（控制理论与控制工程专业论文）基于机器视觉和小波分析的农田害虫识别系统.pdf

郑卅l 大学工学硕士论文 颜色特征压缩为一维，因此共形成了七个有效特征。 6 农田害虫的识别与分类。结合本文研究对象，针对提取的七个有效特征， 设计并训练了b p 网络分类器；针对传统b p 算法易陷入局部极小和收敛速度慢的 问题，分析了各种改进方法。 用v i s u a lc + + 6 0 语言实现了上述各环节的功能，开发了识别系统软件包，与 研制的硬件装置相配合，分别对茶斑蛾、褐边绿刺蛾、栗六点天蛾、甜菜夜蛾、 玉米螟、棉铃虫、粘虫等8 种常见的农田害虫进行测试，识别率达到了8 5 7 。 在农田害虫自动识别方面，还没有类似的报导，本论文初次试验，在软硬件设 计上还存在很多缺陷，能达到8 5 7 的识别率基本令人满意。由于我国省、市、县 各级都设有植保站，农田害虫检测预报是重要工作，因此本系统有很大的市场空 间。今后应在识别速度方面、特征提取方面、硬件设计方面有待改进，提高害虫 识别率，尽快把该系统推向市场。 关键词小波分析，图像处理，特征提取，模式识别，机器视觉，农田害虫 蕊孚糖器筏n n 4 , 渡势n 瓣寝嚣器般涎蕊系缆 s 蝌。目s 群。_ 鼎! 删1 螂 鲁鼎帮# = o ! 鼎螂爨景蜘群燃嘲耀墨糍燃糟鼎鼍燃趟删糕喜舅咧螋掌喜黑鼎嗍燃篇置! _ e 獬 a 嚣s t r a c 善 c h i n ai am a i na g r i c u l t u r a lc o u n t r y , i n s e c t p e s t d e t e c t i o n8 糕d p r e d i c t i o n i n a g r i c u l t u r ea r ear a a i nt a s ko f a l il e v e l sp e s tc o n f r o is e r v i c e s 、a t h ep r e s e n tt i m et h e p r e d i c t i o nm e t h o do fa t t r a c t i n gp e s tw i t hb l a c kl i g h ta n dr e c o g n i z i n gm i dc o t m t i n gb y m a l li sg e n e r a l l ya d o p t e d t h e r es r es o m es e r i o u ss h o r t a g e ss u c ha sb a dr e c o g n i t i o n a c c u r a c ya n dl o we f f i c i e n c y , i tr e d u c e ss e r i o u s l ya c c u r a c ya n dt i m e l i n e s so fp r e d i c t i o n a n di s d i s a d v a n t a g e 濂g u i d i n g i n s e c td i s e a s e p r e v e n t i o n t h e r e f o r e , t h i sp a p e r r e s e a r c h e di m a g er e c o g n i t i o nt e c h n o l o g yb a s e d0 1 1 c o m p u t e r v i s i o na n dw a v e l 褙 a n a l y s i st h i st e c h n o l o g y w i l la t i t o m a t i c a l l yd e t e c ta n d p r e d i c ti n s e c tp e s t s w e d e s i g n e da n dm a d e t h ea t t r a c t i o nd e v i c et oa t t r a c ta g r i c u l t u r a lp e s t s ，o b t a i n e d a g r i c u l t u r a lp e s t s i m a g e sw i t ht h ec o l o rc a m e r a , p r o c e s s e di m a g e s 罄8 s o nw a v e l e t a n a l y s i s o nt h eb a