專利名稱：一種基于計算機(jī)視覺技術(shù)的廣譜蟲情自動測報方法
技術(shù)領(lǐng)域：
本發(fā)明涉及計算機(jī)視覺技術(shù)領(lǐng)域，尤其涉及一種基于計算機(jī)視覺技術(shù)的廣譜蟲情自動測報方法。
背景技術(shù)：
近年來，食品安全和環(huán)境保護(hù)的觀念已深入人心，由于物種單一導(dǎo)致蟲害泛濫，往往造成農(nóng)業(yè)減產(chǎn)，或矯枉過正過度施藥，甚至兼而有之。準(zhǔn)確的蟲害災(zāi)情監(jiān)測是實現(xiàn)科學(xué)防治蟲害的基礎(chǔ)和前提，研究一種高效、廣譜、自動測報害蟲的方法，對農(nóng)業(yè)安全生產(chǎn)和環(huán)境保護(hù)都有重要的意義。傳統(tǒng)方法往往采用蟲情測報燈，利用昆蟲的趨光性對昆蟲進(jìn)行誘殺來計數(shù)，但是存在以下三個主要問題:1、誘捕昆蟲的種類比較繁雜，不易區(qū)分蟲情的種類，無法實現(xiàn)對單一種類的昆蟲的蟲情進(jìn)行測報，針對性不強(qiáng)；

2、無法誘捕趨光性不強(qiáng)的昆蟲，測報結(jié)果不準(zhǔn)確；3、計數(shù)困難，往往需要人工統(tǒng)計，往往誤差比較大，且缺少自動測報能力，耗費大量人力物力。除利用昆蟲的趨光性之外，也有研究是利用性誘劑誘殺昆蟲并稱重計數(shù)或放電計數(shù)，但是昆蟲質(zhì)量輕微此類方法漏測率很高。另外，還有研究是通過野外昆蟲自動拍攝裝置，獲取處于自然狀態(tài)下的昆蟲數(shù)字圖像，再通過圖像處理方法對特定形態(tài)的昆蟲進(jìn)行計數(shù)，但受到外界干擾較多，在實際生產(chǎn)環(huán)境中識別率不高，且測報品種單一、訓(xùn)練模型較為復(fù)雜，無法實現(xiàn)昆蟲的廣譜測報。

發(fā)明內(nèi)容
(一)要解決的技術(shù)問題針對上述缺陷，本發(fā)明要解決的技術(shù)問題是解決現(xiàn)有技術(shù)中對蟲情的報測結(jié)果不準(zhǔn)確、測報昆蟲種類單一、測報裝置結(jié)構(gòu)復(fù)雜龐大的問題。(二)技術(shù)方案為解決上述問題，本發(fā)明提供了一種基于計算機(jī)視覺技術(shù)的廣譜蟲情自動測報方法，所述方法具體包括:S1:定時獲取捕獲的目標(biāo)昆蟲的昆蟲圖像，其中定時的時間間隔是N小時，N為24的因數(shù)；S2:對獲取的當(dāng)前昆蟲圖像和昨日昆蟲圖像進(jìn)行濾波處理，分別得到當(dāng)前昆蟲輪廓圖和昨日昆蟲輪廓圖；S3:對所述當(dāng)前昆蟲輪廓圖和所述昨日昆蟲輪廓圖進(jìn)行做差處理，得到增量圖；S4:根據(jù)所述增量圖建立和更新昆蟲特征圖譜；S5:根據(jù)所述增量圖計算增加的昆蟲數(shù)量，與上一次昆蟲數(shù)量的增量計數(shù)值相加得到本次昆蟲數(shù)量的增量計數(shù)值；S6:根據(jù)所述昆蟲特征圖譜計算典型昆蟲加權(quán)平均面積，進(jìn)一步計算昆蟲數(shù)量的面積計數(shù)值；S7:根據(jù)所述本次昆蟲數(shù)量的增量計數(shù)值和所述昆蟲數(shù)量的面積計數(shù)值取加權(quán)平均值，計算得到昆蟲總數(shù)。進(jìn)一步地，所述步驟SI中的所述目標(biāo)昆蟲是針對農(nóng)田病害選擇出來的，并且是能被性誘劑誘殺的飛蟲，選擇誘殺所述目標(biāo)昆蟲的性誘劑，并使用黏蟲板捕獲所述目標(biāo)昆蟲。