專利名稱：稻飛虱蟲情自動(dòng)測報(bào)方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種稻飛虱蟲情自動(dòng)測報(bào)方法，屬于計(jì)算機(jī)數(shù)據(jù)處理技術(shù)領(lǐng)域。
背景技術(shù)：
稻飛虱是水稻主要害蟲，生長繁殖快，危害程度大，容易造成水稻嚴(yán)重減產(chǎn)。因此， 準(zhǔn)確的病蟲害災(zāi)情監(jiān)測和預(yù)報(bào)，是實(shí)現(xiàn)科學(xué)防治病蟲害的基礎(chǔ)和前提，研究一種實(shí)時(shí)、高 效、自動(dòng)測報(bào)害蟲的方法，實(shí)現(xiàn)病蟲害防治與保護(hù)生態(tài)環(huán)境協(xié)調(diào)并重的目標(biāo)具有重要的意 義。害蟲的實(shí)時(shí)檢測是進(jìn)行綜合防治的一種手段，只有準(zhǔn)確的檢測，才能做到有目的的防 治，把害蟲種群控制在經(jīng)濟(jì)損害水平以下，既不會(huì)因害蟲造成損失，也不會(huì)因盲目防治造成 浪費(fèi)，加重對(duì)水稻和環(huán)境的污染。隨著科學(xué)技術(shù)的發(fā)展和昆蟲識(shí)別研究的深入，針對(duì)目前農(nóng) 田害蟲實(shí)時(shí)測報(bào)的現(xiàn)狀，研究有效的害蟲自動(dòng)檢測技術(shù)，及時(shí)提供準(zhǔn)確的害蟲種類信息，才 能為害蟲的綜合防治提供科學(xué)的決策依據(jù)。

發(fā)明內(nèi)容
本發(fā)明所要解決的技術(shù)問題是提供一種稻飛虱蟲情自動(dòng)測報(bào)的方法，獲取田間稻 飛虱蟲口密度，為害蟲的綜合防治提供科學(xué)的決策依據(jù)，這有助于提高農(nóng)業(yè)蟲害的自動(dòng)測 報(bào)技術(shù)水平。為解決上述技術(shù)問題，本發(fā)明提供一種稻飛虱蟲情自動(dòng)測報(bào)方法，其特征在于，包 括以下步驟1)利用設(shè)計(jì)野外昆蟲自動(dòng)拍攝裝置，獲取處于自然狀態(tài)、背景為白色的主要針對(duì) 稻飛虱的昆蟲數(shù)字圖像；2)進(jìn)行圖像分割，得到信息完整的昆蟲蟲體背部區(qū)域圖像；3)根據(jù)傅里葉變換，把昆蟲蟲體背部區(qū)域圖像變換到頻率域，得到反映昆蟲背部 顏色和紋理特征的傅里葉頻譜，提取二維傅里葉頻譜窗口數(shù)據(jù)用來描述昆蟲特征；4)建立昆蟲分類器，白背飛虱、褐飛虱、灰飛虱各分為一類，其余昆蟲均歸為第四 類，對(duì)白背飛虱、褐飛虱、灰飛虱進(jìn)行統(tǒng)計(jì)。前述的稻飛虱蟲情自動(dòng)測報(bào)方法，其特征在于在所述步驟2)中，包括以下步驟21)選取合適的顏色閾值；22)通過適當(dāng)?shù)拈撝颠x取，利用圖像二值化方法獲得反映圖像整體和局部特征的 二值化圖像；23)通過形態(tài)學(xué)濾波器，去除足、觸角和噪聲等非目標(biāo)區(qū)域，濾掉形狀與稻飛虱相 差甚遠(yuǎn)的昆蟲，保留與稻飛虱形狀相近的疑似稻飛虱的昆蟲蟲體區(qū)域，并分解為單個(gè)目標(biāo) 區(qū)域的二值化圖像；24)單個(gè)目標(biāo)區(qū)域的二值化圖像和輸入原始圖像相與，得到信息完整的單個(gè)昆蟲 蟲體背部區(qū)域圖像，圖像大小統(tǒng)一截為128X 128像素。