（光学工程专业论文）粮仓害虫图像的特征提取与分类识别.pdf

华中科技大学硕士学位论文 摘要 粮食储藏是一项关系到国计民生的重大课题，因此搞好粮食储藏无疑具有重大的 意义，进行储粮害虫的治理任务重大而迫切。但是，目前世界各国贮粮所面临的现状 是虫害机会增多，虫种繁杂，害虫危害日趋严重。造成这种状况的一个主要原因是害 虫防治决策缺乏科学性，而害虫防治决策重要的科学依据之一就是储粮害虫的准确检 测。可见，研究有效的害虫在线检测技术，准确地给出害虫的种类、密度等信息，可 为害虫的综合防治提供科学的决策依据，具有重要的实际应用价值。 本论文以储粮害虫为对象，研究用图像处理和模式识别技术来实现储粮害虫的检 测和识别，重点在提取害虫的有效特征，设计准确、可靠的分类器，实现害虫的准确 分类。围绕该课题本论文提出了基于图像识别的粮仓害虫检测的方法，并设计了基于 图像识别的粮仓害虫检测系统，简要论述了系统的功能、总体设计思路以及系统的软、 硬件设计与实现。在准确、实时获取图像的基础上，对原始图像进行平滑去噪处理， 然后利用几种常用算法提取了图像的边缘。在图像预处理的基础上，提取了害虫图像 的八个常见几何特征和七个不变矩，并选择了其中部分特征送入分类器对害虫种类进 行识别。对每类害虫的特征参数，用b p 神经网络、自组织竞争 中经网络、自组织特征 映射( s 0 m ) 神经网络实现了常见储粮害虫的分类，并对这几种分类器进行了分析比较。 臣隗整个算法流程，作者利用m a t l a bg u i 开发了基于图像识别的储粮害虫检测系 统软件，利用该软件可以对图像进行各种变换、预处理、特征提取与分类识别。 关键词：粮仓害虫图像识别特征提取神经网络分类识别 华中科技大学硕士学位论文 a b s t r a c t g r a i n - s t o r i n gi sr e l a t e dt ot h en a t i o n a le c o n o m ya n dt h ep e o p l e sl i v e l i h o o d ，s oi ti s e x t r e m e l yi m p o r t a n tt od ot h ej o bw e l l h o w e v e r , a tp r e s e n ti nt h ew h o l ew o r l ds t o r e d - g r a i n i sf a c i n gas e v e r es i t u a t i o n ：t h en u m b e ro fp e s t si si n c r e a s i n g , t h ec a t e g o r i e so fp e s t sa r e a u g m e n t i n g ，t h el o s so fs t o r e d - g r a i nc a u s e db yp e s t si sm o r ea n dm o r es e r i o u si nt h ec o u r s e o fg r a i ns t o r a g e n ”m o s ti m p o r t a n t 托a s o nr e s p o n s i b l ef o rt h a ts i t u a t i o ni st h a tt h e p r e v e n t i o na n dc u r eo fp e s t si s l a c ko fs c i e n t i f i cd e c i s i o n - m a k i n g a n dt h es c i e n t i f i c d e c i s i o n - m a k i n g i s l a r g e l y b a s e d o n t h ea c c u r a t e i n s p e c t i o n o f s t o r e d - g r a i n p e s 协a sar e s u l t ， i ti sv e r yn e c e s s a r ya n di m p e r i o u st od e v e l o pak i n do fs c i e n t i f i c ，p r e c i s e ，s i m p l ed e t e c t i o n t e c h n o l o g yf o rs t o r e d - g r a mp e s t s t h i st h e s i si sf o c u s e do ns t o r e d - g r a i np e s t s ，s t u d y i n gam e t h o dt oi n s p e c ta n di d e n t i f y p e s t sb yu s i n gi m a g e - t r a n s a c t i o na n dp a t t e r n - r e c o g n i t i o n i te m p h a s i z e so np i c k i n ge f f i c i e n t c h a