CN101008980A - 蝴蝶自动鉴定的方法及系统 - Google Patents
蝴蝶自动鉴定的方法及系统 Download PDFInfo
- Publication number
- CN101008980A CN101008980A CN 200710063463 CN200710063463A CN101008980A CN 101008980 A CN101008980 A CN 101008980A CN 200710063463 CN200710063463 CN 200710063463 CN 200710063463 A CN200710063463 A CN 200710063463A CN 101008980 A CN101008980 A CN 101008980A
- Authority
- CN
- China
- Prior art keywords
- butterfly
- color
- qualification result
- textural characteristics
- diagram picture
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Abstract
本发明提供了一种蝴蝶自动鉴定的方法及系统,属于生物种类自动鉴定的技术领域。本发明的方法包括:1)采集蝴蝶的数字化彩色图像;2)将所述蝴蝶图像进行颜色正规化处理;3)对蝴蝶图像进行区域增长分割,将背景转换为单纯色;4)提取蝴蝶图像的颜色、纹理特征值;5)利用神经网络对提取的颜色、纹理特征进行自动鉴定,得到鉴定结果;6)输出所述鉴定结果。本发明可以大幅度提高蝴蝶鉴定的效率和准确性,增加了蝴蝶分类鉴定的可利用特征和方法,解决了对于种类较多的蝴蝶必须由少数专家按传统形态学进行分类鉴定的问题,减轻了分类工作人员的劳动强度,为昆虫分类学研究和生物多样性研究提供了现代化工具,并有利于蝴蝶知识的大众化普及。
Description
技术领域
本发明属于生物种类自动鉴定的技术领域,特别涉及对蝴蝶的种类的进行自动鉴定的方法及系统。
背景技术
目前,在与昆虫分类学研究和生物多样性相关领域中,对于蝴蝶进行分类鉴定,是一项经常面临的现实工作,现有的鉴定方式,都是靠人为传统的分类方法进行,依靠人眼观察蝴蝶翅脉的分布方式来进行鉴定。蝴蝶的种类有上万种之多,要对如此多的蝴蝶进行正确鉴定就显得十分困难,费时费力而且准确度差。现有的一些依靠计算机视觉技术、模式鉴定技术和编程技术完成的目标体自动鉴定系统,虽然在工业及安全等技术领域有所应用,但它们所鉴定的对象在种类的数量上远不及蝴蝶,这些针对非生物体的自动鉴定方法往往不适合蝴蝶的自动鉴定。目前,还未见有对于蝴蝶这类生物体进行自动鉴定的方法或系统的应用。
发明内容
本发明要解决的技术问题是,针对现有技术中对蝴蝶的分类鉴定需要依靠人眼观察翅脉来操作,存在观察和分类困难、有时不准确等缺陷,提供一种可以自动鉴定蝴蝶种类的方法,能自动、快速、准确地将蝴蝶进行鉴定,并将结果显示给用户。本发明还提供一种蝴蝶自动鉴定的系统。
本发明解决其技术问题所采用的技术方案是:
蝴蝶自动鉴定方法,包括以下步骤:
1)采集蝴蝶的数字化彩色图像;
2)将所述蝴蝶图像进行颜色正规化处理;
3)对蝴蝶图像进行区域增长分割,将背景转换为单纯色;
4)提取蝴蝶图像的颜色、纹理特征值;
5)利用神经网络对提取的颜色、纹理特征进行自动鉴定,得到鉴定结果;
6)输出所述鉴定结果。
所述步骤1)中采集蝴蝶图像通过数码相机、数字摄像头或者CCD摄像头与图像采集卡的组合设备完成。
所述步骤4)中,采用蝴蝶的颜色与纹理特征作为蝴蝶自动识别的模式特征值。
所述步骤6)中通过显示装置将鉴定结果输出。
所述步骤6)中通过打印装置将鉴定结果输出。
本发明的蝴蝶自动鉴定系统,包括:
图像采集装置,用于采集蝴蝶图像并转换成数字格式;
正规化装置,用于使所述蝴蝶图像中不同图像间光照颜色或强度使终保持一致;
转换装置,用于将所述蝴蝶图像进行区域增长分割,将背景转换成单纯色;
提取装置,用于从所述蝴蝶图像中提取蝴蝶的颜色、纹理特征值;
鉴定装置,用于利用神经网络对所述提取的颜色、纹理特征值进行自动鉴定,得到鉴定结果;
输出装置,用于将所述鉴定结果输出。
