CN103235935B - 一种白粉虱种群密度的估计方法 - Google Patents
一种白粉虱种群密度的估计方法 Download PDFInfo
- Publication number
- CN103235935B CN103235935B CN201310135983.5A CN201310135983A CN103235935B CN 103235935 B CN103235935 B CN 103235935B CN 201310135983 A CN201310135983 A CN 201310135983A CN 103235935 B CN103235935 B CN 103235935B
- Authority
- CN
- China
- Prior art keywords
- image
- trialeurodes vaporariorum
- estimation
- population density
- value
- 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.)
- Active
Links
Landscapes
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
Abstract
本发明公开了一种白粉虱种群密度的估计方法,包括:从图像采集设备中获取白粉虱的彩色图像;从所述彩色图像中选择白粉虱密度的估计区域;将所述彩色估计区域的彩色图像转化为灰度图像;利用第一阈值化方法对所述灰度图像进行阈值化;对所述阈值化后的图像进行闭运算;利用第二阈值化方法对所述闭运算后的图像进行阈值化;利用椭圆拟合方法实现对所述二值化后的图像中点的拟合,以及所述图像中椭圆个数的统计;根据白粉虱的个数以及所述估计区域的面积,求取所述白粉虱种群密度的估计值。本发明能够对图像中白粉虱种群密度的自动、准确估计,为正确的估计出白粉虱的危害程度以及采取合适的防治措施提供了决策信息,间接推进了白粉虱防治的自动化。
Description
技术领域
本发明涉及基于机器视觉的检测技术领域,特别是涉及一种白粉虱种群密度的估计方法。
背景技术
白粉虱,又名小白蛾子,是一种温室、大棚内种植作物的主要害虫之一。该虫以群集在作物叶背面吸取汁液,使受害叶片褪绿变黄、萎缩,甚至枯死,同时还能导致煤污病的发生,严重影响了种植作物的产量和品质。常用的防治措施主要包括:生物防治、物理防治和化学防治等。其中,对白粉虱种群密度以及危害程度的准确估计是采取正确防治措施的主要依据。以化学防治为例:若白粉虱种群密度估计过低,则喷洒的农药过少,起不到防治的目的;若白粉虱种群密度估计过高,则会使农业喷洒过多,不但提高了生产成本,而且会严重污染环境。因此,白粉虱种群密度的准确估计对于及时采取适当的防治措施,减少环境污染,提高农产品的数量和质量方面都具有十分重要的意义。
目前,白粉虱种群密度的估计主要靠人工计数或目测的方式来实现。该方法不仅劳动量大、效率低,而且估计结果的准确性在很大程度上取决于统计者的知识经验以及环境因素。此外,白粉虱的成虫多栖息在宿主上部叶片背面,当统计者在将叶片翻转时,白粉虱成虫会陆续飞走,给白粉虱个数的统计造成了极大困难,严重影响了种群密度的估计结果。由于机器视觉技术在农业信息处理方面具有速度快、精度高、客观性强等显著特点,并能解决一些手工测定难以解决的问题,避免人工差异及视觉疲劳带来的影响,成为了实现农作物病虫害防治的自动化和智能化的重要技术力量。因此,若将其应用于白粉虱种群密度的估计中,研究一种基于机器视觉的白粉虱种群密度的估计方法,必将极大提高估计结果的精度,而且也为农作物病虫害防治领域提供了新的方法和技术。
发明内容
(一)要解决的技术问题
本发明提供了一种白粉虱种群密度的估计方法,以解决现有技术中难以实现对白粉虱种群密度的精确、实时、快速估计问题。
(二)技术方案
为解决上述问题,本发明提供一种白粉虱种群密度的估计方法,包括步骤:从图像采集设备中获取白粉虱的彩色图像;
从所述彩色图像中选择白粉虱密度的估计区域;
将所述彩色估计区域的彩色图像转化为灰度图像;
利用第一阈值化方法对所述灰度图像进行阈值化;
对所述阈值化后的图像进行闭运算,以填平所述图像中的窄缝隙,使得白粉虱图像的边缘更平滑;