r a c t e r sa n dd e s i g n i n ga c c u r a t ea n dr e l i a b l ec l a s s i f i e r c e n t e r e do nt h a ts u b j e c l ，t h ea u t h o r o ft h i st h e s i sh a v ea d v a n c e dad e t e c t i o nm e t h o do fc o m b i n i n gi m a g e t r a n s a c t i o na n d p a t t e r n - r e c o g n i t i o n , a n dp o i n t i n go u tt h en e c e s s i t yo fs t u d y i n gi tf u r t h e r a n dd e s c r i b e dt b e s o f t w a r ea n dh a r d w a d e s i g no ft h eg o m d g r a i np e s t sd e t e c t i o ns y s t e mb a s e do ni m a g e r e c o g n i t i o n b a s e do nt h ef r a m eo f i m a g eg a t h e r e df r o mc c d ，t h r o u g ha n a l y s i sa n dc o n t r a s t , t h ea u t h o rh a su s e dm i d d l en u m e r i c a lv a l u ef i l t e rt os m o o t ht h ei m a g ea n dg e tr i do fn o i s e t h e nt h ea u t h o rh a sd i s t i l l e de i g h tc o m m o ng e o m e t r i cf e a t u r e sa n ds e v e nu n c h a n g e a b l e m o m e n t s ，a n ds e l e c t ss o m ef e a t u r e so ft h o s ef e a t u r e sa st h ei n p u to ft h el a t t e rc l a s s i f i e r a t l a s tu s e db pn e u r a ln e t w o r k sc l a s s i f i e r , s e l f - o r g a n i z i n gc o m p e t i t i o nn e u r a ln e t w o r k s ，a n d s e l f - o r g a n i z i n gf e a t u r em a pn e u r a l n e t w o r k sc l a s s i f i e r , t h ea u t h o rh a sc l a s s i f i e df o u r c o m m o n k i n d s o f s t o r e d - g r a i n p e s t s b y u t i l i z i n gs e l e c t e d f e a t u r e s b yt i ：峙u s eo fm a n ，a bg u ip r o g r a m m i n gl a n g u a g e ，t h ea u t h o rh a sd e s i g n e da s o f t w a r ei od e t e c ts t o r e d - g r a i np e s t sb a s e do ni m a g er e c o g n i t i o n t h es o f t w a r ee f l l ld o m u l t i f a r i o u st r a n s f o r m i n g ，p r e - p r o c e s s i n g , f e a t u r e se x t r a c t i n g ，i d e n t i f y h a ga n dc l a s s i 句i n gt h e g a t h e r a di m a g e so f p e s t s k e yw o r d s ：s t o r e d g r a i np e s t si m a g er e c o g n i t i o n f e e t t l l l te x t r a c t i o na n ds e l e c t i o nn e u r a ln e t w o r k sc l a s s i f i e r i i 独创性声明 本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究 成果。