本發(fā)明涉及農(nóng)業(yè)技術(shù)領(lǐng)域，具體涉及一種基于三維姿態(tài)估計(jì)的昆蟲識別裝置及方法。

背景技術(shù)：

鱗翅目害蟲對農(nóng)作物造成的危害嚴(yán)重，是田間害蟲監(jiān)測的重點(diǎn)對象，害蟲種類和數(shù)量信息的獲取是害蟲精準(zhǔn)防控的重要前提。目前，害蟲種類、數(shù)量信息的獲取主要通過病蟲觀測場調(diào)查以及大田普查相結(jié)合的方法，這些方法費(fèi)時(shí)費(fèi)力且主觀因素影響較大，時(shí)效性弱，不能滿足生產(chǎn)實(shí)際需求。隨著計(jì)算機(jī)技術(shù)的發(fā)展，基于圖像的害蟲自動識別技術(shù)具有省時(shí)省力、智能化等優(yōu)點(diǎn)，目前該方法已成為田間害蟲自動識別、計(jì)數(shù)的一種主要方法。

燈誘是昆蟲誘集的一種主要方式，燈誘昆蟲種類多、姿態(tài)多樣，昆蟲自動識別難度大，目前主要應(yīng)用二維圖像技術(shù)進(jìn)行燈誘昆蟲的監(jiān)測識別。該方法基于平面式載物臺所獲取的昆蟲圖像信息是單面的，或者是有透明物阻隔的圖像，昆蟲圖像信息的完整性受到影響，影響昆蟲的識別效果。此外，基于圖像特征信息、二維姿態(tài)信息的昆蟲識別算法當(dāng)遇到多種類、多姿態(tài)的昆蟲時(shí)，由于三維蟲體進(jìn)行二維圖像獲取時(shí)造成信息缺失，其識別算法的普適性受到影響，影響昆蟲自動識別準(zhǔn)確率。

技術(shù)實(shí)現(xiàn)要素：

針對現(xiàn)有技術(shù)中的缺陷，本發(fā)明提供了一種基于三維姿態(tài)估計(jì)的昆蟲識別裝置及方法，本發(fā)明能夠有效提高昆蟲識別率。

為解決上述技術(shù)問題，本發(fā)明提供以下技術(shù)方案：

第一方面，本發(fā)明提供了一種基于三維姿態(tài)估計(jì)的昆蟲識別裝置，包括：

三維姿態(tài)信息獲取模塊，用于獲取待識別昆蟲的三維姿態(tài)信息，所述三維姿態(tài)信息包括昆蟲翅膀旋轉(zhuǎn)角度以及軀干變形信息；

昆蟲特征提取模塊，用于獲取待識別昆蟲的特征信息，所述特征信息包括形態(tài)特征、顏色特征和紋理特征；

昆蟲類型識別模塊，用于根據(jù)待識別昆蟲的三維姿態(tài)信息以及特性信息，利用預(yù)先構(gòu)建的基于支持向量機(jī)SVM的昆蟲識別模型，對所述待識別昆蟲進(jìn)行識別，獲取所述待識別昆蟲的類型識別結(jié)果。

進(jìn)一步地，所述三維姿態(tài)信息獲取模塊采用昆蟲圖像采集裝置獲取待識別昆蟲的三維姿態(tài)信息；

其中，所述昆蟲圖像采集裝置包括：昆蟲扎取單元和基于立體視覺的圖像采集單元；

其中，所述昆蟲扎取單元包括：底座、擺臂運(yùn)動模塊、水平運(yùn)動模塊、旋轉(zhuǎn)運(yùn)動模塊和扎蟲模塊；

所述擺臂運(yùn)動模塊，固定在所述底座上，包括：第三電機(jī)、行星齒輪減速機(jī)、旋轉(zhuǎn)軸和支架，所述支架包括絲桿和螺母套；所述行星齒輪減速機(jī)與所述旋轉(zhuǎn)軸連接，所述第三電機(jī)用于驅(qū)動所述行星齒輪減速機(jī)轉(zhuǎn)動，由旋轉(zhuǎn)軸帶動所述扎蟲模塊做擺臂運(yùn)動；

所述水平運(yùn)動模塊，包括：依次連接的第二電機(jī)、傳動軸、第一滾珠絲桿組件和伸縮臂；所述傳動軸通過螺母套固定于所述支架上，所述第二電機(jī)用于帶動所述傳動軸，所述傳動軸用于驅(qū)動所述第一滾珠絲桿組件，所述第一滾珠絲桿組件用于帶動所述伸縮臂進(jìn)行運(yùn)動以實(shí)現(xiàn)所述扎蟲模塊的水平運(yùn)動；

所述旋轉(zhuǎn)運(yùn)動模塊，包括：第四電機(jī)、同步帶、同步輪和法蘭盤；所述第四電機(jī)通過所述同步帶帶動所述同步輪轉(zhuǎn)動，所述法蘭盤與所述同步輪連接，所述法蘭盤與所述扎蟲模塊連接，用于帶動所述扎蟲模塊進(jìn)行轉(zhuǎn)動；

所述扎蟲模塊，包括：針筒、第五電機(jī)、第二滾珠絲桿組件、推桿、彈簧、針桿、針固定槽和扎蟲針；所述第五電機(jī)與所述第二滾珠絲桿組件連接，所述第二滾珠絲桿組件與所述推桿連接，所述彈簧位于所述推桿與所述針桿之間，所述針固定槽位于所述針桿末端，用于固定所述扎蟲針，所述第五電機(jī)用于驅(qū)動扎蟲針進(jìn)行上下運(yùn)動以實(shí)現(xiàn)不用高度昆蟲的扎取和脫落；

其中，所述基于立體視覺的圖像采集單元包括：云臺、光源、半圓形支架以及位于所述半圓形支架上的第一CCD、第二CCD、第三CCD；其中，第一CCD位于所述半圓形支架的斜上方位置、第二CCD位于所述半圓形支架的水平方向位置、所述第三CCD位于所述半圓形支架的斜下方位置；所述云臺與所述半圓形支架連接，用于固定所述第一CCD、第二CCD和第三CCD。

進(jìn)一步地，所述三維姿態(tài)信息獲取模塊，具體用于：

選取能夠代表昆蟲姿態(tài)信息的部位，包括昆蟲的翅膀和昆蟲的軀干，昆蟲的翅膀姿態(tài)特征包括肩角、頂角、臀角，昆蟲的軀干姿態(tài)特征包括頭、腹部末端、軀干骨架；通過選取昆蟲前后翅膀的肩角、頂角、臀角，頭、腹部末端、軀干骨架這些有代表性的部位，并判斷這些部位所處的空間位置以及特征點(diǎn)所組成的面，即可分析出昆蟲翅膀的旋轉(zhuǎn)角度以及軀干變形信息；