前述的稻飛虱蟲情自動(dòng)測報(bào)方法，其特征在于在所述步驟23)中，形態(tài)學(xué)濾波器濾波過程為1)填充掃描線法填充二值圖中閉合區(qū)域內(nèi)小孔洞；2)開啟采用半徑為3的圓盤型結(jié)構(gòu)元素對(duì)圖像進(jìn)行開啟運(yùn)算，保持大的分割區(qū) 域尺寸和形狀不變，切斷細(xì)小的連接，使邊界平滑，消除比結(jié)構(gòu)元素小的噪聲，如足和觸角 非目標(biāo)區(qū)域；3)標(biāo)記對(duì)二值圖中各個(gè)不連通的前景區(qū)域標(biāo)記編號(hào)；4)濾波計(jì)算標(biāo)記編號(hào)區(qū)域的面積，保留面積為1398 3847士50%像素的疑似稻 飛虱區(qū)域；5)分解分解成單個(gè)目標(biāo)區(qū)域的二值化圖像；前述的稻飛虱蟲情自動(dòng)測報(bào)方法，其特征在于在所述步驟21)中，在RGB顏色模 型下，選取藍(lán)色分量B < 140作為顏色閾值。前述的稻飛虱蟲情自動(dòng)測報(bào)方法，其特征在于在所述步驟3)中，用3X3的二維 傅里葉頻譜窗口數(shù)據(jù)描述昆蟲特征，窗口左上角始終為二維傅里葉頻譜中心。前述的稻飛虱蟲情自動(dòng)測報(bào)方法，其特征在于在所述步驟4)中，利用支持向量 機(jī)建立昆蟲分類器。本發(fā)明基于顏色閾值將原始圖像進(jìn)行二值化處理，通過形態(tài)學(xué)濾波器濾波，圖像 的分解和處理，獲取128X128昆蟲蟲體的背部圖像，運(yùn)用二維離散傅里葉變換，提取描述 蟲體背部特征的1X1窗口的傅里葉譜信息，為稻飛虱分類模型提供特征參量，利用支持向 量機(jī)對(duì)稻飛虱進(jìn)行分類，稻飛虱識(shí)別率能達(dá)到90%以上，基本能反映水稻田稻飛虱的蟲口 密度，這有助于提高農(nóng)業(yè)蟲害的自動(dòng)測報(bào)技術(shù)水平。


圖1為野外昆蟲圖像自動(dòng)采集裝置；圖2為三種稻飛虱的原始圖像；圖3為白背飛虱、褐飛虱、灰飛虱基于顏色閾值的二值化處理結(jié)果示意圖；圖4為白背飛虱、褐飛虱、灰飛虱三種稻飛虱經(jīng)形態(tài)學(xué)濾波器濾波輸出圖像；圖5為128 X 128像素蟲體背部圖；圖6為二維對(duì)數(shù)傅里葉頻譜；圖7為本發(fā)明的方法的流程圖。
具體實(shí)施例方式圖像拍攝自行設(shè)計(jì)的基于機(jī)器視覺的主要針對(duì)稻飛虱野外昆蟲圖像自動(dòng)采集裝置如圖1 所示，采集田間處于自然狀態(tài)下昆蟲數(shù)字圖像。采集裝置包括底座、采集工作臺(tái)、拍攝系統(tǒng)和控制系統(tǒng)，采集工作臺(tái)和拍攝系統(tǒng)安 裝在底座上。采集工作臺(tái)由幕布驅(qū)動(dòng)裝置、采集工作臺(tái)幕布及機(jī)架組成，采集工作臺(tái)可以 進(jìn)行橫向運(yùn)動(dòng)，采集工作臺(tái)幕布可以實(shí)現(xiàn)豎向運(yùn)動(dòng)，采集工作臺(tái)幕布為的確良白布，用160W 自鎮(zhèn)流熒光高壓汞燈誘集稻飛虱爬附到采集工作臺(tái)幕布上。拍攝系統(tǒng)由攝像機(jī)、拍攝光源、 安裝于攝像機(jī)上的顯微變焦距鏡頭、攝像機(jī)支架、光源支架、攝像機(jī)工作臺(tái)、光源工作臺(tái)組成，拍攝光源配置于白色采集工作臺(tái)幕布與攝像機(jī)之間，攝像機(jī)安裝在攝像機(jī)支架上，上下 及與采集工作臺(tái)幕布之間的距離均可調(diào)，拍攝光源的上下及與攝像機(jī)之間的距離亦可單獨(dú) 調(diào)整，攝像機(jī)為彩色數(shù)字?jǐn)z像機(jī)，拍攝光源采用環(huán)形冷光源?？