基于计算机视觉技术对红火蚁巢的检测识别方法技术

本发明专利技术涉及基于计算机视觉技术对红火蚁巢的检测识别方法，属于农业运输机械的技术领域。本发明专利技术包括步骤：利用光谱辐射仪采集光谱图像信息，然后把采集到的光谱图像数据由asd文件转换成txt文件；对光谱图像信息进行数据处理，包括数据获取、数据处理、数据分析以及数据验证；用数字图像处理技术提取红火蚁蚁巢特征参数，建立HSV彩色空间模型，根据H分量的值，判断是否为红火蚁蚁巢土。本发明专利技术基于高光谱与图像技术对蚁巢巢土进行检测，找出红火蚁蚁巢区别于周围其他事物的光谱特征，以红火蚁蚁巢土的图像为基础，最终识别出红火蚁蚁巢土。

【技术实现步骤摘要】
基于计算机视觉技术对红火蚁巢的检测识别方法
本专利技术涉及高光谱信号采集和计算机图像处理的
，尤其涉及基于计算机视觉技术对红火蚁巢的检测识别方法。
技术介绍
在农业上，近红外光谱的分析应用较为广泛，在电磁光谱中，400-700nm的可见光使生命得以生存，而位于可见光之外的近红外光谱(NIR，波长为0.75-2.5μm)可以分析生物的所有组分。近红外光谱(NearInfraredSpectroscopy，NIRS)分析技术是20世纪80年代后期迅速发展起来的一项测试技术。目前，高光谱技术已经广泛应用于矿山资源、土壤、植被、精细农业、大气环境以及水环境监测等方面，充分展示了高光谱技术的优势与潜力。分类识别技术一直都是遥感应用中的重要技术之一，传统的分类识别技术已经在多光谱数据的分类处理方面取得了成功；而高光谱的数据量大，它的出现和应用对分类方法提出了新的挑战。目前，在野外鉴别红火蚁蚁巢的方法一般是采用肉眼观察的方法，先比较目标土堆与周围普通土壤的颜色、形状，再用硬物对目标土堆进行干扰，然后根据红火蚁蚁巢特征及红火蚁主动攻击入侵者的行为进行判断。若通过该方法来进行红火蚁疫情调查的话，将耗时耗力，且效率很低。因此，能够发现和掌握红火蚁蚁巢的快速准确检测技术，然后再诱杀红火蚁，是该害虫大面积防控的关键。如果能通过光谱来识别红火蚁巢穴，基于光谱图像的遥感检测技术将在到农业生产中的应用，将会对红火蚁巢穴的测量更准确、方便，方便农业方面的生物防治工作开展。
技术实现思路
为了解决现有技术所存在的问题，本专利技术提出基于计算机视觉技术对红火蚁巢的检测识别方法，基于高光谱与图像技术对蚁巢巢土进行检测，找出红火蚁蚁巢区别于周围其他事物的光谱特征，以红火蚁蚁巢土的图像为基础，最终识别出红火蚁蚁巢土。本专利技术采用如下技术方案实现：基于计算机视觉技术对红火蚁巢的检测识别方法，包括以下步骤：S1、利用光谱辐射仪采集光谱图像信息，然后把采集到的光谱图像数据由asd文件转换成txt文件；S2、对光谱图像信息进行数据处理，包括数据获取、数据处理、数据分析以及数据验证；S3、用数字图像处理技术提取红火蚁蚁巢特征参数，建立HSV彩色空间模型，根据H分量的值，判断是否为红火蚁蚁巢土。优选地，步骤S2所述数据获取过程为：选择红火蚁蚁巢土、草以及普通土3种地物进行试验，每种地物选取8处，每处分别测量3个不同的点，共测到72个样本点，利用光谱辐射仪进行光谱测量；将每种地物的24个样本点光谱反射率进行平均，求得每种地物的光谱反射率值。优选地，步骤S3中，当HSV彩色空间模型的色调通道的平均值H＜30时，判定为红火蚁蚁巢土。从以上技术方案可知，本专利技术采用高光谱与图像技术对红火蚁蚁巢进行检测，以红火蚁蚁巢土为主要研究对象，然后通过FieldSpec-FR地物谱仪设备来采集光谱信息，并且对光谱数据进行分析，最后找出红火蚁蚁巢区别于周围其他事物的光谱特征，从而快速判断检测出红火蚁蚁巢土；以红火蚁蚁巢土的图像为基础，通过计算机的图像软件、图像处理算法一系列处理，从而识别出红火蚁蚁巢土。与现有技术相比，本专利技术具有如下优点和有益效果：1、本专利技术的整个红火蚁巢的检测识别设备，结构简易，实现模块化安装，安装便捷，维护方便，不会出现某部件损坏就导致整个系统要更换的风险。2、本专利技术使用光谱信息采集技术，在正确的工作环境下能够较准确地采集到光谱信息，而且能够很好地运用到后续的分析当中。3、具有图像处理识别红火蚁蚁巢土的功能，通过对红火蚁蚁巢土图像的处理，得到HSV颜色模型；在HSV颜色模型中，只要阈值H＜30，就能判断是红火蚁蚁巢土，算法不复杂，运行速度快。4、利用ViewSpecPro、Excel等软件构建LAI与光谱图像信息的数据分析系统，能够对红火蚁蚁巢土、普通土以及草进行识别，并且证明识别不同地物的波段大都位于近红外波段。附图说明图1是本专利技术采集图像信息的流程图；图2是本专利技术数据分析与验证的流程图；图3是本专利技术数据分析的过程图。具体实施方式下面将结合附图和实施例来对本专利技术做进一步详细的说明，但本专利技术的实施方式不限于此。实施例本专利技术基于计算机视觉技术对红火蚁巢的检测识别方法，主要是通过区分蚁巢土与其他土壤来进行红火蚁巢土的准确快速识别；具体通过ASDFieldSpecProFR光谱辐射仪(即地物谱仪)采集红火蚁巢穴及普通土壤的光谱数据信息，并且对两种光谱数据信息进行对应的分析，最后得出红火蚁蚁巢土与周围其他土壤的光谱特征，从而快速判断检测出红火蚁蚁巢土；此外，根据红火蚁蚁巢土的图像，上位机进行一系列图像处理，从而识别出红火蚁蚁巢土。上位机可采用图像处理软件MicrosoftVisualStudio2010。基于ASDFieldSpecProFR光谱辐射仪的检测，波长范围为300-1100nm，光谱采样间隔为1.6nm，灵敏度线性为±1％。可用于户外目标可见-近红外波段的光谱辐射测量。该光谱仪在户外主要利用太阳辐射作为照明光源，利用响应度定标数据，可测量并获得地物目标的光谱亮度；利用漫反射参考板对比测量，可获得目标的反射率光谱信息；通过对经过标定的漫反射参考板的测量，可获得地面的总照度以及直射、漫射照度光谱数据信息；利用辅助测量机械装置，可获得地面目标的光谱信息参数。在基于复杂背景(存在诸如光照强度、露珠、杂草等干扰)的研究领域，农作物的一些轮廓特征提取比较困难，上位机通过MicrosoftVisualStudio2010编写高效率识别图像算法，确定阈值为128，把红火蚁蚁巢土和草分割开来，同时二值变换的结果图像具备良好的保形性，不丢掉有用的形状信息。图片的信息量很大，采用二值图像进行处理，大大地提高处理效率。红火蚁巢穴的微量元素的变化识别检测方面的检测加强。针对红火蚁巢穴形状多样、红火蚁生长状况和环境复杂，开发具通用性、强健性的智能识别方法。本专利技术基于计算机视觉技术对红火蚁巢的检测识别方法，其流程如下：S1、利用光谱辐射仪(即地物谱仪)采集光谱图像信息，然后把采集到的光谱图像数据由asd文件转换成txt文件，如图1所示。(1)将地物谱仪探头对准白板，注意白板要充满视场。在RS3里按OPT进行优化，如果光度足够强，可以看到图像在y轴1处呈一条直线，表示实验环境光强足够。如果在光度不够或者有云的情况下，图像就会是曲线，或者是看到某些地方有干扰。(2)优化之后，将仪器探头放置在距离地物表面最高处30cm的位置，确定地物表面充满探头的视场。在RS3软件里按WR按钮，开始测出地物表面的反射率。注意测量的时候应该避免有其他物体阴影在探头的视场里。(3)观测RS3软件里的图像，让图像稳定之后，按下空白键储存或者设置自动储存，在同一个点测出三个以上的光谱图像信息。(4)将得到的光谱图像信息保存好，然后用ViewSpecPro软件对光谱图像信息进行提取。使用ViewSpecPro软件可以把采集到的光谱图像数据由asd文件转换成txt文件，然后再把txt文件导入Excel，使数据更容易处理。因为FieldSpec-FR地物谱仪所自带的软件RS3，所提供的功能只是对光谱数据进行显示，还有一些简单的处理，并有提供像Excel、SPSS等统计软件的统计处理，所以要把asd文件转换成txt本文档来自技高网...

【技术保护点】
基于计算机视觉技术对红火蚁巢的检测识别方法，其特征在于，包括以下步骤：S1、利用光谱辐射仪采集光谱图像信息，然后把采集到的光谱图像数据由asd文件转换成txt文件；S2、对光谱图像信息进行数据处理，包括数据获取、数据处理、数据分析以及数据验证；S3、用数字图像处理技术提取红火蚁蚁巢特征参数，建立HSV彩色空间模型，根据H分量的值，判断是否为红火蚁蚁巢土。

【技术特征摘要】
1.基于计算机视觉技术对红火蚁巢的检测识别方法，其特征在于，包括以下步骤：S1、利用光谱辐射仪采集光谱图像信息，然后把采集到的光谱图像数据由asd文件转换成txt文件；S2、对光谱图像信息进行数据处理，包括数据获取、数据处理、数据分析以及数据验证；S3、用数字图像处理技术提取红火蚁蚁巢特征参数，建立HSV彩色空间模型，根据H分量的值，判断是否为红火蚁蚁巢土。2.根据权利要求1所述的基于计算机视觉技术对红火蚁巢的检测识别方法，其特征在于，所述步骤S1利用ViewSpecPro软件把采集到的光谱图像数据由asd文件转换成txt文件。3.根据权利要求1所述的基于计算机视觉技术对红火蚁巢的检测识别方法，其特征在于，步骤S2所述数据获取过程为：选择红火蚁蚁巢土、草以及普通土3种地物进行试验，每种地物选取8处，每处分别测量3个不同的点，共测到72个样...

【专利技术属性】
技术研发人员：吴伟斌，许益镌，高婷，刘文超，李泽艺，张震邦，杨晓彬，刘佛良，陈理，付正德，宋倩，黄冰瑜，
申请(专利权)人：华南农业大学，
类型：发明
国别省市：广东,44