s i so ft h e s e , w ee m p h a s i z e d 濑e x t r a c t i n ge f f e c t i v ef e a t u r e s , p u t f o r w a r dr e c o g n i z i n g p e s t s c l a s s e sw i t hp e s t s c o l o r sa n d t e x t u r ef e a t u r e s ，a n ds u c c e e d e d i ne x t r a c t i n g 酝ee f f i c i e n tf e a t u r e ss u c ha sc o l o rf e a t u r e s , w a v ei m a g ee d g em o m e n t s f e a t u r e sa n ds oo n 。t h e nw es e l e c t e df e a t u r e s , i n p u 犍e di n t on e u r a ln e t w o r kc l a s s i f i e r , r e c o g n i z e dp a t t e r n , p r e s e n t e d d e t e c t i o nr e s u l t s 。 b a s e do nm e n t i o n e da b o v ej p r i n c i p l e s ，t h ep a p e rf i n i s h e dt h ef o l l o w i n gc o n t e n t s a g a i n s ta g f i c u l t u r np e s t s 1 t od e s i g nh a r d w a r ed e v i c e w ea t t r a c t e di n s e c tp e s t sw i t hc o r r l m o n2 0 wb l a c k l i g h tw h i c h w a su s e db y p e s t c o n t r o ls e r v i c e s , a d j u s t i n gi n s e c tp e s t s p o s t u r e b yr u n n i n g w a t e r , i n s t a l l e dc o l o rc a m e r a 髓p r o p e rp o s i t i o n 、a n dd e s i g n e di l t u m i n a t i n gs y s t e ms o t h a tw ec o u l do b t a i nd i s t i n c ti n s e c tp e s t ；m a g e 。f i n a l l y , i n s e c tp e s ti m a g ew a si n p u t t e d i n t ot h e c o m p u t e rb y c o l o ri m a g e a c q u i s i t i o nc a r d 2 。w a v e l e tt r a n s f o r m w er e s e a r c h e dw a v e l e tt r a n s f o r mi n d e t a i l ，p r o g r m n m e d s o f t w a r ew i t h v s u a lc 喇。 a n dd e c o m p o s e da n dc o m p o s e dt h ei m a g eu n d e rt h r e e s c a l e sb yw a v e l e tt r a n s f o r m ， 3 。