刂葡到y(tǒng)由計(jì)算機(jī)、微控制器、 驅(qū)動(dòng)器、圖像采集卡組成，微控制器通過驅(qū)動(dòng)器控制采集工作臺(tái)橫向運(yùn)動(dòng)和白色采集工作 臺(tái)幕布豎向運(yùn)動(dòng)，PC機(jī)利用攝像機(jī)和圖像采集卡定時(shí)拍攝爬附著昆蟲的采集工作臺(tái)幕布， 獲取數(shù)字圖像，PC機(jī)與微控制器相連，實(shí)現(xiàn)圖像采集裝置運(yùn)動(dòng)和圖像自動(dòng)拍攝協(xié)調(diào)進(jìn)行。稻飛虱圖像分割通常，植保專家鑒別稻飛虱的種類主要是依賴于蟲體背部的顏色和紋理，因此，采 用RGB顏色模型，運(yùn)用藍(lán)色分量(B)，基于像素分類的方法進(jìn)行圖像分割處理，提取單個(gè)疑 似稻飛虱的昆蟲蟲體背部圖像。從白背飛虱、褐飛虱和灰飛虱三種不同稻飛虱樣本圖像中選取多幅圖像作為試驗(yàn) 樣本，白背飛虱、褐飛虱和灰飛虱三種稻飛虱的原始圖像如圖2所示。在RGB顏色空間下，源 于相同區(qū)域，用肉眼從樣本圖像中選取17086個(gè)稻飛虱像素以及17086個(gè)背景像素。觀察稻 飛虱、背景像素在3個(gè)顏色分量上的數(shù)據(jù)分布，背景中紅色分量的分布區(qū)間為138 200，綠 色分量的分布區(qū)間為140 202，藍(lán)色分量的分布區(qū)間為135 199。由于采集工作面使用 的確良白布，因此背景的三個(gè)分量呈現(xiàn)比較好對(duì)稱性和一致性，且三個(gè)分量的量都比較大。 前景中其紅色分量分布區(qū)間為29 176，綠色分量的分布區(qū)間為27 174，藍(lán)色分量的分 布區(qū)間為12 161。整體略呈黃色的水稻飛虱藍(lán)色分量較低。因此，取稻飛虱像素的藍(lán)色 分量B < 140作為顏色閾值，只有3. 82 %的前景像素在此閾值范圍外，背景像素被誤分為稻 飛虱的像素較少。進(jìn)行圖像二值化處理，二值化的變換函數(shù)表達(dá)式如式(1)所示，
θf(x,y)>T/(XJ)H1, ^式⑴其中T為最佳閾值。選取水稻飛虱像素的藍(lán)色分量B < 140為閾值，進(jìn)行二值化處理，處理結(jié)果如圖3 所示。通過160W自鎮(zhèn)流熒光高壓汞燈誘集，利用所設(shè)計(jì)的稻飛虱自動(dòng)拍攝裝置，獲取昆 蟲數(shù)字圖像，因此在每幅圖像中，昆蟲個(gè)數(shù)可能不同，昆蟲種類各異。當(dāng)一幅圖像有多個(gè)昆 蟲時(shí)，由于所設(shè)計(jì)的昆蟲分類模型只對(duì)單個(gè)目標(biāo)圖像進(jìn)行識(shí)別，因此，要把多個(gè)昆蟲的圖像 分解為單個(gè)目標(biāo)圖像。圖像中的昆蟲不一定都是稻飛虱，如果將所有昆蟲都當(dāng)作稻飛虱處 理，勢必增加識(shí)別的工作量和降低識(shí)別的準(zhǔn)確率。通常在同一場景下，同種類昆蟲體的面積 會(huì)分布在一個(gè)變化幅度不太大的區(qū)域內(nèi)，因此，設(shè)定稻飛虱面積區(qū)域。對(duì)于二值圖像中面積 超過所規(guī)定稻飛虱面積區(qū)域，視為非目標(biāo)區(qū)，給這些像素重新賦值為0，這樣，這些非稻飛虱 的區(qū)域就會(huì)從目標(biāo)區(qū)域中消除，保留與稻飛虱形狀相近的疑似稻飛虱的昆蟲，輸入分類模 型進(jìn)行分類。經(jīng)植保專家鑒定，選取單個(gè)白背飛虱、褐飛虱和灰飛虱三種稻飛虱圖像多張，先 經(jīng)二值化處理，再計(jì)算三種稻飛虱目標(biāo)區(qū)域的面積，選定疑似稻飛虱的昆蟲面積范圍為 (1398 3847) 士50%像素。形態(tài)學(xué)濾波屬于非線性濾波，它基于信號(hào)的幾何特性，利用預(yù)先定義的結(jié)構(gòu)元素進(jìn)行匹配，以提取信息、保持細(xì)節(jié)特性、抑制噪聲，強(qiáng)調(diào)保持圖像的形態(tài)特性，局部修正信號(hào) 的幾何特性，可以較好地把一個(gè)物體對(duì)象只表示為一個(gè)或少數(shù)幾個(gè)分割區(qū)域。