[發(fā)明專利]一種小體積害蟲自動檢測方法及系統(tǒng)有效
| 申請?zhí)枺?/td> | 201910660393.1 | 申請日： | 2019-07-22 |
| 公開（公告）號： | CN110428374B | 公開（公告）日： | 2021-08-03 |
| 發(fā)明（設(shè)計）人： | 李文勇;李明;楊信廷 | 申請（專利權(quán)）人： | 北京農(nóng)業(yè)信息技術(shù)研究中心 |
| 主分類號： | G06T5/00 | 分類號： | G06T5/00;G06T5/40;G06T7/00;G06T7/11;G06T7/136;G06T7/168;G06T7/62;G06K9/46 |
| 代理公司： | 北京路浩知識產(chǎn)權(quán)代理有限公司 11002 | 代理人： | 馬瑞 |
| 地址： | 100097 北京市海淀區(qū)*** | 國省代碼： | 北京;11 |
| 權(quán)利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關(guān)鍵詞： | 一種 體積 害蟲 自動檢測 方法 系統(tǒng) | ||
1.一種小體積害蟲自動檢測方法，其特征在于，包括：
獲取粘蟲板區(qū)域圖像，并對所述粘蟲板區(qū)域圖像進行分塊，得到多個子塊圖像；
對于每一子塊圖像，基于二維傅里葉變換和二維傅里葉逆變換，提取所述子塊圖像中的所有顯著區(qū)域，確定顯著區(qū)域灰度圖，并基于自適應(yīng)閾值算法，將所述顯著區(qū)域灰度圖轉(zhuǎn)換為第一類二值圖像，將所述第一類二值圖像中面積處于預(yù)設(shè)范圍內(nèi)的顯著區(qū)域作為目標害蟲區(qū)域；
以所述目標害蟲區(qū)域的中心為基準對所述子塊圖像進行裁剪，得到所述子塊圖像中與所述目標害蟲區(qū)域?qū)?yīng)的方塊圖像，并將所述方塊圖像轉(zhuǎn)換為灰度圖像，并確定所述方塊圖像對應(yīng)的一維特征向量；
將所述一維特征向量輸入到預(yù)設(shè)害蟲識別模型中，由所述預(yù)設(shè)害蟲識別模型輸出所述方塊圖像內(nèi)的目標害蟲種類；
所述基于自適應(yīng)閾值算法，將所述顯著區(qū)域灰度圖轉(zhuǎn)換為第一類二值圖像，具體包括：
基于自適應(yīng)閾值算法，確定所述顯著區(qū)域灰度圖對應(yīng)的最優(yōu)二值化閾值；
基于所述最優(yōu)二值化閾值，對所述顯著區(qū)域灰度圖進行二值化處理，將所述顯著區(qū)域灰度圖轉(zhuǎn)換為第一類二值圖像；
所述基于自適應(yīng)閾值算法，確定所述顯著區(qū)域灰度圖對應(yīng)的最優(yōu)二值化閾值，具體用于：
繪制所述顯著區(qū)域灰度圖的灰度直方圖，將所述灰度直方圖中的峰值點與第一個零點進行連線，得到預(yù)設(shè)線段；其中，所述第一個零點即為所述灰度直方圖中的像素個數(shù)第一次取零時對應(yīng)的灰度值；
計算所述灰度直方圖中除所述峰值點和所述第一個零點外的每一點到所述預(yù)設(shè)線段的距離；
選取到所述預(yù)設(shè)線段的距離最大的點對應(yīng)的灰度值作為所述最優(yōu)二值化閾值。
2.根據(jù)權(quán)利要求1所述的小體積害蟲自動檢測方法，其特征在于，所述基于二維傅里葉變換和二維傅里葉逆變換，提取所述子塊圖像中的所有顯著區(qū)域，并確定顯著區(qū)域灰度圖，具體包括：
基于二維傅里葉變換，獲取所述子塊圖像的頻率譜，并計算所述頻率譜的幅值譜和相位譜；
確定所述幅值譜的對數(shù)譜并基于均值濾波器對所述幅值譜的對數(shù)譜進行濾波，獲取所述子塊圖像中圖像背景的對數(shù)譜；
基于所述幅值譜的對數(shù)譜以及所述圖像背景的對數(shù)譜，確定所述子塊圖像中所有顯著區(qū)域的對數(shù)譜；
基于所述所有顯著區(qū)域的對數(shù)譜以及所述相位譜，通過二維傅里葉逆變換確定所述顯著區(qū)域灰度圖。
3.根據(jù)權(quán)利要求1所述的小體積害蟲自動檢測方法，其特征在于，所述獲取粘蟲板區(qū)域圖像，具體包括：
獲取包含有粘蟲板區(qū)域的源圖像，并將所述源圖像從RGB顏色空間轉(zhuǎn)換到Y(jié)CbCr空間；
提取所述源圖像在所述YCbCr空間內(nèi)的Cb分量圖像，并將所述Cb分量圖像轉(zhuǎn)換為第二類二值圖像；
將所述源圖像與所述第二類二值圖像進行數(shù)學(xué)相乘，獲取所述粘蟲板區(qū)域圖像。
4.根據(jù)權(quán)利要求1-3中任一項所述的小體積害蟲自動檢測方法，其特征在于，在將所述第一類二值圖像中面積處于預(yù)設(shè)范圍內(nèi)的顯著區(qū)域作為目標害蟲區(qū)域之前，還包括：
基于所述第一類二值圖像中每個顯著區(qū)域所占的像素數(shù)，計算每個顯著區(qū)域的面積。
5.根據(jù)權(quán)利要求1-3中任一項所述的小體積害蟲自動檢測方法，其特征在于，所述預(yù)設(shè)害蟲識別模型具體通過如下方法構(gòu)建：
獲取多個方塊圖像樣本，所述方塊圖像樣本中包含有不同類別的目標害蟲；
將所述方塊圖像樣本轉(zhuǎn)換為灰度圖像樣本，并確定所述方塊圖像樣本對應(yīng)的一維特征向量；
將所述方塊圖像樣本對應(yīng)的一維特征向量作為輸入、所述方塊圖像樣本中目標害蟲的類別作為輸出對支持向量機分類器進行訓(xùn)練，得到所述預(yù)設(shè)害蟲識別模型。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息，商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于北京農(nóng)業(yè)信息技術(shù)研究中心，未經(jīng)北京農(nóng)業(yè)信息技術(shù)研究中心許可，擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作，請聯(lián)系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201910660393.1/1.html，轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
