论文部分内容阅读
农业害虫的预测和治理对于国家粮食安全和农业发展具有重要作用。目前,农业生产上治理害虫广泛使用的化学防治方法,在消灭害虫的同时,将害虫的天敌也一并杀死,并且带来农药残留、环境污染和生态失衡等问题,给人类、农业发展带来巨大的负面效应。而生物防治因其防治目标特异,无污染、无残留、对人畜安全、对环境友好,成为农业生产上最有应用前景的方法。为了农业害虫预测预报和治理,首先要调查了解农田害虫与天敌数量。而传统的人工调查与识别方法不仅工作量大,而且存在较大误差。近年来,随着计算机视觉、人工智能、图像识别等高新技术的发展,国内外的一些研究机构和研究人员不断将先进的信息技术应用于病虫害的管理工作。利用实时监控系统或数码相机等数字产品获取害虫天敌图像,再利用图像处理、计算机视觉等技术,及时而较为准确地获取田间天敌的种类等信息,对于病虫害的生态治理具有重要的理论意义和实践价值。本研究以棉花棉蚜的三类主要天敌为研究对象,通过提取棉蚜天敌图像的纹理、形状、颜色等全局特征以及SIFT、SURF局部特征,利用神经网络分类和相似性匹配方法进行种间识别研究,主要结果如下:(1)颜色、形状、纹理等相关方面可以提取棉蚜天敌图像的7个全局特征:颜色直方图、HSV颜色矩、形状参数、不变矩、灰度共生矩阵、Tamura以及LBP纹理特征。(2)将颜色、形状和纹理的特征作为输入向量,分别用OSU-SVM Lab和LS-SVM Lab对棉蚜天敌图像进行分类训练识别。分析了7个全局特征各自的识别效果后,提出了基于SVM,利用HSV颜色矩、不变矩和灰度共生矩阵相结合的棉蚜天敌图像识别方法。(3)利用SIFT和SURF这两个局部特征描述子可以提取三类棉蚜天敌图像的局部特征。(4)提出了基于局部特征提取的棉蚜天敌识别方法。利用基于最近邻匹配的相似性度量法对棉蚜天敌图像的局部特征向量进行匹配识别。通过分析识别结果,发现基于SURF的局部特征描述子比SIFT特则描述子具有更快的识别速度和更好的识别效果。(5)在SURF的基础上,结合直方图相交的方法度量图像的相似度,提高了棉蚜天敌图像的识别率。对SURF特征描述子引入了LBP局部二进制纹理描述方式,综合二者的尺度、旋转不变性以及计算简单的优点。实验结果表明,加入LBP的SURF特征匹配,对食蚜蝇的识别率提高有帮助,但是瓢虫的识别率却下降。