進(jìn)一步地，所述步驟S2中濾波處理具體包括:去色、降噪、邊緣加強(qiáng)、二值化。進(jìn)一步地，所述步驟S4中建立和更新昆蟲特征圖譜具體包括:S41:對所述增量圖進(jìn)行分割，獲取昆蟲圖斑，其中所述昆蟲圖斑為所述增量圖中相互連通的像素，包含昆蟲的形態(tài)特征和面積；S42:計算所述昆蟲圖斑的圖斑面積，并將所述圖斑面積計入到面積分布表中；S43:判斷所述昆蟲特征圖譜是否為空，如果為空則執(zhí)行步驟S44，否則執(zhí)行步驟S45 ；S44:判定所述昆蟲圖斑為新昆蟲圖斑，將所述新昆蟲圖斑直接加入到所述昆蟲特征圖譜中，并將所述新昆蟲圖斑的圖斑面積權(quán)重設(shè)為1，跳轉(zhuǎn)至步驟S46 ；S45:將所述昆蟲圖斑與所述昆蟲特征圖譜中的昆蟲圖斑進(jìn)行比對，如果在所述昆蟲特征圖譜中已經(jīng)存在所述 昆蟲圖斑，則判定所述昆蟲圖斑為已有昆蟲圖斑，將所述已有昆蟲圖斑的圖斑面積權(quán)重增加0.3，并跳轉(zhuǎn)至步驟S46，否則執(zhí)行步驟S44 ；S46:如果所述面積分布表記錄超過20個圖斑面積,計算出每個圖斑面積的面積分布概率，將所述昆蟲特征圖譜中所述面積分布概率小于5%的昆蟲圖斑移除，并將移除的昆蟲圖斑的圖斑面積加入總移除面積中。進(jìn)一步地,步驟S4之后還包括:S47:根據(jù)所述面積分布概率歸一化所述昆蟲圖斑為相同尺寸大小，得到歸一化圖斑，將所述歸一化圖斑作為正例，從所述增量圖中不含昆蟲圖斑部分截取同樣尺寸圖像作為反例；S48:利用所述正例的Harr特征和所述反例的Harr特征進(jìn)行分類器訓(xùn)練，得到級聯(lián)的boosted分類器。進(jìn)一步地，所述步驟S5中根據(jù)所述增量圖計算增加的昆蟲數(shù)量具體包括:S51:根據(jù)所述增量圖中獲取的昆蟲圖斑的數(shù)目得到昆蟲增加的數(shù)目；S52:根據(jù)所述面積分布表從所述昆蟲增加的數(shù)目中減去面積分布概率小于5%的圖斑數(shù)目，得到目標(biāo)昆蟲增量；S53:將上次計算獲取的數(shù)量與目標(biāo)昆蟲增量相加得到本次昆蟲數(shù)量的增量計數(shù)值。進(jìn)一步地，所述步驟S6中計算昆蟲數(shù)量的面積計數(shù)值具體包括:S61:對所述昆蟲輪廓圖進(jìn)行分割，獲取總昆蟲圖斑，其中所述總昆蟲圖斑為所述昆蟲輪廓圖中相互連通的像素，并計算所述昆蟲輪廓圖中全部的白色像素面積，記為總像素面積；S62:使用所述boosted分類器識別所述總昆蟲圖斑，計算昆蟲加權(quán)平均面積；
S63:如果所述總像素面積為小于所述昆蟲加權(quán)平均面積，將所述總移除面積置0 ；S64:所述總像素面積減去所述總移除面積，得到總昆蟲面積；S65:所述總昆蟲面積除以所述昆蟲加權(quán)平均面積，得到所述昆蟲數(shù)量的面積計數(shù)值。(三)有益效果本發(fā)明提供了一種基于計算機(jī)視覺技術(shù)的廣譜蟲情自動測報方法，使用性誘劑以誘殺測報的方式對特定品種的昆蟲成蟲進(jìn)行計數(shù)及測報，可對所有性誘劑可誘殺的飛蟲進(jìn)行誘殺測報，適用范圍較廣，對廣譜(即多品種)昆蟲都可使用本發(fā)明提供的裝置和方法進(jìn)行測報。由于性誘劑只誘殺特定品種害蟲，因此測報結(jié)果針對性好，減少了標(biāo)靶的不確定性，只需更換性誘劑和黏蟲板即可通過機(jī)器視覺和模式識別的方法自動識別昆蟲特征形態(tài)，無需專家干涉，無需對采集算法進(jìn)行調(diào)整，大大提高了蟲情測報系統(tǒng)的準(zhǔn)確性和普適性，同時為蟲害預(yù)警和綜合防治提供科學(xué)的決策依據(jù)。