t op r e p r o c e s st h e i m a g e ，w ef u l f i l l e di m a g ee n h a n c e m e n tw i t hw a v e i 秣 c o e f f i c i e n t t od e n o i s ea f t e r w e d e c o m p o s e d t h e i m a g e b y w a v e l e t 霹f e a t u r ee x t r a c t i o n t h i ss t e pw a s8k e yp r o c e d u r ei nr e c o g n i z i n gt h ei n s e c tp e s t i m a g e ，w e e x t r a c t e d t h e f o f l o w i n gf e a t u r e s ：( 1 ) m o r p h o t o g i cf e a t u r e s a r e aa n d p e r i m e t e r w e t ee x t r a c t e da f t e rt h ei m a g ew a s c h a n g e d 壕eg r a yi m a g ea n dt h et w o - v a l u e i m a g e ( 2 ) c o l o rf e a t u r e s ，c o l o rm o d e ls p a c ew a sc h a n g e df r o mr g b ( r e d ，g r e e n ，b l u e ) t oh s i 蕊u 毽s a t u r a t i o n , i n t e n s i t y ) s p a c e + a c c o r d i n gt o 鬏v a l u e , r e d , y e l l o w c y a n 、b l u e , ，掰 帮熊大学王学硕士谊义 p u r p l e ，a n db l a c k ，u pt o s e v e nc o l o r s ，w e r ed e t e r m i n e d a r e a ，p e r i m e t e r , w i d t h ，h e i g h t ， r o u n d n e s s ，u pt o f i v em o r p h o l o g i cf e a t u r e s ，w e r ee x t r a c t e dt oe a c hc o l o r ( 3 ) w a v e l e t s c a l ei n v a r i a n tm o m e n t sf e a t u r e s s e v e ni n v a r i a n tm o m e n t sw e r ec a l c u l a t e dw i t h w a v e l e tc o e f f i c i e n tu n d e rv a r i o u ss c a l e s ( 4 ) w a v e l e ti m a g e e d g e m o m e n t s m u l t i p l e s c a l ee d g ed e t e c t i o nw a sc o m p l e t e d a n di m a g ee d g em o m e n t sw e r ec a l c u l a t e d b yu t i l i z i n gw a v e l e tm u l t i r e s o l u t i o nc h a r a c t e f ( 5 ) f r a c t a l d i m e n s i o nf e a t u r e s 。t h e y w e r ec a l c u l a t e db y e n e r g y r a t i ou n d e rv a r i o u ss c a l e s 5 f e a t u r es e l e c t i o n t oa l lf e a t u r e se x t r a c t e d ，w es e l e c t e d1 2f e a t u r e s ，f o re x a m p l e ， a r e a ，p e r i m e t e r , s i xc o l o rf e a t u r e s ，t w oi m a g ee d g em o m e n tf e a t u r e s ，a n dt w of r a c t a l d i m e n s i o nf e a t u r e s c o n s i d e r i n gp r a c t i c a ls i t u a t i o n ，w ec o n t r a c t e ds i xc o l o rf e a t u r e st o o n ed i m e n s i o