以及，采用昆蟲圖像采集裝置獲取待識別昆蟲的三維姿態(tài)信息：

對第一CCD、第二CCD、第三CCD進(jìn)行標(biāo)定；

通過基于立體視覺的圖像采集單元獲取背景圖像、待識別昆蟲的圖像；

將待識別昆蟲的圖像進(jìn)行壓縮、裁剪、去噪的圖像預(yù)處理過程，得到預(yù)處理后的圖像；

將預(yù)處理后的圖像轉(zhuǎn)化成為HSV顏色空間圖像；

選擇H顏色分量圖像，將昆蟲圖像與背景圖像進(jìn)行差分，進(jìn)行背景去噪；

基于邊緣檢測、孔洞填充、去噪進(jìn)行昆蟲分割；

將第一CCD、第三CCD所獲取的圖像進(jìn)行比較，以昆蟲胸部有無足的特征進(jìn)行蟲體正反面的確定，選擇正面圖像、第二CCD獲取的圖像進(jìn)行姿態(tài)信息的獲??；若因姿態(tài)變化沒有正面圖像，則選擇第一CCD或第三CCD所獲取的圖像與第二CCD獲取的圖像進(jìn)行處理；

應(yīng)用角點(diǎn)探測、邊緣曲率極值點(diǎn)探測進(jìn)行軀干、翅膀特征點(diǎn)的搜索，應(yīng)用特征點(diǎn)之間相對位置的關(guān)系進(jìn)行軀干頭、腹部末端特征點(diǎn)以及翅膀特征點(diǎn)的定位；

通過圖像細(xì)化處理提取昆蟲由頭、胸、腹組成的軀干骨架，通過曲線擬合獲取軀干變形信息；

基于極線約束實(shí)現(xiàn)特征點(diǎn)的立體匹配，計(jì)算特征點(diǎn)的三維空間位置信息，與預(yù)設(shè)標(biāo)準(zhǔn)姿態(tài)蟲體進(jìn)行比較，獲得昆蟲翅膀旋轉(zhuǎn)角度、軀干變形的三維姿態(tài)信息。

進(jìn)一步地，所述昆蟲特征提取模塊，具體用于：

基于待識別昆蟲正面和/或反面的二維圖像執(zhí)行如下過程：

對所述二維圖像進(jìn)行壓縮、裁剪、去噪的圖像預(yù)處理過程，得到預(yù)處理后的圖像；

將預(yù)處理后的圖像轉(zhuǎn)化成為HSV顏色空間圖像；

將預(yù)處理后的圖像轉(zhuǎn)化成為灰度圖像；

選擇H顏色分量圖像，將昆蟲圖像與背景圖像進(jìn)行差分，進(jìn)行背景去噪；

基于邊緣檢測、孔洞填充、去噪進(jìn)行昆蟲分割，得到分割圖像；

基于分割圖像提取昆蟲形狀特征；

將分割圖像與HSV顏色空間圖像相結(jié)合提取相應(yīng)顏色特征；

將分割圖像與灰度圖像相結(jié)合提取紋理特征。

進(jìn)一步地，所述昆蟲類型識別模塊，具體用于：

構(gòu)建基于支持向量機(jī)SVM的昆蟲識別模型；

以及，將待識別昆蟲的三維姿態(tài)信息以及特性信息輸入所述昆蟲識別模型并接收所述昆蟲識別模型輸出的昆蟲識別結(jié)果，實(shí)現(xiàn)基于三維姿態(tài)估計(jì)的昆蟲識別；

其中，構(gòu)建基于支持向量機(jī)SVM的昆蟲識別模型，包括：

基于所述昆蟲圖像采集裝置獲取多姿態(tài)昆蟲建模樣本圖像，通過圖像處理提取建模樣本昆蟲的三維姿態(tài)信息和特征信息，并將并所提取的信息作為輸入因子，將昆蟲種類作為輸出因子，對昆蟲識別模型進(jìn)行訓(xùn)練，構(gòu)建基于支持向量機(jī)SVM的昆蟲識別模型；

其中，所述三維姿態(tài)信息包括昆蟲翅膀旋轉(zhuǎn)角度以及軀干變形信息；所述特征信息包括形態(tài)特征、顏色特征和紋理特征。

第二方面，本發(fā)明還提供了一種基于三維姿態(tài)估計(jì)的昆蟲識別方法，包括：

獲取待識別昆蟲的三維姿態(tài)信息，所述三維姿態(tài)信息包括昆蟲翅膀旋轉(zhuǎn)角度以及軀干變形信息；

獲取待識別昆蟲的特征信息，所述特征信息包括形態(tài)特征、顏色特征和紋理特征；

根據(jù)待識別昆蟲的三維姿態(tài)信息以及特性信息，利用預(yù)先構(gòu)建的基于支持向量機(jī)SVM的昆蟲識別模型對所述待識別昆蟲進(jìn)行識別，獲取所述待識別昆蟲的類型識別結(jié)果。

進(jìn)一步地，獲取待識別昆蟲的三維姿態(tài)信息，具體包括：

采用昆蟲圖像采集裝置獲取待識別昆蟲的三維姿態(tài)信息；

其中，所述昆蟲圖像采集裝置包括：昆蟲扎取單元和基于立體視覺的圖像采集單元；

其中，所述昆蟲扎取單元包括：底座、擺臂運(yùn)動模塊、水平運(yùn)動模塊、旋轉(zhuǎn)運(yùn)動模塊和扎蟲模塊；

所述擺臂運(yùn)動模塊，固定在所述底座上，包括：第三電機(jī)、行星齒輪減速機(jī)、旋轉(zhuǎn)軸和支架，所述支架包括絲桿和螺母套；所述行星齒輪減速機(jī)與所述旋轉(zhuǎn)軸連接，所述第三電機(jī)用于驅(qū)動所述行星齒輪減速機(jī)轉(zhuǎn)動，由旋轉(zhuǎn)軸帶動所述扎蟲模塊做擺臂運(yùn)動；

所述水平運(yùn)動模塊，包括：依次連接的第二電機(jī)、傳動軸、第一滾珠絲桿組件和伸縮臂；所述傳動軸通過螺母套固定于所述支架上，所述第二電機(jī)用于帶動所述傳動軸，所述傳動軸用于驅(qū)動所述第一滾珠絲桿組件，所述第一滾珠絲桿組件用于帶動所述伸縮臂進(jìn)行運(yùn)動以實(shí)現(xiàn)所述扎蟲模塊的水平運(yùn)動；

所述旋轉(zhuǎn)運(yùn)動模塊，包括：第四電機(jī)、同步帶、同步輪和法蘭盤；所述第四電機(jī)通過所述同步帶帶動所述同步輪轉(zhuǎn)動，所述法蘭盤與所述同步輪連接，所述法蘭盤與所述扎蟲模塊連接，用于帶動所述扎蟲模塊進(jìn)行轉(zhuǎn)動；

所述扎蟲模塊，包括：針筒、第五電機(jī)、第二滾珠絲桿組件、推桿、彈簧、針桿、針固定槽和扎蟲針；所述第五電機(jī)與所述第二滾珠絲桿組件連接，所述第二滾珠絲桿組件與所述推桿連接，所述彈簧位于所述推桿與所述針桿之間，所述針固定槽位于所述針桿末端，用于固定所述扎蟲針，所述第五電機(jī)用于驅(qū)動扎蟲針進(jìn)行上下運(yùn)動以實(shí)現(xiàn)不用高度昆蟲的扎取和脫落；