圖1為本發(fā)明實施例中一種基于計算機(jī)視覺技術(shù)的廣譜蟲情自動測報方法的步驟流程圖；圖2為本發(fā)明實施例中圖像采集時使用的裝置結(jié)構(gòu)示意圖；圖3為本發(fā)明實施例中圖像采集裝置工作示意圖；圖4為本發(fā)明 實施例中去色處理后的當(dāng)前圖和昨日圖；圖5為本發(fā)明實施例中降噪處理后的當(dāng)前圖和昨日圖；圖6為本發(fā)明實施例中邊緣加強(qiáng)處理后的當(dāng)前圖和昨日圖；圖7為本發(fā)明實施例中二值化處理后的當(dāng)前圖和昨日圖；圖8為本發(fā)明實施例中得到的增量圖；圖9為本發(fā)明實施例中步驟S4的步驟流程圖；圖10為本發(fā)明實施例中步驟S5的步驟流程圖；圖11為本發(fā)明實施例中步驟S6的步驟流程圖。
具體實施例方式下面結(jié)合附圖和實施例，對本發(fā)明的具體實施方式
作進(jìn)一步詳細(xì)描述。以下實施例用于說明本發(fā)明，但不用來限制本發(fā)明的范圍。本發(fā)明實施例中提供了一種基于計算機(jī)視覺技術(shù)的廣譜蟲情自動測報方法，步驟流程如圖1所示，具體包括以下步驟:步驟S1:定時獲取捕獲的目標(biāo)昆蟲的昆蟲圖像。本實施例中采集昆蟲圖像采用的是如圖2所示的圖像采集裝置，所述裝置包括誘蟲盒、粘蟲板、相機(jī)、圖像處理終端和百葉箱。百葉箱內(nèi)包括誘蟲盒、粘蟲板、相機(jī)，誘蟲盒在箱體靠近粘蟲板一側(cè)。粘蟲板位于百葉箱內(nèi)壁的一側(cè)。相機(jī)和圖像處理終端也位于百葉箱內(nèi)壁，且與粘蟲板的對側(cè)。
在誘蟲盒中裝有性誘劑，性誘劑吸引昆蟲的成蟲進(jìn)百葉箱。粘蟲板將進(jìn)入百葉箱的目標(biāo)昆蟲粘在粘蟲板上，以便于對于箱體對側(cè)的相機(jī)對粘蟲板進(jìn)行拍攝，拍攝的目的是獲取粘蟲板上的昆蟲圖像。圖像處理終端對昆蟲圖像進(jìn)行一系列處理和計算得到昆蟲總數(shù)。采集到的圖像有圖像處理終端進(jìn)行處理，處理結(jié)果直接發(fā)送給服務(wù)器或者專家系統(tǒng)，用以指導(dǎo)決策或蟲害預(yù)警，實現(xiàn)蟲情的自動測報。粘蟲板為單面、單色的顏色與目標(biāo)昆蟲的顏色有反差，粘蟲板定期更換。裝置還包括LED照明燈，LED照明燈為相機(jī)在百葉箱內(nèi)拍攝照片提供光源。LED照明燈采用色溫6500K的正白光作為光源，LED照明燈面積較大，以避免陰影對圖像采集的影響。每次采集圖像時開啟LED照明燈I秒，之后立即采集粘蟲板圖像，完成采集后立即關(guān)閉LED照明燈。同時為避免昆蟲在光源下運動造成虛影，相機(jī)的快門速度須大于1/100秒，為獲得良好的拍攝效果，本實施例中的相機(jī)分辨率大于200萬像素。使用上述裝置采集圖像的工作示意圖如圖3所示。其中定時的時間間隔是N小時，N為24的因數(shù)，用相機(jī)每隔N小時采集一次昆蟲圖像，并將每次采集的圖像保存。根據(jù)測報需要選則一種昆蟲品種作為測報對象，那么該種昆蟲就為本次測報的目標(biāo)昆蟲。目標(biāo)昆蟲是針對農(nóng)田病害選擇出來的，并且是能被性誘劑誘殺的成蟲期飛蟲。確定目標(biāo)昆蟲后選擇誘殺目標(biāo)昆蟲的性誘劑，并使用黏蟲板捕獲目標(biāo)昆蟲。