CN106570534A - 全自动微小昆虫诱集检测方法及其系统 - Google Patents
全自动微小昆虫诱集检测方法及其系统 Download PDFInfo
- Publication number
- CN106570534A CN106570534A CN201611005576.2A CN201611005576A CN106570534A CN 106570534 A CN106570534 A CN 106570534A CN 201611005576 A CN201611005576 A CN 201611005576A CN 106570534 A CN106570534 A CN 106570534A
- Authority
- CN
- China
- Prior art keywords
- insect
- image
- winding
- separated
- target
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01M—CATCHING, TRAPPING OR SCARING OF ANIMALS; APPARATUS FOR THE DESTRUCTION OF NOXIOUS ANIMALS OR NOXIOUS PLANTS
- A01M1/00—Stationary means for catching or killing insects
- A01M1/14—Catching by adhesive surfaces
- A01M1/145—Attracting and catching insects using combined illumination or colours and adhesive surfaces
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06M—COUNTING MECHANISMS; COUNTING OF OBJECTS NOT OTHERWISE PROVIDED FOR
- G06M11/00—Counting of objects distributed at random, e.g. on a surface
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
Landscapes
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Pest Control & Pesticides (AREA)
- Multimedia (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Insects & Arthropods (AREA)
- Wood Science & Technology (AREA)
- Zoology (AREA)
- Environmental Sciences (AREA)
- Artificial Intelligence (AREA)
- Catching Or Destruction (AREA)
Abstract
本发明提供一种全自动微小昆虫诱集检测方法及其系统,方法包括识别出所述采集图像中的目标昆虫,并标记;利用局部极小值算法对标记后的采集图像中存在部分重叠的目标昆虫进行分离,获取第一分离计数结果;利用局部区域近似估算算法对标记后的采集图像中存在严重重叠和被遮挡的目标昆虫进行分离,获取第二分离计数结果;获取包括第一分离计数结果和第二分离计数结果的总计数结果。本发明能够显著提高目标微小昆虫的计数精度,能够针对其中发生部分重叠、严重重叠或者被障碍物遮挡的目标昆虫进行分离,获取最贴近事实的计数结果;同时,本申请的图像采集装置提高了环境适应能力以及微小害虫的采集图像质量。
Description
技术领域
本发明涉及农业检测技术领域,具体说的是全自动微小昆虫诱集检测方法及其系统。
背景技术
随着计算机技术和数字图像处理技术的蓬勃发展,大中型害虫图像处理技术与靶标害虫的自动计数技术已经相对成熟,但对于长度为1-2毫米左右微小昆虫(如蚜虫、飞虱、烟粉虱、斑潜蝇等微小农业害虫)的识别和计数技术还处于比较滞后的阶段。一方面由于微小昆虫数量庞大、个体过小,一般的数码相机很难采集到高质量的图片,另一方面,由于大田环境复杂,背景和光源条件不稳定,在图像采集的过程中微小昆虫信息很容易丢失。
烟粉虱是世界性的蔬菜害虫,目前在中国除西藏之外的其他省、直辖市和自治区均有分布。防治烟粉虱已经成为摆在植保领域的一项重大任务。对烟粉虱种群密度的掌握是防治烟粉虱的一项基本工作。目前烟粉虱的农田抽样调查基本采用人工采样计数的方式。但是,由于烟粉虱个体微小,在田间为害时常常在一个叶片上就聚集上几十、几百甚至上千头,给人工调查工作带来麻烦、调查效率低下、调查误差很大,而且调查人员的经验、视力、情绪、疲劳以及环境因素,都会影响调查数据的准确性和可靠性。因此,田间烟粉虱抽样调查的准确率成为影响田间烟粉虱生态学研究和烟粉虱病虫害监测的瓶颈。
