图像识别处理技术在农业工程中应用

《图像识别处理技术在农业工程中应用》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、图像识别处理技术在农业工程中应用　　摘要：研究一种基于图像识别处理的粮虫检测方法，将图像识别处理技术应用于农业工程。首先使用灰度化、二值化、平滑以及锐化技术对粮虫图像进行预处理，使得图像更容易进行边缘检测和图像特征提取。之后使用四种边缘检测方法实现图像中待识别粮虫的边缘检测。使用粮虫图像的8种区域描述子特征作为粮虫识别模型的输入特征。最后选取常见的玉米象、拟谷盗和锯谷盗三种粮虫为研究对象，使用基于RBF神经网络的识别模型对三种粮虫图像的几何形态特征进行识别关键词：粮虫检测；特征提取；RBF神经网络；图像识别中图

2、分类号：TN911.73?34；S24文献标识码：A文章编号：1004?373X（2017）04?0107?04ApplicationofimagerecognitionprocessingtechnologyinagriculturalengineeringZHOUQingsong，TANGXiuzhong（SchoolofTechnology，PuerUniversity，Puer665000，China）Abstract：Agraininsectdetectionmethodbasedonimagerec

3、ognitionprocessingisstudied.The12imagerecognitionprocessingtechnologyisappliedtotheagriculturalengineering.Thegrayprocessing，binaryzation，smoothingandsharpeningtechniquesareusedtopreprocessthegraininsectimagetomakeiteasiertoconducttheedgedetectionandimagefea

4、tureextraction.Thecommonly?usedfouredgedetectionmethodsareadoptedtodetecttheedgeofthegraininsectimageunderrecognition.Eightregionaldescriptorfeaturesofthegraininsectimagearetakenastheinputcharacteristicsofthegraininsectrecognitionmodel.Threefamiliargraininse

5、ctsofmaizeweevil，triboliumandcoleopteraareselectedastheresearchobjects，andtheidentificationmodelbasedonRBFneuralnetworkisusedtorecognizethegeometricfeatureofthreegraininsectimages.Keywords：graininsectdetection；featureextraction；RBFneuralnetwork；imagerecognit

6、ion0引言目前储粮害虫问题是世界上很多国家所面临的困难，在很多国家每年都会因为粮食害虫而损失很多粮食。在遭受到粮食害虫的侵害以后粮食的籽粒会被破坏，容易变质、�12Y块、发热以及发霉，另外在老化死去害虫尸体、粪便以及有毒液体的影响下粮食会受到较为严重的污染[1]总的来说，目前主要有四种方法来检测粮食害虫：首先是取样法，将所制作的扦样器按照区域定点的方法安装在储粮库内。采用电机或者人工的方法吸取粮食样本，然后交由技术人员分类、鉴别以及筛选，这样就可以对库区粮食害虫密度进行确定。这种方法需要较大的劳动量，降低了工

7、作效率，另外人为主观因素容易对最后的结果产生影响，因此产生了较大的误差。其次是诱捕法，通过对粮食害虫生理特性以及习性的利用来采取合适的诱捕方式，主要包括粮食害虫生理特性诱集法以及陷阱式诱集法两种。但是在应用诱捕法的过程中需要制作诱导剂以及提取粮食害虫的信息素，由于具有较强的针对性，而且具有种类繁多的粮食害虫，因此所消耗的成本比较大，所以以上两种方法也存在着一定的缺陷。再次是声测法，通过对声音监测装置的应用，分析害虫爬行以及吃食时的声音，进而就可以获取粮食害虫密度信息。在应用这种方法的过程中会在周围产生较大的噪音

8、，同时需要花费较大的资金来制造声音监测装置，所以目前这种方法并没有得到广泛的应用。最后一种方法是近红外反射光谱识别法，粮食害虫的C，H，N成分存在着很大的差距，因此就会产生不同的近红外线光谱，这种不同种类的粮食害虫就可以通过NIR12的扫描来进行识别。但是这种方法仍然存在着一定的缺陷，例如粮食的不完整颗粒以及颗粒大小等物理因素会对扫描结果产生一定的影响，使得无法获得准确和清晰的NIR扫