形態(tài)學(xué)濾波器濾波過程(1)填充掃描線法填充二值圖中閉合區(qū)域內(nèi)小孔洞。(2)開啟采用半徑為3的圓盤型結(jié)構(gòu)元素對(duì)圖像進(jìn)行開啟運(yùn)算，保持大的分割區(qū) 域尺寸和形狀不變，切斷細(xì)小的連接，使邊界平滑，消除比結(jié)構(gòu)元素小的噪聲，如足和觸角 等非目標(biāo)區(qū)域。(3)標(biāo)記對(duì)二值圖中各個(gè)不連通的前景區(qū)域標(biāo)記編號(hào)。(4)濾波計(jì)算標(biāo)記編號(hào)區(qū)域的面積，保留面積為(1398 3847) 士50%像素的疑 似稻飛虱區(qū)域。(5)分解分解成單個(gè)目標(biāo)區(qū)域的圖像。圖4為經(jīng)形態(tài)學(xué)濾波器濾波對(duì)應(yīng)三種不同種類的稻飛虱輸出圖像，保留了稻飛虱 蟲體區(qū)域，去除足、觸角和噪聲等非目標(biāo)區(qū)域。圖2稻飛虱的原始圖像灰度圖和圖4蟲體區(qū)域二值圖進(jìn)行邏輯與運(yùn)算，得到信息 完整的稻飛虱背部圖像。由于圖像背景為的確良白布，顏色單一，其大小對(duì)目標(biāo)區(qū)域圖像處 理沒有影響；另一方面，提取稻飛虱蟲體背部的圖像要進(jìn)行二維離散傅里葉變換，用傅里葉 頻譜描述稻飛虱背部特征。因此，將邏輯與后的目標(biāo)圖像大小統(tǒng)一截為128X128像素，其 得到如圖5所示的128X 128像素蟲體背部圖。稻飛虱背部頻譜信息提取通常，植保專家鑒別稻飛虱的種類主要是依賴于蟲體背部的顏色和紋理。白背飛 虱為淡黃色，頭頂顯著突出，頭部后面中央黃白色，兩側(cè)黑褐色，縱隆線不明顯；褐飛虱為褐 色，頭部后面有3條明顯的縱隆線；灰飛虱頭頂與前胸背板黃色，中胸背板雄蟲黑色，雌蟲 中部淡黃色，兩側(cè)暗褐色。蟲體可能因?yàn)橥饨绛h(huán)境因素或本身因素而發(fā)生變異，但一般不會(huì) 超出一定的變幅范圍。本發(fā)明中稻飛虱圖像是在野外，稻飛虱處于自然狀態(tài)下爬附在白色的確良幕布 上，由稻飛虱圖像采集裝置拍攝的。因此，通過圖像處理，其獲取蟲體背部的顏色和紋理是 比較穩(wěn)定的。量化顏色和紋理是一種重要的區(qū)域描述方法，它是反映像素灰度空間分布屬性的 圖像特征，通常表現(xiàn)為局部不規(guī)則但宏觀有規(guī)律的特征。傅里葉頻譜是一種理想的可用描 述周期或者近似周期的二維圖像模式方向性的方法，全局顏色和紋理模式在空域中很難檢 測出來，但是轉(zhuǎn)換到頻域中則容易分辨。因此，頻譜對(duì)區(qū)分周期模式或非周期模式以及周期 模式之間的不同十分有效。利用傅里葉變換把圖像從空間域變換到頻域，提取反映稻飛虱 背部顏色和紋理特征的傅里葉頻譜，為設(shè)計(jì)稻飛虱分類模型提供信息。一幅MXN圖像的函數(shù)f (X，y) 二維離散傅里葉變換如式(2)所示，
權(quán)利要求
1.一種稻飛虱蟲情自動(dòng)測報(bào)方法，其特征在于，包括以下步驟1)利用設(shè)計(jì)的野外昆蟲自動(dòng)拍攝裝置，獲取處于自然狀態(tài)、背景為白色的主要針對(duì)稻 飛虱的昆蟲數(shù)字圖像；2)進(jìn)行圖像分割，得到信息完整的昆蟲蟲體背部區(qū)域圖像；3)根據(jù)傅里葉變換，把昆蟲蟲體背部區(qū)域圖像變換到頻率域，得到反映昆蟲背部顏色 和紋理特征的傅里葉頻譜，提取二維傅里葉頻譜窗口數(shù)據(jù)用來描述昆蟲特征；4)建立昆蟲分類器，白背飛虱、褐飛虱、灰飛虱各分為一類，其余昆蟲均歸為第四類，對(duì) 白背飛虱、褐飛虱、灰飛虱進(jìn)行統(tǒng)計(jì)。
