統(tǒng)；以在花卉種植基地和草莓大棚采集到的黃板圖像作為測試圖片，以人工識別的種類和數(shù)量作為標(biāo)準(zhǔn)，對系統(tǒng)的性能進(jìn)行了測試。
　　實(shí)驗(yàn)結(jié)果表明，與連通區(qū)域標(biāo)記方法相比，YOLO深度學(xué)習(xí)網(wǎng)絡(luò)的計(jì)數(shù)準(zhǔn)確率更高，抗干擾能力更強(qiáng)。對于分類結(jié)果，由于用于訓(xùn)練的樣本數(shù)量不夠，YOLO的分類準(zhǔn)確率不高；SVM分類器在運(yùn)算速度和分類準(zhǔn)