其中，所述基于立體視覺的圖像采集單元包括：云臺、光源、半圓形支架以及位于所述半圓形支架上的第一CCD、第二CCD、第三CCD；其中，第一CCD位于所述半圓形支架的斜上方位置、第二CCD位于所述半圓形支架的水平方向位置、所述第三CCD位于所述半圓形支架的斜下方位置；所述云臺與所述半圓形支架連接，用于固定所述第一CCD、第二CCD和第三CCD。

進(jìn)一步地，采用昆蟲圖像采集裝置獲取待識別昆蟲的三維姿態(tài)信息，具體包括：

選取能夠代表昆蟲姿態(tài)信息的部位，包括昆蟲的翅膀和昆蟲的軀干，昆蟲的翅膀姿態(tài)特征包括肩角、頂角、臀角，昆蟲的軀干姿態(tài)特征包括頭、腹部末端、軀干骨架；通過選取昆蟲前后翅膀的肩角、頂角、臀角，頭、腹部末端、軀干骨架這些有代表性的部位，并判斷這些部位所處的空間位置以及特征點(diǎn)所組成的面，即可分析出昆蟲翅膀的旋轉(zhuǎn)角度以及軀干變形信息；

以及，采用昆蟲圖像采集裝置獲取待識別昆蟲的三維姿態(tài)信息，具體包括：

對第一CCD、第二CCD、第三CCD進(jìn)行標(biāo)定；

通過基于立體視覺的圖像采集單元獲取背景圖像、待識別昆蟲的圖像；

將待識別昆蟲的圖像進(jìn)行壓縮、裁剪、去噪的圖像預(yù)處理過程，得到預(yù)處理后的圖像；

將預(yù)處理后的圖像轉(zhuǎn)化成為HSV顏色空間圖像；

選擇H顏色分量圖像，將昆蟲圖像與背景圖像進(jìn)行差分，進(jìn)行背景去噪；

基于邊緣檢測、孔洞填充、去噪進(jìn)行昆蟲分割；

將第一CCD、第三CCD所獲取的圖像進(jìn)行比較，以昆蟲胸部有無足的特征進(jìn)行蟲體正反面的確定，選擇正面圖像、第二CCD獲取的圖像進(jìn)行姿態(tài)信息的獲??；若因姿態(tài)變化沒有正面圖像，則選擇第一CCD或第三CCD所獲取的圖像與第二CCD獲取的圖像進(jìn)行處理；

應(yīng)用角點(diǎn)探測、邊緣曲率極值點(diǎn)探測進(jìn)行軀干、翅膀特征點(diǎn)的搜索，應(yīng)用特征點(diǎn)之間相對位置的關(guān)系進(jìn)行軀干頭、腹部末端特征點(diǎn)以及翅膀特征點(diǎn)的定位；

通過圖像細(xì)化處理提取昆蟲由頭、胸、腹組成的軀干骨架，通過曲線擬合獲取軀干變形信息；

基于極線約束實(shí)現(xiàn)特征點(diǎn)的立體匹配，計(jì)算特征點(diǎn)的三維空間位置信息，與預(yù)設(shè)標(biāo)準(zhǔn)姿態(tài)蟲體進(jìn)行比較，獲得昆蟲翅膀旋轉(zhuǎn)角度、軀干變形的三維姿態(tài)信息。

進(jìn)一步地，獲取待識別昆蟲的特征信息，具體包括：

基于待識別昆蟲正面和/或反面的二維圖像執(zhí)行如下過程：

對所述二維圖像進(jìn)行壓縮、裁剪、去噪的圖像預(yù)處理過程，得到預(yù)處理后的圖像；

將預(yù)處理后的圖像轉(zhuǎn)化成為HSV顏色空間圖像；

將預(yù)處理后的圖像轉(zhuǎn)化成為灰度圖像；

選擇H顏色分量圖像，將昆蟲圖像與背景圖像進(jìn)行差分，進(jìn)行背景去噪；

基于邊緣檢測、孔洞填充、去噪進(jìn)行昆蟲分割，得到分割圖像；

基于分割圖像提取昆蟲形狀特征；

將分割圖像與HSV顏色空間圖像相結(jié)合提取相應(yīng)顏色特征；

將分割圖像與灰度圖像相結(jié)合提取紋理特征。

進(jìn)一步地，根據(jù)待識別昆蟲的三維姿態(tài)信息以及特性信息，利用預(yù)先構(gòu)建的基于支持向量機(jī)SVM的昆蟲識別模型對所述待識別昆蟲進(jìn)行識別，獲取所述待識別昆蟲的類型識別結(jié)果，具體包括：

構(gòu)建基于支持向量機(jī)SVM的昆蟲識別模型；

以及，將待識別昆蟲的三維姿態(tài)信息以及特性信息輸入所述昆蟲識別模型并接收所述昆蟲識別模型輸出的昆蟲識別結(jié)果，實(shí)現(xiàn)基于三維姿態(tài)估計(jì)的昆蟲識別；

其中，構(gòu)建基于支持向量機(jī)SVM的昆蟲識別模型，包括：

基于所述昆蟲圖像采集裝置獲取多姿態(tài)昆蟲建模樣本圖像，通過圖像處理提取建模樣本昆蟲的三維姿態(tài)信息和特征信息，并將并所提取的信息作為輸入因子，將昆蟲種類作為輸出因子，對昆蟲識別模型進(jìn)行訓(xùn)練，構(gòu)建基于支持向量機(jī)SVM的昆蟲識別模型；

其中，所述三維姿態(tài)信息包括昆蟲翅膀旋轉(zhuǎn)角度以及軀干變形信息；所述特征信息包括形態(tài)特征、顏色特征和紋理特征。

由上述技術(shù)方案可知，本發(fā)明提供的基于三維姿態(tài)估計(jì)的昆蟲識別裝置，引入三維姿態(tài)信息作為識別因子，突破了以往只將二維特征信息作為識別模型的輸入因子，有助于提高昆蟲識別準(zhǔn)確率，增強(qiáng)識別算法的魯棒性。

附圖說明

為了更清楚地說明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實(shí)施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖是本發(fā)明的一些實(shí)施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)這些附圖獲得其他的附圖。

圖1是本發(fā)明一個(gè)實(shí)施例提供的基于三維姿態(tài)估計(jì)的昆蟲識別裝置的結(jié)構(gòu)示意圖；

圖2是本發(fā)明一個(gè)實(shí)施例提供的昆蟲圖像采集裝置的結(jié)構(gòu)示意圖；

圖3是本發(fā)明一個(gè)實(shí)施例提供的昆蟲三維姿態(tài)信息獲取過程示意圖；

圖4是本發(fā)明一個(gè)實(shí)施例提供的昆蟲識別模型構(gòu)建過程示意圖；

圖5是本發(fā)明一個(gè)實(shí)施例提供的昆蟲類型識別過程示意圖；

圖6是本發(fā)明另一個(gè)實(shí)施例提供的基于三維姿態(tài)估計(jì)的昆蟲識別方法的流程圖。

具體實(shí)施方式

為使本發(fā)明實(shí)施例的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚，下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整的描述，顯然，所描述的實(shí)施例是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒有作出創(chuàng)造性勞動前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。

