一种农作物灯诱测报害虫的自动识别与计数方法技术

本发明专利技术公开了一种农作物灯诱测报害虫的自动识别与计数方法，包括：采集农作物昆虫的RGB图像并进行预处理；对测报害虫种类和非测报昆虫进行识别和标记，根据昆虫像素面积大小，构建大、小型昆虫训练集；分别构造大、小型测报害虫识别卷积神经网络模型；分别利用大型昆虫训练集和小型昆虫训练集训练大型测报害虫识别卷积神经网络模型和小型测报害虫识别卷积神经网络模型；利用大型测报害虫识别卷积神经网络模型和小型测报害虫识别卷积神经网络模型对待测样本进行测报害虫的识别，并计数。本发明专利技术分别建立适合于大型测报害虫和小型测报害虫识别的卷积神经网络模型，提高了农作物灯诱测报害虫识别的准确率，提高了分类模型的鲁棒性和泛化性能力。

【技术实现步骤摘要】
一种农作物灯诱测报害虫的自动识别与计数方法
本专利技术涉及图像自动识别
，尤其涉及一种农作物灯诱测报害虫的自动识别与计数方法。
技术介绍
应用灯光诱杀农作物害虫在我国水稻害虫测报中应用比较广泛。目前应用较多的测报灯利用现代光、电、数控技术，实现了自动开关灯、虫体远红外处理、接虫袋自动转换、虫体按天存放和整灯自动运行等功能。测报员需要定期取回，在室内进行测报害虫的人工识别与计数，结果用于监测农作物田间害虫的种群动态。随着基层测报人员的流失，依靠人工识别与计数害虫存在监测任务重、效率低、客观性差和非实时性等问题。随着图像处理技术的发展和应用，基于图像的农业害虫识别研究已有很多。但大部分是针对有限种类的农业害虫识别，通过提取害虫图像全局特征(如颜色特征、形态特征和纹理特征等)、或局部特征(如SIFT、HOG、LBP、PCBR等)或多特征融合(如BOW技术、稀疏编码技术等)，利用特征向量训练各种分类器(如SVM、神经网络、MKL、K-NNC、K-means等)来识别害虫。在有限种类的农业害虫小样本图像集中，手工设计特征，训练和测试分类器，一般均能获得较高的准确率。然而，实际环境的农业害本文档来自技高网...

【技术保护点】
一种农作物灯诱测报害虫的自动识别与计数方法，其特征在于，包括以下步骤：(1)利用诱虫灯诱杀农作物昆虫并采集其RGB图像，对图像进行预处理；(2)对预处理后的图像进行昆虫种类的识别和标记，构建大型昆虫训练集和小型昆虫训练集；(3)分别构造大型测报害虫识别卷积神经网络模型和小型测报害虫识别卷积神经网络模型；(4)分别利用大型昆虫训练集和小型昆虫训练集，结合随机梯度下降算法及反向传播算法训练大型测报害虫识别卷积神经网络模型和小型测报害虫识别卷积神经网络模型；(5)利用诱虫灯诱杀农作物昆虫作为待测昆虫，采集待测昆虫的RGB图像并进行预处理，构成待测样本，利用大型测报害虫识别卷积神经网络模型和小型测报害...

【技术特征摘要】
1.一种农作物灯诱测报害虫的自动识别与计数方法，其特征在于，包括以下步骤：(1)利用诱虫灯诱杀农作物昆虫并采集其RGB图像，对图像进行预处理；(2)对预处理后的图像进行昆虫种类的识别和标记，构建大型昆虫训练集和小型昆虫训练集；(3)分别构造大型测报害虫识别卷积神经网络模型和小型测报害虫识别卷积神经网络模型；(4)分别利用大型昆虫训练集和小型昆虫训练集，结合随机梯度下降算法及反向传播算法训练大型测报害虫识别卷积神经网络模型和小型测报害虫识别卷积神经网络模型；(5)利用诱虫灯诱杀农作物昆虫作为待测昆虫，采集待测昆虫的RGB图像并进行预处理，构成待测样本，利用大型测报害虫识别卷积神经网络模型和小型测报害虫识别卷积神经网络模型对待测样本进行测报害虫种类的识别，并按测报害虫种类分类计数。2.根据权利要求1所述的农作物灯诱测报害虫的自动识别与计数方法，其特征在于，步骤(1)和步骤(5)中，所述的预处理包括：(I)对昆虫RGB图像进行背景去除和粘连分割；(II)对分割后的每个昆虫图像进行统一的摆正处理。3.根据权利要求2所述的农作物灯诱测报害虫的自动识别与计数方法，其特征在于，(I)中包括：(I-1)对昆虫RGB图像的B通道采用最大熵阈值分割去除背景，采用腐蚀膨胀处理平滑轮廓边缘，填充轮廓内部空洞，去除边界的无效区域；(I-2)根据面积阈值判断轮廓是否粘连，对粘连的目标进行逐层腐蚀处理，确定分割点，然后选取轮廓边缘距离分割点最近的两个点，连接这两个点与分割点，实现粘连目标的分割。4.根据权利要求2所述的农作物灯诱测报害虫的自动识别与计数方法，其特征在于，(II)中包括：(II-1)计算每个昆虫图像的最小外接矩形，将最小外接矩形旋转至垂直状态；(II-2)计算最小外接矩形内上下两部分昆虫所占面积，根据测报害虫上大下小或上小下大的形态特征，垂直翻转最小外接矩形使昆虫图像...

【专利技术属性】
技术研发人员：唐健，姚青，周爱明，姜梦洲，杨保军，
申请(专利权)人：中国水稻研究所，浙江理工大学，
类型：发明
国别省市：浙江,33