面向病虫识别的手持式多核实时在线网络系统技术方案

长期以来，病虫的分类与识别局限于少数病虫研究者，依靠手工检查，肉眼观察进行，这样得到的结果识别率不稳定，误判率比较大。这也在很大程度上限制了人们对病虫认识的普及度，给农业生产和经济活动带来巨大的损失。因此将数字图像技术应用于病虫分类与识别领域，实现病虫的自动识别，对于促进人类认识自然界，减少农业生产中因为病虫引起的危害具有不可忽略的作用。有鉴于此，我们设计了面向病虫识别的手持式多核实时在线网络系统。本发明专利技术属于模式识别技术，由Visual?C++来实现，利用模式识别的基本理论和方法，对病虫图像进行预处理后根据提取出的特征进行识别。

【技术实现步骤摘要】

本专利技术属于模式识别技术。
技术介绍
长期以来，病虫的分类与识别仅局限于少数病虫研究者、植保科技工作者，依靠手工检查，肉眼观察，凭主观直觉和群体经验来进行，这样得到的结果往往为辨别者的主观情绪所影响，识别率不稳定，尤其在时间长、工作量大的情况下，误判率显著增加。这也在很大程度上限制了人们对病虫认识的普及度，常常给农业生产和经济活动带来巨大的损失。因此将数字图像技术应用于病虫分类与识别领域，实现病虫的自动识别，对于促进人类认识自然界，推动对病虫认识的普及度；减少农业生产中因为病虫引起的危害，避免经济损失，具有不可忽略的作用。目前的病虫图像识别系统主要分为两种，一种是全自动的，即完全由系统完成自动识别，不需要人工参与，这种系统要求处理和识别算法本身可以达到较高的准确率和较低的错误率。另外一种系统是半自动实现的，必要时要求用户人工参与识别。比较而言半自动系统更易实现，并且可以保证识别的准确性。病虫现有识别技术在半自动化和全自动化设计水平上，均有了较大幅度的进步，此项技术在实际生活中的应用也越来越广泛。病虫图像处理技术，在病虫害防治预测，病虫研究中都具有重要意义，目前可以被广泛应用到海关，植物检疫部门，森林病虫害防治部门等。面向病虫识别的手持式多核实时在线网络系统是指通过计算机和数字图像处理技术利用病虫生物体自身的特征来进行病虫种类识别。整个识别系统利用模式识别基本理论和方法，进行特征提取和分类，根据病虫的生理特征等特征进行识别，从而判断病虫的种类。目前在病虫图像处理技术中主要利用的特征有以下几种:轮廓、面积、周长、似圆度，形状参数、离心率、球状性、叶状性、重心等。理论上说利用这些从病虫图像中提取出来的特征，就可以进行病虫的种类识别，但是在存在大量的病虫种类的前提下，病虫图像处理技术就面临着巨大挑战。在图像特征提取前要对图像进行预处理，其主要考虑背景、旋转、图像噪声、采集设备对图像所造成的影响等。在进行特征提取时，尽量考虑到用于识别特征的普遍性、唯一性、稳定性和可量化性等因素。同时，在面对背景复杂或者背景颜色与病虫颜色相似而无法将病虫与背景完全区分开来的情况时，可以通过本系统所实现的功能将病虫从图片中取出，从而获取相应的特征进行识别。在进行种类识别时，可以根据识别种类的不同需要，有选择性的利用已有特征的来实现识别技术，这样既可以保证识别的有效性，又可以保证识别的时效性。本系统的主要优点为可以根据背景情况有效地提取出病虫的特征参数，同时使用便携式设备，可以在方便地获取病虫照片的同时进行识别。
技术实现思路
基于病虫的形状特征的模式识别是模式识别的一个特例，因此也遵从一般模式识别的步骤。针对这种特殊性，本系统对病虫进行识别的流程为两种情况下的图像获取、图像预处理、特征提取和特征选择、标准模型库的建立与数据入库及分类器设计。基本思路框图见附图说明图1。1.图像获取 病虫图像的获取分为两种情况:第一种为已有病虫的标本图片，此种图片背景与病虫形态均单一，易于处理；第二种为实地拍摄，此种图片背景较为复杂，病虫形态多样化，必须先进行特别的处理之后再提取特征。2.病虫图像预处理 在图像的预处理环节中，本系统在图像灰度化、平滑去噪、图像二值化、位置归一化、病虫轮廓提取等方面对图像进行了处理，如图2所示。首先对图像进行灰度化，之后对图像进行平滑去噪。通过对多种滤波方式的对比，最后选用中值滤波进行平滑去噪。去噪之后进行图像二值化。当图片为已有的病虫标本图片时，只需打开图片后进行相应的处理后二值化即可。如果为实地拍摄照片，由于背景的复杂性，导致图像分割时阈值的选取较为困难，因此本系统添加了人工取出病虫图像功能，可以根据病虫的边界通过鼠标提取出病虫，放到单一背景下之后再进行二值化。根据病虫图像的对称性，利用惯性主轴进行病虫位置的归一化处理。然后最后选用边缘法提取出病虫图像的轮廓。3.病虫的特征提取与特征选择 根据专家系统提供的信息，提取了病虫的形状特征。形状特征包括面积、周长、形状参数、横轴、纵轴、离心率、似圆度、重心、球状性、圆形性、叶状性。其中面积(Area)、周长(Primeter)、横轴(HorizontalAxis)、纵轴(VerticalAxis)、重心(BaryCenter)为直接特征，可以直接从图像取出。而形状参数(FormFact)、离心率(Eccentricity)、似圆度(Roundness)、球状性(Sphericity)、圆形性(Circularity)、叶状性(Lobation)为间接参数，需要借用直接参数才能得出。计算它们的公式如下(其中PI为圆周率): 形状参数=周长/面积*周长/4/PI 尚心率=横轴长度/纵轴长度 似圆度=4*面积/ (PI*横轴长度*横轴长度) 球状性=内切圆半径/外接圆半径 圆形性=区域重心到边界点的平均距离/区域重心到边界点的距离的均方差 叶状性=内切圆半径/横轴长度 计算出这些特征之后，根据不同的病虫种类选取比较适合的特征进行下一步的处理。4.标准模型库的建立与数据入库 本系统为了建立标准模型库，必须要进行大量的数据的采集与整理，标准模型据库的建立是一个很复杂的过程。标准模型库存储着各类别的标准特征描述，是对待识别模型进行判断和分类的匹配依据，是实现模式识别过程中必不可少的一个部分，一般使用经过优选的各维特征的均值和方差构成，均值代表这个类别该维特征出现几率最大的数值，方差给出了该维特征数值的波动范围。本系统使用面积、周长、形状参数、横轴、纵轴、离心率、似圆度、重心、球状性、圆形性、叶状性等11个特征的均值和方差构成了标准模型库，使用Microsoft Access作为数据库来保存均值和方差两个数据表，进行匹配时，分别从两个数据表中依次取出均值和相应的方差进行计算。除了标准模型库的建立之外，当取出待识别病虫的特征之后，也可以通过添加数据功能将这些特征的数据存入相应的数据库中，以供后续的分析。5.分类器设计 分类器可以将拍摄或直接打开得到的病虫图像的特征通过与标准模型库中相应的数据进行对比来判断病虫的种类。通过本系统中采用的11个作为分类识别的特征参数，可以隶属函数表示为如下所示:本文档来自技高网...