利用第二阈值化方法对所述闭运算后的图像进行阈值化,以实现图像的二值化;
利用椭圆拟合方法实现对所述二值化后的图像中点的拟合,以及所述图像中椭圆个数的统计,其中,所述椭圆个数即为白粉虱的个数;
根据白粉虱的个数以及所述估计区域的面积,求取所述白粉虱种群密度的估计值。
优选地,所述白粉虱密度的估计区域的大小为:L×H,其中L、H分别为所述估计区域的宽和高,其单位为像素,其值预先设定。
优选地,所述白粉虱密度的估计区域的大小为所述白粉虱的彩色图像的宽度和高度的70%。
优选地,所述白粉虱密度的估计区域设置在所述白粉虱的彩色图像的中间。
优选地,所述将所述彩色估计区域的彩色图像转化为灰度图像的转换公式为:
Y=w1×R+w2×G+w3×B (1)
其中,Y为转化后的灰度值,R,G,B分别为彩色图像的红色、绿色、蓝色值,wi(i=1,2,3)为相应的权值,且w2<w3<w1,其值可根据白粉虱图像与背景图像的颜色差异进行设定,以凸显白粉虱图像的灰度值。
优选地,所述第一阈值化方法中所采用的公式为:
其中,src(x,y)为原始灰度图像值,dst(x,y)为阈值化后的灰度值,θ为阈值。
优选地,所述阈值θ的计算方法为:
从具有M幅只含有白粉虱的彩色图像库中随机抽取一幅彩色图像;
利用所述公式(1)对其进行灰度化,并统计图像的平均灰度值;
重复上述两个步骤,直至对图像库中的M幅彩色图像都进行灰度化;
求取M幅图像的灰度平均值,并将其作为阈值θ。
优选地,所述第二阈值化方法所采用的公式为:
其中,f(x,y)为阈值化后的二值图像,T为阈值,所述阈值T的设定方法为:
T=δ×θ,其中,δ为百分比。
优选地,所述椭圆拟合方法为:
在所述二值图像中,提取每一个连通域的轮廓,并保存轮廓上的像素点;
对每一轮廓上的像素点,利用椭圆拟合方程(4),进行拟合:
Ax2+Bxy+Cy2+Dx+Ey+F=0 (4)
其中,向量点(A,B,C,D,E,F)的值,利用最小二乘法原理进行求解;
设定椭圆的半长轴a和半短轴b的长度值,据此筛选出符合要求的椭圆;
统计图像中的椭圆个数N。
其中,1<a<10,1<b<10。
优选地,所述白粉虱种群密度估计值ρ的计算结果为:
ρ=N/(L×H)。
(三)有益效果
本发明所述的白粉虱种群密度的估计方法,能够实现对图像中白粉虱种群密度的自动、精确的估计,为正确的估计出白粉虱的危害程度以及采取合适的防治措施提供了决策信息,克服了人工统计方法中存在的效率低、时效差,过分依赖统计人员的知识经验等问题,从而推进了白粉虱防治的自动化。
附图说明
图1为本发明所述的白粉虱种群密度的估计方法的流程图。
具体实施方式
下面结合附图和实施例,对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明,但不用来限制本发明的范围。
图1是本发明所述的白粉虱种群密度的估计方法的流程图,白粉虱种群密度的估计方法主要包括以下步骤:
(1)从图像采集设备中获取白粉虱的彩色图像,从该彩色图像中选择白粉虱密度的估计区域;
(2)将彩色的估计区域图像转化为灰度图像;
(3)利用阈值化方法(I)对灰度图像进行阈值化,去除部分背景图像,获得白粉虱区域;
(4)对图像进行闭运算,以填平图像中的窄缝隙,使得白粉虱图像的边缘更平滑;
(5)采用阈值化方法(II)对图像进行阈值化,以实现图像的二值化;
(6)利用椭圆拟合方法实现对二值图像中点的拟合,以及图像中椭圆个数的统计;
(7)根据白粉虱的个数以及估计区域的面积,求取白粉虱种群密度的估计值。
根据本发明所述的一种白粉虱种群密度的估计方法,所述的白粉虱密度估计区域的大小为:L×H,其中L、H分别为估计区域的宽和高,其单位为像素,其值可根据实际应用情况设定,如分别设定为白粉虱彩色图像宽度和高度的70%,并且优选将估计区域设置在所采集的白粉虱图像的中间。
根据本发明所述的一种白粉虱种群密度的估计方法,将彩色的估计区域图像转化为灰度图像,其转换公式如公式(1)所示:
Y=w1×R+w2×G+w3×B (1)
其中,Y为转化后的灰度值,R,G,B分别为彩色图像的红色、绿色、蓝色值,wi(i=1,2,3)为相应的权值,且w2<w3<w1,其值可根据白粉虱图像与背景图像的颜色差异进行设定,如w1=0.587,w2=0.114,w3=0.299,以凸显白粉虱图像的灰度值,降低背景颜色的灰度值。