尽我所知，除文中已经标明引用的内容外，本论文不包含任何其他个人或集体 已经发表或撰写过的研究成果。对本文的研究做出贡献的个人和集体，均已在文中以 明确方式标明。本人完全意识到本声明的法律结果由本人承担。 学位论文作者签名 产辱 日期：k 税年，f 月弓e l 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，即：学校有权保 留并阿国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本 人授权华中科技大学可以将本学位论文的全部或部分内容编入有关数据库进行检索， 可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。 保密口，在年解密后适用本授权书。 本论文属于， 不保密日。 ( 请在以上方框内打“”) 学位论文作者签名： 日期：如r p ；年，f 月 指导教师签 日期：彬易日 芦弓 华中科技大学硕士学位论文 1 绪论 1 1 粮仓害虫检测的必要性 储粮害虫防治技术是粮食仓储技术的重要研究方面。储粮害虫防治技术是研究如 何检测及捕杀仓储害虫，最大限度地减少因虫害所造成的损失。事实上，世界各国贮 粮每年遭受仓储害虫危害所造成的损失是非常普遍和严重的。根据资料显示，全世舁 每年至少有5 的粮食被害虫糟蹋，如果人力、物力和技术跟不上，可能会达到2 0 - 3 0 。据1 9 5 0 年报道，拉美国家贮粮的虫害损失非常严重，平均损失在3 5 左右： 据1 9 6 5 年的报道，日本贮粮的虫害损失每年约5 ；据美国纽约时报1 9 7 4 年的报 道：如果能够有效地防治世界各地粮仓的谷物害虫，则相当于增产2 5 的谷物。因此， 研究怎样检测与防治粮仓内的害虫就成为当前世界各国粮食部门的科研热点，并提出 了许多害虫检测方法和害虫综合防治技术。 众所周知，我国是世界上最主要的产粮、储粮大国，更是消费大国，搞好粮食储 藏是关系到国计民主的大事。近年来，我国的粮食生产形势十分喜人，年产量已达5 0 0 0 亿公斤，库存量高达年产量的一半以上。为了确保粮食的安全储藏，每年国家用于粮 食储各方面的补贴费用就有数百亿元，但仍有不少粮食因管理决策不善等原因而遭受 损失，其中储粮害虫的危害不容忽视。我国的储粮每年至少要使用杀虫剂进行一次熏 蒸杀虫，许多地方要熏蒸两次，甚至更多，这不仅增加了开支，对粮食和环境的污染 也日趋严重，而且害虫的抗药性水平快速提高。造成这种状况的一个主要原因是害虫 防治决策缺乏科学性，而害虫防治决策重要的科学依据之一就是储粮害虫的准确检测 1 2 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，实现粮仓虫 害的自动化检测、智能分析和自动控制。以完善安全储粮综合治理专家决策支持系统。 由此可见，研究有效的害虫在线检测技术，准确地给出害虫的种类、密度等信息，可 华中科技大学硕士学位论文 为害虫的综合防治提供科学的决策依据，也具有重要的实际应用价值。 在最近十几年时间里，英国、美国、意大利与加拿大等几个发达国家先后在仓储 害虫信息素的结构鉴定、活性测定、筛选、仓储害虫的监测、诱捕器的研制以及直接 防治( 诱杀法，迷向法) 等应用研究方面开展了较为系统和深入的试验探索，并己在 诸多方面取得很大进展。目前的储粮害虫的检测方法在某些场合具有一定的效果，但 还难以满足目前粮库中害虫检测的要求，其主要原因是不能准确地在线检测储粮害虫 的种类、密度等信息，而且无法实现粮仓虫害的自动化检测、智能分析和自动控制【l 】。 我国于1 9 9 8 年开始大规模兴建中央直属储备粮库，它们都配置了较为完善的、先 进的安全储粮设施，如环流熏蒸系统、机械通风系统和测温系统等。但是害虫的检测 仍然是采用人工取样、过筛、查虫的传统方法。因此，开发科学实用、准确简便的储 粮害虫在线检测技术是很有必要的，也是极为迫切的。 随着科技的发展，机器视觉、数字图像处理及模式识别技术得到了前所未有的发 展与应用，在农业中也取得了卓有成效的应用，主要有：农产品的品质检测，收获机 器人，精细农业，生物生长状态的监控技术四个方面。例如，水果形状与品质的自动 检测与识别，各种水果收获机器人，禽蛋的检测与分级，烟叶质量的检测等等。在储 粮害虫检测方面，美国学者z a y a s 对散装小麦仓中的一种甲虫谷蠹成虫进行了研 究”。他们采用多光谱分析和模式识别的技术相结合来检测害虫。结果表明：该法有较 高的识别率，但残缺粮粒、草籽、害虫的姿态等因素对检测结果有较大的影响；并且， 该方法不是在线检测。到目前为止，国外用模式识别技术来检测储粮害虫的研究很少， 而在国内由于计算机技术已经在储粮行业中取得了广泛的应用，而且目前国家粮食储 备库都配备有计算机监控与管理系统，在利用粮库现有计算机和不追加大量投资的情 况下，郑州大学提出了基于图像识别采用可见光的害虫在线检测的新方法，利用计算 机技术、机器视觉、图像处理与模式识别技术相结合进行了储粮害虫检测方法的尝试， 该方法在一定程度上能够弥补当前几种检测方法的不足，具有无污染、效率高、成本 低、可以利用并完善粮库己有的计算机粮情测控系统等优点。