n t h e r e f o r e ，w eo b t a i n e ds e v e ne f f i c i e n tf e a t u r e si na 1 1 6 t or e c o g n i z ea n dc l a s s i f ya g r i c u l t u r a lp e s t w ed e s i g n e db pn e u r a ln e t w o r ka n d t r a i n e di t b ys e v e ne f f i c i e n t f e a t u r e se x t r a c t e da s s o c i a t e dw i t ho b j e c to fs t u d y w e a n a l y z e d v a r i o u si m p r o v e dm e t h o d sb e c a u s eo ft h ep r o b l e mt h a tc o n v e n t i o n a lb p a l g o r i t h m w a sl i a b l e 扔t r a pi nl o c a lm i n i m u mv a l u ea n dw a ss l o wr a t eo f c o n v e r g e n c e w ei m p l e m e n t e dm e n t i o n e da b o v ef u n c t i o n sw i t hv i s u a lc + + 6 0 l a n g u a g e d e v e l o p e d s o t t w a r ep a c k a g e ，a s s o c i a t e dw i t h d e s i g n e dh a r d w a r es y s t e m ，t e s t e d8k i n d s o fc o m m o na g r i c u l t u r a l p e s t ，f o re x a m p l e ，e t e m s i aa e d e al i n n e u s ，p a r a s ac o n s o c i a ， m a r u m b a a p e r c h i u s ，a s p a r a g u sc a t e r p i l i a r , m a i z eb o r e r ，c o t t o nb o l l w o r m ，a r m yw o r m ， a n ds oo n r a t e o f r e c o g n i t i o n i su pt o8 5 7 w h e ni tc o m e st or e c o g n i z i n ga u t o m a t i c a l l ya g r i c u l t u r a lp e s t ，s i m i l a rr e p o r th a sn o t b e e ns e e n d u et of i r s tt e s t ，t h e r ea r eal o to f s h o r t c o m i n g si nd e s i g no f h a r d w a r ea n d s o f t w a r e s or a t eo f r e c o g n i t i o nu pt o8 5 7 i ss a t i s f i e d a g r i c u l t u r a lp e s t sd e t e c t i o n a n dp r e d i c t i o na r e i m p o r t a n tt a s k s i n p e s tc o n t r o l s e r v i c e si na l ll e v e l s i n c l u d i n g p r o v i n c e ，m u n i c i p a l ，c o u n t y , s ot h es y s t e mi so fg r e a tm a r k e ts p a c e i nt h ef u t u r ew e s h o u l di m p r o v ei t 或t h er a t eo f r e c o g n i t i o n ，f e a t u r ee x t r a c t