根据本发明所述的一种白粉虱种群密度的估计方法,阈值化方法(I)对图像进行阈值化时所采用的公式如公式(2)所示:
其中,src(x,y)为原始灰度图像值,dst(x,y)为阈值化后的灰度值,θ为图像的阈值。该阈值的计算方法为:
(A)从具有M幅只含有白粉虱的彩色图像库中随机抽取一幅彩色图像;
(B)利用公式(1)对其进行灰度化,并统计图像的平均灰度值;
(C)重复步骤(A)(B),直至对图像库中的M幅彩色图像都进行灰度化;
(D)求取M幅图像的灰度平均值,并将其作为阈值θ的初始值。
由于上述阈值的计算方法是对多幅白粉虱图像进行了统计,因此所获得的阈值适应性较广,区分效果明显。同时,在实际应用中,可根据实际需求,合理设置白粉虱图像库的大小,如M=1000。
根据本发明所述的一种白粉虱种群密度的估计方法,步骤(3)还包括对所获得灰度图像进行滤波、去噪。
根据本发明所述的一种白粉虱种群密度的估计方法,闭运算是对阈值化后的图像进行先膨胀后腐蚀的形态学操作,以连接邻近的区域,填补小的空洞,从而填平图像中的窄缝隙使得白粉虱图像的边缘更平滑。在实际应用中,可根据实际需求,合理设置闭运算的次数,如1次。
根据本发明所述的一种白粉虱种群密度的估计方法,阈值化方法(II)对图像进行阈值化时所采用的公式如公式(3)所示:
其中,f(x,y)为阈值化后的二值图像,T为图像的阈值,设定方法为T=δ×θ,δ为百分比,如δ=80%,可根据实际情况适当调整。
根据本发明所述的一种白粉虱种群密度的估计方法,所述的椭圆拟合方法包括:
(a)在二值图像中,提取每一个连通域的轮廓,并保存轮廓上的像素点;
(b)对每一轮廓上的像素点,利用椭圆拟合方程(4),进行拟合:
Ax2+Bxy+Cy2+Dx+Ey+F=0 (4)
其中,向量点(A,B,C,D,E,F)的值,可利用最小二乘法原理进行求解。
(c)设定椭圆的半长轴a和半短轴b的长度值,如1<a<10,1<b<10,据此筛选出符合要求的椭圆;
(d)统计图像中的椭圆个数N,该值即为白粉虱的个数。
根据本发明所述的一种白粉虱种群密度的估计方法,所述的白粉虱种群密度估计值ρ可根据公式(5)进行计算:
ρ=N/(L×H) (5)
按照上述步骤,即可以实现白粉虱种群密度的估计。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和替换,这些改进和替换也应视为本发明的保护范围。
Claims (9)
1.一种白粉虱种群密度的估计方法,其特征在于,包括步骤:
从图像采集设备中获取白粉虱的彩色图像;
从所述彩色图像中选择白粉虱密度的估计区域;
将所述彩色估计区域的彩色图像转化为灰度图像;
利用第一阈值化方法对所述灰度图像进行阈值化;
对所述阈值化后的图像进行闭运算,以填平所述图像中的窄缝隙,使得白粉虱图像的边缘更平滑;
利用第二阈值化方法对所述闭运算后的图像进行阈值化,以实现图像的二值化;
利用椭圆拟合方法实现对所述二值化后的图像中点的拟合,以及所述图像中椭圆个数的统计,其中,所述椭圆个数即为白粉虱的个数;
根据白粉虱的个数以及所述估计区域的面积,求取所述白粉虱种群密度的估计值;
其中,所述第一阈值化方法中所采用的公式为:
其中,x和y分别为图像中像素点的横坐标和纵坐标,src(x,y)为原始灰度图像值,dst(x,y)为阈值化后的灰度值,θ为阈值。
2.根据权利要求1所述的白粉虱种群密度的估计方法,其特征在于,所述白粉虱密度的估计区域的大小为:L×H,其中L、H分别为所述估计区域的宽和高,其单位为像素,其值预先设定。
3.根据权利要求2所述的白粉虱种群密度的估计方法,其特征在于,所述白粉虱密度的估计区域的大小为所述白粉虱的彩色图像的宽度和高度的70%。
4.根据权利要求2或3所述的白粉虱种群密度的估计方法,其特征在于,所述白粉虱密度的估计区域设置在所述白粉虱的彩色图像的中间。
5.根据权利要求1所述的白粉虱种群密度的估计方法,其特征在于,所述将所述彩色估计区域的彩色图像转化为灰度图像的转换公式为:
Y=w1×R+w2×G+w3×B (1)
其中,Y为转化后的灰度值,R,G,B分别为彩色图像的红色、绿色、蓝色值,wi(i=1,2,3)为相应的权值,且w2<w3<w1,其值可根据白粉虱图像与背景图像的颜色差异进行设定,以凸显白粉虱图像的灰度值。
