基于機器視覺的小麥蚜蟲自動檢測技術(shù)研究.pdf

1、本文對基于機器視覺的小麥蚜蟲自動檢測技術(shù)進行了研究。主要內(nèi)容及結(jié)果如下： 1．設定本文算法的應用對象為非特定環(huán)境下的小麥蚜蟲若蟲，其特點是體積小、顏色與背景(葉片)對比度不強烈，大多有保護色，與背景顏色接近；圖像背景為葉片，與實際的處理環(huán)境一致；收集了大量的自然光條件下小麥蚜蟲的圖像，為后續(xù)的試驗和研究打下了基礎。 2．闡述了機器視覺及模式識別、圖像分類、圖像分割的理論基礎，分析了多種圖像特征，最后確定以紋理特征作為圖像

2、的分類基礎；在深入研究理論基礎上開發(fā)出適合本研究的算法，并重點介紹了支持向量機、區(qū)域生長、κ-均值聚類等分類、分割算法的理論基礎，為算法的開發(fā)奠定了基礎； 3．分別對圖像的采集、分類、分割以及識別等環(huán)節(jié)的處理算法進行了研究，開發(fā)了在非特定環(huán)境(未設定特殊光源、未設定特定的背景)下，適用于害蟲自動檢測的算法。實現(xiàn)了動態(tài)圖像的采集和處理，快速的預處理、圖像分割和后處理，為進一步的害蟲大田實時識別研究做了準備； 4．針對樣本蚜

3、蟲的特點，研究了基于區(qū)域生長的害蟲圖像分割方法、基于支持向量機的分割方法，創(chuàng)造性的將區(qū)域生長與支持向量機的方法結(jié)合進行害蟲圖像的分割，通過試驗比較，確定了最后的分割方法，針對樣本運用算法進行了試驗，對試驗的結(jié)果進行了定性分析，得到了理想的分割結(jié)果； 5．比較了所提出的分類及分割算法的優(yōu)缺點，確定了害蟲自自動檢測模型中所采用的分類、分割的方法，算法不僅應能有效的分割圖像，且在速度上能夠滿足客觀環(huán)境實時l生的要求； 6．研究