仓储物害虫检测与分类识别技术研究.docxVIP

仓储物害虫检测与分类识别技术研究 仓储昆虫（简称仓库昆虫）是昆虫物种的一个重要分支。它生活在仓库储备物和商品中，直接影响存储材料和包装。据有关资料报道,仅以粮食一项来说,全世界每年至少有5%～10%的粮食被害虫糟踏,如果人力、物力和技术跟不上,防治不及时,造成的损失可高达20%～30%。因此,许多昆虫研究人员致力于仓虫的检测和识别的研究。 本文利用计算机图像处理技术,对获取的谷物害虫数字图像进行预处理后根据静态谷物害虫图像的一阶灰值直方图和图形的目标区域自动提取图像的一阶灰值统计量和几何形状等数理统计特征,然后用BP神经网络进行分类识别。 1 粮食样本的图像采集与处理 储粮害虫智能检测系统可分硬件和软件两部分,其硬件主要包括取样传送机构、均匀光照室、视觉系统等几部分,其总体组成如图1所示。其中粮虫取样器为手提式,其体积小、重量轻、操作方便,可作为粮库的小型工具使用。系统的工作过程如图1。取样机构利用负压将检测点的粮食抽入取样装置;传送机构控制粮食样本单层输送到传送带,在其运动的过程中装在正上方的CCD摄像机实时摄取粮食样本的图像序列;采集卡将采集到的图像信号由PCI总线高速传送至微机内存;再由图像处理、图像分析和快速的模式识别算法实时地给出粮虫的种类和密度,为粮虫的综合防治决策提供可靠的依据。其中,照明系统提供CCD视区内均匀、恒定的无影光照,为获取高质量的粮食样本图像提供条件。 图像采集过来以后,应进行通常的滤波、去噪、增强预处理,然后进行快速的二值化等其它处理,对于二值化,可选用较为简单的基于图卡直方图统计信息的阈值处理算法,因为图像仅包括害虫与粮食业仅有的单一目标和单一背景,对所获取的原始图象,可通过对比度扩展及自适应增强来增加所选择特征的动态范围,再利用微分直方图方法提取合适的阈值T。将灰度值大于T的像素点的灰度值赋为0,其余像素点的灰度值赋为256,可得到二值图像,最后经数学形态学开闭运算滤波后的图像经增强分割后的图像较好地满足后续特怔提取和自动识别的要求。 2 灰值图像的特征 人眼对彩色的分辨率大大高于对黑白图像的分辨率,彩色图像所带的信息,远远大于灰度图像。在计算机图像处理中,颜色的特征提取占有很重要的地位。人眼能真实感受到的景物是真彩色图像,真彩色图像的显示过程是三基色合成的过程,一般采用红、绿、蓝作为三基色。彩色数字图像中像素的颜色最直接的表示方法是使用红、绿、蓝的亮度值,大小限定到一定范围,如0～255。三色图像的灰度级直方图是RGB空间的点分布。本文采用彩色图像的R、G、B联单3种分量灰值图像,增加了特征向量的维数,提高了仓储物害虫的识别率。 本文采用数码照相机拍摄的谷物害虫静态照片,如图2中所示的3种12个谷物害虫样本图像,生成256级彩色灰值图像。首先得到各图像的R分量灰值图像、G分量灰值图像和B分量灰值图像,如图3所示。然后采用平滑和锐化技术对获取的谷物害虫图像进行预处理,以增强谷物害虫图像本身与背景的反差和整幅图像的清晰度。然后采用全局阈值方法对增强后的谷物害虫图像进行区域分割,在此基础上自动提取其特征值。69个谷物害虫图像的特征值如下提取:R、G、B 3种分量灰值图像的一阶灰度值统计量特征3×6个(均值、方差、偏度、峰值、能量和熵);R、G、B 3种分量灰值图像的灰值游程矩阵纹理特征3×16个(0o、45o、90o、135o4个不同方向的短游程长度、长游程长度、灰度值的不均匀度量和游程长度的百分率);几何特征3个(区域面积、周长和长宽比)。 2.1 灰值分布量特征 在数字图像处理中,一种最简单而最有用的工具是灰度直方图。灰度直方图是灰度级的函数,描述的是图像中具有该灰度级的像素的个数:设图像灰值量化为L个灰级,令i=0,1,2,…,L-1,第i个灰级的像素总数为N(i),而整幅图像的像素总数为M,那么,灰级i出现的概率为 以i为横坐标,p(i)为纵坐标,就得到一阶灰值直方图,也就是灰值的一阶概率分布。根据图像的一阶灰值直方图可提取下列数学统计量特征: (1)灰度的均值μ(灰值分布对原点的r阶距)。 (2)方差σ2(灰值分布的r阶中心距):方差σ2是对图像灰值分布离散性的度量。 (3)偏度(扭曲度)s:s是对图像灰值分布偏离对称情况的一种度量。 (4)峰值k:k描述图像灰值分布是聚集在均值附近,还是散布在端尾的情况。 (5)能量Energy:如果图像灰值是等概率分布的,则具有最小的能量。 (6)熵Entropy:如果图像灰值是等概率分布的,则具有最大的熵。 这里使用直方图的某些数学统计量作为特征,不但数目少,而且对谷物害虫图像的灰值一阶概率分布的描述更明确。 2.2 灰值游程的特征 所谓纹理是一种反映一个区域中像素灰度级的空间分布的属性,是识别对象的主要依据之一。在图像的被检测区域里,连续的、共