根據(jù)背景技術(shù)部分描述可知，目前的大部分研究都是基于昆蟲特征信息、二維姿態(tài)信息的識別研究，導(dǎo)致部分識別信息缺失，導(dǎo)致昆蟲識別算法的普適性受到影響。為了提高昆蟲的識別準(zhǔn)確率，本發(fā)明提供了一種基于三維姿態(tài)估計(jì)的昆蟲識別方法，通過獲取昆蟲圖像，以及通過圖像處理獲取昆蟲三維姿態(tài)信息、特征信息，基于三維姿態(tài)信息、昆蟲特征信息構(gòu)建昆蟲識別模型，改變以往僅將昆蟲特征信息、二維姿態(tài)信息作為昆蟲的識別因子，以提高昆蟲識別準(zhǔn)確率，并增強(qiáng)識別算法的魯棒性。

本發(fā)明一實(shí)施例提供了一種基于三維姿態(tài)估計(jì)的昆蟲識別裝置，參見圖1，該裝置包括：三維姿態(tài)信息獲取模塊100、昆蟲特征提取模塊200和昆蟲類型識別模塊300，其中：

三維姿態(tài)信息獲取模塊100，用于獲取待識別昆蟲的三維姿態(tài)信息，所述三維姿態(tài)信息包括昆蟲翅膀旋轉(zhuǎn)角度以及軀干變形信息；

昆蟲特征提取模塊200，用于獲取待識別昆蟲的特征信息，所述特征信息包括形態(tài)特征、顏色特征和紋理特征；

昆蟲類型識別模塊300，用于根據(jù)待識別昆蟲的三維姿態(tài)信息以及特性信息，利用預(yù)先構(gòu)建的基于支持向量機(jī)SVM的昆蟲識別模型對所述待識別昆蟲進(jìn)行識別，獲取所述待識別昆蟲的類型識別結(jié)果。

由上述記載的技術(shù)方案可知，本發(fā)明實(shí)施例提供的基于三維姿態(tài)估計(jì)的昆蟲識別裝置，引入三維姿態(tài)信息作為識別因子，突破了以往只將二維特征信息作為識別模型的輸入因子，有助于提高昆蟲識別準(zhǔn)確率，增強(qiáng)識別算法的魯棒性。

在一種可選實(shí)施方式中，所述三維姿態(tài)信息獲取模塊100，具體用于：利用昆蟲圖像采集裝置獲取待識別昆蟲的三維姿態(tài)信息；

其中，所述昆蟲圖像采集裝置包括：昆蟲扎取單元和基于立體視覺的圖像采集單元；

其中，所述昆蟲扎取單元包括：底座、擺臂運(yùn)動模塊、水平運(yùn)動模塊、旋轉(zhuǎn)運(yùn)動模塊和扎蟲模塊；

所述擺臂運(yùn)動模塊，固定在所述底座上，包括：第三電機(jī)、行星齒輪減速機(jī)、旋轉(zhuǎn)軸和支架，所述支架包括絲桿和螺母套；所述行星齒輪減速機(jī)與所述旋轉(zhuǎn)軸連接，所述第三電機(jī)用于驅(qū)動所述行星齒輪減速機(jī)轉(zhuǎn)動，由旋轉(zhuǎn)軸帶動所述扎蟲模塊做擺臂運(yùn)動；

所述水平運(yùn)動模塊，包括：依次連接的第二電機(jī)、傳動軸、第一滾珠絲桿組件和伸縮臂；所述傳動軸通過螺母套固定于所述支架上，所述第二電機(jī)用于帶動所述傳動軸，所述傳動軸用于驅(qū)動所述第一滾珠絲桿組件，所述第一滾珠絲桿組件用于帶動所述伸縮臂進(jìn)行運(yùn)動以實(shí)現(xiàn)所述扎蟲模塊的水平運(yùn)動；

所述旋轉(zhuǎn)運(yùn)動模塊，包括：第四電機(jī)、同步帶、同步輪和法蘭盤；所述第四電機(jī)通過所述同步帶帶動所述同步輪轉(zhuǎn)動，所述法蘭盤與所述同步輪連接，所述法蘭盤與所述扎蟲模塊連接，用于帶動所述扎蟲模塊進(jìn)行轉(zhuǎn)動；

所述扎蟲模塊，包括：針筒、第五電機(jī)、第二滾珠絲桿組件、推桿、彈簧、針桿、針固定槽和扎蟲針；所述第五電機(jī)與所述第二滾珠絲桿組件連接，所述第二滾珠絲桿組件與所述推桿連接，所述彈簧位于所述推桿與所述針桿之間，所述針固定槽位于所述針桿末端，用于固定所述扎蟲針，所述第五電機(jī)用于驅(qū)動扎蟲針進(jìn)行上下運(yùn)動以實(shí)現(xiàn)不用高度昆蟲的扎取和脫落；

其中，所述基于立體視覺的圖像采集單元包括：云臺、光源、半圓形支架以及位于所述半圓形支架上的第一CCD、第二CCD、第三CCD；其中，第一CCD位于所述半圓形支架的斜上方位置、第二CCD位于所述半圓形支架的水平方向位置、所述第三CCD位于所述半圓形支架的斜下方位置；所述云臺與所述半圓形支架連接，用于固定所述第一CCD、第二CCD和第三CCD。

參見圖2所示的昆蟲圖像采集裝置的結(jié)構(gòu)示意圖，所述昆蟲扎取單元包括：底座、擺臂運(yùn)動模塊、水平運(yùn)動模塊、旋轉(zhuǎn)運(yùn)動模塊和扎蟲模塊；其中，所述擺臂運(yùn)動模塊位固定于底座1上，包括：第一電機(jī)2、行星減速機(jī)3、旋轉(zhuǎn)軸4、支架，由第一電機(jī)驅(qū)動行星齒輪減速機(jī)轉(zhuǎn)動，由旋轉(zhuǎn)軸帶動扎蟲模塊的擺臂運(yùn)動，支架由絲桿5、螺母套組成6。所述水平運(yùn)動模塊位于伸縮臂上10，通過螺母套6固定于支架上，包括：第二電機(jī)7、傳動軸8、滾珠絲桿組件9，由第二電機(jī)帶動傳動軸，驅(qū)動螺桿運(yùn)動，帶動伸縮臂進(jìn)行運(yùn)動實(shí)現(xiàn)扎蟲模塊水平運(yùn)動。所述旋轉(zhuǎn)運(yùn)動模塊由第三電機(jī)11、同步帶12、同步輪13、法蘭盤14、扎針裝置組成。由第三電機(jī)通過同步帶動同步輪轉(zhuǎn)動，法蘭盤與同步輪相連，扎針裝置與法蘭盤相連，由法蘭盤帶動扎針裝置進(jìn)行轉(zhuǎn)動。所述扎蟲模塊部分包括：針筒、第四電機(jī)15、滾珠絲桿組件16、推桿17、彈簧18、針桿19、針固定槽、扎蟲針20。第四電機(jī)與滾珠絲桿組件相連，滾珠絲桿組件與推桿相連，彈簧位于推桿與針桿之間，針固定槽位于針桿末端，用于固定扎蟲針。通過第四電機(jī)控制扎蟲針的上下運(yùn)動實(shí)現(xiàn)不同高度昆蟲的扎取以及昆蟲的脫落。