所述图像采集装置为数码相机、数字摄像头或者CCD摄像头与图像采集卡的组合设备。
所述转换装置将所述蝴蝶图像的背景转换成单纯黑色。
所述输出装置可以是显示装置,用于将所述鉴定结果显示出来。
所述输出装置还可以是打印装置,用于将所述鉴定结果打印出来。
本发明所产生的有益效果是,可以大幅度提高蝴蝶鉴定的效率和准确性,增加了蝴蝶分类鉴定的可利用特征和方法,解决了对于种类较多的蝴蝶必须由少数专家按传统形态学进行分类鉴定的问题,减轻了分类工作人员的劳动强度,为昆虫分类学研究和生物多样性研究提供了现代化工具,并有利于蝴蝶知识的大众化普及。
附图说明
下面结合附图和实施例对本发明进一步说明。
图1为本发明的蝴蝶自动鉴定方法的一种实施例的流程图;
图2为本发明的蝴蝶自动鉴定系统的结构原理图;
图3为本发明的蝴蝶自动鉴定系统的一种实施例的结构示意图;
图4为本发明的蝴蝶自动鉴定系统的另一种实施例的结构示意图。
具体实施方式
如图1所示,自动鉴定蝴蝶种类的过程是:
步骤101:通过图像采集装置捕捉到蝴蝶的图像,并将蝴蝶的图像转换成数字格式;
步骤102:将所获得的蝴蝶的数字图像进行正规化处理,消除图像中光照颜色与亮度的差异;
步骤103:利用区域增长法对蝴蝶图像进行分割,并将蝴蝶区域外的背景处理成单纯色,一般处理成单纯的黑色较佳,蝴蝶区域的颜色保持不变;
步骤104:从蝴蝶图像中提取出蝴蝶颜色和纹理特征;
步骤105:利用神经网络对提取的颜色、纹理特征进行自动鉴定,得到蝴蝶的种类;
步骤106:将鉴定的结果输出给用户。
在步骤101中,可以通过数码相机或摄像头采集图像,这样采集的图像直接就是数字格式的;也可以通过CCD等装置采集,然后利用图像采集卡转换成数字格式;在步骤102中,通过颜色正规化去除图像中光照颜色与亮度的差异;在步骤105中,既可以通过利用神经网络对蝴蝶种类进行鉴定,也可以让神经网络进行学习,即人工将蝴蝶的种类输入给神经网络,由神经网络建立起蝴蝶的种类与蝴蝶的颜色和纹理特征之间的对应关系;在步骤106中,既可以通过显示装置将鉴定结果显示给用户,也可以通过打印装置将鉴定结果打印出来提供给用户,还可以以其他方法输出。
如图2所示,本发明的自动鉴定蝴蝶的系统包括:
图像采集装置201,用于采集蝴蝶图像并转换成数字格式;
正规化装置202,用于去除所述蝴蝶图像中光照颜色与亮度的差异;
转换装置203,用于将所述蝴蝶图像进行区域增长分割,将背景转换成单纯色;
提取装置204,用于从所述蝴蝶图像中提取蝴蝶的颜色、纹理特征值;
鉴定装置205,用于利用神经网络对所述提取的颜色、纹理特征值进行自动鉴定,得到鉴定结果;
输出装置206,用于将所述鉴定结果输出。
其中,图像采集装置201可以是数码相机、数字摄像头或者CCD摄像头与图像采集卡的组合设备中的一种,也可以是其他具有图像采集功能的设备;输出装置206可以是显示器、打印机等设备。
如图3所示的自动鉴定蝴蝶的系统的一种实施例,由数码相机301、计算机主机302和显示器303组成,数码相机301和显示器303分别与计算机主机302相连,计算机主机302内存储有处理功能的软件。利用数码相机301拍摄蝴蝶的图像,将获得的图像传递给计算机主机302,由计算机主机302进行将蝴蝶图像的颜色正规化;进行区域增长分割,将背景转换为单纯色;提取蝴蝶图像的颜色、纹理特征值;利用神经网络对提取的颜色、纹理特征进行自动鉴定等操作,得到鉴定结果,最终将鉴定结果通过显示器303显示给用户。
如图4所示的自动鉴定蝴蝶的系统的另一种实施例,由CCD装置401、图像采集卡402、计算机主机302和打印机403组成,CCD装置401通过图像采集卡402与计算机主机302相连,计算机主机302上还连有打印机,计算机主机302内存储有处理软件。
通过CCD装置401捕捉到蝴蝶的图像,由图像采集卡402转换成数字格式后发送给计算机主机302,由计算机主机302进行将蝴蝶图像的颜色正规化;进行区域增长分割,将背景转换为单纯色;提取蝴蝶图像的颜色、纹理特征值;利用神经网络对提取的颜色、纹理特征进行自动鉴定等操作,得到鉴定结果,然后由打印机403将鉴定结果打印出来提供给用户。
Claims (10)
1、蝴蝶自动鉴定方法,其特征在于,包括以下步骤:
1)采集蝴蝶的数字化彩色图像;
2)将所述蝴蝶图像进行颜色正规化处理;
