[發明專利]一種基于圖像分塊的糧倉害蟲檢測方法

有效

• 申請號: 201810601485.8
• 申請日: 2018-06-12
• 公開（公告）號: CN108875825B
• 公開（公告）日: 2022-01-25
• 發明（設計）人: 李磊;董卓莉;費選;張永威;王峰
• 申請（專利權）人: 河南工業大學
• 主分類號: G06V10/764
• 分類號: G06V10/764;G06V10/774;G06V10/50
• 代理公司: 鄭州睿信知識產權代理有限公司 41119
• 代理人: 崔旭東

本發明涉及一種基于圖像分塊的糧倉害蟲檢測方法，首先對糧倉內圖像集進行訓練，得到訓練好的SVM模型，再將待檢測糧倉內圖像輸入至訓練好的SVM模型中，便可得到待檢測糧倉內圖像害蟲的檢測結果。其中，為了避免害蟲在圖像中所占比例過小而將其當做圖像噪聲的情況出現，將待檢測糧倉內圖像進行分塊處理，每一個區域被視為一幅圖像并進行害蟲檢測；同時，為解決因分塊害蟲被分裂到多個區域塊中造成無法確定糧倉內圖像中害蟲準確數量的問題，將待檢測糧倉內圖像進行多次分塊處理，使倉內圖像中每一只害蟲均能找到一個完全包含該害蟲的區域塊，最后合并所有區域塊檢測結果，得到糧倉內圖像的害蟲檢測結果。該方法有效提升了糧倉內害蟲檢測結果的精度。

技術領域

本發明屬于糧倉害蟲檢測技術領域，具體涉及一種基于圖像分塊的糧倉害蟲檢測方法。

背景技術

糧倉內的害蟲(即糧蟲)是影響糧倉的重要因素。若能及時捕獲糧倉內害蟲的狀況，對害蟲進行及時處理，可以顯著提高糧倉內糧食的安全。

傳統的糧倉內害蟲檢測方法需要人工抽樣，使用計算機視覺設備檢測害蟲，進而估計糧蟲蟲頭密度。這種方法不僅需要人工干預，而且對計算機視覺設備的檢測條件要求較高。

除上述方法外，還可通過檢測害蟲的聲音信號來對糧倉內的害蟲進行檢測。但是，這種方法常常需要特殊的設備來獲取聲音信息。

近年來，隨著糧食智能化建設，越來越多的糧倉通過設置高清攝像頭來實時捕獲糧倉內糧食的狀態數據，對糧倉內糧食的狀態圖片進行處理與分析，以對糧倉內的害蟲進行檢測，保證糧倉內糧食的安全。

根據糧倉內糧食的狀態圖片對糧倉內的害蟲狀況進行分析時，需要使用計算機視覺領域中的對象檢測技術。在對象檢測方法中，通常采用有監督訓練方法對每一類對象設計特定的分類器，并在檢測過程中，評估大量檢測邊界框，從而定位到對象的位置和大小。

其中，比較經典的對象檢測方法為HOG(Histogram of Oriented Gradient)特征和支持向量機(Suppor Vector Machine，SVM)分類器相結合的對象檢測技術，在行人檢測方面取得了較好的成績。SVM作為一種有監督的分類器，在檢測對象時，事先提取訓練集中圖像的特征以訓練SVM，利用訓練好的模型對測試圖像采用窗口滑動搜索算法對其進行檢測。

但是，在糧倉內直接對害蟲進行檢測存在一定的難度。其中最關鍵的問題在于相對于所拍攝的糧倉圖像，害蟲的面積較小，經常被當做噪聲點，從而無法準確檢測到害蟲。

發明內容

本發明的目的在于提供一種基于圖像分塊的糧倉害蟲檢測方法，用以解決由于害蟲面積較小而容易被當做噪聲處理的問題。

為解決上述技術問題，本發明的技術方案為：

本發明提供了一種基于圖像分塊的糧倉害蟲檢測方法，包括如下步驟：

對糧倉內圖像集進行標注，劃分成多個樣本區域塊，并調整至預設大小，提取調整后的每個樣本區域塊的特征，輸入SVM分類器進行訓練，得到訓練好的SVM模型；

按照預設大小對待檢測糧倉內圖像進行首次分塊處理，得到相應個數的區域塊；按照預設大小對待檢測糧倉內圖像進行若干次偏移分塊處理，使得首次分塊處理得到的區域塊中位于邊界處的害蟲必定落入至少一次偏移分塊處理形成的區域塊中；并記錄每個區域塊之間的空間關系；

提取每個區域塊的特征，輸入訓練好的SVM模型，得到每個區域塊的檢測結果；

根據每個區域塊之間的空間關系，將每個區域塊的檢測結果進行整合，得到待檢測糧倉內圖像的害蟲檢測結果。

本發明的有益效果：