现有技术中如申请公布号为CN 104813993 A的专利申请便公开一种基于机器视觉的微小农业害虫自动检测装置和方法,检测装置由微小农业害虫自动诱捕器、摄像头和计算机等部分组成;在实际运用中,该方案每一次捕捉都要涂抹粘虫剂、清除粘虫剂的过程,以及手动添加粘虫剂的过程,无法实现全自动化,装置的实施效率低,且结构组成较为复杂;同时,其利用数码相机在自然光源下采集图像,对于大小只有1-2毫米的微小害虫而言,图像采集质量不佳,且采集设备也难以适应野外复杂环境。
进一步的,基于现有技术的采集图像分析处理,由于被粘附在诱虫板的害虫形态上有较为严重的变形,如目标害虫重叠,将导致害虫计数存在误差,所以识别技术的准确性也有待提高。
因此,有必要提供一种全自动微小昆虫诱集检测方法及其系统,以便解决上述问题。
发明内容
本发明所要解决的技术问题是:提供全自动微小昆虫诱集检测方法及其系统,具有计数精度高、采集图像质量高、适用性强等优点。
为了解决上述技术问题,本发明采用的技术方案为:
全自动微小昆虫诱集检测方法,包括:
获取采集图像;
提取采集图像中各物体的颜色特征和形态学特征,利用训练好的SVM模型,识别出所述采集图像中的目标昆虫,并对其进行标记;
利用局部极小值算法对标记后的采集图像中存在部分重叠的目标昆虫进行分离,获取第一分离计数结果;利用局部极小值算法对标记后的采集图像中存在部分重叠的目标昆虫进行分离,获取第一分离计数结果;
利用局部区域近似估算算法对标记后的采集图像中存在严重重叠和被遮挡的目标昆虫进行分离,获取第二分离计数结果;
获取包括第一分离计数结果和第二分离计数结果的总计数结果。本发明提供的另一个技术方案为:
全自动微小昆虫诱集检测系统,包括图像采集装置和图像处理装置;
所述图像采集装置包括开设有诱虫窗口的暗箱,以及设置在暗箱内的传送机构、诱虫板、扫描仪、激光发射器、激光接收器、控制器和无线发送模块;所述传动机构、激光发射器、激光接收器和无线发送模块分别与控制器连接;
所述传送机构包括放卷机构、收卷机构和卷带;所述卷带依次通过所述诱虫窗口和扫描仪的扫描视线后进入收卷机构;所述卷带上与诱虫窗口相对的一面间隔距离的设置有诱虫板,所述卷带的另一面设有不粘隔离膜;所述诱虫板与所述诱虫窗口相对;
所述卷带上间隔距离的设有穿孔,所述距离为相邻诱虫板同一位置之间的距离;卷带的两侧面分别设有所述激光发射器与激光接收器,所述激光发射器发射出的激光线可穿过所述穿孔被激光接收器接收;
所述图像处理装置包括依次连接的无线接收模块、目标识别模块、第一目标分离模块、第二目标分离模块以及计数模块;所述无线接收模块与所述无线发送模块无线连接;
所述目标识别模块,用于提取采集图像中各物体的颜色特征和形态学特征,利用训练好的SVM模型,识别出所述采集图像中的目标昆虫,并对其进行标记;
所述第一目标分离模块,用于利用局部极小值算法对标记后的采集图像中存在部分重叠的目标昆虫进行分离,获取第一分离计数结果;
所述第二目标分离模块,用于利用局部区域近似估算算法对进行所述分离后的采集图像中存在严重重叠和被遮挡的目标昆虫进行分离,获取第二分离计数结果;
所述计数模块,用于获取包括第一分离计数结果和第二分离计数结果的总计数结果。
本发明的有益效果在于:区别于现有技术的微小害虫采集图像分析处理方式和检测系统,本发明能够显著提高目标微小昆虫的计数精度,特别是能够针对其中发生部分重叠、严重重叠或者被障碍物遮挡的目标昆虫进行分离,获取最贴近事实的计数结果;同时,本申请的图像采集装置,不仅能够自动化更换诱虫板,自动定位诱虫板的诱虫位置;而且能够显著提高装置的环境适应能力,显著提高微小害虫的采集图像质量。
附图说明
图1为本发明的图像采集装置的暗箱结构示意图;
图2为本发明的图像采集装置的诱虫板安装结构示意图;
图3为本发明的图像采集装置的传送机构的结构示意图;
图4为本发明的图像采集装置的卷带和扫描仪的结构示意图;
图5为本发明的图像采集装置的整体结构示意图;
图6为本发明全自动微小昆虫诱集检测方法的流程示意图;
图7为本发明图像处理装置的结构组成示意图;
图8为本发明实施例一的全自动微小昆虫诱集检测方法的流程示意图。
标号说明:
1、暗箱;2、诱虫窗口;3、传送机构;4、诱虫板;5、扫描仪;
6、激光发射器;7、激光接收器;8、控制器;9、放卷机构;
10、收卷机构;11、卷带;12、不粘隔离膜;13、穿孔;14、步进电机;
15、齿轮;16、放卷轴;17、收卷轴;18、调节支架;
19、底座;20、放卷固定轴;21、收卷固定轴;22、蓄电池;
23、无线接收模块;24、目标识别模块;25、第一目标分离模块;
26、第二目标分离模块;27、计数模块。
具体实施方式
为详细说明本发明的技术内容、所实现目的及效果,以下结合实施方式并配合附图予以说明。
本发明最关键的构思在于:能够针对采集图像中发生部分重叠、严重重叠或者被障碍物遮挡的目标昆虫进行分离;同时通过传送机构、激光感应以及控制器的配合实现自动更换诱虫板和诱虫板的准确定位。
请参照图6,本发明提供全自动微小昆虫诱集检测方法,包括:
获取采集图像;
提取采集图像中各物体的颜色特征和形态学特征,利用训练好的SVM模型,识别出所述采集图像中的目标昆虫,并对其进行标记;
利用局部极小值算法对标记后的采集图像中存在部分重叠的目标昆虫进行分离,获取第一分离计数结果;
