專利名稱：基于顏色和模型的農(nóng)田害蟲識(shí)別和計(jì)數(shù)方法
技術(shù)領(lǐng)域：
本發(fā)明屬于農(nóng)業(yè)和圖像處理技術(shù)領(lǐng)域，是一種對(duì)農(nóng)田害蟲的基于顏色和形狀特征并結(jié)合農(nóng)田害蟲模型數(shù)據(jù)庫，通過遺傳神經(jīng)網(wǎng)絡(luò)進(jìn)行識(shí)別和計(jì)數(shù)的方法。
背景技術(shù)：
我國是一個(gè)農(nóng)業(yè)大國，農(nóng)業(yè)蟲害也不時(shí)發(fā)生，因此農(nóng)田害蟲的監(jiān)測(cè)、蟲情災(zāi)害的統(tǒng)計(jì)預(yù)報(bào)工作十分重要。若監(jiān)測(cè)預(yù)報(bào)準(zhǔn)確及時(shí)，就可及早動(dòng)手消滅害蟲，減少農(nóng)藥用量。目前，廣泛應(yīng)用黑光燈誘捕和人工識(shí)別的方法來統(tǒng)計(jì)害蟲的種類及密度，該方法勞動(dòng)強(qiáng)度大，效率低，同時(shí)主觀因素較大，影響了測(cè)報(bào)的準(zhǔn)確性和時(shí)效性。因此，農(nóng)田害蟲的實(shí)時(shí)、準(zhǔn)確的識(shí)另O，是現(xiàn)代農(nóng)業(yè)作物保護(hù)的一種必然應(yīng)用趨勢(shì)，也是當(dāng)今數(shù)字農(nóng)業(yè)需要 研究和解決的問題。農(nóng)田中的害蟲種類多，數(shù)量大，很多害蟲通過肉眼也不容易分辨，我國農(nóng)作物常見的有以下種類的病蟲害稻縱卷葉螟、稻飛虱、豆天蛾、棉鈴蟲、甜菜葉蛾、小地老虎、玉米螟、煙青蟲等，本發(fā)明利用計(jì)算機(jī)視覺、圖像處理及模式識(shí)別技術(shù)，實(shí)現(xiàn)對(duì)農(nóng)田中常見的這8種害蟲的種類、數(shù)量的自動(dòng)識(shí)別和計(jì)數(shù)，是農(nóng)業(yè)領(lǐng)域的新技術(shù)。在利用計(jì)算機(jī)技術(shù)對(duì)農(nóng)田害蟲進(jìn)行識(shí)別的過程中，特征提取是重要的環(huán)節(jié)之一，以往的做法常常是利用害蟲的灰度圖像來進(jìn)行識(shí)別，而顏色信息是識(shí)別不同害蟲種類的一個(gè)重要的特征，同時(shí)它對(duì)圖像本身的方向以及視角的依賴性較小，因而具有較高的魯棒性，增加害蟲的顏色參數(shù)后，可大大提高害蟲的識(shí)別準(zhǔn)確率。同時(shí)本發(fā)明建立的農(nóng)田害蟲數(shù)據(jù)庫模型，并結(jié)合數(shù)據(jù)庫模型和3層遺傳神經(jīng)網(wǎng)絡(luò)，最后能很好地完成對(duì)農(nóng)田害蟲的識(shí)別和計(jì)數(shù)，平均準(zhǔn)確率達(dá)到91. 3%。

發(fā)明內(nèi)容
針對(duì)現(xiàn)有技術(shù)的不足，本發(fā)明提出了基于顏色和模型的農(nóng)田害蟲識(shí)別和計(jì)數(shù)方法。原始的農(nóng)田害蟲圖像格式是RGB格式，它受光線影響較大，隨光照條件的變化，R、G、B三個(gè)分量都會(huì)有較大變化，直接利用這些分量往往不能得到所需的效果，所以在對(duì)圖像彩色空間的選取中，選取HSI空間，它更能接近人對(duì)彩色世界的觀察方式，它通過色調(diào)H (Hue)、飽和度S (Saturation)、亮度I (Intensity)三個(gè)屬性來表示顏色,在HSI空間中，H、S、I三分量之間的相關(guān)性比R、G、B三分量之間要小很多，使得圖像處理更少受光照條件的影響。因此基于HSI空間能取得比RGB空間更好的效果。本方法首先將獲取的農(nóng)田害蟲原始的RGB圖像彩色圖像轉(zhuǎn)化為HSI顏色空間，并對(duì)飽和度S進(jìn)行基于期望值的增強(qiáng)調(diào)整計(jì)算；完成對(duì)害蟲的顏色特征參數(shù)提取。而另一方面，害蟲的外形形狀也是一個(gè)重要的特征，不同的農(nóng)田害蟲在形狀上存在一定的差異。本發(fā)明采用自適應(yīng)二值化的方法對(duì)害蟲圖像進(jìn)行處理，并運(yùn)用數(shù)字形態(tài)學(xué)處理法進(jìn)行了濾波，將害蟲從背景中分割出來，提取面積、周長、圓形度等特征，最后應(yīng)用遺傳神經(jīng)網(wǎng)絡(luò)對(duì)常見的8種害蟲進(jìn)行識(shí)別和計(jì)數(shù)。本發(fā)明的基于顏色和模型的農(nóng)田害蟲識(shí)別和計(jì)數(shù)方法，其特征是包含以下具體步驟(I)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(duì)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；(7)完成農(nóng)田害蟲的識(shí)別和計(jì)數(shù)。通過深入研究農(nóng)田害蟲的體形、色彩及其形態(tài)學(xué)特征，本發(fā)明針對(duì)農(nóng)田害蟲的彩色圖像，提取了彩色圖像的色調(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)。