CN103177263A - 一种基于图像的水稻田间飞虱自动检测与计数方法 - Google Patents
一种基于图像的水稻田间飞虱自动检测与计数方法 Download PDFInfo
- Publication number
- CN103177263A CN103177263A CN201310079789XA CN201310079789A CN103177263A CN 103177263 A CN103177263 A CN 103177263A CN 201310079789X A CN201310079789X A CN 201310079789XA CN 201310079789 A CN201310079789 A CN 201310079789A CN 103177263 A CN103177263 A CN 103177263A
- Authority
- CN
- China
- Prior art keywords
- plant hopper
- image
- sample
- counting
- rice field
- 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.)
- Granted
Links
- 241001498622 Cixius wagneri Species 0.000 title claims abstract description 49
- 235000007164 Oryza sativa Nutrition 0.000 title claims abstract description 32
- 235000009566 rice Nutrition 0.000 title claims abstract description 32
- 238000000034 method Methods 0.000 title claims abstract description 25
- 238000001514 detection method Methods 0.000 title claims abstract description 15
- 240000007594 Oryza sativa Species 0.000 title 1
- 241000209094 Oryza Species 0.000 claims abstract description 32
- 238000012549 training Methods 0.000 claims abstract description 13
- 238000012706 support-vector machine Methods 0.000 claims abstract description 12
- 230000003044 adaptive effect Effects 0.000 claims abstract description 10
- 230000009977 dual effect Effects 0.000 claims description 3
- 230000003321 amplification Effects 0.000 claims description 2
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 2
- 241001466042 Fulgoromorpha Species 0.000 abstract description 6
- 230000008030 elimination Effects 0.000 abstract 1
- 238000003379 elimination reaction Methods 0.000 abstract 1
- 241000238631 Hexapoda Species 0.000 description 7
- 238000011835 investigation Methods 0.000 description 4
- 241000607479 Yersinia pestis Species 0.000 description 3
- 241000196324 Embryophyta Species 0.000 description 2
- 238000004920 integrated pest control Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- FNMKZDDKPDBYJM-UHFFFAOYSA-N 3-(1,3-benzodioxol-5-yl)-7-(3-methylbut-2-enoxy)chromen-4-one Chemical compound C1=C2OCOC2=CC(C2=COC=3C(C2=O)=CC=C(C=3)OCC=C(C)C)=C1 FNMKZDDKPDBYJM-UHFFFAOYSA-N 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于图像的水稻田间飞虱自动检测与计数方法,主要包括以下步骤:根据图像传感器获得的水稻中下部飞虱彩色图像,建立含飞虱正样本和不含飞虱的副样本,提取正副样本的哈尔特征,训练提升分类器;用自适应提升分类器对飞虱图像进行检测,对检测到的子图像提取方向梯度直方图特征,训练支持向量机分类器;对通过支持向量机分类器检测为飞虱的样本进行双阈值去背景,提取全局特征,并根据阈值进行飞虱检测并计数。本发明的优点是直接以飞虱作为检测目标从复杂水稻背景中检测出来,实现水稻田间飞虱的计数。