利用局部区域近似估算算法对标记后的采集图像中存在严重重叠和被遮挡的目标昆虫进行分离,获取第二分离计数结果;
获取包括第一分离计数结果和第二分离计数结果的总计数结果。
从上述描述可知,本发明的有益效果在于:能够显著提高目标微小昆虫的计数精度,特别是能够针对其中发生部分重叠、严重重叠或者被障碍物遮挡的目标昆虫进行分离,获取最贴近事实的计数结果。
请参阅图8,进一步的,所述提取采集图像中各物体的颜色特征和形态学特征,利用训练好的SVM模型,识别出所述采集图像中的目标昆虫,具体为:
依据采集图像中各位物体的颜色特征和形态学特征,构建一个一行10维的特征向量;
从样本库内选取预设张数的对应目标昆虫的正样本,选取所述预设张数的负样本,进行SVM模型训练,利用训练好的SVM模型识别出目标昆虫。
进一步的,所述利用局部极小值算法对标记后的采集图像中存在部分重叠的目标昆虫进行分离,获取第一分离计数结果,具体为:
对标记后的采集图像进行欧式距离变换,得到灰度均匀变换的被标记目标距离图像;
对所述被标记目标距离图像求极小值区域,确定各个被标记目标点的种子点;
利用分水岭算法,对各个所述种子点进行生长,分离出发生部分重叠的被标记目标点;
对分离后的采集图像进行连通区域计算,获取第一分离技术结果。
进一步的,所述利用局部区域近似估算算法对分离后的采集图像中存在严重重叠和被遮挡的目标昆虫进行分离,获取第二分离计数结果,具体为:
以单一目标昆虫的合理像素范围为阈值对标记后的采集图像进行分割,获取连通区域;
以各个大于预设阈值的连通区域为中心,依据所述合理像素范围圈定有效区域;
依据所述有效区域内目标昆虫的数量、所述有效区域的面积以及有效区域内未分离目标昆虫面积近似估算出未分离目标昆虫,获取第二分离技术结果。
请参阅1-图5、以及图7和图8,本发明提供的另一个技术方案为:
全自动微小昆虫诱集检测系统,包括图像采集装置和图像处理装置;
所述图像采集装置包括开设有诱虫窗口的暗箱,以及设置在暗箱内的传送机构、诱虫板、扫描仪、激光发射器、激光接收器、控制器和无线发送模块;所述传动机构、激光发射器、激光接收器和无线发送模块分别与控制器连接;
所述传送机构包括放卷机构、收卷机构和卷带;所述卷带依次通过所述诱虫窗口和扫描仪的扫描视线后进入收卷机构;所述卷带上与诱虫窗口相对的一面间隔距离的设置有诱虫板,所述卷带的另一面设有不粘隔离膜;所述诱虫板与所述诱虫窗口相对;
所述卷带上间隔距离的设有穿孔,所述距离为相邻诱虫板同一位置之间的距离;卷带的两侧面分别设有所述激光发射器与激光接收器,所述激光发射器发射出的激光线可穿过所述穿孔被激光接收器接收;
所述图像处理装置包括依次连接的无线接收模块、目标识别模块、第一目标分离模块、第二目标分离模块以及计数模块;所述无线接收模块与所述无线发送模块无线连接;
所述目标识别模块,用于提取采集图像中各物体的颜色特征和形态学特征,利用训练好的SVM模型,识别出所述采集图像中的目标昆虫,并对其进行标记;
所述第一目标分离模块,用于利用局部极小值算法对标记后的采集图像中存在部分重叠的目标昆虫进行分离,获取第一分离计数结果;
所述第二目标分离模块,用于利用局部区域近似估算算法对进行所述分离后的采集图像中存在严重重叠和被遮挡的目标昆虫进行分离,获取第二分离计数结果;
所述计数模块,用于获取包括第一分离计数结果和第二分离计数结果的总计数结果。
从上述描述可知,本发明的有益效果在于:在显著提高目标微小昆虫的计数精度的同时,还能够实现:
1、自动化更换诱虫板,自动定位诱虫板的诱虫位置;控制器经过预设的时间段后便自动控制传动机构传送卷带,实现自动化更换诱虫板;在激光接收器接收到从穿孔穿过的激光后控制停止卷带的传送,实现诱虫板准确的定位在诱虫窗口位置。
2、提升环境适应能力,显著提高微小害虫的采集图像质量;将采集装置的关键采集部件设置在暗箱内,不仅能够免受外界恶劣环境的干扰,又能实现部件的保护;同时,在暗箱内采用扫描仪采集图像,与现行主流的CCD相机或者数码相机的图片采集方式相比,有暗箱拍摄光源环境稳定、图像无畸变、图片质量高,价格便宜等优势,能够更好的克服大田复杂环境、背景以及光源条件不稳定带来的采集图像质量低,信息丢失等问题。
进一步的,还包括步进电机,所述传送机构还包括齿轮;所述控制器通过所述步进电机与所述齿轮连接;所述放卷机构包括放卷轴,所述收卷机构包括收卷轴;所述齿轮、放卷轴和收卷轴联动设置。
由上述描述可知,步进电机在控制器的控制下定时驱动齿轮转动,齿轮、收卷轴、放卷轴联动实现卷带的定时传送,做到自动更换诱虫板。
进一步的,在所述诱虫窗口上相对的两侧边分别设置有放卷固定轴和收卷固定轴,从所述放卷机构输出的卷带依次穿过放卷固定轴和收卷固定轴后进入收卷机构。
由上述描述可知,通过固定轴能够保证诱虫板平整、全面的呈现在诱虫窗口前,提高诱虫板的诱虫效果,使采集的图像真实的反应环境中害虫的分布情况。
进一步的,所述扫描仪设置在与所述收卷固定轴的下方。
进一步的,所述扫描仪设置在所述诱虫窗口上与所述收卷机构相近的位置。
由上述描述可知,诱虫板完成预设时间段内的诱虫任务后,通过扫描仪扫描获取图像,然后回收至收卷机构,能保证诱虫板平整的通过扫描仪的扫描,防止图像畸变。
进一步的,所述暗箱内还设置有蓄电池,所述蓄电池分别与控制器和扫描仪连接。
实施例一
