基于计算机视觉的农作物害虫自动检测研究综述

《基于计算机视觉的农作物害虫自动检测研究综述》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、万方数据MicrocomputerApplicationsV01．25，No．12，2009学习园地微型电脑应用2009年第25卷第12期文章编号：1007．757X(2009)12-0062-03基于计算机视觉的农作物害虫自动检测研究综述李健，陈长明摘要：综述了国内外计算机视觉在农业生产领域的应用研究热点——农作物害虫自动检测技术的进展及最新研究成果，重，最论述了害虫识别、分类、计算机视觉和图像处理技术的研究和开发，并分析提出了这一技术的发展趋势。关键词：计算机视觉；图像处理；害虫检测中图分类号：TP242：$608文献标

2、志码：A0引言小麦、乇米、棉花等农作物是我国最主要的粮食、饲料及经济作物，种植范围广，面积大，在国民经济中占有重要地位。以小麦为例，从近十年来看【11，小麦主要害虫的发生为害与损失日趋严重。特别是进入21世纪以来，小麦丰要害虫的发生为害仍居高不下。如麦蚜一直为偏季至大发生。由于小麦虫害的连年、持续的危害，使得小麦的平均亩产量在其他1人I素得到改善的情况下仍没有显着的提高。每年小麦的新增供给量往往低于当年的消费量，需要动用库存来弥补。否则小麦的价格升高，其他副产品的价格也会随之升高，消费成本随之升高，使我国在国际粮食市场上的地

3、位受到了冲击。可见，农作物蕈大害虫与重大病害的不断暴发成灾已经成为制约我困农qk安全生产和持续发展的突出瓶颈问题。有效的害虫监控工作是提高作物，虹量的重要途径之一。害虫的监控、预防T作能够减少、降低虫害的发乍及破坏的几率，减少虫害带来的损失，降低生产过程中的成奉消耗，提高生产效率，提升我围经济作物在国际市场I：的竞争力。日前，国内外在农作物害虫的检测识别方面，可归纳为以下3种方法【2l：(1)人工识别：借助放大镜、显微镜等工具或直接用肉眼判别害虫种类，并统计数量。该法识别T作量大，效率低，不叮避免地会出现人为误差，对检测人员

4、素质要求较高。(2)声音识别：通过害虫取食、运动、通讯等行为发出的声音来识别害虫。该方法不仅受环境噪声的影响较大，而且识别的害虫种类较少，故难以推广应用。(3)机器识别：该法主要是通过害虫的颜色、形态等特征，利用计算机视觉、图像处理和分析等技术来识别害虫。其识别过程简单、快捷、准确，操作过程及对设备的要求也相对简单，／卜受人员的经验、情绪等主观因素影响，彳H在识别准确率和识别效率有待提高，目前只是在该领域内的初步应用。由此可见，使用机器识别是个不错的思路。本文就国内外应用计算机视觉技术自动检测农作物害虫的最新研究成果进行综述

5、和展望，以便充分利用国内外已取得的经验，促进我国在该领域的研究。1计算机视党技术在农业上的应用农业生产与科研的许多方面，多数是通过对农作物及产品外观的判断进行的，诸如果品和种子等外观品质检测、果实成熟度判别、作物病虫害监测、生长状态识别以及杂草辨别等等。这些过去主要依靠人类视觉的辨别与判断的工作，町以利用计算机视觉技术部分地替代，从而提高牛产效率，实现农业生产与管理的自动化和钾能化。由j：经济效益、生物多样性等原凶，计算机视觉技术在农业中的应用远远落后于丁业。尽管如此，许多学者还足在农业应』lj领域中做了大量的研究工作。至今

6、已形成了分别侧重十视觉模拟、微观图像、宏观分析、热成像、内部图像、机器视觉等多种技术形式，并各具特色的应用系统。我国对计算机视觉在农业上程中的应用研究起步较晚，与国外相比尚有较人差距，还需进一步在深度、广度及实践等方面作出努力。2国内外计算机视觉应用于农作物害虫自动检测识别研究现状2．1国外研究现状在国外，自1996年英国政府发起DAISY研究T程后，掀起了有关昆虫识别的研究热潮。美国密歇根人学的UuJ．D和PaulsenM．R等利用机器视觉技术对卷蛾类昆虫的自动识别进行了研究，该研究以昆虫的翅脉为丰要特征，采用相似性距离为

7、判别的依据，判别结果比较可靠。但该研究只是以专业研究人员的手绘图作为图像源，尚／fi能对真实卷蛾标本进行鉴别，在鉴定的过程中需要人为干预。2000年，美国新墨两哥州市大学HabibGassoumi和NadipuramR．Prasad等人利用人工神经网络对棉花生态系统中的昆虫进行了分类识别。首先利用数学形态学中的腐蚀和膨胀技术对原有昆虫图像进行增强，然后进行图像分割，即将昆虫图像减少剑最基本的，C素但又／fi丢失重要而有用的特征。Sena等I3J从玉米植株顶部垂直向下拍照，获取玉米最上部展开叶片图像，提f{{了一种图像处理新算

8、法，能识别被玉米螟为害过的上部叶片，正确识别率达94．7％。2004年，Dr．Jeffrey和T．Drake等人为美困农qk部研制昆虫识别系统，卡要用于人量标本的快速识别分类，其图像分割算法能够在大量标本中提取单一个体的分割图像，能够对大多数昆虫标本进行分割得出较好的分割效果。C．Karu