i o n ，h a r d w a r ed e s i g n , a n ds o o n t oi n c r e a s et h er a t eo f r e c o g n i t i o no f i n s e c tp e s t ss ot h a tt h es y s t e mi sa c c e p t e db y m a r k e ta ss o o na sp o s s i b l e k e yw o r d s w a v e l e ta n a l y s i s ，i m a g ep r o c e s s ，f e a t u r ee x t r a c t i o n ，p a t t e mr e c o g n i t i o n ， c o m p u t e rv i s i o n ，a g r i c u l t u r a lp e s t s - i v - 基于机器视觉和小波分析的农田害虫识别系统i p - 鼍曼! 兰暑曼! 鼍皇詈! 皇暑詈皇鼍! 鼻曼皇! ! ! 置皇! ! ! 皇! 皇皇詈曼富 1 1 课题背景 1绪论 我国是农业大国，搞好农业生产是关系到国计民生的大事。上世纪8 0 年代以 来，我国农业取得了长足的发展，农产品的数量和质量稳步提高。但是，我国农 业生产力水平仍较低，农业防灾减灾技术与设旋落后，农业生物灾害频频发生， 造成损失极为严重。据资料显示，仅害虫一项，全国每年粮棉损失即达1 3 1 6 t “， 造成这种状况的主要原因就是害虫检测预报不准确、不及时，防治错过时机。而 检测预报不准确与测报工具落后有直接的关系。我国长期以来沿用2 0 w 黑光灯诱 集害虫、人工识别计数的测报方法，存在识别准确性差、效率低等严重缺陷，极 大地降低了测报的准确度和时效性，对农田害虫防治指导性差，害虫防治成本高， 防治效果不理想，为害损失大。另外，由于测报不准确、时效性差，造成农药的 大量使用，还会对生态环境和农作物造成严重污染f 2 j 。 事实上，早在1 9 7 2 年，联合国粮农组织就提出了建立在生态学基础上的综合 防治( i n t e g r a t e dp e s t sm a n a g e m e n t ，简称i p m ) 策略。害虫的实时检测是进行综合 防治的一种手段，也是i p m 体系的重要组成部分。只有准确的检测，才能做到有 目的的防治，把害虫种群控制在经济损害水平以下，既不会因害虫造成损失，也 不会因盲目防治造成浪费、加重对粮食和环境的污染。我国“十五”粮食行业科 技发展规划也明确提出：当前存在的主要问题之一是应用基础研究和软科学研 究急需加强，通过信息技术等高科技带动粮食技术的发展缺乏前瞻性研究；粮食 科技工作遵循的首条基本原则是跟踪世界粮食科技发展前沿与解决实际问题相结 合；粮食科技发展的一个重点任务是研制害虫传感器，实现农业害虫的自动化检 测、智能分析和自动控制，以完善农业综合治理专家决策支持系统。由此可见， 只有研究有效的害虫自动检测技术，及时提供准确的害虫种类、密度等信息，才 能为害虫的综合防治提供科学的决策依据。 因此，我国目前普遍使用的常规测报灯人工识别的方法已不能适应农业可持续 发展的需要，研究新的测报方法迫在眉睫。 农田害虫检测实际上可分为诱捕和识别两步进行。 目前，国内外在诱捕农田害虫方面，主要有 ( 1 ) 光电诱捕 农田害虫大部分为飞蛾类，具有趋光性，因此可在田闯设立光源，利用其趋光 郑州大学工学硕士论文 性进行诱捕【3 】。当前普遍使用的黑光灯就是利用这一原理进行害虫诱捕的。 ( 2 ) 信息素诱捕 信息素有很多种，其中研究应用最广泛的是性信息素，即从害虫身上提取、 分离或人工合成的害虫性外激素进行诱捕【”。该法专一性强，灵敏度高。但合成困 难，成本较高，只能诱集到雄虫，应用期限短，诱集效果逐代减弱。 ( 3 ) 引诱剂诱捕 利用害虫的嗅觉对糖醋液、蜂蜜、萜类化合物等引诱剂敏感进行诱捕【5 1 。该法 简单，但劳动量大，诱集的害虫种类比较单一。 ( 4 ) 栖境诱捕 人工制造农田害虫栖息的环境，引诱害虫进入，达到诱捕的目的【“。 ( 5 1 颜色诱捕 利用害虫对颜色的喜好不同，设置特定的颜色，诱捕害虫【”。但只能引诱单一 种类害虫。 ( 6 ) 声音诱捕 即录下害虫的求偶声招引同伴，诱捕异性害虫【8 】。 上述几种诱捕害虫的方法，各有利弊。当需要对单一害虫进行诱捕时，可以 选用信息素诱捕、引诱剂诱捕、颜色诱捕和声音诱捕；但是当需要对农田害虫的 种类及密度进行测报时，则宜采用光电诱捕，因此本文主要采用该法达到诱捕害 虫的目的。 