开题报告-基于图像检测技术的粮仓害虫检测系统设计.doc

毕业设计(论文)开题报告题 目: 基于图像检测技术的粮仓害虫检测系统设计 院系名称： 电气工程 专业班级： 测控1001 学生姓名： 学 号： 指导教师： 教师职称： 副教授 2014 年 2 月 25 日开题报告填写要求1开题报告（含“文献综述”）作为毕业设计（论文）答辩委员会对学生答辩资格审查的依据材料之一。此报告应在指导教师指导下，由学生在毕业设计（论文）工作前期内完成，经指导教师签署意见及所在专业审查后生效。2开题报告内容必须用黑墨水笔工整书写或按教务处统一设计的电子文档标准格式（可从教务处网页上下载）打印，禁止打印在其它纸上后剪贴，完成后应及时交给指导教师签署意见。3“文献综述”应按论文的格式成文，并直接书写（或打印）在本开题报告第一栏目内，学生写文献综述的参考文献应不少于15篇（不包括辞典、手册）。4有关年月日等日期的填写，应当按照国标GB/T 740894数据元和交换格式、信息交换、日期和时间表示法规定的要求，一律用阿拉伯数字书写。如“2006年11月20日”或“2006-11-30”。毕业设计（论文）开题报告1结合毕业设计（论文）课题情况，根据所查阅的文献资料，每人撰写20004000字左右的文献综述：文 献 综 述一、选题的目的和意义：根据资料显示：全世界每年至少有5%的粮食被害虫糟踏,如果人力、物力和技术跟不上可能会达到20% 30%。我国总存储粮食量约为 4750亿kg，国库粮食损失约为0。2%已是十分 惊人。因此许多科研人员致力于粮仓害虫的检測、识别和怎样有效地杀死害虫的研究。新的测虫，杀虫方法不断出现。在检测害虫方面，目前国外主要有陷阱式诱捕器(包括塑料探针式、皱折纸板式与称台式、Savannah trap诱捕器等等)，其主要依据是通过对仓储害虫信息素的结构分析与鉴定。进行人工合成害虫信息素，进而设计基于害虫信息素的诱捕器进行诱捕和補杀害虫。而在国内对害虫信息素的研究起步较晚。大部分粮库现场仍采用简单的粮食取样器和食物诱捕器。其中，粮食取样器是在检测点取出约1 - 2 kg粮食进行过筛，再用肉眼观察得出害虫的密度及种类信息；而食物诱捕器。则是采用一定的装置放置一些害虫所喜好的食物进行检测捕杀害虫。该法劳动量较大，技术也较为落后另外。前几年国内曾有人研究过听虫器，即通过检测害虫发出的声音来检测粮仓 内的害虫情况，因有用信号经常被噪声所淹没，故无实用价值。对于基于害虫性信息素的诱捕器每种只能够提供检測捕杀一种或几种害虫的功能，因为各种害虫的生物学特性不同，性信息素当然也不同。从而造成了这类诱捕器的性能单一性，应用上的局限性。再者，当前还有一个重要问题就是：仓虫的密度和种类呈上升趋势，这也给研究信息素的诱 捕器带来了一定的困难。国外有一种名为WB Pmbe的害虫监测器也仅提供同时监测3种仓库甲虫。能否寻找一种实时的，高效的，并具有学习功能并能同时监测多种储粮害虫的粮仓监控仪器，我们认为是粮食储藏中的重要课题之一。 随着计算机技术的飞速发展，数字图像处理及模式识别技术也得到前所未有的发展与应用。计算机视觉及图像处理技术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。然而在害虫检测方面。目前尚未见到研究拫道，况且信息素研究与提取合成不仅存在技术上的困难，还有研究资金方面也是一个很大的问题。还有基于信息素的诱捕器，对于工作人员来说工作量仍然较大，没有很大程度的降低劳动量和提高工作致率，因为其属于人工的检测与诱捕模式。 为此，我们提出了基于图像识别的检测害虫的新方法，利用计算机视觉，图像处理与模式识别技术相结合实现粮仓害虫检测并给出所应及时采取的杀虫措施，旨在以最少的投资获取最大的经济效益，并在所提方法的基础上研究开发了粮仓害虫检测系统。二、国内外研究现状简述：1.1国外研究进展 1998年，Zayas等首先报道了粮虫自动识别系统。