2.根據(jù)權(quán)利要求1所述的稻飛虱蟲情自動(dòng)測報(bào)方法，其特征在于在所述步驟2)中， 包括以下步驟21)選取合適的顏色閾值；22)通過適當(dāng)?shù)拈撝颠x取，利用圖像二值化方法獲得反映圖像整體和局部特征的二值 化圖像；23)通過形態(tài)學(xué)濾波器，去除足、觸角和噪聲等非目標(biāo)區(qū)域，濾掉形狀與稻飛虱相差甚 遠(yuǎn)的昆蟲，保留與稻飛虱形狀相近的疑似稻飛虱的昆蟲蟲體區(qū)域，并分解為單個(gè)目標(biāo)區(qū)域 的二值化圖像；24)單個(gè)目標(biāo)區(qū)域的二值化圖像和輸入原始圖像相與，得到信息完整的單個(gè)昆蟲蟲體 背部區(qū)域圖像，圖像大小統(tǒng)一截為128X128像素。
3.根據(jù)權(quán)利要求2所述的稻飛虱蟲情自動(dòng)測報(bào)方法，其特征在于在所述步驟23)中， 形態(tài)學(xué)濾波器濾波過程為1)填充掃描線法填充二值圖中閉合區(qū)域內(nèi)小孔洞；2)開啟采用半徑為3的圓盤型結(jié)構(gòu)元素對(duì)圖像進(jìn)行開啟運(yùn)算，保持大的分割區(qū)域尺 寸和形狀不變，切斷細(xì)小的連接，使邊界平滑，消除比結(jié)構(gòu)元素小的噪聲，如足和觸角非目 標(biāo)區(qū)域；3)標(biāo)記對(duì)二值圖中各個(gè)不連通的前景區(qū)域標(biāo)記編號(hào)；4)濾波計(jì)算標(biāo)記編號(hào)區(qū)域的面積，保留面積為1398 3847士50%像素的疑似稻飛虱 區(qū)域；5)分解分解成單個(gè)目標(biāo)區(qū)域的二值化圖像；
4.根據(jù)權(quán)利要求2所述的稻飛虱蟲情自動(dòng)測報(bào)方法，其特征在于在所述步驟21)中， 在RGB顏色模型下，選取藍(lán)色分量B < 140作為顏色閾值。
5.根據(jù)權(quán)利要求1所述的稻飛虱蟲情自動(dòng)測報(bào)方法，其特征在于在所述步驟3)中， 用3X3的二維傅里葉頻譜窗口數(shù)據(jù)描述昆蟲特征，窗口左上角始終為二維傅里葉頻譜中 心。
6.根據(jù)權(quán)利要求1所述的稻飛虱蟲情自動(dòng)測報(bào)方法，其特征在于在所述步驟4)中， 利用支持向量機(jī)建立昆蟲分類器。
全文摘要
本發(fā)明公開了一種稻飛虱蟲情自動(dòng)測報(bào)方法，包括以下步驟1)利用設(shè)計(jì)野外昆蟲自動(dòng)拍攝裝置，獲取處于自然狀態(tài)、背景為白色的主要針對(duì)稻飛虱的昆蟲數(shù)字圖像；2)進(jìn)行圖像分割，得到信息完整的昆蟲蟲體背部區(qū)域圖像；3)根據(jù)傅里葉變換，把昆蟲蟲體背部區(qū)域圖像變換到頻率域，得到反映昆蟲背部顏色和紋理特征的傅里葉頻譜，提取二維傅里葉頻譜窗口數(shù)據(jù)用來描述昆蟲特征；4)建立昆蟲分類器，白背飛虱、褐飛虱、灰飛虱各分為一類，其余昆蟲均歸為第四類，對(duì)白背飛虱、褐飛虱、灰飛虱進(jìn)行統(tǒng)計(jì)。本發(fā)明的方法，基本能反映水稻田稻飛虱的蟲口密度，去指導(dǎo)生產(chǎn)和實(shí)踐，也有助于提高農(nóng)業(yè)蟲害的自動(dòng)測報(bào)技術(shù)水平。
文檔編號(hào)G06K9/00GK102096808SQ201110021439
公開日2011年6月15日 申請(qǐng)日期2011年1月19日 優(yōu)先權(quán)日2011年1月19日
發(fā)明者丁為民, 劉德營, 趙三琴 申請(qǐng)人:南京農(nóng)業(yè)大學(xué)