3)对蝴蝶图像进行区域增长分割,将背景转换为单纯色;
4)提取蝴蝶图像的颜色、纹理特征值;
5)利用神经网络对提取的颜色、纹理特征进行自动鉴定,得到鉴定结果;
6)输出所述鉴定结果。
2、根据权利要求1所述的蝴蝶自鉴定方法,其特征在于,所述步骤1)中采集蝴蝶图像通过数码相机、数字摄像头或者CCD摄像头与图像采集卡的组合设备完成。
3、根据权利要求1所述的蝴蝶自鉴定方法,其特征在于,所述步骤4)中,采用蝴蝶的颜色与纹理特征作为蝴蝶自动识别的模式特征值。
4、根据权利要求1所述的蝴蝶自鉴定方法,其特征在于,所述步骤6)中通过显示装置将鉴定结果输出。
5、根据权利要求1所述的蝴蝶自鉴定方法,其特征在于,所述步骤6)中通过打印装置将鉴定结果输出。
6、蝴蝶自动鉴定系统,其特征在于,包括:
图像采集装置,用于采集蝴蝶图像并转换成数字格式;
正规化装置,用于使所述蝴蝶图像中不同图像间光照颜色或强度使终保持一致;
转换装置,用于将所述蝴蝶图像进行区域增长分割,将背景转换成单纯色;
提取装置,用于从所述蝴蝶图像中提取蝴蝶的颜色、纹理特征值;
鉴定装置,用于利用神经网络对所述提取的颜色、纹理特征值进行自动鉴定,得到鉴定结果;
输出装置,用于将所述鉴定结果输出。
7、根据权利要求6所述的蝴蝶自动鉴定系统,其特征在于,所述图像采集装置为数码相机、数字摄像头或者CCD摄像头与图像采集卡的组合设备。
8、根据权利要求6所述的蝴蝶自动鉴定系统,其特征在于,所述转换装置将所述蝴蝶图像的背景转换成单纯黑色。
9、根据权利要求6所述的蝴蝶自动鉴定系统,其特征在于,所述输出装置为显示装置,用于将所述鉴定结果显示出来。
10、根据权利要求6所述的蝴蝶自动鉴定系统,其特征在于,所述输出装置为打印装置,用于将所述鉴定结果打印出来。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 200710063463 CN101008980A (zh) | 2007-02-01 | 2007-02-01 | 蝴蝶自动鉴定的方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 200710063463 CN101008980A (zh) | 2007-02-01 | 2007-02-01 | 蝴蝶自动鉴定的方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN101008980A true CN101008980A (zh) | 2007-08-01 |
Family
ID=38697398
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 200710063463 Pending CN101008980A (zh) | 2007-02-01 | 2007-02-01 | 蝴蝶自动鉴定的方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101008980A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101937512A (zh) * | 2010-09-08 | 2011-01-05 | 北京邮电大学 | 基于网格区域的昆虫翅脉识别的方法和系统 |
CN102096808A (zh) * | 2011-01-19 | 2011-06-15 | 南京农业大学 | 稻飞虱虫情自动测报方法 |
CN103027009A (zh) * | 2011-09-29 | 2013-04-10 | 贺陈弘 | 微小昆虫自动分类系统 |
CN107292314A (zh) * | 2016-03-30 | 2017-10-24 | 浙江工商大学 | 一种基于cnn的鳞翅目昆虫种类自动鉴别方法 |
WO2020006881A1 (zh) * | 2018-07-06 | 2020-01-09 | 平安科技(深圳)有限公司 | 蝴蝶识别网络构建方法、装置、计算机设备及存储介质 |
-
2007
- 2007-02-01 CN CN 200710063463 patent/CN101008980A/zh active Pending