優(yōu)選地，所述昆蟲扎取單元還包括：雙目視覺模塊；所述雙目視覺模塊包括雙目視覺21、昆蟲雙目視覺定位模塊，雙目視覺21用于獲取昆蟲圖像，昆蟲雙目視覺定位模塊通過相機(jī)標(biāo)定、立體匹配獲得昆蟲所處的三維空間位置，為扎蟲模塊的擺臂運(yùn)動、水平運(yùn)動、扎取運(yùn)動提供基礎(chǔ)，實(shí)現(xiàn)昆蟲的準(zhǔn)確扎取。

參見圖2所示的昆蟲圖像采集裝置的結(jié)構(gòu)示意圖，基于立體視覺的圖像采集單元，包括半圓形支架22、第一CCD23、第二CCD24、第三CCD25、云臺、光源26。由于昆蟲形體小，多個(gè)機(jī)器視覺存在對焦難的特點(diǎn)，為此，本發(fā)明實(shí)施例應(yīng)用半圓形的支架部署機(jī)器視覺，第一CCD位于斜上方、第二CCD位于水平方向、第三CCD位于斜下方，固定CCD的云臺與半圓形支架連接，應(yīng)用半圓形的支架有利于快速實(shí)現(xiàn)多個(gè)多機(jī)器視覺快速對焦，配合昆蟲扎取單元，可實(shí)現(xiàn)昆蟲360°圖像信息的獲取，提高圖像的獲取效率。

優(yōu)選地，所述昆蟲圖像采集裝置還包括昆蟲回收盒，昆蟲回收盒位于昆蟲扎取單元拍照位置的下方，用于回收已拍過照片的昆蟲。

優(yōu)選地，所述昆蟲圖像采集裝置還包括主控制器，由主控制器負(fù)責(zé)各個(gè)模塊的配合工作，主控制器可以為計(jì)算機(jī)或工控機(jī)，例如，主控制器上有相機(jī)標(biāo)定模塊、昆蟲雙目視覺定位模塊、圖像拍照控制模塊和電機(jī)控制模塊；

其中，相機(jī)標(biāo)定模塊，用張正友平板標(biāo)定法進(jìn)行雙目視覺、基于立體視覺的圖像采集單元的CCD攝相機(jī)標(biāo)定。

其中，雙目視覺定位模塊，具體用于執(zhí)行如下步驟：

①用扎蟲模塊上的雙目視覺獲取昆蟲圖像；

②通過圖像預(yù)處理，將昆蟲圖像二值化；

③應(yīng)用圖像細(xì)化方法提取昆蟲骨架；

④經(jīng)鏈碼表示，結(jié)合蟲體部位特征，判斷蟲體頭位置，離頭部三分之一進(jìn)行蟲體扎取。

⑤通過立體匹配計(jì)算扎取位置所處的三維空間位置。以扎蟲模塊停留于立體視覺的圖像獲取的位置為起始位置，計(jì)算扎蟲模塊在三維空間中所需移動的距離。

圖像拍照控制模塊：當(dāng)扎取裝置扎取昆蟲后，回到拍照位置時(shí)，拍照控制模塊觸發(fā)三個(gè)CCD同時(shí)進(jìn)行拍照。根據(jù)拍照要求，昆蟲扎取單元進(jìn)行旋轉(zhuǎn)；根據(jù)旋轉(zhuǎn)次數(shù)拍照控制模塊控制三個(gè)機(jī)器視覺進(jìn)行拍照。

其中，電機(jī)控制模塊主要控制昆蟲扎取單元運(yùn)動，控制昆蟲扎取單元的擺臂運(yùn)動、水平移動、扎取運(yùn)動、旋轉(zhuǎn)運(yùn)動。根據(jù)雙目視覺所獲取的昆蟲三維位置，擺臂運(yùn)動主要是控制昆蟲扎取單元的伸縮臂轉(zhuǎn)到昆蟲所處的方向上，通過電機(jī)轉(zhuǎn)動的圈數(shù)控制扎蟲模塊轉(zhuǎn)動的角度。水平移動是將扎取裝置移動到昆蟲的正上方，通過電機(jī)轉(zhuǎn)動的圈數(shù)控制伸縮臂移動的距離，扎取部分是控制扎針部分進(jìn)行昆蟲扎取，拍照后進(jìn)行昆蟲脫落，通過電機(jī)轉(zhuǎn)動的圈數(shù)控制扎蟲針的垂直運(yùn)動距離。旋轉(zhuǎn)部分是控制昆蟲扎取單元根據(jù)拍照需要進(jìn)行旋轉(zhuǎn)，通過電機(jī)轉(zhuǎn)動的圈數(shù)控制每次旋轉(zhuǎn)的角度。

其中，電機(jī)控制器控制裝置中昆蟲扎取單元中的電機(jī)工作。

優(yōu)選地，所述昆蟲圖像采集裝置還包括顯示與設(shè)置模塊，所述顯示與設(shè)置模塊用于設(shè)置昆蟲旋轉(zhuǎn)角度、每次采集圖像數(shù)量等。

優(yōu)選地，所述昆蟲圖像采集裝置還包括供電單元，所述供電單元為有源電源，為主控制器、CCD相機(jī)、電機(jī)等提供電源。

在一種可選實(shí)施方式中，所述三維姿態(tài)信息獲取模塊100，具體用于：

A、選取能夠代表昆蟲姿態(tài)信息的部位。

以昆蟲(如鱗翅目昆蟲)標(biāo)準(zhǔn)姿態(tài)(蟲體軀干直，前翅后緣與蟲體軀干垂直，后翅后緣離開腹部，且后翅完全露出)為基準(zhǔn)姿態(tài)。昆蟲姿態(tài)變化主要是由于翅膀繞肩角發(fā)生旋轉(zhuǎn)產(chǎn)生的形變，軀干部分的變形主要由軀干彎曲、扭曲引起。根據(jù)昆蟲姿態(tài)變化的特點(diǎn)，昆蟲姿態(tài)信息的獲取重在選取能代表姿態(tài)信息的部位，包括昆蟲翅膀和軀干。昆蟲的翅膀一般近三角形，翅膀三個(gè)頂點(diǎn)分別為肩角、頂角、臀角；蟲體的軀干由頭、胸、腹組成，通過選取前后翅肩角、頂角、臀角，頭、腹部末端、軀干骨架這些有代表性的部位，并判斷這些部位所處的空間位置以及特征點(diǎn)所組成的面，與標(biāo)準(zhǔn)姿態(tài)蟲體進(jìn)行比較，即可分析出昆蟲翅膀的旋轉(zhuǎn)角度以及軀干變形信息。

