[發(fā)明專利]基于神經(jīng)網(wǎng)絡(luò)的實蠅成蟲圖像識別方法

在審

• 申請?zhí)枺?/td>: 201810087133.5
• 申請日: 2018-01-30
• 公開（公告）號: CN108280483A
• 公開（公告）日: 2018-07-13
• 發(fā)明（設(shè)計）人: 李震;呂石磊;溫威;鄧忠易;代秋芳;薛秀云;洪添勝;宋淑然;吳偉斌;朱余清
• 申請（專利權(quán)）人: 華南農(nóng)業(yè)大學(xué)
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/46;G06N3/06;G06N3/08
• 代理公司: 廣州市華學(xué)知識產(chǎn)權(quán)代理有限公司 44245
• 代理人: 陳宏升

本發(fā)明公開的基于神經(jīng)網(wǎng)絡(luò)的實蠅成蟲圖像識別方法，包括以下步驟：獲取實蠅樣本圖像；采用Hough變換對實蠅樣本圖像進行處理，調(diào)節(jié)圖像，限定條紋有效區(qū)域；采用HSV色彩空間對圖像進行濾值處理，鎖定實蠅中部的盾片區(qū)域；得出實蠅特征區(qū)域，定義實蠅形態(tài)的4種特征因子，提取特征向量；采集一定數(shù)量的特征向量，建立BP神經(jīng)網(wǎng)絡(luò)對數(shù)據(jù)集進行訓(xùn)練，得到神經(jīng)網(wǎng)絡(luò)模型參數(shù)，搭建識別模型；對需識別的實蠅圖像獲取特征向量，將特征向量輸入識別模型，識別模型輸出識別結(jié)果；本發(fā)明能在目標圖像質(zhì)量較差時達到良好的特征提取效果，準確地從圖像中識別，實現(xiàn)計算機自動對實蠅特征區(qū)域進行鎖定，效率和準確率較高，提高蟲害防治的工作效率。

技術(shù)領(lǐng)域

本發(fā)明涉及計算機圖像識別領(lǐng)域，特別涉及基于神經(jīng)網(wǎng)絡(luò)的實蠅成蟲圖像識別方法。

背景技術(shù)

橘小實蠅、南瓜實蠅、瓜實蠅是我國南方實蠅類的優(yōu)勢種，因其寄主范圍廣、危害性強，已被世界上多個國家和地區(qū)列入重要的檢疫對象。在我國，上述三種實蠅主要分布在西南、華南和臺灣地區(qū)，主要危害柑橘、番石榴、芒果、南瓜等重要經(jīng)濟作物，是南方柑橘產(chǎn)區(qū)危害最嚴重以及迫切需要防治的主要害蟲。相比于傳統(tǒng)的人工監(jiān)測蟲害的防治方法，基于機器視覺的實時監(jiān)測方法不僅節(jié)約了高昂的人力成本，在工作成效上也能達到極高的滿意度。準確地從圖像中識別害蟲，是搭建基于機器視覺技術(shù)的害蟲實時監(jiān)測系統(tǒng)的重要前提。

常用的昆蟲圖像目標識別算法采用蟲體的整體形態(tài)特征和色彩特征作為識別依據(jù)，例如楊紅珍等對昆蟲圖像進行基于形狀和顏色特征值的提取，建立徑向基神經(jīng)網(wǎng)絡(luò)分類器進行識別；婁定風(fēng)等提出一種基于形狀和紋理的通用昆蟲圖像模式識別算法，對不同體態(tài)和顏色的昆蟲取得了良好的識別效果。

由于實蠅分類的復(fù)雜性，整體幾何特征和色彩特征并不能對其完全準確地進行分類，經(jīng)過數(shù)字化處理的局部特征反而具備更優(yōu)秀的分類特性。汪露等以實蠅翅標點間的歐氏距離為分類特征，采用隨機森林算法實現(xiàn)了雙翅目果實蠅屬昆蟲的識別；彭瑩瓊等采用幾何形態(tài)測量學(xué)中的標記點法對果蠅翅進行特征提取，結(jié)合BP神經(jīng)網(wǎng)絡(luò)算法實現(xiàn)對果實蠅的分類；張蕾使用改進的boost算法對果蠅翅和胸背區(qū)域特征進行分類。

這些研究均以實蠅翅結(jié)構(gòu)作為特征提取對象，對實蠅圖片質(zhì)量有很高要求，若圖片不夠清晰、未準確捕捉到實蠅翅的脈絡(luò)結(jié)構(gòu)和翅痣，識別的效果會受到較大影響；此外，現(xiàn)有算法也沒有很好地解決從源圖像中自動鎖定特征區(qū)域的問題。

發(fā)明內(nèi)容

本發(fā)明的目的在于克服現(xiàn)有技術(shù)的缺點與不足，提供了基于神經(jīng)網(wǎng)絡(luò)的實蠅成蟲圖像識別方法，選取特征明顯且易于提取的胸背板條紋作為分類依據(jù)，基于HSV色彩空間和Hough變換進行特征區(qū)域分割，并提出與條紋形態(tài)特征相關(guān)的4種有效特征進行數(shù)字化處理，形成特征向量作為神經(jīng)網(wǎng)絡(luò)的輸入,實蠅成蟲具備較好的識別效果，識別效率能夠滿足實時監(jiān)測的要求。

本發(fā)明的目的通過以下的技術(shù)方案實現(xiàn)：

基于神經(jīng)網(wǎng)絡(luò)的實蠅成蟲圖像識別方法，包括以下步驟：

S1、獲取實蠅樣本圖像；

S2、采用Hough變換對實蠅樣本圖像進行處理，調(diào)制圖像實蠅雙翅直線位置，使圖像中實蠅旋轉(zhuǎn)為軀體朝上形態(tài)，同時限定條紋有效區(qū)域；

S3、采用HSV色彩空間對圖像進行濾值處理，鎖定實蠅中部的盾片區(qū)域；

S4、將實蠅雙翅直線位置和實蠅盾片區(qū)域鎖定實蠅的胸背板作為實蠅特征區(qū)域，并對該區(qū)域的中心條紋進一步處理，根據(jù)中心條紋形狀特征的描述方法，定義實蠅形態(tài)的4種特征因子，并根據(jù)特征因子，提取特征向量；

S5、采集一定數(shù)量的實蠅圖像中目標的特征向量，建立BP神經(jīng)網(wǎng)絡(luò)對數(shù)據(jù)集進行訓(xùn)練，從而得到用于實蠅分類的神經(jīng)網(wǎng)絡(luò)模型參數(shù)，以神經(jīng)網(wǎng)絡(luò)模型參數(shù)為基礎(chǔ)，搭建識別模型；其中采集閾值為K，當采集數(shù)量大于K時，則進行下一步，當采集數(shù)量小于K時，則回到步驟S1；