Description
技术领域
本发明涉及一种水稻田间飞虱的检测与计数方法。
背景技术
目前,我国水稻害虫防治一直坚持“害虫综合治理(IPM)”的植保方针,以监测预报为基础,综合应用农业、生物、物理防治和化学防治等技术措施,有效控制害虫为害。准确及时监测到水稻田间害虫信息(发生种类、发生时间和发生数量)是水稻害虫实施IPM的前提,是害虫准确预测预报的关键,是实施精准农业的必要条件。
水稻飞虱是我国水稻上重要的一类迁飞害虫,每年所引起的损失相当惊人,直接威胁水稻产量。近些年来,水稻虫害发生呈逐年加重的趋势。稻飞虱田间调查最能反映害虫田间种群数量变化情况。田间虫量调查的准确度对稻飞虱田间发生量预报、为害测定和防治指标的确定有着较大的影响。
目前,我国稻飞虱田间调查的现行方法采取盘拍法:一人下田,左手持盘沿水面紧贴稻株成45度夹角,右手在稻株另一侧的中下部接连拍打3次,使飞虱震落于盘内,然后对盘中飞虱进行目测计数,另外一人进行记录数据。该人工计数方法费时费力误差大,主要原因是:飞虱在计数之前常有部分个体逃逸影响计数结果;当虫口密度较大时,拍击稻株有很多飞虱个体并不能落入盘中,导致计数结果并不准确;盘中飞虱个体较多时,调查人员为了防治飞虱逃逸常给出的是一个估计;目前基层植保人员缺乏,田间调查任务重,效率低下的盘拍法已满足不了现代农业的需求。利用图像进行水稻田间飞虱计数研究仅有来自韩国的Park Y S等人2003年在《Korean Journal of Applied Entomology》发表的一篇文献“Density estimation of rice planthoppers using digital image processing algorithm,42(1):57-63”,研究方法主要通过飞虱面积的阈值来检测已去背景的分割图中含有飞虱的个数,该方法无法排除与飞虱同样大小的噪声,且只测试了11张图片,不具有普适性。
发明内容
本发明的目的是提供一种基于图像的水稻田间飞虱自动检测与计数方法。
本发明解决其技术问题所采用的技术方案是:该基于图像的水稻田间飞虱自动检测与计数方法主要包括以下各步骤:
(1)根据图像传感器获得的水稻中下部飞虱彩色图像,建立含飞虱正样本和不含飞虱的副样本;提取正副样本的哈尔(Haar)特征,训练自适应提升(AdaBoost)分类器;
(2)用自适应提升分类器对飞虱图像进行检测,对检测到的图像提取方向梯度(HOG)直方图特征,训练支持向量机(SVM)分类器;
(3)对通过支持向量机分类器检测为飞虱的样本进行双阈值去背景,提取全局特征,并根据阈值进行飞虱检测并计数。
进一步地,本发明哈尔特征选取了多个矩形特征;自适应提升分类器检测窗口逐层放大检测,当检测窗口放大到训练样本三倍时停止检测。
与现有技术相比,本发明的优点是:
本发明提出的基于图像的水稻田间飞虱自动检测与计数方法,为水稻田间飞虱数量调查提供了一个自动检测和计数的新方法。本方法并没有利用常规的分割方法来分割去掉复杂的水稻田间环境,而是从复杂背景中检测所需目标的角度,利用具有统计模型的自适应提升分类器、支持向量机和全局特征阈值判断的三层检测机制来检测飞虱目标。分类器中的训练样本均来自水稻田间多个环境多张图片,样本量大,因此获得的检测分类器具有较高的检测率。三层检测机制大大降低了误检率。
附图说明
图1是本发明基于图像的水稻田间飞虱自动检测与计数方法的流程图。
具体实施方式
如图1所示,本发明提出的一种基于图像的水稻田间飞虱自动检测与计数方法的具体实施步骤如下:
(1)根据图像传感器获得的水稻田间飞虱彩色图像,从采集的图像中进行裁剪,获得含飞虱正样本图像和不含飞虱的副样本图像;建立了11个矩形哈尔特征,然后提取所有正副样本的哈尔特征,训练自适应提升(AdaBoost)分类器,该分类器是由4个弱分类器组成的一个强分类器。
(2)用AdaBoost分类器对水稻基部飞虱彩色图像进行检测,检测窗口按照1:1.2放大逐层检测,当检测窗口放大到训练样本3倍时停止检测,然后对同一个目标出现多个矩形窗,进行合并。合并原则是当大矩形窗完全覆盖小矩形窗时,只保留小矩形窗。
(3)对检测到的子图像提取方向梯度直方图特征,方向梯度直方图特征采用一维梯度算子运算梯度,并选用矩形结构。
(4)以方向梯度直方图作为支持向量机分类器的输入参数,来自AdaBoost检测得到的正样本和负样本作为训练样本来训练支持向量机,并选取径向基核函数。
(5)对通过支持向量机分类器检测为飞虱的样本进行双阈值去背景,其中两个阈值是通过自适应阈值法Otsu求得,并根据这两个阈值和两个颜色因子来分割背景,获得检测目标。
(6)对分割后的图像,求三个全局特征,包括目标颜色均值、长宽比、目标面积与窗口面积比。根据飞虱的这三个全局特征的阈值最大最小值来判断检测子图像是否含有飞虱目标。最后对检测为飞虱目标的窗口进行计数,获得飞虱的数量。
Claims (3)
1.一种基于图像的水稻田间飞虱自动检测与计数方法,其特征在于, 包括以下步骤:
1)根据图像传感器获得的水稻中下部飞虱彩色图像,建立含飞虱正样本和不含飞虱的副样本;提取正副样本的哈尔(Haar)特征,训练自适应提升(AdaBoost)分类器;
2)用自适应提升分类器对飞虱图像进行检测,对检测到的图像提取方向梯度直方图(HOG)特征,训练支持向量机(SVM)分类器;
3)对通过支持向量机分类器检测为飞虱的样本进行双阈值去背景,提取全局特征,并根据阈值进行飞虱检测并计数。
2.根据权利要求1所述的基于图像的水稻田间飞虱自动检测与计数方法,其特征在于,所述的哈尔特征选取了多个矩形特征。
3.根据权利要求1所述的基于图像的水稻田间飞虱自动检测与计数方法,其特征在于,自适应提升分类器检测窗口逐层放大检测,当检测窗口放大到训练样本三倍时停止检测。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310079789.XA CN103177263B (zh) | 2013-03-13 | 2013-03-13 | 一种基于图像的水稻田间飞虱自动检测与计数方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310079789.XA CN103177263B (zh) | 2013-03-13 | 2013-03-13 | 一种基于图像的水稻田间飞虱自动检测与计数方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103177263A true CN103177263A (zh) | 2013-06-26 |
CN103177263B CN103177263B (zh) | 2016-03-23 |
Family
ID=48637104
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310079789.XA Expired - Fee Related CN103177263B (zh) | 2013-03-13 | 2013-03-13 | 一种基于图像的水稻田间飞虱自动检测与计数方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103177263B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107316036A (zh) * | 2017-06-09 | 2017-11-03 | 广州大学 | 一种基于级联分类器的害虫识别方法 |
CN107578050A (zh) * | 2017-09-13 | 2018-01-12 | 浙江理工大学 | 水稻茎基部飞虱种类及其虫态的自动分类识别方法 |
WO2020047738A1 (zh) * | 2018-09-04 | 2020-03-12 | 安徽中科智能感知大数据产业技术研究院有限责任公司 | 多尺度特征融合网络结合定位模型的害虫自动计数方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008066217A1 (en) * | 2006-11-30 | 2008-06-05 | Firstec Co., Ltd. | Face recognition method by image enhancement |
CN102201059A (zh) * | 2011-05-20 | 2011-09-28 | 北京大学深圳研究生院 | 一种行人检测方法及装置 |
US20120148160A1 (en) * | 2010-07-08 | 2012-06-14 | Honeywell International Inc. | Landmark localization for facial imagery |
CN102768726A (zh) * | 2011-05-06 | 2012-11-07 | 香港生产力促进局 | 一种预防行人碰撞的行人检测方法 |
-
2013
- 2013-03-13 CN CN201310079789.XA patent/CN103177263B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008066217A1 (en) * | 2006-11-30 | 2008-06-05 | Firstec Co., Ltd. | Face recognition method by image enhancement |
US20120148160A1 (en) * | 2010-07-08 | 2012-06-14 | Honeywell International Inc. | Landmark localization for facial imagery |
CN102768726A (zh) * | 2011-05-06 | 2012-11-07 | 香港生产力促进局 | 一种预防行人碰撞的行人检测方法 |
CN102201059A (zh) * | 2011-05-20 | 2011-09-28 | 北京大学深圳研究生院 | 一种行人检测方法及装置 |
Non-Patent Citations (2)
Title |
---|