但是郑州大学的检测方 法对于害虫的假死性问题、幼虫的识别问题，死虫与活虫的区分问题上还有很大的缺 陷，因为这些问题影响最终的识别系统的性能，使得系统无法实用并推广应用，同时 华中科技大学硕士学位论文 进一步提高识别的精度也很有必要。而这些问题可以采用近红外( n e a ri n f r a r e d ) 或 偏振的方法与图像识别方法相结合来解决”。 因此，深入研究害虫图像的特征提取和分类识别在储粮害虫检测与识别中的应用 是一项很有意义的工作。 1 2目前国内外粮仓害虫检测的研究状况 1 2 1 粮仓害虫的分离和识别 粮仓害虫的检测实际上可分为分离和识别两步进行，其中分离害虫有诱捕 和取样两大类方法。 目前，国内外在诱捕害虫方面，主要有以下几种方法“”： ( 1 ) 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。 该法能够给出害虫密度的大概统计，但该法受外界环境影响较大，温度、降雨、 风的速度和方向均会对它的效果产生影响。l o s c l i a v o c ta 1 ( 1 9 8 6 ) 研究证明很多害虫只 在特定的时间( 黎明、正午、黄昏和晚上) 和特定的温度( 1 0 一1 5 。c ) 下才对化学合成 信息素产生反应”。 ( 2 ) 引诱剂诱捕 利用害虫的嗅觉对糖醋液、蜂蜜、菇类化台物等引诱剂敏感进行诱捕。该法简单， 但劳动量大，诱虫比较单一。 ( 3 ) 陷阱诱捕“ 它是利用粮堆内害虫的随机运动使其进入诱捕器内。该法被国内外广泛使用，成 本低廉，主要用来探测害虫的密度。但该法人工劳动强度大，不能在短时间内获得想 要的数据，不能够探测粮食内部的害虫，而且陷阱一般位于难以到达的位置，操作难 度很大。该法对不喜欢运动的害虫诱集效果较差，而且这个方法要求诱捕器构造和使 用方法标准化，否则测出的结果不稳定并缺乏可比性。捕获率会受到害虫种类、粮食 温度和谷物类型等的影响。 华中科技大学硕士学位论文 ( 4 ) 声音诱捕 即录下害虫的求偶声招引同伴，诱捕异性害虫。 ( 5 ) 光诱捕 利用害虫的趋光特性进行诱捕。在室内的环境里非常有效，常用来监测害虫的存 在、确定害虫密度随季节的变化。但信息索诱捕一般具有特异性而且更加方便，因此 光信号引诱相对来说应用的更少一些。 上述几种方法对粮仓害虫的诱捕都具有一定的效果，但诱虫均比较单一，加之储 粮中害虫的种类复杂，且近年来害虫的种类有上升的趋势，因此其实际应用受到了一 定的限制。 取样法是一种传统的方法，它是按区定点分层人工扦取或电机吸取粮食样品并进 行过筛的方法得到害虫。在粮库现场检测中，该法是当今使用效果较好、运用较广的 分离害虫的方法。 1 2 2 粮仓害虫的识别 目前，国内外在储粮害虫的识别方面，有以下几种方法”： ( 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，而且由于保管人员素质的差别，不可避免地出现人为误差，最 终给防治决策提供不准确甚至错误的信息。 ( 2 ) 声音识别 即通过害虫在取食、运动、通讯时发出的声音来测定和监测储粮害虫。它的原理 是把声音变成电讯号，通过电子过滤器把昆虫发声的频率与环境声音的频率分开，根 据音程的百分比和音程数量的多少分辨出昆虫的种类和数量。该法存在环境噪声影响 较大、设备造价较高、识别害虫种类较少等缺陷，故难以推广应用。其准确性会受到 一些物理的和生物的因素制约。譬如害虫分布、声音的强度、持续时间、和声源的声 音谱线特征、到接收器的间距、接收器的灵敏度和环境的噪声等物理因素；以及外界 的环境、害虫的行为和害虫是否活动等生物因素。优点是能够探测出谷物内部的害虫， 但是不能够探测已死的害虫和尚处于幼虫阶段的害虫。 4 华中科技大学硕士学位论文 ( 3 ) 电导系数测量 该法将谷仁视作一个串联在一个闭合回路中两个固定电阻之间的一个可变电阻， 通过对其两端电压的测量即可以对单粒谷仁的品质进行描述。一般谷物两端的低电压 表明谷物具有低电阻，说明谷物具有较高的湿度。如果有活的害虫处在谷仁内部，那 么在电压信号曲线上就会出现一个陡峭的下坡。虽然该法成本较低，可以探测隐藏在 谷物内部的害虫，准确率在8 7 8 8 之间。但测量单颗谷粒相当耗时，对于虫卵和幼虫 由于其湿度低而经常测量不到，且不能测量谷仁内部己死的害虫。相对于x r a y s 方 法而言，它不能探测内部具有虫卵和幼虫的谷粒，而且效率比较低。 ( 4 ) b e r l e s e 漏斗方式 这是一种利用光热驱赶作用的漏斗状分离集虫器，主要用来采集微小至小型昆虫。 一般漏斗内的温度应控制在3 5 4 0 c 之间，不能过高，以免烘死昆虫。该法准确性较 低，仅为4 9 7 9 。成本较低，被广泛使用在谷物传送带和升降机里。但速度非常慢， 要确定l k g 谷物样品的害虫数量得5 6 小时，其准确率倚赖于害虫的成长阶段、谷物 样品的大小和谷物的湿度等，而且不能探测谷粒内部的害虫污染情况。 ( 5 ) 近红外法 该方法依据于各类物质对7 8 0 2 5 0 0 n m 的近红外电磁波吸收性能的差异从而对探 测物分类。譬如水、蛋白质、脂肪、炭水化合物对红外光谱的吸收均不一样。该种方 法速度很快、可靠性高、对大量的谷物进行综合分析是一种正确而且经济的方法，该 法可同时对产品的数量和质量进行分析。