【技术保护点】
面向病虫识别的手持式多核实时在线网络系统，其特征在于：利用Visual?C++设计了病虫图像采集和预处理的流程及算法，如平滑去噪、阈值分割、图像旋转等，以及图像的特征提取算法和数据库，包括病虫的周长、面积、形状参数等特征和特征入库，设计了病虫特征的选择方法和分类器。

【技术特征摘要】
1.面向病虫识别的手持式多核实时在线网络系统，其特征在于:利用VisualC++设计了病虫图像采集和预处理的流程及算法，如平滑去噪、阈值分割、图像旋转等，以及图像的特征提取算法和数据库，包括病虫的周长、面积、形状参数等特征和特征入库，设计了病虫特征的选择方法和分类器。2.根据权利要求1所述的图像采集和预处理流程，自主设计图像采集和预处理算法，captureDlg类和CBugDlg类共同负责完成图像采集功能，图像采集有两种方式，打开已有图片和从摄像头实时获取病虫图片，如果背景复杂不利于图像分割可以通过鼠标手动将病虫从复杂背景中划分出来，由OTrawOutline类和CGraphicElement类共同完成，然后进行灰度化、平滑去噪，在这里采用中值滤波为图像进行去噪，使图像的边缘更为平滑，之后进行图像二值化，由于采用阈值分割，阈值的选取比较困难，因此采用自适应阈值分割算法，将图像分为多个小图像之后对每个小图像进行阈值分割，根据病虫图像的对称性，利用惯性主轴进行病虫位置的归一化处理以及腐蚀和膨胀，以便于取出病虫...

【专利技术属性】
技术研发人员：葛道阔，杨余旺，曹宏鑫，莫然，汪文娟，刘岩，殷俊，
申请(专利权)人：江苏省农业科学院，南京理工大学，
类型：发明
国别省市：