孔凡芝: ""基于Adaboost和支持向量机的人脸识别系统研究"", 《中国优秀博硕士学位论文全文数据库(硕士)(信息科技辑)》 * |
孙翠霞: ""基于机器视觉的大米自动分级算法的研究"", 《中国优秀硕士学位论文全文数据库(信息科技辑)》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107316036A (zh) * | 2017-06-09 | 2017-11-03 | 广州大学 | 一种基于级联分类器的害虫识别方法 |
CN107316036B (zh) * | 2017-06-09 | 2020-10-27 | 广州大学 | 一种基于级联分类器的害虫识别方法 |
CN107578050A (zh) * | 2017-09-13 | 2018-01-12 | 浙江理工大学 | 水稻茎基部飞虱种类及其虫态的自动分类识别方法 |
WO2020047738A1 (zh) * | 2018-09-04 | 2020-03-12 | 安徽中科智能感知大数据产业技术研究院有限责任公司 | 多尺度特征融合网络结合定位模型的害虫自动计数方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103177263B (zh) | 2016-03-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102302370B (zh) | 一种跌倒检测方法和装置 | |
CN101399672B (zh) | 一种多神经网络融合的入侵检测方法 | |
Fouad et al. | Automatic nile tilapia fish classification approach using machine learning techniques | |
KR101747220B1 (ko) | 이미지 피라미드의 적응적 이미지 처리 장치 및 방법 | |
CN105447859A (zh) | 一种田间麦蚜虫计数方法 | |
CN102621150A (zh) | 基于灰度共生矩阵和支持向量机的飞机蒙皮损伤识别方法 | |
TWI687159B (zh) | 魚苗計數系統及魚苗計數方法 | |
Mukherjee et al. | Damaged paddy leaf detection using image processing | |
Qing et al. | Automated detection and identification of white-backed planthoppers in paddy fields using image processing | |
CN103177263B (zh) | 一种基于图像的水稻田间飞虱自动检测与计数方法 | |
CN110008859A (zh) | 基于视觉的犬只重识别方法和装置 | |
CN104866865B (zh) | 一种基于dhog和离散余弦变换的接触网平衡线故障检测方法 | |
CN110263920A (zh) | 卷积神经网络模型及其训练方法和装置、巡检方法和装置 | |
CN107105092A (zh) | 一种基于动态时间规整的人体跌倒识别方法 | |
CN100592692C (zh) | 基于条件互信息的双层半懒惰贝叶斯的网络入侵分类方法 | |
WO2012172073A1 (de) | Verfahren zur bereitstellung eines vorhersagemodells für eine rissdetektion und verfahren zur rissdetektion an einer halbleiterstruktur | |
CN105760871A (zh) | 一种植物叶斑类病害抗性鉴定新方法 | |
CN107544961A (zh) | 一种社交媒体评论的情感分析方法、设备及其存储设备 | |
CN104077571B (zh) | 一种采用单类序列化模型的人群异常行为检测方法 | |
CN107578050A (zh) | 水稻茎基部飞虱种类及其虫态的自动分类识别方法 | |
CN106384089A (zh) | 基于终生学习的人体可靠检测方法 | |
CN104239895B (zh) | 基于特征降维的sar目标鉴别方法 | |
Huang et al. | Automatic classification of magnetic tiles internal defects based on acoustic resonance analysis | |
Abdu et al. | An investigation into the effect of disease symptoms segmentation boundary limit on classifier performance in application of machine learning for plant disease detection | |
CN208012721U (zh) | 渔获信息采集系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160323 |