在對(duì)圖像進(jìn)行飽和度增強(qiáng)計(jì)算中，對(duì)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EU)，A'(x) = ，并以此調(diào)整圖像的飽和度，調(diào)整公式定義為S' ! = E(χ) + (1-Ε(χ)) · S/Si是原來的飽和度分量，S' 1是調(diào)整后飽和度分量，a為拉伸因子，決定飽和度分量的飽和程度，Xi為圖像中飽和度的值，Pi為該飽和度值對(duì)應(yīng)出現(xiàn)的概率，R為圖像的像素點(diǎn)總數(shù)。另一方面，對(duì)農(nóng)田害蟲圖像進(jìn)行自適應(yīng)二值化處理，并提取了害蟲圖像的面積、周長、長寬比、圓形度、復(fù)雜度共5個(gè)形狀特征參數(shù)。其中(a)復(fù)雜度是描述農(nóng)田害蟲形狀復(fù)雜性的一種度量，具體計(jì)算公式為C = L2/4 31 A式中L、A、C分別是農(nóng)田害蟲的周長、面積、復(fù)雜度。(b)長寬比K=L' /ΨK是指圖像的最小外接矩形的長和寬的比值，長L'為害蟲目標(biāo)邊界上最遠(yuǎn)兩點(diǎn)之間的距離，寬r為邊界上垂直于長軸的最遠(yuǎn)兩點(diǎn)之間的距離。(C)圓形度它是描述目標(biāo)圓形性的一個(gè)很好的特征，不受目標(biāo)區(qū)域平移，旋轉(zhuǎn)和尺度變化的影響。SP = TiZrcri代表目標(biāo)內(nèi)切圓的半徑，r。代表目標(biāo)外接圓的半徑，兩個(gè)圓的圓心都在區(qū)域的重心上。本發(fā)明對(duì)害蟲形狀特征參數(shù)的提取中，由于農(nóng)田害蟲的有的有豐富的表紋，采用一個(gè)固定的閾值進(jìn)行二值化，會(huì)使圖像的邊緣鋸齒化，并在對(duì)比度變化較大的地方出現(xiàn)斷裂，因此動(dòng)態(tài)調(diào)整二值化閾值去適應(yīng)對(duì)比度的變化，可以最大限度地使農(nóng)田害蟲圖像的二值化效果達(dá)到最佳狀態(tài)。本發(fā)明采用動(dòng)態(tài)自適應(yīng)二值化處理，對(duì)圖像進(jìn)行分區(qū)域二值化處理，先計(jì)算各像素點(diǎn)的mXm鄰域內(nèi)灰度平均值G
權(quán)利要求
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(duì)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. I)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,......,wn),內(nèi)有W11W2,......，Wn共η個(gè)個(gè)體種群數(shù)，則確定目標(biāo)函數(shù)為
2.根據(jù)權(quán)利要求I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(duì)圖像進(jìn)行飽和度增強(qiáng)計(jì)算中，對(duì)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EU)，
3.根據(jù)權(quán)利要求I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)。
4.根據(jù)權(quán)利要求I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(4)自適應(yīng)二值化處理中，采用動(dòng)態(tài)自適應(yīng)二值化處理，對(duì)圖像進(jìn)行分區(qū)域二值化處理，先計(jì)算各像素點(diǎn)的mXm鄰域內(nèi)灰度平均值G :
5.根據(jù)權(quán)利要求I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(5)提取害蟲形狀特征參數(shù)中，提取了面積、周長、長寬比、圓形度和復(fù)雜度5個(gè)形狀特征參數(shù)。
全文摘要
本發(fā)明涉及農(nóng)業(yè)和圖像處理技術(shù)領(lǐng)域，公開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,本發(fā)明首先將獲取的農(nóng)田害蟲原始圖像一方面由彩色的RGB圖像轉(zhuǎn)化為HSI顏色空間，然后圖像進(jìn)行飽和度增強(qiáng)計(jì)算，并提取害蟲的顏色特征參數(shù)；而另一方面將農(nóng)田害蟲的彩色的RGB圖像轉(zhuǎn)為灰度圖像，并進(jìn)行自適應(yīng)二值化處理，得到二值化圖像，并提取面積、周長等形狀特征參數(shù)；最后將顏色和形狀特征參數(shù)，結(jié)合建立的農(nóng)田害蟲模型數(shù)據(jù)庫和遺傳神經(jīng)網(wǎng)絡(luò)，完成常見的8種害蟲的識(shí)別和計(jì)數(shù)。本發(fā)明結(jié)合了農(nóng)田害蟲的顏色和形狀特征參數(shù)，大大的提高了害蟲的識(shí)別正確率，經(jīng)實(shí)驗(yàn)驗(yàn)證，識(shí)別正確率達(dá)到91.3%。
文檔編號(hào)G06N3/08GK102930249SQ20121040615
公開日2013年2月13日 申請(qǐng)日期2012年10月23日 優(yōu)先權(quán)日2012年10月23日
發(fā)明者汪建, 陳濤, 杜世平 申請(qǐng)人:四川農(nóng)業(yè)大學(xué), 汪建