在农田窖虫的识别方面，可归纳为以下三种方法： ( 1 ) 人工识别 借助放大镜、显微镜等工具或直接用肉眼判别害虫的种类，并统计数量。该法 识别工作量大，效率低，不可避免地会出现人为误差，对检测人员素质要求较高。 ( 2 ) 声音识别 通过害虫取食、运动、通讯等行为发出的声音来识别害虫 9 - 1 0 】。该方法不仅受 环境噪声的影响较大，而且识别的害虫种类较少，故难以推广应用。 ( 3 ) 机器识别 该法主要是通过害虫的颜色、形态等特征，利用计算机视觉、图像处理和分 析等技术来识别害虫。目前，中国农业大学沈佐锐教授等学者用该法对棉铃虫、 玉米螟、黑哎猎蝽三种昆虫的实验标本进行了离线识别研究，尚须在害虫在线识 别、种类扩展等方面予以完善。埘。英国西英格兰大学智能控制实验室研制出能 准确识别、自动捕捉一种害虫鼻涕虫的机器人【1 3 】，并通过了实验室试验，但 距商业应用还有一定的距离。美国j o r d a n 等学者仅对棉花害虫进行了分类研究， 但识别系统的实时性和实用性有待于做深入研究【”】。 上述一系列方法，对于农田害虫的识别具有一定的效果，但还难以满足目前对 2 基于规器视越积小波分辑i ；。农! 丑害虫识别系统 农田害虫实时检测的要求，其主要原因是不能准确地实时提供害虫的种类、密度 等信息。国内外许多学者在塞虫的综合预报模型方磷也傲了大量的研究工作5 ”】， 而预报模型准确的测报结果是以准确的害虫实时检测结采为前提的。 本课题利用计算机视觉、小波分析、图像处理和分析技术，进行农田害虫的识 剐研究，萁研究成聚一旦成功箍应粥于农馥生产，将大大掇离舀闻密虫静识翔准 确翠和识别效率，从而提商害虫预报的时效性和准确度，可以为政府决策和农田 害虫防治及辩提供委准薅豹塞 圭莹惑，存穰子簿羝防治残本，提裹耱治效莱，键 进我国无公害农产晶的生产，其经济、生态和社会效益均十分可观。由此可见， 本潦题不仅粪枣重要熬学术绘篷，瑟显毒蓍广阑熬疲嚣兹最。 本课题由郑州大学图像处理课题组同中科院模式识别国家重点实验室及河南 省攮物保护掇魏捡痰避( 以下篱称密植擐站) 开发。图缘处理课题缀受责系统豹 总体设计、识别软件的研究与开发。省植保站是全省农作物病虫害监测预报工作 的投藏部门，技术积累雄露，害虫资料和标本丰富，基层网络完善，可为项目提 供有力的技术支持和信息反馈。 1 。2 本文的主要王俸 模式识别的成功与否，在于对待识别对象的特征提取。因此本文将研究重点 放在利用小波分祈，进行图像处理和农田害虫的特征提取上，并在此基础上利餍 神经网络设计出分类器。主鼹内容介绍如下： ( 1 ，绪论分绍了农翻害交检测的意义，及国内外检溺现状，淀密了深入磷 究农田害虫图像识别的必要性。 霞) ，l 、波分褥纂本理论奔绥了基本小波、遥续小波瓷挟、蔫散，l 、滚变换、 小波的多分辨率分析、m a l l a t 快速算法和滤波器组、图像小波分解等理论。 ( 3 ) 识巅系统软疆终竣诗谨维论述了识裂系统戆硬传稳戒，阐述了软臀部 分的功能及其工作流程。 小波与圈豫处理主要谂述了剥矮小波分解爱的系数，对强像进行套耪 增强算法，包括平滑和锐化。 ( 5 ) 特缎提取秘选择是本文的重点部分，详细论述了提取五大类特征的 原理、方法及提取锚果，并介绍了特征选择方法。 强) 神经网络分类器介绍了神经网络的基零概念，分析了b p 网络结构和 b p 算法，对网络进行谰练，得到了闳络结构参数，并对颖试样本避行识剐分类。 ( 7 ) 结论与展望对全文工作进行总结，并对进一步的研究工作进行展望。 2 小波分析基本理论 小波分析( w a v e l e t a n a l y s i s ) 怒2 0 世绲8 0 年代臌期发展起来的威用数学分支。 零波戆穰念饕竟是文法嚣逮质魏理磐家j m o r t e t 籀a g r o s s m a n 凌鲶理楚震数撂辩 引入并成功地应用于地震信号的分析，而把这一理论引入工程应用领域，特别照 箔号楚褒领域，浚瓣学者l d a u b e c h i e s 露s m a l l a t 瓣起藿较为薰蘩鹩箨翊。，j 、波分 析融被广泛地应用于信号处理、闰像处理和分析、模式识别、语静识别、c t 成像、 分澎、嚣子场论发众多棼线性科学领域，媳近霉采在研究工具致方法上鹣莛大突 破f 1 7 矗。l 。 2 + 1 、滚娄换 2 1 i 小波基丞数 小波顾名思义就是小区域的波形e 其确切定义为：设妒( f ) 为一平方可积函数 鬻吠f 磬黟，嚣萁薅攫畸交接甲( 妨满足条转 陟 o ，f r( 2 2 ) 口， 称效，( ) 为依赖予参数a ，f 鹃奎滚綦随鼗。 