基于图像识别的储粮害虫检测

• 作 者: 王德发
• 出 处: 北京邮电大学
• 发表日期: 2017年01期
• 关键词: 储粮害虫 目标定位 图像分割 SVM SURF

据中国统计年鉴显示,我国2015年的粮食产量达到了 6.21亿吨,实现了自2003年以来粮食产量的连续增产。然而,在粮食存储过程中,储粮害虫对粮食的安全存储构成了较大的威胁。为了掌握仓库中的储粮害虫发生发展情况,一般采用取样检查法或诱集检查法来对害虫的分布密度进行估计,但这两种方法往往涉及到较大的工作量,还会使得识别的结果存在误差。因此,本文采用图像识别的方法来对储粮害虫进行在线检测,主要的研究工作如下:1.建立了一个包含九种常见储粮害虫图像的图像数据集LQIDSGP。为了实现储粮害虫的实时检测,首先通过储粮害虫诱捕与图像采集系统获取图像,然后运用基于MSERs的区域检测方法获取目标区域,最后采用区域合并的方法获取含有单头储粮害虫的图像。2.实现了储粮害虫图像的多目标定位以及图像分割。通过先验知识对前景与背景进行标记,采用分水岭算法对图像进行分割,从而获取仅含有单头储粮害虫的图像;在此基础上,通过采用可变阈值方法解决了图像分割过程中的阴影问题。3.实现了储粮害虫的识别。抽取储粮害虫图像的基本特征(几何形状特征、Hu不变矩特征)、颜色特征,并进行标准化,利用SVM分类器对储粮害虫进行分类,最终获得了 94.7%的召回率。4.验证了基本特征、基于SURF描述子的词袋特征、颜色特征对于储粮害虫分类的有效性。通过采用LeicaM205FA相机获取储粮害虫图像并建立了图像数据集HQIDSGP,抽取单头储粮害虫的基本特征、颜色特征、基于SURF描述子的词袋特征。单独采用基于SURF描述子的词袋特征时,召回率能达到94.2%;融合颜色特征与基本特征时,召回率能达到96.7%。