粮食经倾斜筛处理后，筛过物由人工放入条状箱中;用1488X1180像素的数码相机获取采样室内的图像，提取出i、G、B、ff、S、J每一个分量中的中值、均值、标准差等35个特征，用inhouse编 写的多变量分析算法对害虫进行判别分析，由SAS 程序选择最优特征并验证判别分析的结果。实验表明,70幅图像中谷蠹、草籽和其他杂质的识别率分别为90.3%、94.6%和93.1%。该法对子图像进行了识别，并判断是否属于害虫身体的一部分，增强了图像中的粮虫目标，但害虫的3个姿态（腹部、 背部、侧身)及其身上的附着物影响识别率，还不能区分死虫和活虫，粮虫的数量仍需人工统计。 Ridgway等(2001年和2002年）针对英国商业部的检测标准开发了害虫、鼠粪和麦角自动检测系统。由人工处理并使每幅图像中的单层麦粒不多于25个,且互不接触，把虫子(在干冰中急剧冷却致死）、鼠粪和麦角随机放在CCD视区内的白色卡片上。设计了最小运算量的线性分割检测器来定位图像中的害虫,并对锯谷盗、谷象、赤拟谷盗等6种甲虫进行了检测，判断是否有虫的识别率为93%。 并提出用混合自适应阈值算法检测鼠粪和麦角，实验表明田鼠粪、家鼠粪和麦角的检出率分别为99%、 98%和87%，系统图像处理速度接近118/111111。目前处于实验室模型阶段，且只能对死虫进行计数。他们在检测方案设计、提高检测速度等方面做了大量的工作,但粮虫采集前端仍需人工参与,需要提高检 测装置的自动化程度。1。2国内研究进展 邱道尹等（2003)首次提出了基于计算机视觉的粮虫在线检测，并研制了智能检测系统。系统中的取样机构利用负压将检测点的粮食吸入取样器，传送机构控制粮食样本层传送，途经CCD摄像机视区时，实时地摄取图像序列并由OK - C30S 型采集卡传送到微机内存。提取出粮虫二值化图像 的面积、圆形性等17个形态学特征;运用模拟退火 算法选择出面积、复杂度等10个适于分类的特征。系统能以86。5%的正确率在线识别出大谷盗、谷蠹等12种害虫，首次实现了粮虫的实时计数及其分类,但活虫会出现重计和漏计的现象，也不能区分死虫和活虫。 自2003年起，国内学者着重于粮虫图像预处理和识别分类方面的研究,并取得了一些成果。周龙用小波分析法将二维粮虫图像分解为层，对每个层次都选一定的阈值，对其频率系数从高到低进行阈值量化处理，根据具体需要对二维粮虫图像信号进行重构，可以实现小波分析去噪处理,然后再进行边缘检测,可以得到较清晰的粮虫特征图像，但都没有涉及后续的识别方法和识别结果。张红梅等(2005年)提取了 3种储粮害虫米 象、锯谷盗、杂拟谷盗的静态图像的数理统计特征、 纹理特征和几何形状特征,采用3层BP神经网络进行分类和识别的准确率为83。33%。甄彤等 (2006年)和廉飞宇等（2006年)采用三帧差 分法实现谷物害虫图像恢复与提取，利用图像的一阶灰度值直方图和图像的目标区域，自动提取静态储粮害虫图像的纹理等特征。提出利用多类SVM分类器的方法对米象、锯谷盗、杂拟谷盗3种粮虫的 样本图像进行分类，结果表明SVM的识别性能比 BP神经网络提高7个百分点。参考文献:1 阮秋琦.数字图像处理（第三版）.北京：电子工业出版社，20112 朱虹.数字图像处理基础.北京：科学出版社，20053 陈天华.数字图像处理.北京：清华大学出版社，20074 沈庭芝等.数字图像处理及模式识别(第2版).北京：北京理工大学出版社，19985 耿森林. 储粮害虫活动声特征检测与分析 .西安：陕西科学技术出版社 ，20066 蔡元龙.模式识别.西安：西安电子科技大学出版社，19987高隽,谢昭.图像理解理论与方法.2版.北京:科学出版社,2009.8延伟东.图像特征提取方法的研究.西安:西北工业大学,2007.9徐 ,邱道尹,沈宪章.粮仓害虫的特征提取与分类的研究.郑州工业大学学报,200010赵汗青,沈佐锐,于新文.数学形态特征应用于昆虫自动鉴别的研究.中国农业大学学报,200211张红涛,胡玉霞,赵明茜,等.田间害虫图像识别中的特征提取与分类器设计研究.河南农业科学,200812方明,周龙.