2 t 。2 逡续砖、浚爱换 将任意妒( 矗) 空间中的聪数善( f ) 在小波撼下避行展开，称这茅申展开为函数x ( d 翡连续， 、燃( c o n t i n u ew a v e l e tt r a n s f o r m ，蓠谗为c w t ) ，其袭遮式为 瓣j 溉r ) = 球x = 击雄妒( 等 尊固 ，。，。一。篓丝篓鋈耋坠鳖丝鳖量墼型鍪。，一一。，! ，。 任何变换都必须存在逆变换( 亦称反变换) 才有实际意义。对连续小波变换而 害，我们可证明，若采髑的小波满足可容许条件( 式2 1 ) ，则其逆变换存在，也即 根据信号的小波变换系数就可以精确遗像复原信号，并满足下述连续小波变换的 逆变换公式： x ( r ) = 磊1 j7 d a 暇) 纯脚d r = 壶f 亨呢“r ，击妒( 等户r 叫， 其中q = | - 眦 为憾遇滤波嚣，g ( n ) 鸯熹邋滤波嚣。穗应的突金蘑建褒选式灸： * 。脚h ( m - 2 n ) + 嘭舳g ( n - 2 m ) 零怨m a l l a i 磐洼邋行蕊号麴枣波分解毒重建熬挺爨翅鞠2 2 黪零。 凝2 。2 小波努麟每藿恕滤波疆饿 f i g 2 , 2f i l t e rb a n k o f w a v e l e t d e c o m p o s i t i o n a n d o 弧s 程u 趟潮 臻1 8 ) 挖1 9 ) m a t l a t 提爨勰多分辨分勰号耋建舞竣铰褥傣号套，l 、波纂嚼数上熬内数运嚣转 挨蕊与樱痰小波滤波器翡器积运葬，囡鼗，m a l l a t 莰这磐注在小波分辑巾遗爱等霹 予姨逮博鬃畸簿法( f f t ) 在馋氏分掇中黪霪嚣性1 2 。l ，窀极大撼促进了小波变换程 鼗字傣号楚理巾鼗工稳应霾。 对予二维数字图像铸号，警：缳小波面r 表示为鼹个绦函数酶添积，糍敷小波 燮魏可塔透过在水乎和囊囊方恕分臻盛翅h 、g 滤波嚣送行一缳滤波采实现，如图 2 3 、2 , 4 所示。 二壤褒教小波变换镰敬产生一个低频孑图l l 和三个离焱予圈，糊承乎予潮 毛薹薹、熏鸯予圈h l 辩对角线予蕊 ；l h 。下一缀小波变换懋在藏缝产垒静低鞭子匿 纾滤波列潍波 鳗2 3 = 维离散小波分鳃 f i g ，2 , 3t w o m d i m 糯s i o n a td i s c r e l ew a v e l e td e c e m p o s i f i o n ”8 - 霾 匿 基 銎 基于机器视觉和小波分析的农田害虫识别系统 列滤波 行滤波 圈2 4 二维离散小波重建 f i g2 4t w o - d i m e n s i o n a ld i s c r e t ew a v e l e tr e c o n s t r u c t i o n l l 的基础上进行的，重复下去，可得到多级小波分解的子图。分解过程如图2 3 所示。重建是在小波分解的基础上，分别进行二插值，然后利用滤波器组对图像 进行重建。具体过程如图2 4 所示。 2 4 本章小结 本章首先介绍了基本小波、连续小波变换、离散小波变换的概念，然后讲述 了小波的多分辨率分析以及如何利用m a l l a t 快速算法和滤波器组来对目标进行小 波分解与重建。 3 1 硬件设计 3 识别系统软硬件设计 主要设备的型号及性能指标如下： ( 1 ) 计算机 金长城c p up e n t i u m41 5 g ，硬盘4 0 g ，内存1 2 8 m ( 2 ) j v c 彩色摄像头t k - c 1 3 8 1 ( 机身) 性能指标： 图像拾取器：1 2 英寸，i n t e r l i n e t r a n s f e rc c d 有效像素：4 4 0 ，0 0 0 像素 7 5 2 ( h ) 5 8 2 ( v ) 同步方式：内部，外部，电源同步( 仅限5 0 h z ) 扫描频率：1 5 6 2 5 k h z ( h ) ，5 0 0 h z ( v ) 水平分辨率：4 7 0t v 线( h ) 视频信噪比：4 8 d b 最小光照亮度：o 9 5 1 x ( 2 5 ，f 1 2 ，a g c “1 8 d b ”) 镜头连接方式：c c s 方式 供电电源：a c 2 3 0 v 一5 0 6 0 h z 耗电：a c 2 3 0 v - - 5 0 6 0 h z6 0 m a 环境温度：一1 0 5 0 ，o 4 0 ( 