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101937512A (zh) * | 2010-09-08 | 2011-01-05 | 北京邮电大学 | 基于网格区域的昆虫翅脉识别的方法和系统 |
CN102096808A (zh) * | 2011-01-19 | 2011-06-15 | 南京农业大学 | 稻飞虱虫情自动测报方法 |
CN102096808B (zh) * | 2011-01-19 | 2013-01-30 | 南京农业大学 | 稻飞虱虫情自动测报方法 |
CN103027009A (zh) * | 2011-09-29 | 2013-04-10 | 贺陈弘 | 微小昆虫自动分类系统 |
CN103027009B (zh) * | 2011-09-29 | 2014-08-06 | 贺陈弘 | 微小昆虫自动分类系统 |
CN107292314A (zh) * | 2016-03-30 | 2017-10-24 | 浙江工商大学 | 一种基于cnn的鳞翅目昆虫种类自动鉴别方法 |
WO2020006881A1 (zh) * | 2018-07-06 | 2020-01-09 | 平安科技(深圳)有限公司 | 蝴蝶识别网络构建方法、装置、计算机设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106556611A (zh) | 基于机器视觉的彩色印刷品缺陷自动检测系统及检测方法 | |
CN110261394A (zh) | 在线风机叶片损伤实时诊断系统和方法 | |
CN102915432B (zh) | 一种车载微机图像视频数据提取方法及装置 | |
CN106971152A (zh) | 一种基于航拍图像的检测输电线路中鸟巢的方法 | |
CN1806501B (zh) | 海洋浮游植物自动识别方法及装置 | |
CN108861183A (zh) | 一种基于机器学习的垃圾智能分类方法 | |
CN104766097B (zh) | 基于bp神经网络和支持向量机的铝板表面缺陷分类方法 | |
CN101008980A (zh) | 蝴蝶自动鉴定的方法及系统 | |
JP2002312762A (ja) | ニューラルネットワークを利用した穀粒選別装置 | |
CN108392213B (zh) | 基于绘画心理学的心理分析方法及装置 | |
CN103076288A (zh) | 一种基于计算机视觉的鱼肉自动分级装置和方法 | |
CN106371013A (zh) | 一种基于图片识别的gis开关故障自动识别系统 | |
Rahamathunnisa et al. | Vegetable disease detection using k-means clustering and svm | |
CN104048966B (zh) | 一种基于大律法的布面疵点检测及分类方法 | |
CN106599890A (zh) | 变电站巡检机器人数字式仪表识别算法 | |
CN111461000A (zh) | 一种基于cnn和小波分析的办公室垃圾智能分类方法 | |
CN106096831A (zh) | 高速公路文明服务综合评价系统 | |
CN202815869U (zh) | 一种车载微机图像视频数据提取装置 | |
CN102565074A (zh) | 小张清分机疑似缺陷产品图像复检系统及方法 | |
CN115249331A (zh) | 基于卷积神经网络模型的矿山生态安全识别方法 | |
CN114548268A (zh) | 基于原型网络的小样本垃圾图像分类方法 | |
CN113655002A (zh) | 基于高光谱技术的表面含砂浆的再生骨料质量检测系统 | |
CN113469938B (zh) | 基于嵌入式前端处理服务器的管廊视频分析方法及系统 | |
CN206891989U (zh) | 纸病数据采集装置以及利用该装置的实时检测与反馈系统 | |
CN101555515A (zh) | 基于轮廓标记图的硅藻特征描述及其分类方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |