文献类型： 中文期刊

作者： 杨信廷 ¹ ; 刘蒙蒙 ² ; 许建平 ² ; 赵丽 ² ; 魏书军 ² ; 李文勇 ² ; 陈梅香 ² ; 陈明 ² ; 李明 ³ ;

作者机构： 1.上海海洋大学信息学院;北京农业信息技术研究中心/国家农业信息化工程技术研究中心/农产品质量安全追溯技术及应用国家工程实验室/农业部农业信息技术重点实验室;北京市丰台区植保植检站;北京市农林科学院植物保护环境保护研究所

2.;上海海洋大学信息学院;北京农业信息技术研究中心/国家农业信息化工程技术研究中心/农产品质量安全追溯技术及应用国家工程实验室/农业部农业信息技术重点实验室;北京市丰台区植保植检站;北京市农林科学院植物保护环境保护研究所

3.;上海海洋大学信息学院;北京农业信息技术研究中心/国家农业信息化工程技术研究中心/农产品质量安全追溯技术及应用国家工程实验室/农业部农业信息技术重点实验室;北京市丰台区植保植检站;北京市农林科学院植物保护环境保护研究所;

关键词： 图像处理、图像分割;算法;边缘检测;支持向量机;颜色空间;虫害监测

期刊名称： 农业工程学报

ISSN： 1002-6819

年卷期： 2018 年 01 期

页码： 164-170

收录情况： EI ; 北大核心 ; CSCD

摘要： 为了监测温室黄瓜作物虫害种类、数量变化情况以预测虫害发展趋势,该文以粉虱和蓟马为例,提出了一种基于Prewitt、Canny边缘检测算子分割和SVM(support vector machine)的温室粉虱和蓟马诱虫板的图像识别算法。该方法利用HSI(Hue-Saturation-Intensity)颜色空间的I分量与L*a*b*颜色空间的b分量二值图像中害虫目标与背景的高对比性,再分别相应地利用Prewitt算子和Canny算子进行单头害虫边缘分割,再经过形态学处理,最后融合这两幅二值图像完成单头害虫区域的提取。然后提取害虫的5个形态特征(面积、相对面积、周长、复杂度、占空比)及9个颜色特征(Hue-Saturation-Value颜色空间、HSI颜色空间、L*a*b*颜色空间各分量的一阶矩),并对这14个特征参数进行归一化处理,将特征值作为SVM的输入向量,进行温室粉虱和蓟马的诱虫板图像识别。通过分析比较不同向量组合的BP(back propagation)与SVM的害虫识别率、4种不同SVM核函数的害虫识别率,发现颜色特征向量是粉虱和蓟马识别的主成分,且SVM的识别效果优于BP神经网络、线性核函数的SVM分类性能最好且稳定。结果表明:平均识别准确率达到了93.5%,粉虱和蓟马成虫的识别率分别是96.0%和91.0%,能够实现温室害虫的诱虫板图像识别。该研究可以为虫害的监测与预警提供支持,为及时采取正确的防治措施提供重要的理论依据。