B、根據(jù)昆蟲圖像采集裝置獲取待識別昆蟲的三維姿態(tài)信息，參見圖3，過程具體包括：

采用張正友平板標(biāo)定法對圖像采集單元中的CCD進(jìn)行標(biāo)定；

通過基于立體視覺的圖像采集單元獲取背景圖像、待識別昆蟲的圖像；

將待識別昆蟲的圖像進(jìn)行壓縮、裁剪、去噪的圖像預(yù)處理過程，得到預(yù)處理后的圖像；

將預(yù)處理后的圖像轉(zhuǎn)化成為HSV顏色空間圖像；

選擇H顏色分量圖像，將昆蟲圖像與背景圖像進(jìn)行差分，進(jìn)行背景去噪；

基于邊緣檢測、孔洞填充、去噪進(jìn)行昆蟲分割；

將第一CCD、第三CCD所獲取的圖像進(jìn)行比較，以昆蟲胸部有無足的特征進(jìn)行蟲體正反面的確定，選擇正面圖像、第二CCD獲取的圖像進(jìn)行姿態(tài)信息的獲??；若因姿態(tài)變化沒有正面圖像，則選擇第一CCD或第三CCD所獲取的圖像與第二CCD獲取的圖像進(jìn)行處理；

應(yīng)用角點(diǎn)探測、邊緣曲率極值點(diǎn)探測進(jìn)行軀干、翅膀特征點(diǎn)的搜索，應(yīng)用特征點(diǎn)之間相對位置的關(guān)系進(jìn)行軀干頭、軀干骨架特征點(diǎn)以及翅膀特征點(diǎn)的定位；

通過圖像細(xì)化處理提取昆蟲由頭、胸、腹組成的軀干骨架，通過曲線擬合獲取軀干變形信息；

基于極線約束實(shí)現(xiàn)特征點(diǎn)的立體匹配，計(jì)算特征點(diǎn)的三維空間位置信息，與預(yù)設(shè)標(biāo)準(zhǔn)姿態(tài)蟲體進(jìn)行比較，獲得昆蟲翅膀旋轉(zhuǎn)角度、軀干變形的三維姿態(tài)信息。

由上面描述可知，所述三維姿態(tài)信息獲取模塊200在獲取昆蟲三維姿態(tài)信息時(shí)，通過選取昆蟲正面圖像以及第二CCD獲取的圖像進(jìn)行昆蟲三維姿態(tài)信息提取。具體地，應(yīng)用角點(diǎn)探測、邊緣曲率極值點(diǎn)探測進(jìn)行軀干、翅膀特征點(diǎn)的搜索，應(yīng)用特征點(diǎn)之間相對位置的關(guān)系進(jìn)行軀干頭、軀干骨架特征點(diǎn)以及翅膀特征點(diǎn)的定位；通過圖像細(xì)化處理提取昆蟲由頭、胸、腹組成的軀干骨架，通過曲線擬合獲取軀干變形信息；基于極線約束實(shí)現(xiàn)特征點(diǎn)的立體匹配，計(jì)算特征點(diǎn)的三維空間位置信息，與標(biāo)準(zhǔn)姿態(tài)蟲體進(jìn)行比較，獲得昆蟲翅膀旋轉(zhuǎn)角度、軀干變形的三維姿態(tài)信息。

在一種可選實(shí)施方式中，所述昆蟲特征提取模塊200，具體用于：

基于待識別昆蟲正面和/或反面的二維圖像執(zhí)行如下過程：

對所述二維圖像進(jìn)行壓縮、裁剪、去噪的圖像預(yù)處理過程，得到預(yù)處理后的圖像；

將預(yù)處理后的圖像轉(zhuǎn)化成為HSV顏色空間圖像；

將預(yù)處理后的圖像轉(zhuǎn)化成為灰度圖像；

選擇H顏色分量圖像，將昆蟲圖像與背景圖像進(jìn)行差分，進(jìn)行背景去噪；

基于邊緣檢測、孔洞填充、去噪進(jìn)行昆蟲分割，得到分割圖像；

基于分割圖像提取昆蟲形狀特征；

將分割圖像與HSV顏色空間圖像相結(jié)合提取相應(yīng)顏色特征；

將分割圖像與灰度圖像相結(jié)合提取紋理特征。

此外，所述昆蟲特征提取模塊200在進(jìn)行昆蟲特征信息提取時(shí)，可以選擇昆蟲正面圖像或正面與反面圖像進(jìn)行昆蟲特征信息提取。由上面描述可知，所述昆蟲特征提取模塊200在進(jìn)行昆蟲特征信息提取時(shí)，首先基于分割圖像提取昆蟲形狀特征；然后將分割圖像與顏色空間圖像相結(jié)合提取相應(yīng)顏色特征；最后將分割圖像與灰度圖相結(jié)合提取紋理特征。

在一種可選實(shí)施方式中，所述昆蟲類型識別模塊300，具體用于：

a、構(gòu)建基于支持向量機(jī)SVM的昆蟲識別模型。

其中，構(gòu)建基于支持向量機(jī)SVM的昆蟲識別模型的過程包括：

基于所述昆蟲圖像采集裝置獲取多姿態(tài)昆蟲建模樣本圖像，通過圖像處理提取建模樣本昆蟲的三維姿態(tài)信息和特征信息，并將并所提取的信息作為輸入因子，將昆蟲種類作為輸出因子，對昆蟲識別模型進(jìn)行訓(xùn)練，構(gòu)建基于支持向量機(jī)SVM的昆蟲識別模型。

b、將待識別昆蟲的三維姿態(tài)信息以及特性信息輸入所述昆蟲識別模型并接收所述昆蟲識別模型輸出的昆蟲識別結(jié)果，實(shí)現(xiàn)基于三維姿態(tài)估計(jì)的昆蟲識別。

如圖4所示，所述昆蟲類型識別模塊300的工作過程如下：

基于昆蟲圖像采集裝置獲取多姿態(tài)鱗翅目昆蟲建模樣本圖像，通過圖像處理提取建模樣本鱗翅目昆蟲的三維姿態(tài)信息(翅膀旋轉(zhuǎn)角度、軀干變形信息)、特征信息(形態(tài)特征、顏色特征、紋理特征)，并所提取的信息作為輸入因子，將昆蟲種類作為輸出因子，對識別模型進(jìn)行訓(xùn)練，構(gòu)建基于支持向量機(jī)(SVM)的昆蟲識別模型。

基于圖像采集裝置獲取待識別昆蟲圖像，通過圖像處理提取待識別鱗翅目昆蟲的三維姿態(tài)信息(翅膀旋轉(zhuǎn)角度、軀干變形信息)、特征信息(形態(tài)特征、顏色特征、紋理特征)，將所提取的信息輸入識別模型，識別模型輸出昆蟲識別結(jié)果，實(shí)現(xiàn)基于三維姿態(tài)估計(jì)的鱗翅目昆蟲的識別。

