一种荔枝虫害监测识别系统和监测识别方法技术方案

本发明专利技术为一种荔枝虫害监测识别系统和监测识别方法。本系统计算机服务器内设置有害虫识别模块、匹配判断模块和含纹理、颜色、轮廓和背景特征库的害虫特征数据库。匹配判断模块将匹配判断结果传送到用户手机。本监测识别方法，先建立害虫识别模块，对用户拍摄的照片进行图像处理，得到纹理、颜色、轮廓和背景特征图。对4种特征图分别提取特征值并简化为字符串的指纹，发送给害虫特征数据库。之后进行实时监测，用户实时拍摄害虫照片，按建库的相同方法处理得到4种特征指纹，与害虫特征数据库中所存的指纹相对照，匹配度最大的即为可能的害虫。本法识别荔枝害虫以及时采取防治措施，保证荔枝的产量和品质，且数据库可不断完善充实，便于使用。

A litchi pest monitoring and recognition system and method

【技术实现步骤摘要】
一种荔枝虫害监测识别系统和监测识别方法
本专利技术涉及农业虫害防治领域，具体涉及一种荔枝虫害监测识别系统和监测识别方法。
技术介绍
荔枝是当前最受欢迎的水果之一，在全国各地销量很高。在荔枝的种植过程中，很容易受病虫侵害，造成了荔枝产量和质量的下降，因此对于荔枝病虫的防治工作至关重要。目前国内外防治荔枝害虫的手段仍是以化学防治为主体的综合防治，若过量使用化学农药会造成了荔枝园生态系统的破坏、害虫抗药性增强、果实品质下降及环境污染等一系列严重问题。需要根据虫害的实际情况选择适量使用农药。昆虫在生长发育的卵、幼虫、蛹和成虫的不同时期形态完全不同。荔枝害虫具有地域性，即使是同一种虫害，在不同地区体态上也大不相同。一旦发生生物入侵，单纯靠种植者的经验很难判断是何种害虫需要采用何种对策，所以需要一种荔枝害虫监测识别方法辅助种植者及时识别是何种害虫，了解应当采取何种相应的治理措施，以便保证荔枝的产量和品质。现有的农田病虫害监测预警系统，存在适用范围窄、难以扩展、产品成本高等问题，在如荔枝等类粗放型大田作物上的应用十分少，因此，开发一套低成本、本文档来自技高网...

【技术保护点】
1.一种荔枝虫害监测识别系统，包括包括计算机服务器和与计算机服务器无线连接的1个或多个用户手机，其特征在于：/n所述计算机服务器内设置有害虫识别模块、匹配判断模块和害虫特征数据库；害虫识别模块包括图片接收子模块、图像处理子模块，害虫识别模块与害虫特征数据库连接；图片接收子模块与用户手机无线连接，接收用户传送的图片；图像处理子模块对图片进行简化处理得到各图片的纹理、颜色、轮廓和背景的特征值；害虫特征数据库接收害虫识别模块传送的害虫图片不同特征值，存储于纹理、颜色、轮廓和背景特征库；匹配判断模块与害虫识别模块、害虫特征数据库连接，并与用户手机无线连接，匹配判断模块接收害虫识别模块传送的用户实时提交...

【技术特征摘要】
1.一种荔枝虫害监测识别系统，包括包括计算机服务器和与计算机服务器无线连接的1个或多个用户手机，其特征在于：
所述计算机服务器内设置有害虫识别模块、匹配判断模块和害虫特征数据库；害虫识别模块包括图片接收子模块、图像处理子模块，害虫识别模块与害虫特征数据库连接；图片接收子模块与用户手机无线连接，接收用户传送的图片；图像处理子模块对图片进行简化处理得到各图片的纹理、颜色、轮廓和背景的特征值；害虫特征数据库接收害虫识别模块传送的害虫图片不同特征值，存储于纹理、颜色、轮廓和背景特征库；匹配判断模块与害虫识别模块、害虫特征数据库连接，并与用户手机无线连接，匹配判断模块接收害虫识别模块传送的用户实时提交待判断的害虫图片与特征值，与害虫特征数据库所存内容进行匹配判断，并将结果传送到用户手机并在手机上显示；用户手机安装有结果显示模块。