e l i z a b e t h , d o w e l l 。b a k e r , a n dt h r o n e ( 2 0 0 2 ) 等 人证实s i r 方法是探测单粒谷仁中各个阶段无论是死虫还是活虫的最好方法。他们还 对正常谷仁，内含活蛹、大的幼虫、中等大小的幼虫和小幼虫的谷仁进行了检测，其 准确率分别为9 4 、9 2 、8 4 5 、6 2 5 且无需准各样品。但不能探测低密度的害虫，对谷 物样品的湿度非常敏感，设备的标度非常复杂而且要经常修正o ”“”。 ( 6 ) 机器视觉“” 该法主要是利用害虫的颜色、形态等特征，运用计算机视觉、图像处理、模式识 别等技术识别害虫。粮食储藏过程中的检测包括害虫、霉变、杂质，破粒粮等内容， 其中害虫的检测是关键所在。机器视觉技术检测应用于商业化害虫检测系统的最大障 华中科技大学硕士学位论文 碍是其处理速率非常有限，需要更加快速可靠的算法。而且，设备的复杂度，特别是 相机( c c d ) 的型号、计算机的规格、样品传输系统，都应该降低到性价比能为商业化接 受的程度。另外它的一个缺陷是无法探测谷粒内部的害虫。 ( 7 ) x r a y 成像的方法 k a r u n a k a r a ne ta 1 ( 2 0 0 3 ) 币t j 用x - r a y 扫描对被s i t o p k i l u so r y z a e 的幼虫和成虫侵蚀过 的小麦仁进行了识别，准确率达9 7 ，对正常麦仁的识别率达9 9 。软x - r a y 系统由1 5 k v 电压和6 5ua 电流供电的荧光镜产生实时信号，单颗麦仁放在x - r a y 射线管和探测器 之间，利用黑白c c d 在探测器屏幕上获取信号并被a d 装置数字化，数字化后的信 号送到计算机处理以实现对害虫的探测。该方法没有破坏性，准确率较高，谷粒内部 和外部的害虫均可以探测，对谷物仁里无论是死虫还是活虫均可以探测。唯一的缺陷 是不能探测虫卵。 各种检测方法的分析对比如下表卜1 所示。 表1 1 各种害虫分类识别方法的对比嘲 害虫检测手段 优点缺点 探针和陷阱应用广泛，价格便宜，常用来确定害虫密度劳动密集型，难以随时取得数据， 不能探测谷物内部，陷阱的安放 位置受到限制 引诱剂诱捕能给出害虫密度的信息环境因亲影响很大 光诱捕在室内环境比较有效效率不是很高 声音诱捕能够探测谷物内部害虫不能够检测死虫和幼虫 电导率泓4 量能够鉴别谷物内部隐藏的害虫不能检测谷仁内部的虫卵和幼 虫，效率很低 b e r l e s e 漏斗便宜，常被用于传送带上检测害虫非常慢，谷物内部损坏不能探测 近红外法 快速。不需要准备样品不能检测低水平的污损，对样品 的湿度非常敏感，器材的标定很 复杂而且需要经常修改 机器视觉探测谷仁外部的害虫非常有效不能探测谷仁内部害虫 x 射线成像 无破坏，快速准确。谷仁内外的害虫都可以 不能检测虫卵 检测，谷仁内部的害虫无论死活均可探测 1 2 3 国内研究现状 1 9 9 6 年，郑州大学图像识别研究室开始利用该技术对小麦粮仓中主要害虫进行识 别研究。经过几年的研究与探索，已经可以离线识别出谷蠢、玉米象、绿豆象、大谷 盗四种主要储粮害虫，根据成虫背面特征的识别率可达9 0 以上，而侧面、腹面及其它 华中科技大学硕士学位论文 因素影响下的虫种识别还有待进一步研究。美国z a y a s 等学者对散装小麦仓中的一种 甲虫谷蠢成虫进行了研究，他们用多光谱分析和模式识别技术相结合来检测害虫 结果表明：残缺粮粒、草籽、害虫的姿态等因素对检测结果有较大的影响。到目前为止， 国外运用图像识别技术来检测储粮害虫的研究很少，而国内至今尚未见到类似的报道。 利用图像识别的方法检测准确度高、劳动量小、价格低廉、效率高、无环境污染、 便于和粮库现有的计算机管理系统相连接，但目前还不能满足粮库中害虫检测的要求， 因此这方面的研究工作有待进一步改进、完善和提高。 1 3 基于图像识别的粮仓害虫检测方法 随着计算机技术的发展，数字图像处理和模式识别技术得到了前所未有的发展与 应用，在农业的农产品品质检测、收获机器人、精细农业和生物生长状态监控等方面 己取得了卓有成效的应用。在储粮行业，图像识别技术也用来确定粮食的等级与品质、 辨认小麦硬度、区分粮食颜色和霉变粒及小麦淀粉颗粒的图像分析等。美国( f e d e r a l g r a i ni n s p e c t i o ns e r v i c e ) 在1 9 9 7 利用机器视觉技术对害虫污染和谷物等级进行了分析。 他最初是将个别的谷粒拿来和具有代表性的谷粒照片进行对比。但这种做法直观性强、 消耗大量时间，而且不能探测谷仁内部害虫。z a y a sa n d f l i n n 0 9 9 8 ) 利用小麦的结构纹 理和颜色信息对r d o m i n i c a 害虫进行了分析测量，准确度高达9 0 以上，但残缺粮粒、 草籽、害虫的姿态等因素对检测结果有较大的影响；除此篇外，国内外还未见用模式 识别技术进行储粮害虫检测的研究报道。此外，z a y a s 虽然是离线检测害虫，但也初步 表明了用模式识别技术进行储粮害虫在线检测的可行性。 