请参照图8,本实施例提供一种全自动微小昆虫诱集检测方法,适用于对接收到的微小昆虫采集图像的精确计数分析处理,为微小害虫种群密度的掌控以及妨害提供技术支持。下面以烟粉虱这一微小害虫的诱集分析处理为例进行具体说明。
S1:读取一张在预设时间段内诱集烟粉虱的诱虫板图像,记为gi(i=1,2,3,4…),i表示读取到的第i张诱虫板图像;
S2:诱虫板定位:读取的gi图像信息中可能包括目标物体诱虫板和部分干扰物体卷带。根据诱虫板(黄色)与卷带(灰色)颜色不同的特点,定位图像中黄色区域并提取,得到完整的诱虫板图像,记为Ii;
S3:烟粉虱特征提取:因为与烟粉虱混生的微小昆虫主要有:小黑瓢虫、小叶蝉、果蝇、蚊子、杂物(叶片、灰尘、树枝等)等,其颜色与烟粉虱的白色有较大差异。所以,目标昆虫烟粉虱特征的提取可以包括以下步骤:
3.1颜色特征提取:分别将图中的所有物体从图Ii中提取出来,存入样本库,对样本库内的相同物体进行归类,分别对各类物体进行颜色特征提取:在RGB彩色空间内,分别提取其R分量、G分量和B分量颜色均值和峰度2个特征,共6个颜色特征;
3.2形态学特征提取:运用Otsu算法,设定最优阈值,将图Ii中的背景和目标进行分离,再将其进行二值化处理,对二值图像提取各个物体的面积、周长、圆度、长宽比4个形态特征;
3.3:SVM算法训练:从样本库内选取正样本(烟粉虱)200张,选取负样本(其他昆虫以及杂物)200张,构成训练集;利用3.1中提取到的颜色和形态学特征,得到一行10维特征向量,训练集内昆虫图像的特征值构成n行10维的矩阵(n代表图像数量),取同个特征参数的最大值和最小值,将特征参数归一化到[0,1]区间内,最后利用归一化后的特征值训练SVM模型;
3.4:将图Ii用训练好的SVM模型进行识别,识别出烟粉虱目标,然后将其进行二值化处理得到图BWi;
S4:粘连目标分离:由于诱虫板的粘性作用,加之烟粉虱数量巨大,所以BWi中分离出来的烟粉虱图像呈现大体3种形态:(1)独立目标;(2)部分重叠目标(边界粘连目标);(3)重叠目标;(4)被较接近白色杂质遮挡目标。为了保证计数准确,需要对其进行进一步的处理。利用局部极小值的方法:先对BWi图像进行欧式距离变换,得到灰度均匀变换的被标记目标距离图像,对被标记目标距离图像求解极小值区域确定目标的种子点;再利用分水岭算法,对各种子点进行生长,即可有效的实现(2)中粘连目标的分离,对分离后的图像进行所有连通区域进行计数,获取第一分离计数结果,所述第一分离计数结果包括了单个烟粉虱目标和分离出来的粘连烟粉虱目标的计数结果。
上述步骤对(3)中重叠目标也有一定的分离效果,对(4)中情况没有有效办法。
S5:重叠目标估算:针对(3)和(4)中的情况,采取局部区域近似估算的方式计数,对S3中3.4得到的二值化处理得到图BWi,根据S3中提取的烟粉虱面积信息,选择单个烟粉虱面积最大值作为合理阈值,进行阈值分割,删除单个烟粉虱连通区域,剩余连通区域即为(3)和(4)中未分离目标;以每个未分离目标为中心,适当长度为半径,圈定有效区域;计算有效区域内烟粉虱数量记为N,有效区域总面积记为S,计算有效区域中心未分离目标面积记为s,利用类比方法,近似估算得到未分离目标数量n为:n为分离出的发生严重重叠或者被障碍物遮挡的烟粉虱,为第二分离计数结果;
S6:计数:对S3得到的BWi图中进行连通区域计数,得到对应被标记的目标的计数结果;将该计数结果与第一分离计数结果和第二分离技术结果相加,即得到烟粉虱的数量信息。
本实施例考虑诱虫板粘虫的复杂情况,对可能出现的粘连,重叠,被杂物覆盖等更多种情况做更有效的分析处理,使对烟粉虱的识别与计数更加准确和实用。
实施例二
请参照图1-图5,以及图7和图8,本实施例提供一种全自动微小昆虫诱集检测系统,包括以无线方式或者有线方式连接的图像采集装置和图像处理装置,优选为无线连接方式。
(一)、图像处理装置
本实施例的图像处理装置基于实施例一所述的采集图像分析方法实现,具体的:
所述图像处理装置包括依次连接的无线接收模块23、目标识别模块24、第一目标分离模块25、第二目标分离模块26以及计数模块27;所述无线接收模块23与所述无线发送模块无线连接;
所述目标识别模块24,对应实现实施例一的S3,主要用于提取采集图像中各物体的颜色特征和形态学特征,利用训练好的SVM模型,识别出所述采集图像中的目标昆虫,并对其进行标记;
所述第一目标分离模块25,对应实现实施例一的S4,主要用于利用局部极小值算法对标记后的采集图像中存在部分重叠的目标昆虫进行分离,获取第一分离计数结果;
所述第二目标分离模块26,对应实现实施例一的S5,用于利用局部区域近似估算算法对进行所述分离后的采集图像中存在严重重叠和被遮挡的目标昆虫进行分离,获取第二分离计数结果;
所述计数模块27,对应实现实施例一的S6,用于获取包括第一分离计数结果和第二分离计数结果的总计数结果。
(二)、图像采集装置
图像采集装置包括开设有诱虫窗口2的暗箱1,以及设置在暗箱1内的传送机构3、诱虫板4、扫描5仪、激光发射器6、激光接收器7、控制器8和步进电机14;所述控制器8通过所述步进电机14与所述传送机构3连接,所述激光发射器6和激光接收器7分别与控制器8连接。