6.根据权利要求5所述的白粉虱种群密度的估计方法,其特征在于,所述阈值θ的计算方法为:
从具有M幅只含有白粉虱的彩色图像库中随机抽取一幅彩色图像;
利用所述公式(1)对其进行灰度化,并统计图像的平均灰度值;
重复上述两个步骤,直至对图像库中的M幅彩色图像都进行灰度化;
求取M幅图像的灰度平均值,并将其作为阈值θ。
7.根据权利要求1或5所述的白粉虱种群密度的估计方法,其特征在于,所述第二阈值化方法所采用的公式为:
其中,f(x,y)为阈值化后的二值图像,T为阈值,所述阈值T的设定方法为:
T=δ×θ,其中,δ为百分比。
8.根据权利要求1或5所述的白粉虱种群密度的估计方法,其特征在于,所述椭圆拟合方法为:
在所述二值图像中,提取每一个连通域的轮廓,并保存轮廓上的像素点;
对每一轮廓上的像素点,利用椭圆拟合方程(4),进行拟合:
Ax2+Bxy+Cy2+Dx+Ey+F=0 (4)
其中,向量点(A,B,C,D,E,F)的值,利用最小二乘法原理进行求解;
设定椭圆的半长轴a和半短轴b的长度值,据此筛选出符合要求的椭圆;
统计图像中的椭圆个数N;
其中,1<a<10,1<b<10。
9.根据权利要求2或5所述的白粉虱种群密度的估计方法,其特征在于,所述白粉虱种群密度估计值ρ的计算结果为:
ρ=N/(L×H);
其中,N为图像中的椭圆个数,L、H分别为所述估计区域的宽和高。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310135983.5A CN103235935B (zh) | 2013-04-18 | 2013-04-18 | 一种白粉虱种群密度的估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310135983.5A CN103235935B (zh) | 2013-04-18 | 2013-04-18 | 一种白粉虱种群密度的估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103235935A CN103235935A (zh) | 2013-08-07 |
CN103235935B true CN103235935B (zh) | 2016-08-31 |
Family
ID=48883974
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310135983.5A Active CN103235935B (zh) | 2013-04-18 | 2013-04-18 | 一种白粉虱种群密度的估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103235935B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106600637B (zh) * | 2016-12-08 | 2019-04-09 | 中国科学院海洋研究所 | 一种使用遥感影像观测野生动物种群数量的方法 |
CN108376402A (zh) * | 2018-04-27 | 2018-08-07 | 安徽农业大学 | 一种离线状态下的白粉虱群落生长状态分析装置及方法 |
CN111507309B (zh) * | 2020-05-20 | 2020-12-01 | 孟庆峰 | 农作物种植状态解析系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102324016A (zh) * | 2011-05-27 | 2012-01-18 | 郝红卫 | 一种高密度人群流量统计方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE10221124A1 (de) * | 2002-05-13 | 2003-11-27 | Bayer Cropscience Ag | Verfahren und Vorrichtung zur automatischen Auszählung und Klassifizierung von tierischen Schädlingen |
