基于數(shù)字圖像的農(nóng)業(yè)害蟲精準檢測算法的研究——以菜蝽檢測為例.pdf

1、糧食安全是我國長治久安的根本保障。而準確迅速地進行害蟲檢測是農(nóng)業(yè)病蟲害防治的關鍵技術之一。隨著計算機科學的發(fā)展，具有精確、快速、客觀的機器視覺已經(jīng)逐漸代替人眼來進行目標檢測的工作。這種技術可以克服了傳統(tǒng)農(nóng)作物病蟲害診斷方法耗時費力的缺點，同時能足夠滿足病害識別精度的需要。目前用于農(nóng)作物病蟲害檢測的研究主要是以基于機器學習模型為基礎展開。
　　本文以危害十字花科植物的害蟲菜蝽為對象，借助人工智能思想，結(jié)合基于多特征的級聯(lián)AdaBoo

2、st算法和特征點檢測算法，提出一套高精度害蟲檢測方法。該方法以Gentle AdaBoost算法為基礎，分別對檢測前的特征選取和檢測后的目標鎖定算法的進行了補充。首先，采用HAAR特征和LBP特征混合特征組合代替?zhèn)鹘y(tǒng)模型下的單一特征，從梯度和紋理的角度更全面地對圖像進行描述;其次借助Gentle AdaBoost算法篩選出最佳的特征，由此組成弱分類器和強分類器;然后將訓練好的各層分類器按照一定的篩選率組合成級聯(lián)檢測器，用以快速排出背景值

3、;最后引入SIFT模板匹配算法對檢測出的結(jié)果進行二次篩選，最終確定檢測目標。
　　相比一般的檢測方法，本文所提出的方法具備以下幾點優(yōu)勢:1.相對于傳統(tǒng)的數(shù)據(jù)庫，本文所用樣本均來自手工裁剪，使得樣本的訓練更具有普遍性;2.多特征的引入為圖像特征表達提供了更多的選擇;3.AdaBoost思想為最優(yōu)特征的篩選提供了較好的解決方法，同時很好地降低了大量訓練樣本過擬合問題發(fā)生的概率;4.SIFT特征匹配的補充使得最終檢測結(jié)果得到進一步確認，