优选的,如图5所示,所述采集装置还包括调节支架18和底座19,所述暗箱1通过所述调节支架18设置在所述底座19上;能够通过调节支架18调整暗箱1的高度和角度,满足不同需求;底座上设有固定脚,可以是4个针脚,可以深扎入土,保证装置整体稳定。
具体的,如图3所示,所述传送机构包括放卷机构9、收卷机构10、卷带11和齿轮15。所述放卷机构9包括放卷轴16,所述收卷机构10包括收卷轴17;所述齿轮15与所述步进电机14驱动连接,所述齿轮15、放卷轴16和收卷轴17联动设置;卷带11的两端分别固定在放卷轴16和收卷轴17上,在放卷轴16和收卷轴17的联动过程中实现卷带11的输出和回收。
所述卷带11从放卷机构9输出后依次通过所述诱虫窗口2和扫描仪5的扫描视线后进入收卷机构10。具体的,在所述诱虫窗口2上相对的两侧边分别设置有与所述卷带传送方向一致的固定轴,所述两侧边即为卷带11传送经过的两侧边;所述固定轴包括放卷固定轴20和收卷固定轴21;优选的,所述扫描仪5为便携式扫描仪,设置在与所述收卷机构10相近的位置,最优的,将其设置在所述收卷固定轴21的下方;从放卷机构9输出的卷带穿过放卷固定轴20后依次通过所述诱虫窗口2和扫描仪5,然后穿过收卷固定轴21进入收卷机构10。
所述卷带上与诱虫窗口相对的一面间隔距离的设置有诱虫板4,由于诱虫板4为双面粘性,为了避免诱虫板用于诱虫的一面在成卷状态时与卷带11粘接,在所述卷带的另一面,即粘有诱虫板的另一面设有不粘隔离膜12。所述诱虫板4与所述诱虫窗口2相对,优选的,诱虫板4的大小与诱虫窗口2的大小相当,以获取最佳的诱虫效果。
同时,如图2所示,还在所述卷带上间隔距离的设有穿孔13,穿孔13之间的距离为相邻诱虫板同一位置之间的距离,如卷带11上每张诱虫板侧面的统一位置。在卷带11的两侧面分别设有所述激光发射器6与激光接收器7,所述激光发射器6发射出的激光线可穿过所述穿孔13被激光接收器7接收;优选的,所述激光发射器6和激光接收器7为红外线发射器和红外线接收器,设置在与放卷机构9的诱虫板4输出口间隔一定距离的位置。
优选的,所述采集装置的暗箱内还设置有无线发送器,优选为wifi无线发送器,并与扫描仪连接,能够实现将扫描采集的微小昆虫图像以无线方式发送至远端处理器进行分析处理。
有线的,所述采集装置的暗箱内还设置有蓄电池22,蓄电池22与控制器8、无线发送器、扫描仪5等设备连接,为设备提供电能,保证设备的正常运行。
基于上述实施例,提供一具体运用场景:
预先将诱虫板安装在卷带的指定位置上,安装位置和相应结构见图2所示。诱虫板安装在卷带正面中央位置,优选诱虫板的大小为20cm*25cm;诱虫板之间的安装间隔为30cm,从而保证第一张粘虫板完全经过扫描仪后,第二张诱虫板可以到达诱虫窗口位置。卷带背面进行过塑处理,具有不粘隔离膜,防止诱虫板在后续缠绕过程中粘连在卷带背面,安装有诱虫板的整卷卷带的最里端与放卷轴固定,另一端穿过诱虫窗口位置上下的两个固定轴和扫描仪后,固定在收卷轴上的管套上,完成诱虫板的安装。
此时,暗箱的诱虫窗口位置和第一张诱虫板刚好吻合,开始诱集烟粉虱。诱集进行到预设时间如6小时时,控制器控制步进电机转动,带动齿轮转动,从而牵引收卷轴和放卷轴转动,拉动固定在管套上的卷带,使得附着有烟粉虱的诱虫板向上移动,穿过扫描仪,扫描仪扫描图像并储存,完成一次图像收集。
卷带侧面每张诱虫板侧面都有一个固定的穿孔,优选穿孔的直径大小为0.5cm;当第一张诱虫板在诱虫窗口位置时,红外线发射器发射的红外光可通过第二张诱虫板侧面的穿孔射出。当卷带被拉动向上移动后,红外线发射器发出的红外信号被卷带遮挡,当第二张诱虫板到达窗口位置时,第三张诱虫板侧的穿孔刚好到达红外线发射器上方,红外线穿过穿孔,被红外线接收器捕捉到信号,由控制器发出停止指令,步进电机停止运转,第二张诱虫板停在窗口位置继续诱集昆虫;如此反复从而达到时序的收集烟粉虱数量变化的目的。
装置安装稳定后,可连续采集烟粉虱数据达2-3周,可以大大的解放劳动力,提升烟粉虱野外调查采样效率,提高烟粉虱抽样调查的准确性和可靠性,为温室烟粉虱生态学研究和烟粉虱病虫害测报提供数据支持。
综上所述,本发明提供的全自动微小昆虫诱集检测方法及其系统,能够针对其中发生部分重叠、严重重叠或者被障碍物遮挡的目标昆虫进行分离,获取最贴近事实的计数结果,从而显著提高目标微小昆虫的计数精度;同时,有暗箱拍摄光源环境稳定、图像无畸变、采集图像质量高、采集过程微小昆虫信息不易丢失、整体结构简单、成本低等优势;不仅能够实现自动化采集微小昆虫图像;而且能够实现诱虫板自动进纸和停靠位置精准定位;进一步的,还能实现采集图像的无线网络通信,实现数据的便捷获取的同时,又能免去数据传输线的设置,能更好的适应野外采集工作;最后,还可以更好的适应大田恶劣环境,具有很好的实用性和市场推广价值。
以上所述仅为本发明的实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等同变换,或直接或间接运用在相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.全自动微小昆虫诱集检测方法,其特征在于,包括:
获取采集图像;
提取采集图像中各物体的颜色特征和形态学特征,利用训练好的SVM模型,识别出所述采集图像中的目标昆虫,并对其进行标记;