推荐) 重量：8 8 0 克 附件：4 针圆形插头1 个 4 针y c 插头1 个 铁氧体磁芯2 个 外形尺寸( 单位：m m ) ：1 5 9 x7 0 x 6 0 ( 长宽高) ( 3 ) 镜头 a v e n i r 电视摄像镜头s r l 2 5 7 51 2 5 m m 一7 5 m mf 1 8 ( 4 ) a t v 1 8 0 2c c d 适配器 ( 5 ) 图像采集卡 北京嘉恒中自图像技术有限公司生产的o kc 3 0 s 图像采集卡 o k _ c 3 0 s 是基于p c i 总线，能采集彩色又能采集黑白图像的采集卡，适用于图 纂寻二貔器视觉靼、渡分析兹农田簿虫援别系璇 像处理、工业监控和多媒体的压缩、处理等研究开发和工程应用领域。由于 o kc 3 0 s 卡具有滤除奇髑场镊畿现象的功能，辨以特别适合要求采集动态图象的 场合。o kc 3 0 s 卡的识别码为2 0 3 1 。 技术特点与据标： 实时采集彩色和黑白图像。 视频输入可为标准p a l 、n t s c 或s e c a m 制信号。 六路复合视频输入选择或三路y c 输入选择。 亮度、对比度、色度、饱和度软件可调。 图像采集显示分辨率最大7 6 8 5 7 6 。 具有图形位屏蔽功能，可开窗采集。 硬件完成输入图像 e 镶缩小。 具有硬件镜像反转功能。 支持r o b 3 2 、r o b 2 4 、r o b l 6 、r g b l 5 、r o b 8 、￥淤】6 、y u v l 2 、y u v 9 、 黑白图像g r a y 8 等图像格式。 可采集鼙场，鼙l | 8 囊，阂隔忍赖，连续鞠邻额静强像，精确妥场。 ( 6 ) 害虫诱捕装鬣 蠡鞫3 a 繇示。穗黑光灯敖黉在装毒承稽豹罐体上露，程弱密宝蠡鼋趋毙牲诱集 辫虫，缀管道自动落入水槽中，通过流动的水调整害虫的姿势，途径c c d 摄像机 撬区露，实辩蟪凝取害蠢样本懿霆稼净碉；采繁卡涛采集到魏黧豫装号瘤p c i 总 线高速传送到微机内存；运用小波分析、图像处理、图像分析和模式识别算法来 爨惑害交熬爨类、密度答信怠，为综台茨浚提供决策菝攥。 c c d 3 2 软件设计 图3 1 害虫诱捕装盟 f i g 。3 ，1d e v i c eo f a t t r a c t i n gi n s e c t p e s t 该系统的软件以w i n d o w s 2 0 0 0 为操作平台，以v i s u a lc + + 6 0 为开发工具，总 体框图如图3 2 掰示，典体工终漉程如下： 郑州大学工学硕士论文 图3 2 软件系统总体流程图 f i g 3 2 g e n e r a lf l o w c h a r to f s o f t w a r es y s t e m ( 1 ) c c d 获取原始图像后，提取面积特征，判断该帧图像是否存在害虫，若有 则需要进行后续处理。 纂中舶器援燮帮小敬分辑辨表钽番虫识别系缝 i i w i l li i i i i i i h ii i i i i i i i i i i i i i i i i i i i i l ! l l ! ( 2 ) 利用小波对图像进行分解。本程序对图像进行了三个尺度的小波分解。 3 在隈稼袋祭过程串，出予不冒避免麴因素，系绫获敬鲍图像通掌带裔噪声， 因此在小波分解的鹱础上，时图像谶行预处理。 跫) 提取嚣辍秘鼹长。蓠先对圈豫进行获度化、二菹化处理，然菇提取逝积釉 简长。 ( 5 ) 提取彩魏特征。把获褥豹r g b 彩魏图像转化为相关性较小的h s i 空间的 彩甑雷像，然后分涮提联榍应的颜住值，对每稀灏色又稳敬了蘸穰、餍长、宽糜、 潜艇、尉艘五军申特挺。 ( 6 ) 分掰在三个尺度上搓敬小波尺纛不受麓。 ( 7 ) 提取小波嘲像边缘矩。利用小波的多分辨凄特摄，进行多尺度边缘检测， 然稀诗黧鬻像这缘雉。 ( 8 ) 提取分形维数特，谯。利用小波分解艏的系数计算棚邻尺度间的能螫比，据 鼗诗算醢豫戆努影缭鼗。 ( 9 ) 对上述特 芷进行选择。选择出丽积、周长、六个颜色特征、两个图像边缘 矩特鬣、两个分影维数褥蔹等慕 2 令露蘸。赞对研究辩象，楚六个簇惩姆征按蘸 i f - t h e n 勰则压缩为一个，共形成了七个有效特征。 ( 蛰送入静经瓣黎分类器逡行谈爱努类，蓉邂缆诗鎏浆。 3 3 零耄小缓 本章详细介绍了识别系统所用到的硬件设铸，包括每种设备的型号及性能指 稼，势躐系统蕊软搏部分翁憋蟀稳藏、主要麓避行了译缀戆阐述。 都娴犬学工攀鞭士论文 莲枣波与鬻豫疑滩 整豫憨餍