鉴于图像识别技术的上述成功应用的基础，加上国家储粮行业计算机自动化、网 络化、规范化管理的发展趋势( 如各种计算机粮库温度、湿度、水分的自动检测和控制 系统，粮库的网络计算机管理系统) 。在利用粮库现有计算机而不追加大量投资的情况 下，我们于2 0 0 4 年底就提出了基于图像识别的储粮害虫检测的新方法，并申请了华中 农业大学青年创新基金课题。即利用c c d 设计集光、机、电、算于一体的粮仓害虫图 像采集系统，获得粮仓害虫的图像，通过滤波去噪、灰度变换、二值化和数学形态学 处理及形态参数的统计分析等各种图像处理手段，可以获得信息丰富的害虫图像数据， 然后对图像数据利用小波变换、傅立叶描绘子、奇异值变换、主成分变换、神经网络 7 华中科技大学硕士学位论文 和模糊理论等先进的工具进行分析，获得更合适的分类特征( 形状、纹理、代数) ，提 高害虫识别精度，从而为开发科学实用、准确简便的储粮害虫在线检测技术，实现粮 仓虫害的自动化检测、智能化分析提供应用基础。经过一年多来的研究与探索，己经 初步提取出四种主要储粮害虫( 玉米象、长角扁谷盗、赤拟谷盗和书虱) 的形态和纹理 特征，根据成虫背面的形态特征的离线识别率可达8 5 。但是，由于系统还不能在线识 别，仅能离线识别四种害虫，要满足储粮害虫检测的需要，在增加识别种类的情况下， 还需要对系统的预处理、特征提取和分类等环节进行更深入的研究。 本项课题的预期研究成果一旦成功地应用于储粮行业，将有助于粮库管理人员进 行科学的决策，以及时采取合理的防治措施，达到粮食保质、保鲜、保量的目的。并 且基于图像识别的害虫检测方法，具有无污染、效率高、成本低，可以利用并完善粮 库己有的计算机粮情测控系统等优点。由此可见，本课题不仅具有重要的学术价值， 而且有着广阔的应用前景。 1 4 本课题的内容和来源 ， 本课题来源于华中农业大学青年创新基金课题( 2 0 0 4 年) 。本论文以储粮害虫为对 象，提出了基于图像处理和识别的储粮害虫检测的方法，研究用图像处理和模式识别 技术来实现储粮害虫的检测和识别，重点在设计有效、可靠的分类器，实现害虫的准 确检测与分类。全文共分六章。 第一章绪论部分，介绍了国内外储粮害虫防治发展概况，将图像处理和模式识别 技术相结合，提出了基于图像识别的粮仓害虫检测的方法，并指出对其进行深入研究 的必要性。 第二章基于图像识别的粮仓害虫检测系统，简要论述了系统的功能，总体设计思 路以及系统的软、硬件设计。 第三章图像预处理部分，在准确、实时获取图像的基础上，对原始图像进行平滑 去噪处理，然后利用c a n n y 算法检测害虫边缘，提取害虫目标。 第四章特征提取部分，在图像预处理的基础上，提取害虫图像的几何特征、灰度 特征和纹理特征里的部分特征参数，从而为对害虫进行识别提供有效特征。 第五章为本文的重点，用神经网络技术来实现储粮害虫的分类。深入地研究了b p 华中科技大学硕士学位论文 神经网络、自组织竞争神经网络、自组织特征映射( s 0 m ) 神经网络分类器的设计，给出 了分类结果，并对这几种分类器进行了分析比较。 第六章结论与展望，简要总结了本论文的主要工作，并提出了进一步的改进思路。 9 华中科技大学硕士学位论文 2 基于图像识别的害虫检测系统的总体设计 2 1 仓储害虫检测系统的原理和功能 本文利用c c d 设计集光、机、电、算于一体的粮仓害虫图像处理系统。通过c c d 获 得粮仓害虫的图像，经过滤波去噪、灰度变换、二值化和数学形态学处理及形态参数 的统计分析等各种图像处理手段，可以获得信息丰富的害虫图像数据，然后对图像数 据利用小波变换、主成分变换、神经网络和模糊理论等先进的工具进行分析，获得更 合适的分类特征( 形状、纹理，代数) 。最后利用经过选择后的特征输入神经网络分类 器，对害虫的种类和数量进行识别统计，从而为开发科学实用、准确简便的储粮害虫 在线检测技术，实现粮仓虫害的自动化检测、智能化分析提供应用基础。 该系统主要用于储粮害虫的检测与识别，系统要自动检测有无害虫，并提供害虫 的种类、密度( 粮仓中密度最高点的密度作为该仓的害虫密度) ，危害的具体位置( 仓、 点、层等) 等参数，以便及早发现害虫，决定是否采取人为防治措施，并为施药的种类 和剂量提供参考。目前我们主要实现了粮仓害虫离线检测的功能，结合储粮害虫防治 的实际需要，该检测系统主要应具有以下几种功能： ( 1 ) 能够正确、实时地对储粮仓库中各检测点进行虫害检测与识别； ( 2 ) 能给出常见的、危害较大的害虫的种类及密度信息( 虫害严重时，具有报警功 能) ，并根据专家经验给出所应采取的杀虫措施； ( 3 ) 能对粮仓虫害情况进行历史查询，对比统计显示，报表汇总与打印；能对粮 食害虫及防治方法知识进行查询。其中包主要储粮害虫的生物特征、生活习性及图片 及其他有关信息。 ( 4 ) 系统帮助功能( 怎样操作和使用该系统) 。 上述各种功能是对害虫检测系统功能的总体设计与规划，本论文重点研究了其中 的分类识别部分。 2 2 害虫检测系统的总体方案设计 一个图像识别系统，实质就是计算机模仿人类认识和识别物体的过程。如图2 - 1 1 0 华中科技大学硕士学位论文 所示，它主要由下面三个部分构成：图像信息的获取，图像信息的加工和处理以及特征 的提取、图像的识别与分类。 