利用局部极小值算法对标记后的采集图像中存在部分重叠的目标昆虫进行分离,获取第一分离计数结果;
利用局部区域近似估算算法对标记后的采集图像中存在严重重叠和被遮挡的目标昆虫进行分离,获取第二分离计数结果;
获取包括第一分离计数结果和第二分离计数结果的总计数结果。
2.如权利要求1所述的全自动微小昆虫诱集检测方法,其特征在于,所述提取采集图像中各物体的颜色特征和形态学特征,利用训练好的SVM模型,识别出所述采集图像中的目标昆虫,具体为:
依据采集图像中各位物体的颜色特征和形态学特征,构建一个一行10维的特征向量;
从样本库内选取预设张数的对应目标昆虫的正样本,选取所述预设张数的负样本,进行SVM模型训练,利用训练好的SVM模型识别出目标昆虫。
3.如权利要求1所述的全自动微小昆虫诱集检测方法,其特征在于,所述利用局部极小值算法对标记后的采集图像中存在部分重叠的目标昆虫进行分离,获取第一分离计数结果,具体为:
对标记后的采集图像进行欧式距离变换,得到灰度均匀变换的被标记目标距离图像;
对所述被标记目标距离图像求极小值区域,确定各个被标记目标点的种子点;
利用分水岭算法,对各个所述种子点进行生长,分离出发生部分重叠的被标记目标点;
对分离后的采集图像进行连通区域计算,获取第一分离技术结果。
4.如权利要求1所述的全自动微小昆虫诱集检测方法,其特征在于,所述利用局部区域近似估算算法对标记后的采集图像中存在严重重叠和被遮挡的目标昆虫进行分离,获取第二分离计数结果,具体为:
以单一目标昆虫的合理像素范围为阈值对标记后的采集图像进行分割,获取连通区域;
以各个大于预设阈值的连通区域为中心,依据所述合理像素范围圈定有效区域;
依据所述有效区域内目标昆虫的数量、所述有效区域的面积以及有效区域内未分离目标昆虫面积近似估算出未分离目标昆虫,获取第二分离技术结果。
5.全自动微小昆虫诱集检测系统,其特征在于,包括图像采集装置和图像处理装置;
所述图像采集装置包括开设有诱虫窗口的暗箱,以及设置在暗箱内的传送机构、诱虫板、扫描仪、激光发射器、激光接收器、控制器和无线发送模块;所述传动机构、激光发射器、激光接收器和无线发送模块分别与控制器连接;
所述传送机构包括放卷机构、收卷机构和卷带;所述卷带依次通过所述诱虫窗口和扫描仪的扫描视线后进入收卷机构;所述卷带上与诱虫窗口相对的一面间隔距离的设置有诱虫板,所述卷带的另一面设有不粘隔离膜;所述诱虫板与所述诱虫窗口相对;
所述卷带上间隔距离的设有穿孔,所述距离为相邻诱虫板同一位置之间的距离;卷带的两侧面分别设有所述激光发射器与激光接收器,所述激光发射器发射出的激光线可穿过所述穿孔被激光接收器接收;
所述图像处理装置包括依次连接的无线接收模块、目标识别模块、第一目标分离模块、第二目标分离模块以及计数模块;所述无线接收模块与所述无线发送模块无线连接;
所述目标识别模块,用于提取采集图像中各物体的颜色特征和形态学特征,依据训练好的SVM模型,识别出所述采集图像中的目标昆虫,并对其进行标记;
所述第一目标分离模块,用于利用局部极小值算法对标记后的采集图像中存在部分重叠的目标昆虫进行分离,获取第一分离计数结果;
所述第二目标分离模块,用于利用局部区域近似估算算法对进行所述分离后的采集图像中存在严重重叠和被遮挡的目标昆虫进行分离,获取第二分离计数结果;
所述计数模块,用于获取包括第一分离计数结果和第二分离计数结果的总计数结果。
6.如权利要求5所述的全自动微小昆虫诱集检测系统,其特征在于,还包括步进电机,所述传送机构还包括齿轮;所述控制器通过所述步进电机与所述齿轮连接;所述放卷机构包括放卷轴,所述收卷机构包括收卷轴;所述齿轮、放卷轴和收卷轴联动设置。
7.如权利要求5所述的全自动微小昆虫诱集检测系统,其特征在于,在所述诱虫窗口上相对的两侧边分别设置有放卷固定轴和收卷固定轴,从所述放卷机构输出的卷带依次穿过放卷固定轴和收卷固定轴后进入收卷机构。
8.如权利要求7所述的全自动微小昆虫诱集检测系统,其特征在于,所述扫描仪设置在与所述收卷固定轴的下方。
9.如权利要求5所述的全自动微小昆虫诱集检测系统,其特征在于,所述扫描仪设置在所述诱虫窗口上与所述收卷机构相近的位置。
10.如权利要求5所述的全自动微小昆虫诱集检测系统,其特征在于,所述暗箱内还设置有蓄电池,所述蓄电池分别与控制器和扫描仪连接。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611005576.2A CN106570534B (zh) | 2016-11-15 | 2016-11-15 | 全自动微小昆虫诱集检测方法及其系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611005576.2A CN106570534B (zh) | 2016-11-15 | 2016-11-15 | 全自动微小昆虫诱集检测方法及其系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106570534A true CN106570534A (zh) | 2017-04-19 |
CN106570534B CN106570534B (zh) | 2019-12-03 |
Family
ID=58542828