2.根据权利要求1所述的荔枝虫害监测识别系统的监测识别方法，其特征在于包括的主要步骤如下：
步骤1、建立害虫识别模块
11、用户上传照片
用户用手机拍照害虫照片，所述照片中虫体轮廓所占面积大于50％，为虫体的俯视图或侧视图，光线充足；在每种害虫的各个变态发育期各摄取照片1000张或更多，每个变态发育期照片摄取的时间均匀覆盖该发育期各时段，图片接收子模块接收用户手机上传的照片；
12、图像处理
图像处理子模块对图片接收子模块接收的用户拍摄的照片进行图像处理，得到纹理、颜色、轮廓和背景特征图；
所述的纹理、颜色、轮廓、背景特征图获取方法分别如下：
121、纹理特征图
1211、创建同类型矩阵
使用计算机视觉开源库openCV中的dstImage.Create(srcImage.Size(),srcImage.type())函数实例化dstImage对象，使其与原图片srcImage具有相同的大小和类型；
1212、将原图像转换为灰度图像
读取原图像每个像素点的红、绿、蓝三色值，简称RGB值，灰度值Gray通过下式计算：
Gray＝(Red+Green+Bule)/3
将各像素转为其灰度值，原图转换为灰度图，并将每个像素点的灰度值赋给grayImage；
1213、使用3*3内核降噪
使用openCV的Blur(grayImage,srcImage，size(3,3))函数将grayImage函数进行均值滤波后用srcImage进行输出；
1214、运行Canny算子
运行Canny(edge,edge,3,10,3)函数，将单通道灰度图进行高斯平滑卷积降噪；得到纹理特征图；
122、轮廓特征图
在完成步骤1211～1213后，运行Canny算子，运行Canny(edge,edge,3,100,3)函数，将单通道灰度图进行高斯平滑卷积降噪，得到轮廓特征图；
123、背景特征图
1231、像素分割
使用openCV的Rectrectangle(40,90,image.cols-80,image.rows-170)函数定义一个矩形框，在框内寻找可能为前景，即虫体图形，的像素点；
1232、抓取可能为前景的像素点
运用高斯混合模型计算每个像素点为前景像素点的概率，并标记处所有概率>50％的像素点；
1233、删除前景的像素点
遍历原图中的每个像素，将所有被标记为前景的像素点的RGB值改为(0,0,0)，即删除，得到背景特征图；
124、颜色特征图
1241、转换色彩空间
通过openCV的cvtColor(src,hsv,CV_BGR2HSV)将RGB色彩空间转换为HSV色彩空间，在圆柱坐标系中表示原图在RGB色彩空间中的各点；
1242、获取颜色直方图
将HSV色彩空间的图像使用h.getHistogramImage(hsv)函数获取颜色直方图，即得到颜色特征图；
13、特征值提取和害虫特征数据库的建立
对4种特征图分别提取特征值，特征值发送给害虫特征数据库；
采取基于像素点的特征值提取方法，具体步骤如下：
131、简化图像并简化色彩
将特征图统一简化为8*8＝64像素的图，并按步骤1212的方法对该图进行处理，原图转换为灰度图；
132、计算该图平均像素值
将该图所有像素点的像素值Pi相加求和，再除以该图像素点的总个数N＝64，则得到该图的像素平均值PA；



133、简化特征矩阵
将每个像素点的像素值Pi与平均像素值PA进行比较，若Pi＜PA得，则简化后的像素值newPi＝0，否则，newPi＝1；从而得到8×8的0/1二分类的特征值矩阵；
134、害虫特征数据库...

【专利技术属性】
技术研发人员：杨娟，邱文杰，叶进，李平，钟敏芝，陈新全，徐炯志，胡亮青，何华光，宋玲，陈燕，
申请(专利权)人：广西大学，
类型：发明
国别省市：广西;45