步驟S2:對獲取的當(dāng) 前昆蟲圖像和昨日昆蟲圖像進(jìn)行濾波處理，分別得到當(dāng)前昆蟲輪廓圖和昨日昆蟲輪廓圖。昨日昆蟲圖像就是24小時前拍攝的昆蟲圖像。其中的濾波處理具體包括:去色、降噪、邊緣加強(qiáng)、二值化。(I)去色:對昆蟲圖像按發(fā)光度獲取灰階圖像，前昆蟲圖像和昨日昆蟲圖像分別進(jìn)行去色處理后得到的圖像如圖4所示，其中圖4A為去色后的當(dāng)前圖像，圖4B是去色后的昨日圖像。按發(fā)光度獲取灰階圖像，發(fā)光度(Luminosity)與RGB的計算關(guān)系為L=0.21XR+0.71XG+0.07XB。(2)降噪:使用5*5的RLE高斯降噪處理去色后的灰階圖像，降噪處理后的圖像如圖5所示，其中圖5A為降噪后的當(dāng)前圖像，圖5B是降噪后的昨日圖像。為了更高地保留了邊緣效果，使用高斯平滑處理灰階圖像。由于圖片90%以上為單一顏色的黏蟲板，因此采用RLE(run-1 ength encoding,游程編碼)對處理流程進(jìn)行壓縮，以降低處理器負(fù)荷，加快處理速度，具體計算方法如下:
權(quán)利要求
1.一種基于計算機(jī)視覺技術(shù)的廣譜蟲情自動測報方法，其特征在于，所述方法具體包括: 51:定時獲取捕獲的目標(biāo)昆蟲的昆蟲圖像，其中定時的時間間隔是N小時，N為24的因數(shù)； 52:對獲取的當(dāng)前昆蟲圖像和昨日昆蟲圖像進(jìn)行濾波處理，分別得到當(dāng)前昆蟲輪廓圖和昨日昆蟲輪廓圖； 53:對所述當(dāng)前昆蟲輪廓圖和所述昨日昆蟲輪廓圖進(jìn)行做差處理，得到增量圖； 54:根據(jù)所述增量圖建立和更新昆蟲特征圖譜； 55:根據(jù)所述增量圖計算增加的昆蟲數(shù)量，與上一次昆蟲數(shù)量的增量計數(shù)值相加得到本次昆蟲數(shù)量的增量計數(shù)值； S6:根據(jù)所述昆蟲特征圖譜計算典型昆蟲加權(quán)平均面積，進(jìn)一步計算昆蟲數(shù)量的面積計數(shù)值； S7:根據(jù)所述本次昆蟲數(shù)量的增量計數(shù)值和所述昆蟲數(shù)量的面積計數(shù)值取加權(quán)平均值，計算得到昆蟲總數(shù)。
2.如權(quán)利要求1所述的方法，其特征在于，所述步驟SI中的所述目標(biāo)昆蟲是針對農(nóng)田病害選擇出來的，并且是能被性誘劑誘殺的飛蟲，選擇誘殺所述目標(biāo)昆蟲的性誘劑，并使用黏蟲板捕獲所述目標(biāo)昆蟲。
3.如權(quán)利要求1所述的方法，其特征在于，所述步驟S2中濾波處理具體包括:去色、降噪、邊緣加強(qiáng)、二值化?！?br> 4.如權(quán)利要求1所述的方法，其特征在于，所述步驟S4中建立和更新昆蟲特征圖譜具體包括: 541:對所述增量圖進(jìn)行分割，獲取昆蟲圖斑，其中所述昆蟲圖斑為所述增量圖中相互連通的像素，包含昆蟲的形態(tài)特征和面積； 542:計算所述昆蟲圖斑的圖斑面積，并將所述圖斑面積計入到面積分布表中； 543:判斷所述昆蟲特征圖譜是否為空，如果為空則執(zhí)行步驟S44，否則執(zhí)行步驟S45 ； S44:判定所述昆蟲圖斑為新昆蟲圖斑，將所述新昆蟲圖斑直接加入到所述昆蟲特征圖譜中，并將所述新昆蟲圖斑的圖斑面積權(quán)重設(shè)為1，跳轉(zhuǎn)至步驟S46 ； 545:將所述昆蟲圖斑與所述昆蟲特征圖譜中的昆蟲圖斑進(jìn)行比對，如果在所述昆蟲特征圖譜中已經(jīng)存在所述昆蟲圖斑，則判定所述昆蟲圖斑為已有昆蟲圖斑，將所述已有昆蟲圖斑的圖斑面積權(quán)重增加0.3，并跳轉(zhuǎn)至步驟S46，否則執(zhí)行步驟S44 ； 546:如果所述面積分布表記錄超過20個圖斑面積，計算出每個圖斑面積的面積分布概率，將所述昆蟲特征圖譜中所述面積分布概率小于5%的昆蟲圖斑移除，并將移除的昆蟲圖斑的圖斑面積加入總移除面積中。