图2 1 图像处理系统构成框图 根据图像系统的流程，参考目前系统所要求的功能，总的系统检测方案如下： 首先获取对粮仓取样谷物的帧图像，对当前帧图像进行灰度统计来判断该帧图像 是否含有可疑目标( 害虫与杂质) 。若没有发现可疑目标，则系统继续运行采样；若发 现可疑目标则对有问题的那一帧图像进行图像预处理、特征提取；然后将所提取的特 征向量送入分类器并给出检测结果；根据检测结果，借助储粮专家经验给出所应采取 的措施。整个系统工作的总流程如图2 - 2 所示。 图2 _ 2 粮仓害虫检测系统工作流程图 华中科技大学硕士学位论文 2 3 害虫检测系统的硬件和软件设计 2 3 1 系统的硬件设计 粮仓害虫检测数字图像识别系统由采像系统，成像系统、计算机以及图像处理系 统构成，如图2 - 3 所示； 图2 - 3 粮仓害虫检测系统硬件框图 硬件系统的配置如下： 取样装置：自制取样器一台； 摄像机：m t v 一1 3 v i1 3 ”黑白高解析带o s d 摄像机； 图像采集卡：大恒d h - c g 4 0 0 视频采集卡； 输入输出设备：显示器、键盘、打印机： 计算机的主要部件配置： 主机板：带p c i 插槽，支持新的p c i 规范； c p u ：奔腾系列( 如奔腾u 1 5 5 0 或以上均可) ； 内存：在w i n d o w s x p 环境下使用2 5 6 m 以上内存； 显示卡：显示卡的速度主要影响实时显示的性能； 显卡帧存：真彩色图像采集2 m 以上，灰度采集埘以上。 图像处理系统的采集部分由光源、面阵c c d 、图像采集卡、样品台、固定支架构成。 照明系统通常由光照箱体、光源和背景组成。对于本系统，光照箱体就是取样器，它 是密闭且外形对称的圆柱体，能够形成均匀的漫发射，保证了光照的均匀：通过反复 实验分析。最终选定淡黄色光源和白色背景，基本满足了系统的要求。通过固定样品 台，调整面阵c c d 得到合适的焦距和光阑，将采集到的清晰的害虫图像输送到成像系 统。成像系统将图像成像于面阵c c d ，然后信号送进图像采集卡，最后图像输出到视频 华中科技大学硕士学位论文 输出设备上，并将图像数据保存于计算机中预各进入图像处理系统。通过计算机的图 像处理系统对采集的图像进行分析，得出识别结果。 图2 - 4 粮仓害虫检测系统光源框架示意图 2 3 2 系统的软件设计 本系统采用了具有强大矩阵运算能力的m a t l a b 作为系统开发工具，重点运用了 m a t l a b 软件中的“数字图像处理”工具箱。m a t l a b 语言是由美国m a t h w o r k s 公司推出 的计算机软件，现已成为国际公认的最优秀的科学计算与数学应用软件之一m a t l a b 具有高质量、强大的数值计算功能，具有数值分析和科学计算可视化功能，具有强大 的符号计算功能。利用m a t l a b 编程具有界面友好，功能强大、可扩展性强，图形功能 灵活方便等突出优点。因此我选择了m a t l a b 作为系统开发软件“”，图2 - 5 至图2 - 7 是 我开发的软件几个子模块的主界面。 本软件包括以下几个子模块：图像预处理模块、图像边缘提取模块、图像分割和 特征提取模块、神经网络模式识别模块。 图2 - 5 是图像处理软件子系统的主界面，主要包括文件处理、图像变换与预处理、 边缘检测、特征提取、模式识别五个子功能。 其中文件处理菜单包括图像文件“打开”、“保存”、“另存为”，“退出”四个功能 子菜单。 图像变换与预处理包括旋转、剪切、直方图、r a d o n 变换、二值化、频谱图等功 能子菜单。 图2 - 6 是粮仓害虫处理系统提取边缘主界面。提取边缘模块分别采用了“r o b e r t s 算子”、1 “s o b e l 算予”、“p r e w i t t 算子”、“l a p l a c i a n 算子”和“c a n n y 算子”五种算法a 该软件可以对五种算法进行选择，在算法确定以后可以对每种算法赋予适当的参数， 华中科技大学硕士学位论文 然后运行算法对图像进行边缘检测。图中所示为利用“s o b e l 算子”对玉米象提取边缘 前后的对比。 图2 - 7 是粮仓害虫处理系统参数提取界面。参数提取模块可以提取图像的长、宽、 长宽比、周长、面积、圆度、复杂度等特征参数。图中所示为粮仓害虫玉米象的 特征参数。 1 4 华中科技大学硕士学位论文 2 4 本章小节 图2 7 稂仓害虫处理系统参数提取界面 本章首先介绍了基于图像识别的储粮害虫检测系统设计的原理以及所应具有的功 能；然后，较为详细地论述了系统的总体设计思路、硬件设计及软件设计；最后，给 出了系统软件的几个主要的界面示例。 1 5 华中科技大学硕士学位论文 3 粮仓害虫图像处理与分割 图像是用各种观测系统以不同的形式和手段观测客观世界而获得的，本质上可 认为是数据的集合。人类视觉可以感知的图像仅限于电磁波谱的视觉波段，而机器 视觉几乎覆盖全部的电磁波谱，从伽马射线到无线电波。出于人类分析问题的方便 以及机器自动理解的需要，随着成像技术、数字计算机以及信号技术在速度、规模 和经济效果上的改进，同时由于离散数学理论的创立和完善，数字图像技术近年来 得到极大的重视和长足的进展，出现了许多有关的新理论、新方法、新算法、新手 段和新设备，其理论和方法进一步完善，对推动社会发展、提高人们的生活水平起 到了重要的作用“”。 