參見圖5所示的基于三維姿態(tài)估計(jì)的昆蟲識別流程。該昆蟲識別流程包括采用昆蟲圖像采集裝置獲取昆蟲圖像的過程以及提取昆蟲三維姿態(tài)信息和昆蟲特征信息的過程，最后將提取的昆蟲三維姿態(tài)信息以及昆蟲特征信息輸入至訓(xùn)練好的昆蟲識別模型中，得到昆蟲識別結(jié)果。可見，本發(fā)明實(shí)施例構(gòu)建了一種基于三維姿態(tài)估計(jì)的昆蟲識別方法，引入三維姿態(tài)信息作為識別因子，突破了以往只將二維特征信息作為識別模型的輸入因子，有助于提高昆蟲識別準(zhǔn)確率，增強(qiáng)識別算法的魯棒性。此外，本發(fā)明實(shí)施例還構(gòu)建了基于立體視覺的昆蟲三維姿態(tài)提取方法，通過提取昆蟲軀干、翅膀的形態(tài)特點(diǎn)作為特征點(diǎn)，軀干選取頭、腹部末端、軀干骨架，翅膀選取肩角、頂角、臀角作為特征點(diǎn)，應(yīng)用立體視覺、特征點(diǎn)相對位置進(jìn)行自動定位，通過圖像細(xì)化處理提取軀干骨架，判斷這些特征點(diǎn)、骨架所處的空間位置以及特征點(diǎn)所組成的面，即可分析出昆蟲翅膀的旋轉(zhuǎn)角度以及軀干變形信息。進(jìn)而根據(jù)昆蟲的這些三維姿態(tài)信息以及昆蟲特征信息進(jìn)行昆蟲識別，從而提高了昆蟲識別的準(zhǔn)確率。

將圖像采集裝置與田間燈誘昆蟲監(jiān)測裝置相結(jié)合，可實(shí)現(xiàn)基于三維姿態(tài)估計(jì)的田間燈誘鱗翅目昆蟲的識別。

本發(fā)明另一實(shí)施例提供了一種基于三維姿態(tài)估計(jì)的昆蟲識別方法，參見圖6，該方法包括如下步驟：

步驟101：獲取待識別昆蟲的三維姿態(tài)信息，所述三維姿態(tài)信息包括昆蟲翅膀旋轉(zhuǎn)角度以及軀干變形信息。

步驟102：獲取待識別昆蟲的特征信息，所述特征信息包括形態(tài)特征、顏色特征和紋理特征。

步驟103：根據(jù)待識別昆蟲的三維姿態(tài)信息以及特性信息，利用預(yù)先構(gòu)建的基于支持向量機(jī)SVM的昆蟲識別模型對所述待識別昆蟲進(jìn)行識別，獲取所述待識別昆蟲的類型識別結(jié)果。

在一種可選實(shí)施方式中，上述步驟101具體包括：

采用昆蟲圖像采集裝置獲取待識別昆蟲的三維姿態(tài)信息；

其中，所述昆蟲圖像采集裝置包括：昆蟲扎取單元和基于立體視覺的圖像采集單元；

其中，所述昆蟲扎取單元包括：底座、擺臂運(yùn)動模塊、水平運(yùn)動模塊、旋轉(zhuǎn)運(yùn)動模塊和扎蟲模塊；

所述擺臂運(yùn)動模塊，固定在所述底座上，包括：第三電機(jī)、行星齒輪減速機(jī)、旋轉(zhuǎn)軸和支架，所述支架包括絲桿和螺母套；所述行星齒輪減速機(jī)與所述旋轉(zhuǎn)軸連接，所述第三電機(jī)用于驅(qū)動所述行星齒輪減速機(jī)轉(zhuǎn)動，由旋轉(zhuǎn)軸帶動所述扎蟲模塊做擺臂運(yùn)動；

所述水平運(yùn)動模塊，包括：依次連接的第二電機(jī)、傳動軸、第一滾珠絲桿組件和伸縮臂；所述傳動軸通過螺母套固定于所述支架上，所述第二電機(jī)用于帶動所述傳動軸，所述傳動軸用于驅(qū)動所述第一滾珠絲桿組件，所述第一滾珠絲桿組件用于帶動所述伸縮臂進(jìn)行運(yùn)動以實(shí)現(xiàn)所述扎蟲模塊的水平運(yùn)動；

所述旋轉(zhuǎn)運(yùn)動模塊，包括：第四電機(jī)、同步帶、同步輪和法蘭盤；所述第四電機(jī)通過所述同步帶帶動所述同步輪轉(zhuǎn)動，所述法蘭盤與所述同步輪連接，所述法蘭盤與所述扎蟲模塊連接，用于帶動所述扎蟲模塊進(jìn)行轉(zhuǎn)動；

所述扎蟲模塊，包括：針筒、第五電機(jī)、第二滾珠絲桿組件、推桿、彈簧、針桿、針固定槽和扎蟲針；所述第五電機(jī)與所述第二滾珠絲桿組件連接，所述第二滾珠絲桿組件與所述推桿連接，所述彈簧位于所述推桿與所述針桿之間，所述針固定槽位于所述針桿末端，用于固定所述扎蟲針，所述第五電機(jī)用于驅(qū)動扎蟲針進(jìn)行上下運(yùn)動以實(shí)現(xiàn)不用高度昆蟲的扎取和脫落；

其中，所述基于立體視覺的圖像采集單元包括：云臺、光源、半圓形支架以及位于所述半圓形支架上的第一CCD、第二CCD、第三CCD；其中，第一CCD位于所述半圓形支架的斜上方位置、第二CCD位于所述半圓形支架的水平方向位置、所述第三CCD位于所述半圓形支架的斜下方位置；所述云臺與所述半圓形支架連接，用于固定所述第一CCD、第二CCD和第三CCD。

在一種可選實(shí)施方式中，上述步驟101采用昆蟲圖像采集裝置獲取待識別昆蟲的三維姿態(tài)信息，具體包括：

A、選取能夠代表昆蟲姿態(tài)信息的部位。

以昆蟲(如鱗翅目昆蟲)標(biāo)準(zhǔn)姿態(tài)(蟲體軀干直，前翅后緣與蟲體軀干垂直，后翅后緣離開腹部，且后翅完全露出)為基準(zhǔn)姿態(tài)。昆蟲姿態(tài)變化主要是由于翅膀繞肩角發(fā)生旋轉(zhuǎn)產(chǎn)生的形變，軀干部分的變形主要由軀干彎曲、扭曲引起。根據(jù)昆蟲姿態(tài)變化的特點(diǎn)，昆蟲姿態(tài)信息的獲取重在選取能代表姿態(tài)信息的部位，包括昆蟲翅膀和軀干。昆蟲的翅膀一般近三角形，翅膀三個(gè)頂點(diǎn)分別為肩角、頂角、臀角；蟲體的軀干由頭、胸、腹組成，通過選取前后翅肩角、頂角、臀角，頭、腹部末端、軀干骨架這些有代表性的部位，并判斷這些部位所處的空間位置以及特征點(diǎn)所組成的面，與標(biāo)準(zhǔn)姿態(tài)蟲體進(jìn)行比較，即可分析出昆蟲翅膀的旋轉(zhuǎn)角度以及軀干變形信息。

