论文部分内容阅读
针对玉米种植人员缺乏系统培训,难以准确识别玉米害虫的问题,本文以玉米害虫为研究对象,研究基于SVM(Support Vector Machine,支持向量机)和DS(Dempster-Shafer)图像数据融合的玉米害虫识别算法。本文对玉米种植过程中常见的三种害虫——地老虎幼虫、玉米螟幼虫和斜纹夜蛾幼虫的图像识别方法进行研究。自然条件下图像采集节点拍摄的图像可能会出现光照不均匀的问题,首先需要对光照进行修正,降低光照对图像的影响。然后,用中值滤波为图像去噪,再进行灰度化、二值化和开运算等操作,便于图像特征的提取。图像预处理后,提取其特征值。特征值以数值化的形式衡量图像,是害虫识别的依据。其中,提取害虫图像颜色的均值、标准方差和偏斜度作为其颜色特征,计算图像在灰度空间的灰度共生矩阵并计算其对比度、相关性和能量作为纹理特征,以Hu矩为形状特征。玉米害虫识别算法采用基于SVM和DS图像数据融合算法,该算法充分结合了SVM在解决小样本分类问题上的优势和DS证据理论的多特征信息融合的能力。首先采用多分类SVM分别计算图像三类特征在同一识别框架上的基本信度分配(BPA),再利用DS理论融合其结果,根据决策规则得出最终的结果。为了方便玉米种植人员的使用,基于JavaWeb设计并实现了玉米害虫识别平台。平台包括登录、配置、组网、害虫识别、环境监测和历史数据查询等功能。图像信息采用3G网络传输,环境信息通过ZigBee进行传输,并设定相应的数据传输协议。最后通过平台针对玉米害虫的识别效果进行实验。实验分为两组,实验图像分别为自然背景下的玉米害虫图片和纯色背景下的玉米害虫图片。两组每种害虫图像各200张,计算SVM对三类图像特征分别分类的结果和DS证据理论融合后的结果。最终的结果显示SVM-DS算法能够更好的对玉米害虫进行识别,达到预期,可以应用于玉米田中,实时识别图像采集设备采集的图像,从而提高玉米的产量和质量,节省人力物力。