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611005576.2A Active CN106570534B (zh) | 2016-11-15 | 2016-11-15 | 全自动微小昆虫诱集检测方法及其系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106570534B (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108040997A (zh) * | 2017-12-25 | 2018-05-18 | 仲恺农业工程学院 | 一种基于机器视觉的虫害监测方法 |
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 |
CN108651410A (zh) * | 2018-05-18 | 2018-10-16 | 仲恺农业工程学院 | 一种学习型虫害防治设备 |
CN108967386A (zh) * | 2018-05-28 | 2018-12-11 | 石河子大学 | 一种可自动替换黄板棉蚜监测装置 |
CN109447950A (zh) * | 2018-09-30 | 2019-03-08 | 北京英视睿达科技有限公司 | 一种用于微生物的计数方法和系统 |
CN109784239A (zh) * | 2018-12-29 | 2019-05-21 | 上海媒智科技有限公司 | 飞虫数量识别方法和装置 |
CN110490861A (zh) * | 2019-08-22 | 2019-11-22 | 石河子大学 | 一种用于黄板上蚜虫的识别方法及系统 |
CN111462143A (zh) * | 2020-03-22 | 2020-07-28 | 华中科技大学 | 一种基于分水岭算法的虫体识别计数方法和系统 |
CN112438249A (zh) * | 2020-11-26 | 2021-03-05 | 贵州电网有限责任公司 | 一种基于地下光缆与电缆的管道驱鼠系统及方法 |
GB2609311A (en) * | 2021-08-20 | 2023-02-01 | Univ Zhejiang | Intelligent replacement device and method for trap board in tea garden based on image channel computation |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103914733A (zh) * | 2014-03-31 | 2014-07-09 | 北京市农林科学院 | 一种害虫诱捕计数装置及计数系统 |
US20150347863A1 (en) * | 2014-05-30 | 2015-12-03 | Fuji Xerox Co., Ltd. | Image processing apparatus, image processing method, and image processing system |
-
2016
- 2016-11-15 CN CN201611005576.2A patent/CN106570534B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103914733A (zh) * | 2014-03-31 | 2014-07-09 | 北京市农林科学院 | 一种害虫诱捕计数装置及计数系统 |
US20150347863A1 (en) * | 2014-05-30 | 2015-12-03 | Fuji Xerox Co., Ltd. | Image processing apparatus, image processing method, and image processing system |
Non-Patent Citations (2)
Title |
---|
李恺: "水稻害虫图像分割与检测算法研究", 《中国优秀硕士学位论文全文数据库》 * |
邱白晶等: "黄瓜蚜虫的图像识别与计数方法", 《农业机械学报》 * |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108040997A (zh) * | 2017-12-25 | 2018-05-18 | 仲恺农业工程学院 | 一种基于机器视觉的虫害监测方法 |
CN108040997B (zh) * | 2017-12-25 | 2020-09-11 | 仲恺农业工程学院 | 一种基于机器视觉的虫害监测方法 |
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 |
CN108651410B (zh) * | 2018-05-18 | 2021-05-18 | 仲恺农业工程学院 | 一种学习型虫害防治设备 |
CN108651410A (zh) * | 2018-05-18 | 2018-10-16 | 仲恺农业工程学院 | 一种学习型虫害防治设备 |