-
2013
- 2013-04-18 CN CN201310135983.5A patent/CN103235935B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102324016A (zh) * | 2011-05-27 | 2012-01-18 | 郝红卫 | 一种高密度人群流量统计方法 |
Non-Patent Citations (3)
Title |
---|
基于机器视觉的大豆叶部蚜虫自动统计系统的研究;沈维政等;《农机化研究》;20071130;第190-191页 * |
改进的多阈值动态二值化算法;马驰等;《中国期刊全文数据库 计算机工程》;20060331;第32卷(第6期);全文 * |
灰度等级处理中的OSTU动态阈值法研究;张辉等;《中国期刊全文数据库 传感器世界》;20080731(第7期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN103235935A (zh) | 2013-08-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Miranda et al. | Pest detection and extraction using image processing techniques | |
CN108710919A (zh) | 一种基于多尺度特征融合深度学习的裂缝自动化勾画方法 | |
CN105005813A (zh) | 虫害分析计数方法及系统 | |
CN110427922A (zh) | 一种基于机器视觉和卷积神经网络病虫害识别系统和方法 | |
CN103674857B (zh) | 基于机器视觉的牧草饲料检测系统和方法 | |
CN106951836A (zh) | 基于先验阈值优化卷积神经网络的作物覆盖度提取方法 | |
CN106997475B (zh) | 一种基于并行卷积神经网络的害虫图像识别方法 | |
CN104240243B (zh) | 一种基于椭圆拟合的粘连仔猪自动计数方法 | |
CN102103699B (zh) | 一种基于图像检测棉花吐絮的方法 | |
CN105651776A (zh) | 基于计算机视觉的牛胴体产肉量自动分级装置与方法 | |
CN103235935B (zh) | 一种白粉虱种群密度的估计方法 | |
CN109284771A (zh) | 一种番茄生长模型判定方法及装置 | |
CN111652326A (zh) | 基于MobileNet v2网络改进的果实成熟度识别方法和识别系统 | |
CN103778628A (zh) | 田间开放环境下的叶片病害程度获取方法及系统 | |
CN107578408B (zh) | 一种奶牛养殖场地面尿液面积的仿真测量装置与方法 | |
CN102855485B (zh) | 一种小麦抽穗的自动检测方法 | |
CN103903252A (zh) | 棉田虫情自动监测装置及监测方法 | |
CN107403180A (zh) | 一种数字类型设备检测识别方法和系统 | |
CN115861721B (zh) | 基于图像数据的畜禽养殖喷雾设备状态识别方法 | |
CN110455201A (zh) | 基于机器视觉的茎秆作物高度测量方法 | |
CN110648020A (zh) | 一种温室作物需水量预测方法及装置 | |
Zhou et al. | Research on cucumber downy mildew detection system based on SVM classification algorithm | |
CN112418124A (zh) | 基于视频图像的鱼类智能监测方法 | |
Kumar et al. | Pest detection using adaptive thresholding | |
CN110503647A (zh) | 基于深度学习图像分割的小麦植株实时计数方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |