全自动微小昆虫诱集检测方法及其系统技术方案

本发明专利技术提供一种全自动微小昆虫诱集检测方法及其系统，方法包括识别出所述采集图像中的目标昆虫，并标记；利用局部极小值算法对标记后的采集图像中存在部分重叠的目标昆虫进行分离，获取第一分离计数结果；利用局部区域近似估算算法对标记后的采集图像中存在严重重叠和被遮挡的目标昆虫进行分离，获取第二分离计数结果；获取包括第一分离计数结果和第二分离计数结果的总计数结果。本发明专利技术能够显著提高目标微小昆虫的计数精度，能够针对其中发生部分重叠、严重重叠或者被障碍物遮挡的目标昆虫进行分离，获取最贴近事实的计数结果；同时，本申请的图像采集装置提高了环境适应能力以及微小害虫的采集图像质量。

Automatic detection method and system for trapping tiny insects.

The invention provides a full automatic micro insect trapping detection method and system, including the acquisition method to identify the image of the target insects, and mark; using the local minimum algorithm to separate the overlapped target insect image acquisition after the mark, obtaining the first isolation and counting results; using local area approximation separation algorithm in image acquisition exists after the mark in serious overlapping and occluded target insect estimates, obtain second separate counting results; the total count results including the first separation counting results and second separate counting results. The invention can significantly improve the accuracy of the counting target of tiny insects, for which can partially overlap, overlapped or blocked by obstacles of target insects were isolated, obtain the counting results close to the facts; at the same time, the image acquisition device for improving the ability to adapt to the environment and small pest image quality.

【技术实现步骤摘要】

本专利技术涉及农业检测
，具体说的是全自动微小昆虫诱集检测方法及其系统。
技术介绍
随着计算机技术和数字图像处理技术的蓬勃发展，大中型害虫图像处理技术与靶标害虫的自动计数技术已经相对成熟，但对于长度为1-2毫米左右微小昆虫(如蚜虫、飞虱、烟粉虱、斑潜蝇等微小农业害虫)的识别和计数技术还处于比较滞后的阶段。一方面由于微小昆虫数量庞大、个体过小，一般的数码相机很难采集到高质量的图片，另一方面，由于大田环境复杂，背景和光源条件不稳定，在图像采集的过程中微小昆虫信息很容易丢失。烟粉虱是世界性的蔬菜害虫，目前在中国除西藏之外的其他省、直辖市和自治区均有分布。防治烟粉虱已经成为摆在植保领域的一项重大任务。对烟粉虱种群密度的掌握是防治烟粉虱的一项基本工作。目前烟粉虱的农田抽样调查基本采用人工采样计数的方式。但是，由于烟粉虱个体微小，在田间为害时常常在一个叶片上就聚集上几十、几百甚至上千头，给人工调查工作带来麻烦、调查效率低下、调查误差很大，而且调查人员的经验、视力、情绪、疲劳以及环境因素，都会影响调查数据的准确性和可靠性。因此，田间烟粉虱抽样调查的准确率成为影响田间烟粉虱生态学研究和烟粉虱病虫害监测的瓶颈。现有技术中如申请公布号为CN104813993A的专利申请便公开一种基于机器视觉的微小农业害虫自动检测装置和方法，检测装置由微小农业害虫自动诱捕器、摄像头和计算机等部分组成；在实际运用中，该方案每一次捕捉都要涂抹粘虫剂、清除粘虫剂的过程，以及手动添加粘虫剂的过程，无法实现全自动化，装置的实施效率低，且结构组成较为复杂；同时，其利用数码相机在自然光源下采集图像，对于大小只有1-2毫米的微小害虫而言，图像采集质量不佳，且采集设备也难以适应野外复杂环境。进一步的，基于现有技术的采集图像分析处理，由于被粘附在诱虫板的害虫形态上有较为严重的变形，如目标害虫重叠，将导致害虫计数存在误差，所以识别技术的准确性也有待提高。因此，有必要提供一种全自动微小昆虫诱集检测方法及其系统，以便解决上述问题。
技术实现思路
本专利技术所要解决的技术问题是：提供全自动微小昆虫诱集检测方法及其系统，具有计数精度高、采集图像质量高、适用性强等优点。为了解决上述技术问题，本专利技术采用的技术方案为：全自动微小昆虫诱集检测方法，包括：获取采集图像；提取采集图像中各物体的颜色特征和形态学特征，利用训练好的SVM模型，识别出所述采集图像中的目标昆虫，并对其进行标记；利用局部极小值算法对标记后的采集图像中存在部分重叠的目标昆虫进行分离，获取第一分离计数结果；利用局部极小值算法对标记后的采集图像中存在部分重叠的目标昆虫进行分离，获取第一分离计数结果；利用局部区域近似估算算法对标记后的采集图像中存在严重重叠和被遮挡的目标昆虫进行分离，获取第二分离计数结果；获取包括第一分离计数结果和第二分离计数结果的总计数结果。本专利技术提供的另一个技术方案为：全自动微小昆虫诱集检测系统，包括图像采集装置和图像处理装置；所述图像采集装置包括开设有诱虫窗口的暗箱，以及设置在暗箱内的传送机构、诱虫板、扫描仪、激光发射器、激光接收器、控制器和无线发送模块；所述传动机构、激光发射器、激光接收器和无线发送模块分别与控制器连接；所述传送机构包括放卷机构、收卷机构和卷带；所述卷带依次通过所述诱虫窗口和扫描仪的扫描视线后进入收卷机构；所述卷带上与诱虫窗口相对的一面间隔距离的设置有诱虫板，所述卷带的另一面设有不粘隔离膜；所述诱虫板与所述诱虫窗口相对；所述卷带上间隔距离的设有穿孔，所述距离为相邻诱虫板同一位置之间的距离；卷带的两侧面分别设有所述激光发射器与激光接收器，所述激光发射器发射出的激光线可穿过所述穿孔被激光接收器接收；所述图像处理装置包括依次连接的无线接收模块、目标识别模块、第一目标分离模块、第二目标分离模块以及计数模块；所述无线接收模块与所述无线发送模块无线连接；所述目标识别模块，用于提取采集图像中各物体的颜色特征和形态学特征，利用训练好的SVM模型，识别出所述采集图像中的目标昆虫，并对其进行标记；所述第一目标分离模块，用于利用局部极小值算法对标记后的采集图像中存在部分重叠的目标昆虫进行分离，获取第一分离计数结果；所述第二目标分离模块，用于利用局部区域近似估算算法对进行所述分离后的采集图像中存在严重重叠和被遮挡的目标昆虫进行分离，获取第二分离计数结果；所述计数模块，用于获取包括第一分离计数结果和第二分离计数结果的总计数结果。本专利技术的有益效果在于：区别于现有技术的微小害虫采集图像分析处理方式和检测系统，本专利技术能够显著提高目标微小昆虫的计数精度，特别是能够针对其中发生部分重叠、严重重叠或者被障碍物遮挡的目标昆虫进行分离，获取最贴近事实的计数结果；同时，本申请的图像采集装置，不仅能够自动化更换诱虫板，自动定位诱虫板的诱虫位置；而且能够显著提高装置的环境适应能力，显著提高微小害虫的采集图像质量。附图说明图1为本专利技术的图像采集装置的暗箱结构示意图；图2为本专利技术的图像采集装置的诱虫板安装结构示意图；图3为本专利技术的图像采集装置的传送机构的结构示意图；图4为本专利技术的图像采集装置的卷带和扫描仪的结构示意图；图5为本专利技术的图像采集装置的整体结构示意图；图6为本专利技术全自动微小昆虫诱集检测方法的流程示意图；图7为本专利技术图像处理装置的结构组成示意图；图8为本专利技术实施例一的全自动微小昆虫诱集检测方法的流程示意图。标号说明：1、暗箱；2、诱虫窗口；3、传送机构；4、诱虫板；5、扫描仪；6、激光发射器；7、激光接收器；8、控制器；9、放卷机构；10、收卷机构；11、卷带；12、不粘隔离膜；13、穿孔；14、步进电机；15、齿轮；16、放卷轴；17、收卷轴；18、调节支架；19、底座；20、放卷固定轴；21、收卷固定轴；22、蓄电池；23、无线接收模块；24、目标识别模块；25、第一目标分离模块；26、第二目标分离模块；27、计数模块。具体实施方式为详细说明本专利技术的
技术实现思路
、所实现目的及效果，以下结合实施方式并配合附图予以说明。本专利技术最关键的构思在于：能够针对采集图像中发生部分重叠、严重重叠或者被障碍物遮挡的目标昆虫进行分离；同时通过传送机构、激光感应以及控制器的配合实现自动更换诱虫板和诱虫板的准确定位。请参照图6，本专利技术提供全自动微小昆虫诱集检测方法，包括：获取采集图像；提取采集图像中各物体的颜色特征和形态学特征，利用训练好的SVM模型，识别出所述采集图像中的目标昆虫，并对其进行标记；利用局部极小值算法对标记后的采集图像中存在部分重叠的目标昆虫进行分离，获取第一分离计数结果；利用局部区域近似估算算法对标记后的采集图像中存在严重重叠和被遮挡的目标昆虫进行分离，获取第二分离计数结果；获取包括第一分离计数结果和第二分离计数结果的总计数结果。从上述描述可知，本专利技术的有益效果在于：能够显著提高目标微小昆虫的计数精度，特别是能够针对其中发生部分重叠、严重重叠或者被障碍物遮挡的目标昆虫进行分离，获取最贴近事实的计数结果。请参阅图8，进一步的，所述提取采集图像中各物体的颜色特征和形态学特征，利用训练好的SVM模型，识别出所述采集图像中的目标昆虫，具体为：依据采集图像中各位物体的颜色特征和形态学特征，构建一个一行10维的特征向量；从样本本文档来自技高网...

【技术保护点】
全自动微小昆虫诱集检测方法，其特征在于，包括：获取采集图像；提取采集图像中各物体的颜色特征和形态学特征，利用训练好的SVM模型，识别出所述采集图像中的目标昆虫，并对其进行标记；利用局部极小值算法对标记后的采集图像中存在部分重叠的目标昆虫进行分离，获取第一分离计数结果；利用局部区域近似估算算法对标记后的采集图像中存在严重重叠和被遮挡的目标昆虫进行分离，获取第二分离计数结果；获取包括第一分离计数结果和第二分离计数结果的总计数结果。

【技术特征摘要】
1.全自动微小昆虫诱集检测方法，其特征在于，包括：获取采集图像；提取采集图像中各物体的颜色特征和形态学特征，利用训练好的SVM模型，识别出所述采集图像中的目标昆虫，并对其进行标记；利用局部极小值算法对标记后的采集图像中存在部分重叠的目标昆虫进行分离，获取第一分离计数结果；利用局部区域近似估算算法对标记后的采集图像中存在严重重叠和被遮挡的目标昆虫进行分离，获取第二分离计数结果；获取包括第一分离计数结果和第二分离计数结果的总计数结果。2.如权利要求1所述的全自动微小昆虫诱集检测方法，其特征在于，所述提取采集图像中各物体的颜色特征和形态学特征，利用训练好的SVM模型，识别出所述采集图像中的目标昆虫，具体为：依据采集图像中各位物体的颜色特征和形态学特征，构建一个一行10维的特征向量；从样本库内选取预设张数的对应目标昆虫的正样本，选取所述预设张数的负样本，进行SVM模型训练，利用训练好的SVM模型识别出目标昆虫。3.如权利要求1所述的全自动微小昆虫诱集检测方法，其特征在于，所述利用局部极小值算法对标记后的采集图像中存在部分重叠的目标昆虫进行分离，获取第一分离计数结果，具体为：对标记后的采集图像进行欧式距离变换，得到灰度均匀变换的被标记目标距离图像；对所述被标记目标距离图像求极小值区域，确定各个被标记目标点的种子点；利用分水岭算法，对各个所述种子点进行生长，分离出发生部分重叠的被标记目标点；对分离后的采集图像进行连通区域计算，获取第一分离技术结果。4.如权利要求1所述的全自动微小昆虫诱集检测方法，其特征在于，所述利用局部区域近似估算算法对标记后的采集图像中存在严重重叠和被遮挡的目标昆虫进行分离，获取第二分离计数结果，具体为：以单一目标昆虫的合理像素范围为阈值对标记后的采集图像进行分割，获取连通区域；以各个大于预设阈值的连通区域为中心，依据所述合理像素范围圈定有效区域；依据所述有效区域内目标昆虫的数量、所述有效区域的面积以及有效区域内未分离目标昆虫面积近似估算出未分离目标昆虫，获取第二分离技术结果。5.全自动微小昆虫诱集检测系统，其特征在于，包括图像采集装置和图像处理装置；所述图像采集装置包括开设有诱虫窗口的暗箱，以及设置在暗箱内的传送机构、诱虫板、扫描仪、激光发射器...

【专利技术属性】
技术研发人员：何金成，张亚峰，范玉磊，彭小燕，熊进涛，胡姣，赵健，
申请(专利权)人：福建农林大学，
类型：发明
国别省市：福建;35