B、根據(jù)昆蟲圖像采集裝置獲取待識別昆蟲的三維姿態(tài)信息，具體包括：

采用張正友平板標(biāo)定法對圖像采集單元中的CCD進(jìn)行標(biāo)定；

通過基于立體視覺的圖像采集單元獲取背景圖像、待識別昆蟲的圖像；

將待識別昆蟲的圖像進(jìn)行壓縮、裁剪、去噪的圖像預(yù)處理過程，得到預(yù)處理后的圖像；

將預(yù)處理后的圖像轉(zhuǎn)化成為HSV顏色空間圖像；

選擇H顏色分量圖像，將昆蟲圖像與背景圖像進(jìn)行差分，進(jìn)行背景去噪；

基于邊緣檢測、孔洞填充、去噪進(jìn)行昆蟲分割；

將第一CCD、第三CCD所獲取的圖像進(jìn)行比較，以昆蟲胸部有無足的特征進(jìn)行蟲體正反面的確定，選擇正面圖像、第二CCD獲取的圖像進(jìn)行姿態(tài)信息的獲?。蝗粢蜃藨B(tài)變化沒有正面圖像，則選擇第一CCD或第三CCD所獲取的圖像與第二CCD獲取的圖像進(jìn)行處理；

應(yīng)用角點(diǎn)探測、邊緣曲率極值點(diǎn)探測進(jìn)行軀干、翅膀特征點(diǎn)的搜索，應(yīng)用特征點(diǎn)之間相對位置的關(guān)系進(jìn)行軀干頭、腹部末端特征點(diǎn)以及翅膀特征點(diǎn)的定位；

通過圖像細(xì)化處理提取昆蟲由頭、胸、腹組成的軀干骨架，通過曲線擬合獲取軀干變形信息；

基于極線約束實(shí)現(xiàn)特征點(diǎn)的立體匹配，計(jì)算特征點(diǎn)的三維空間位置信息，與預(yù)設(shè)標(biāo)準(zhǔn)姿態(tài)蟲體進(jìn)行比較，獲得昆蟲翅膀旋轉(zhuǎn)角度、軀干變形的三維姿態(tài)信息。

在一種可選實(shí)施方式中，上述步驟102具體包括：

基于待識別昆蟲正面和/或反面的二維圖像執(zhí)行如下過程：

對所述二維圖像進(jìn)行壓縮、裁剪、去噪的圖像預(yù)處理過程，得到預(yù)處理后的圖像；

將預(yù)處理后的圖像轉(zhuǎn)化成為HSV顏色空間圖像；

將預(yù)處理后的圖像轉(zhuǎn)化成為灰度圖像；

選擇H顏色分量圖像，將昆蟲圖像與背景圖像進(jìn)行差分，進(jìn)行背景去噪；

基于邊緣檢測、孔洞填充、去噪進(jìn)行昆蟲分割，得到分割圖像；

基于分割圖像提取昆蟲形狀特征；

將分割圖像與HSV顏色空間圖像相結(jié)合提取相應(yīng)顏色特征；

將分割圖像與灰度圖像相結(jié)合提取紋理特征。

在一種可選實(shí)施方式中，上述步驟103具體包括：

a、構(gòu)建基于支持向量機(jī)SVM的昆蟲識別模型；

b、將待識別昆蟲的三維姿態(tài)信息以及特性信息輸入所述昆蟲識別模型并接收所述昆蟲識別模型輸出的昆蟲識別結(jié)果，實(shí)現(xiàn)基于三維姿態(tài)估計(jì)的昆蟲識別；

其中，上述步驟a構(gòu)建基于支持向量機(jī)SVM的昆蟲識別模型，具體包括：

基于所述昆蟲圖像采集裝置獲取多姿態(tài)昆蟲建模樣本圖像，通過圖像處理提取建模樣本昆蟲的三維姿態(tài)信息和特征信息，并將并所提取的信息作為輸入因子，將昆蟲種類作為輸出因子，對昆蟲識別模型進(jìn)行訓(xùn)練，構(gòu)建基于支持向量機(jī)SVM的昆蟲識別模型；

其中，所述三維姿態(tài)信息包括昆蟲翅膀旋轉(zhuǎn)角度以及軀干變形信息；所述特征信息包括形態(tài)特征、顏色特征和紋理特征。

本實(shí)施例提供的基于三維姿態(tài)估計(jì)的昆蟲識別方法可以采樣上述實(shí)施例所述的基于三維姿態(tài)估計(jì)的昆蟲識別裝置實(shí)現(xiàn)，其具體原理和技術(shù)效果類似，此處不再詳述。

綜上描述，本發(fā)明的關(guān)鍵點(diǎn)在于：

1、構(gòu)建了一種基于三維姿態(tài)估計(jì)的鱗翅目昆蟲識別方法，引入三維姿態(tài)信息作為識別因子，突破了以往只將二維特征信息作為識別模型的輸入因子，有助于提高昆蟲識別準(zhǔn)確率，增強(qiáng)識別算法的魯棒性。

2、構(gòu)建了一種多維度動作的昆蟲扎取單元，實(shí)現(xiàn)擺臂運(yùn)動、水平運(yùn)動以及扎蟲部分旋轉(zhuǎn)運(yùn)動以及昆蟲扎取、脫落運(yùn)動。根據(jù)機(jī)器視覺拍照的需要，將所扎取的昆蟲旋轉(zhuǎn)到相應(yīng)的拍照位置進(jìn)行不同角度昆蟲圖像的獲取。

3、構(gòu)建了一種半圓形的圖像采集裝置，有利于三個(gè)CCD快速實(shí)現(xiàn)對焦，配合扎取單元，獲取清晰的昆蟲360°圖像。

4、構(gòu)建了基于立體視覺的昆蟲三維姿態(tài)提取方法。通過提取昆蟲軀干、翅膀的形態(tài)特點(diǎn)作為特征點(diǎn)，軀干選取頭、腹部末端、軀干骨架，翅膀選取肩角、頂角、臀角作為特征點(diǎn)，應(yīng)用角點(diǎn)探測、邊緣曲率極值點(diǎn)探測進(jìn)行特征點(diǎn)的搜索，應(yīng)用立體視覺、特征點(diǎn)相對位置進(jìn)行自動定位，通過圖像細(xì)化處理提取軀干骨架，判斷這些特征點(diǎn)、骨架所處的空間位置以及特征點(diǎn)所組成的面，與標(biāo)準(zhǔn)姿態(tài)蟲體進(jìn)行比較，即可分析出昆蟲翅膀的旋轉(zhuǎn)角度以及軀干變形信息。

5、本發(fā)明實(shí)施例也可用于鱗翅目昆蟲之外的其它昆蟲識別。

以上實(shí)施例僅用于說明本發(fā)明的技術(shù)方案，而非對其限制；盡管參照前述實(shí)施例對本發(fā)明進(jìn)行了詳細(xì)的說明，本領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)理解：其依然可以對前述各實(shí)施例所記載的技術(shù)方案進(jìn)行修改，或者對其中部分技術(shù)特征進(jìn)行等同替換；而這些修改或替換，并不使相應(yīng)技術(shù)方案的本質(zhì)脫離本發(fā)明各實(shí)施例技術(shù)方案的精神和范圍。