5.如權(quán)利要求1或4所述的方法，其特征在于，步驟S4還包括: S47:根據(jù)所述面積分布概率歸一化所述昆蟲圖斑為相同尺寸大小，得到歸一化圖斑，將所述歸一化圖斑作為正例，從所述增量圖中不含昆蟲圖斑部分截取同樣尺寸圖像作為反例； S48:利用所述正例的Harr特征和所述反例的Harr特征進(jìn)行分類器訓(xùn)練，得到級聯(lián)的boosted分類器。
6.如權(quán)利要求1所述的方法，其特征在于，所述步驟S5中根據(jù)所述增量圖計算增加的昆蟲數(shù)量具體包括: S51:根據(jù)所述增量圖中獲取的昆蟲圖斑的數(shù)目得到昆蟲增加的數(shù)目； S52:根據(jù)所述面積分布表從所述昆蟲增加的數(shù)目中減去面積分布概率小于5%的圖斑數(shù)目，得到目標(biāo)昆蟲增量； S53:將上次計算獲取的數(shù)量與目標(biāo)昆蟲增量相加得到本次昆蟲數(shù)量的增量計數(shù)值。
7.如權(quán)利要求1、4或5中任一項所述的方法，其特征在于，所述步驟S6中計算昆蟲數(shù)量的面積計數(shù)值具體包括: S61:對所述昆蟲輪廓圖進(jìn)行分割，獲取總昆蟲圖斑，其中所述總昆蟲圖斑為所述昆蟲輪廓圖中相互連通的像素，并計算所述昆蟲輪廓圖中全部的白色像素面積，記為總像素面積； S62:使用所述boosted分類器識別所述總昆蟲圖斑，計算昆蟲加權(quán)平均面積； S63:如果所述總像素面積為小于所述昆蟲加權(quán)平均面積，將所述總移除面積置0 ; S64:所述總像素面積減去所述總移除面積，得到總昆蟲面積； S65:所述總昆蟲面積除以所述昆蟲加權(quán)平均面積，得到所述昆蟲數(shù)量的面積計數(shù)值。
全文摘要
本發(fā)明公開了一種基于計算機(jī)視覺技術(shù)的廣譜蟲情自動測報方法，定時獲取捕獲的目標(biāo)昆蟲的昆蟲圖像；對獲取的當(dāng)前昆蟲圖像和昨日昆蟲圖像進(jìn)行濾波處理，分別得到當(dāng)前昆蟲輪廓圖和昨日昆蟲輪廓圖；對當(dāng)前昆蟲輪廓圖和昨日昆蟲輪廓圖進(jìn)行做差處理，得到增量圖；根據(jù)增量圖建立和更新昆蟲特征圖譜；根據(jù)增量圖計算本次昆蟲數(shù)量的增量計數(shù)值；根據(jù)昆蟲特征圖譜計算昆蟲數(shù)量的面積計數(shù)值；根據(jù)本次昆蟲數(shù)量的增量計數(shù)值和昆蟲數(shù)量的面積計數(shù)值取加權(quán)平均值，計算得到昆蟲總數(shù)。本發(fā)明結(jié)合機(jī)器視覺、模式識別以及生物化學(xué)方法，根據(jù)需要對害蟲進(jìn)行自動測報，獲取田間害蟲蟲口密度，為蟲害預(yù)警和綜合防治提供科學(xué)的決策依據(jù)。
文檔編號G06K9/36GK103246872SQ20131015656
公開日2013年8月14日 申請日期2013年4月28日 優(yōu)先權(quán)日2013年4月28日
發(fā)明者徐剛, 陳立平, 張瑞瑞, 孟志軍 申請人:北京農(nóng)業(yè)智能裝備技術(shù)研究中心