3 1 图像预处理 在粮仓害虫检测中，利用采集卡获得的原始图像不仅仅包括害虫，而且还有粮食， 并且粮食的比例远大于害虫，因此必须去掉粮食背景的影响，提取害虫识别目标，这 就需要对图像进行分割，进而才有可能提取害虫的各种特征进行识别。但在实际应用 中，往往由于光照的稳定性与均匀性、空间的灰尘、外界的自然光线等噪声的影响， c c d 所获取的图像有时并不令人十分满意，因此在必要的时候需要对图像进行平滑等增 强处理，才能进行图像分割和特征提取。所有这些前续的工作都叫预处理，其目的都 是为了更好地提取害虫目标特征进行识别。 图像增强的目的就是采用一系列技术去改善图像的视觉效果或将图像转换为一种 更适合于人眼观察和机器自动分析的形式。目前常用的增强技术根据其处理所进行的 空间不同，可分为基于图像域( 空域) 的方法和基于变换域两类方法。 3 1 1 图像去噪 系统在利用c c d 获取图像的时候，粮仓害虫是置放于样品台上的，如图3 一l 所示。 样品台是白色背景的平板，白色背景平板在经过c c d 获取图像以后发现其本身自带的 纹理给害虫图像带来了大量噪声。 1 6 华中科技大学硕士学位论文 图3 - 1 粮仓害虫处理系统图像获取装置 图 2 样品台背景图3 - 3 带背景的粮仓害虫图像 圈3 - 4 去除背景后的粮仓害虫图像 由于图3 - 3 是在图3 2 的基础上增加害虫所得到的，也就是粮仓害虫图像携带了 图3 2 所示的样品台背景。系统调用了m a t l a b 图像工具箱的r g b 2 g r a y ( ) 函数，首先 将r g b 图像转换为灰度图像。图3 2 和图3 - 3 所示的两幅大小相同的灰度图像用相同 大小的二维矩阵表示。调用工具箱的i m s u b t r a c t o 函数，将图3 - 3 所示的图像减去对应 的样品台背景图像，得到纯害虫的灰度图像如图3 4 所示。图3 - 4 所示的图像仍然存 在着椒盐噪声，且图像偏暗、对比度偏低，因此还要继续进行图像增强处理“”。 3 1 2 图像平滑 图像平滑( 也称滤波) 是图像增强的主要内容之一，其主要目的在于消除各种干扰和 华中科技大学硕士学位论文 噪声，这些噪声可能是在图像采集、量化等过程中产生的，也可能是图像传送过程中 产生的。其表现是图像信息被干扰噪声污损，这类噪声具有离散性和随机性的特点。 通常把消除这类噪声的处理方法称为图像的平滑。图像平滑的困难在于消除噪声的同 时要尽量避免降低图像的清晰度，不使图像的边缘进一步模糊。 最常用的空间域平滑法有邻域平均法和中值滤波法，其中邻域平均法虽然对噪声 的抑制能力较强，但会使图像的边缘产生严重的模糊，给边缘的检测带来困难：中值滤 波也会使图像边缘产生一定程度的模糊“”。本文所采用的是一种扩展自适应的中值滤 波器，它能够有效的平滑噪声，同时也能够锐化模糊的图像边缘，在二者之问取得较 好的平衡。 中值滤波是由图基( t u r k y ) 在1 9 7 1 年提出的，中值滤波的原理是把序列( s e q u e n c e ) 或数字图像( d i g i t a li m a g e ) 中一点的值，用该点邻域中各点值的中值来替代。对序列 而言中值的定义是这样的“”： 若z t 勉为一组序列，先把其按大小排列为翱辄自稆s 轴，则该序列的 中值v 为： y2m e d x l x 2 吒j = h 为奇数 ( 3 - 1 ) n 为偶数 式( 1 ) 中，若把一个点的特定长度或形状的邻域作为窗口，在一维情况下，中值滤 波器是一个含有奇数个像素的滑动窗口。窗口正中间那个像素的值用窗口各像素值的 中值来代替，设输入序列 蛳( f ，f ) e p 表示数字图像各点的灰庋值，滤波窗口为a ， 撕为窗口a 在确点的中值，i 为自然数集合或子集，则滤波器的输出为： 巧= m e d x d = m e d x o + d ，口+ 跏佛妙，f 、，力 ( 3 2 ) 上式给出了窗口a 在捌点的中值表达式，二维中值滤波的窗口可以取方形，也可 以取近似圆形或十字形。本系统调用m a 妇b 函数m e d f i l t 20 对图像进行中值滤波，以 消除图像中的高斯噪声、柏松噪声、乘性噪声和椒盐噪声。 考虑到消除背景后的粮仓害虫图像整体灰度偏低、图像偏暗，调用i m a d j u s t 0 函 数对图像进行线性变换对比度增强，使图像的欢度范围由原来的 01 0 0 变换到现在的 盟： z + 学虬 x 。i 一2 华中科技大学硕士学位论文 02 5 5 。 图3 - 97 x 7 窗口处理的害虫图像图3 1 07 7 窗口处理后对应二值图像 从实验结果可以看出，利用5 x 5 的滤波窗口对害虫图像进行处理后较好的去除了 害虫的噪声，同时又保留了图像的边缘信息。3 x 3 的滤波窗口虽然较好的保持了边缘， 但对于椒盐噪声的去除能力较差；而7 7 的滤波窗口虽然较好的去除了椒盐噪声，但 却模糊了图像的边缘，使图像丢失了大量的细节信息。综合而言，利用5 5 的滤波窗 9 囵一一 华中科技大学硕士学位论文 口进行中值滤波的效