[發(fā)明專利]基于顏色和模型的農(nóng)田害蟲識(shí)別和計(jì)數(shù)方法

無效

• 申請?zhí)枺?/td>: 201210406153.7
• 申請日: 2012-10-23
• 公開（公告）號(hào): CN102930249A
• 公開（公告）日: 2013-02-13
• 發(fā)明（設(shè)計(jì)）人: 汪建;陳濤;杜世平
• 申請（專利權(quán)）人: 四川農(nóng)業(yè)大學(xué);汪建
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06N3/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于顏色和模型的農(nóng)田害蟲識(shí)別和計(jì)數(shù)方法，其特征是包含以下具體步驟：

（1）通過田間捕捉裝置，獲取農(nóng)田害蟲的原始圖像；

（2）將原始圖像從RGB顏色空間轉(zhuǎn)換到HSI顏色空間，并選取H和S參數(shù)作為害蟲圖像的特征；

（3）對圖像進(jìn)行飽和度增強(qiáng)計(jì)算，并提取害蟲的顏色特征參數(shù)；

（4）將農(nóng)田害蟲原始圖像從RGB格式轉(zhuǎn)化為灰度格式，并進(jìn)行自適應(yīng)二值化處理；

（5）農(nóng)田害蟲圖像再經(jīng)形態(tài)學(xué)處理后，完成圖像分割，并提取害蟲形狀特征參數(shù)；

（6）結(jié)合建立的農(nóng)田害蟲模型數(shù)據(jù)庫和害蟲的顏色特征參數(shù)及形狀特征參數(shù)設(shè)計(jì)遺傳神經(jīng)網(wǎng)絡(luò)模型，其具體步驟為：

（6.1）初始化運(yùn)行參數(shù)，遺傳算法中個(gè)體的變量為神經(jīng)元網(wǎng)絡(luò)權(quán)值，取M，N，I分別為隱層、輸入層和輸出層節(jié)點(diǎn)數(shù)；

（6.2）確定網(wǎng)絡(luò)權(quán)值和初始化種群，若總的種群W＝(w₁,w₂,......,w_n)，內(nèi)有w₁,w₂,......,w_n共n個(gè)個(gè)體種群數(shù)，則確定目標(biāo)函數(shù)為：

E=12PΣp=1pΣi=1I[fi(x)-y(i)]2,]]>而取適應(yīng)度函數(shù)為f=1E;]]>

其中P為訓(xùn)練樣本對總數(shù)，I為輸出層節(jié)點(diǎn)數(shù)，y(i)為第i個(gè)訓(xùn)練樣本的期望網(wǎng)絡(luò)輸出值，f_i(x)為第i個(gè)訓(xùn)練樣本的網(wǎng)絡(luò)輸出值；

（6.3）進(jìn)行種群復(fù)制，同時(shí)保持種群規(guī)模的一致性，對適應(yīng)度值從大到小進(jìn)行排序，保留最優(yōu)個(gè)體不進(jìn)行交叉和變異操作，對剩余個(gè)體按照交叉算子Pc和變異算子Pm進(jìn)行交叉和變異操作，重復(fù)直到組成新一代種群；

（6.4）完成神經(jīng)網(wǎng)絡(luò)的識(shí)別計(jì)算；

（7）完成農(nóng)田害蟲的識(shí)別和計(jì)數(shù)。

2.根據(jù)權(quán)利要求1所述的基于顏色和模型的農(nóng)田害蟲識(shí)別和計(jì)數(shù)方法，其特征是：在步驟（3）對圖像進(jìn)行飽和度增強(qiáng)計(jì)算中，對飽和度S進(jìn)行基于期望值的圖像增強(qiáng)調(diào)整，是先算出圖像中每個(gè)像素點(diǎn)飽和度數(shù)值及其在圖像中出現(xiàn)的概率，求出其數(shù)學(xué)期望E(x)，并以此調(diào)整圖像的飽和度，調(diào)整公式定義為：

S′_i＝E(x)+(1-E(x))·S_i^α

S_i是原來的飽和度分量，S′_i是調(diào)整后飽和度分量，α為拉伸因子，決定飽和度分量的飽和程度，x_i為圖像中飽和度的值，p_i為該飽和度值對應(yīng)出現(xiàn)的概率，R為圖像的像素點(diǎn)總數(shù)。

3.根據(jù)權(quán)利要求1所述的基于顏色和模型的農(nóng)田害蟲識(shí)別和計(jì)數(shù)方法，其特征是：在步驟（3）提取害蟲的顏色特征參數(shù)中，共提取了色調(diào)均值、飽和度均值、色調(diào)最大差值、飽和度最大差值4個(gè)顏色特征參數(shù)。