溫室黃瓜蚜蟲的圖像檢測(cè)與計(jì)數(shù).pdf

1、作物上害蟲種群密度和危害程度是害蟲防治決策的重要依據(jù)，也是精確噴藥的關(guān)鍵信息。與人工測(cè)蟲方法相比，使用計(jì)算機(jī)視覺來自動(dòng)獲取害蟲信息，不僅可降低勞動(dòng)強(qiáng)度、提高工作效率，而且便于與后續(xù)的防治決策和精確施藥實(shí)現(xiàn)技術(shù)對(duì)接和技術(shù)集成。
　　 當(dāng)前，害蟲檢測(cè)和計(jì)數(shù)的主要困難之一還是小蟲體的檢測(cè)和計(jì)數(shù)。就小蟲體的計(jì)算機(jī)視覺檢測(cè)和計(jì)數(shù)而言，也存在著因蟲體幾何尺寸小而導(dǎo)致圖像處理的困難。其一，在同樣的成像設(shè)備和成像條件下，小蟲體的成像質(zhì)量一般比大

2、蟲體要差，這對(duì)小蟲體圖像特征提取、處理和檢測(cè)都有一些新要求。其二，小蟲體構(gòu)成的蟲群圖像粘連很嚴(yán)重，這對(duì)自動(dòng)化快速準(zhǔn)確計(jì)數(shù)帶來了困難。為此，本文以溫室黃瓜蚜蟲為對(duì)象，研究基于圖像信息的蚜蟲檢測(cè)和計(jì)數(shù)方法。主要研究內(nèi)容和結(jié)論如下：
　　 1)提出基于G分量閾值分割法實(shí)現(xiàn)了蚜蟲檢測(cè)
　　 為尋找蚜蟲圖像中蚜蟲與背景顏色特征的差異，首先將蚜蟲圖像分為：蚜蟲區(qū)域、綠色背景和蚜葉區(qū)。通過分析三部分中G分量的差異，提出了G分量閾值分割

3、法并建立G分量閾值的確定原則。采用G分量閾值：TG＜=115，實(shí)現(xiàn)了將蚜蟲區(qū)域和非蚜蟲區(qū)域分離開來的目的。
　　 2)溫室黃瓜蚜蟲去粘連分割算法的研究
　　 針對(duì)蚜蟲的粘連重疊問題提出了利用分水嶺分割算法去除粘連。傳統(tǒng)的距離變換分水嶺分割和梯度變換分水嶺分割算法都有過分割問題。針對(duì)過分割問題本文對(duì)分水嶺分割算法進(jìn)行了改進(jìn)，提出利用擴(kuò)展極小值閾值變換的方法對(duì)輸入圖像進(jìn)行標(biāo)記，對(duì)標(biāo)記后的圖像進(jìn)行距離變換和分水嶺分割，去除粘連

4、。
　　 在對(duì)圖像進(jìn)行標(biāo)記時(shí)深度閾值h的選擇對(duì)分割效果影響很大。但是目前還缺少確定閾值h的有效原則。本文采用數(shù)值試驗(yàn)建立了閾值h的確定方法。并利用E過、E欠、E誤作為分割優(yōu)劣的指標(biāo)來考證h最優(yōu)。當(dāng)深度閾值h=26時(shí)，誤分割率最小，為3.14％。
　　 3)確定溫室黃瓜蚜蟲的計(jì)數(shù)方法
　　 分別對(duì)去粘連(分水嶺分割算法)前后的蚜蟲圖像采用了連通區(qū)域標(biāo)記法和面積分析法。去粘連前后的連通區(qū)域標(biāo)記法計(jì)數(shù)準(zhǔn)確率為80.7％