基于神经网络的储粮害虫分类识别研究.武汉工业学院学报,2009,28(13周曼,周明全.基于神经网络的水稻害虫自动识别.北京师范大学学报:自然科学版,2008,4414邱道尹,张法全,张红涛.农田害虫色彩特征提取的研究.华北水利水电学院学报,2004,15刘芳,沈佐锐,张建伟,等.基于颜色特征的昆虫自动鉴定方法.昆虫知识,2008毕业设计（论文）开题报告本课题要研究或解决的问题和拟采用的研究手段（途径）：储粮害虫的防治是关系到粮食储藏这一国计民生的重大课题，因此非常重要，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。利用计算机图像处理技术检测粮虫，具有准确度高、劳动量小、效率高等优点，近十多年来一直是粮虫领域的研究热点。国内外学者基本上都是通过基于可见光图像的自动识别来自动检测粮粒外部害虫。有些粮虫之间的差别微乎其微，为了有效的识别害虫，除了形态学特征外，还需要提取颜色、纹理等新的特征，以形成适于分类的最优知识库，但是很多特征如边界矩的分布特性等具有平移、比例不变性，但却丧失了旋转不变性。由于大部分活的储粮害虫会四处爬行，在可见光图像识别技术中，采集获得的储粮害虫图像通常是倾斜的，为了获取储粮害虫图像中的一些与倾斜有关的重要特征，对储粮害虫图像进行倾斜校正显得尤为必要，需要对图像进行预处理，消除噪声干扰，增强对比度，提高图像的信噪比，或者对图像进行某种特定的变换，改善整体视觉效果，使图像更适合于人或计算机的分析和处理，为后续的处理做准备。此外，在目标的识别和跟踪系统中，目标分割是其中非常重要的环节，其分割结 果直接影响目标的定位、识别和后期跟踪环节的精度，同时也决定了整个系统的性能。可靠、有效、稳定的红外图像处理及目标检测算法已成为当前红外成像精确制导领域的研究重点与难点。本次课题以Labview为主体机构设计一种图像检测处理系统，进行粮仓害虫的图像识别。设计过程中需要解决的问题包括软件的安装，摄像头的安装位置，信号采取及处理方法，反馈控制等。拟采取方法：Labview(Laboratory Virtual Instrument Engineering Work- bench)是美国W公司开发的实验室虚拟仪器集成环境，是目前应用最广、功能最强的图形化编程开发环境，其特点是前面板的 虚拟仪器操作界面和图形化编程功能。基于Labview的图像处理方法通常是采用NI公司的机器视觉开发软件一视觉开发模块（Vision Development Module),该模块由 NI Vision Builder 和 IMAQ Vision 组成。其中 IMAQ Vision模块提供图像处理功能和机器视觉功能，包含400多个图像处理函数和交互式图像处理窗口，可处理1维、2维和3维 图像，但目前只支持NI公司生产的图像采集卡。尽管视觉开发 模块提供了包括灰度、彩色以及二进制图像的显示、处理(统计、滤波和几何变换)、形状匹配、斑点分析、计算和测量等400多种图像处理函数，但对于某些具体应用仍需定制自己的功能。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，我们可选用较为简单的自适应的阈值处理算法，因为图像仅包括害虫与粮食，也即仅有单一目标与单一背景。而Labview实时的处理，能看出图像处理的效果，这省去了算法的复杂选择。 图像分割以后，得到的是目标与背景的二值图像，这里的目标即害虫其灰度值賦为255，背景灰度值为0。然后经过一系列处理，得到模板，最后进行匹配。这时,我们就可以进行检测有无害虫，如果有，系统将蜂鸣报警,并且警报灯亮起。这时操作人员将获知信息并可以保存该幅图像以进行后续处理。后续处理包括统计出害虫密度信息和对图像进行特征提取用以分类。这是我们进一步的研究方向。方案二，间隔对同一采样点采集到的两輻图像进行预处理和二值化后,采用图像差影算法进行处理。若该检测点有害虫，因为害虫是运动的，故两犋图