[發(fā)明專(zhuān)利]一種小體積害蟲(chóng)自動(dòng)檢測(cè)方法及系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 201910660393.1
• 申請(qǐng)日: 2019-07-22
• 公開(kāi)（公告）號(hào): CN110428374B
• 公開(kāi)（公告）日: 2021-08-03
• 發(fā)明（設(shè)計(jì)）人: 李文勇;李明;楊信廷
• 申請(qǐng)（專(zhuān)利權(quán)）人: 北京農(nóng)業(yè)信息技術(shù)研究中心
• 主分類(lèi)號(hào): G06T5/00
• 分類(lèi)號(hào): 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(shí)產(chǎn)權(quán)代理有限公司 11002
• 代理人: 馬瑞

本發(fā)明提供了一種小體積害蟲(chóng)自動(dòng)檢測(cè)方法及系統(tǒng)，首先獲取粘蟲(chóng)板區(qū)域圖像，并對(duì)所述粘蟲(chóng)板區(qū)域圖像進(jìn)行分塊，得到多個(gè)子塊圖像；然后提取每一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，將顯著區(qū)域灰度圖轉(zhuǎn)換為第一類(lèi)二值圖像，將第一類(lèi)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(biāo)害蟲(chóng)區(qū)域；最后以目標(biāo)害蟲(chóng)區(qū)域的中心為基準(zhǔn)對(duì)子塊圖像進(jìn)行自動(dòng)裁剪，得到子塊圖像中與目標(biāo)害蟲(chóng)區(qū)域?qū)?yīng)的方塊圖像，并確定方塊圖像對(duì)應(yīng)的一維特征向量；將一維特征向量輸入到預(yù)設(shè)害蟲(chóng)識(shí)別模型中，輸出目標(biāo)害蟲(chóng)區(qū)域內(nèi)的目標(biāo)害蟲(chóng)種類(lèi)，實(shí)現(xiàn)對(duì)粘蟲(chóng)板區(qū)域圖像內(nèi)目標(biāo)害蟲(chóng)的準(zhǔn)確識(shí)別。

技術(shù)領(lǐng)域

本發(fā)明涉及農(nóng)業(yè)害蟲(chóng)監(jiān)測(cè)技術(shù)領(lǐng)域，更具體地，涉及一種小體積害蟲(chóng)自動(dòng)檢測(cè)方法及系統(tǒng)。

背景技術(shù)

在溫室或田間害蟲(chóng)管理過(guò)程中，種植戶(hù)進(jìn)行害蟲(chóng)種群密度估計(jì)的一個(gè)主要方法是：依據(jù)粘蟲(chóng)板上的害蟲(chóng)分布情況對(duì)溫室中蟲(chóng)情密度進(jìn)行估計(jì)，從而實(shí)施精準(zhǔn)、高效的害蟲(chóng)防治。具體做法是將粘蟲(chóng)板懸掛在溫室植株的上方，根據(jù)害蟲(chóng)對(duì)特定顏色的趨向性將害蟲(chóng)引誘并粘附在粘蟲(chóng)板上，然后種植戶(hù)定期對(duì)粘蟲(chóng)板上的害蟲(chóng)進(jìn)行查看與數(shù)量統(tǒng)計(jì)。

但是由于溫室或田間常發(fā)害蟲(chóng)粉虱、薊馬、蚜蟲(chóng)等的體積非常小，而且獲取的粘蟲(chóng)板區(qū)域圖像可能存在反光、光照不均等現(xiàn)象，增加了人工現(xiàn)場(chǎng)蟲(chóng)情統(tǒng)計(jì)的難度，當(dāng)存在多個(gè)采集點(diǎn)時(shí)更是如此。而且在害蟲(chóng)高發(fā)期很容易由于現(xiàn)場(chǎng)查看勞動(dòng)強(qiáng)度大而導(dǎo)致無(wú)法及時(shí)獲取蟲(chóng)情信息，從而錯(cuò)過(guò)害蟲(chóng)防治的最佳時(shí)期，給農(nóng)業(yè)生產(chǎn)帶來(lái)重大的經(jīng)濟(jì)損失。

隨著相機(jī)分辨率的提高以及圖像處理技術(shù)的發(fā)展，使得使用計(jì)算機(jī)視覺(jué)技術(shù)代替人眼進(jìn)行害蟲(chóng)的實(shí)時(shí)自動(dòng)識(shí)別成為可能，提高害蟲(chóng)監(jiān)測(cè)和預(yù)測(cè)預(yù)報(bào)的客觀性和時(shí)效性，減輕基層植保人員的勞動(dòng)強(qiáng)度。有研究人員提出了一種溫室粘蟲(chóng)板害蟲(chóng)自動(dòng)識(shí)別分類(lèi)方法，該方法通過(guò)顏色特征進(jìn)行邊緣檢測(cè)，對(duì)目標(biāo)進(jìn)行提取。一方面，上述方法考慮的是一種理想的條件，依然無(wú)法克服實(shí)際戶(hù)外光線變化對(duì)圖像采集質(zhì)量的影響，將導(dǎo)致無(wú)法準(zhǔn)確定位害蟲(chóng)位置，方法泛化能力弱。另一方面，上述方法認(rèn)為粘蟲(chóng)板圖像中所有目標(biāo)都是靶標(biāo)害蟲(chóng)，但是在實(shí)際誘捕過(guò)程中，其他昆蟲(chóng)、雜物都會(huì)粘附于粘蟲(chóng)板上，該方法并沒(méi)有對(duì)干擾物進(jìn)行剔除和分類(lèi)，導(dǎo)致無(wú)法在實(shí)際中進(jìn)行應(yīng)用。

因此，現(xiàn)急需提供一種小體積害蟲(chóng)自動(dòng)檢測(cè)方法及系統(tǒng)。

發(fā)明內(nèi)容

為克服上述問(wèn)題，本發(fā)明實(shí)施例提供了一種小體積害蟲(chóng)自動(dòng)檢測(cè)方法及系統(tǒng)。

第一方面，本發(fā)明實(shí)施例提供了一種小體積害蟲(chóng)自動(dòng)檢測(cè)方法，包括：

獲取粘蟲(chóng)板區(qū)域圖像，并對(duì)所述粘蟲(chóng)板區(qū)域圖像進(jìn)行分塊，得到多個(gè)子塊圖像；

對(duì)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(lèi)二值圖像，將所述第一類(lèi)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(biāo)害蟲(chóng)區(qū)域；

以所述目標(biāo)害蟲(chóng)區(qū)域的中心為基準(zhǔn)對(duì)所述子塊圖像進(jìn)行裁剪，得到所述子塊圖像中與所述目標(biāo)害蟲(chóng)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(duì)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(chóng)識(shí)別模型中，由所述預(yù)設(shè)害蟲(chóng)識(shí)別模型輸出所述方塊圖像內(nèi)的目標(biāo)害蟲(chóng)種類(lèi)。

優(yōu)選地，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(jì)算所述頻率譜的幅值譜和相位譜；

確定所述幅值譜的對(duì)數(shù)譜并基于均值濾波器對(duì)所述幅值譜的對(duì)數(shù)譜進(jìn)行濾波，獲取所述子塊圖像中圖像背景的對(duì)數(shù)譜；

基于所述幅值譜的對(duì)數(shù)譜以及所述圖像背景的對(duì)數(shù)譜，確定所述子塊圖像中所有顯著區(qū)域的對(duì)數(shù)譜；