CN108967386A (zh) * | 2018-05-28 | 2018-12-11 | 石河子大学 | 一种可自动替换黄板棉蚜监测装置 |
CN109447950A (zh) * | 2018-09-30 | 2019-03-08 | 北京英视睿达科技有限公司 | 一种用于微生物的计数方法和系统 |
CN109447950B (zh) * | 2018-09-30 | 2023-12-15 | 国际商业机器(中国)投资有限公司 | 一种用于微生物的计数方法和系统 |
CN109784239A (zh) * | 2018-12-29 | 2019-05-21 | 上海媒智科技有限公司 | 飞虫数量识别方法和装置 |
CN110490861A (zh) * | 2019-08-22 | 2019-11-22 | 石河子大学 | 一种用于黄板上蚜虫的识别方法及系统 |
CN111462143B (zh) * | 2020-03-22 | 2022-12-02 | 华中科技大学 | 一种基于分水岭算法的虫体识别计数方法和系统 |
CN111462143A (zh) * | 2020-03-22 | 2020-07-28 | 华中科技大学 | 一种基于分水岭算法的虫体识别计数方法和系统 |
CN112438249A (zh) * | 2020-11-26 | 2021-03-05 | 贵州电网有限责任公司 | 一种基于地下光缆与电缆的管道驱鼠系统及方法 |
GB2609311A (en) * | 2021-08-20 | 2023-02-01 | Univ Zhejiang | Intelligent replacement device and method for trap board in tea garden based on image channel computation |
GB2609311B (en) * | 2021-08-20 | 2023-08-23 | Univ Zhejiang | Intelligent replacement device and method for trap boards in tea garden based on image channel computation |
Also Published As
Publication number | Publication date |
---|---|
CN106570534B (zh) | 2019-12-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106570534A (zh) | 全自动微小昆虫诱集检测方法及其系统 | |
CN106971167B (zh) | 基于无人机平台的作物生长分析方法及其分析系统 | |
Kunz et al. | Assessing impacts of wind‐energy development on nocturnally active birds and bats: a guidance document | |
CN110926430B (zh) | 一种空地一体化红树林监测系统及控制方法 | |
CN108732175A (zh) | 基于机器视觉的远程昆虫识别和计数装置 | |
CN206182161U (zh) | 全自动微小昆虫图像采集装置 | |
US20210316857A1 (en) | Drone for capturing images of field crops | |
CN110796011A (zh) | 一种基于深度学习的稻穗识别方法、系统、装置及介质 | |
CN104918007A (zh) | 基于计算机视觉的大田虫情监控采样装置及采样方法 | |
CN111985724B (zh) | 一种农作物产量预估的方法、装置、设备及存储介质 | |
CN109241918A (zh) | 一种基于植物信息的植物管控方法、装置及系统 | |
CN105547360A (zh) | 基于情景感知的作物冠层图像采集方法 | |
CN112106747A (zh) | 一种智慧农业虫害远程自动监控系统 | |
JP6765109B2 (ja) | 農業システム | |
JP4140052B2 (ja) | 作物の生育診断方法における画像の補正方法 | |
CN115661647A (zh) | 一种树木栽种生长状况的定时巡检方法 | |
CN113377062B (zh) | 一种具有病虫害和旱情监控的多功能预警系统 | |
CN107609543A (zh) | 一种枸杞病虫害虫体自动计数装置 | |
CN212009389U (zh) | 基于物联网的农田病虫害远程诊断系统 | |
CN113342036A (zh) | 一种农作物的精准管控系统及其管控方法 | |
CN116616267A (zh) | 一种农作物病虫害防治的装置和方法 | |
CN106709922A (zh) | 基于图像的牧草覆盖度和生物量自动检测方法 | |
CN107084756A (zh) | 基于树莓派的虫害图像测报方法 | |
CN115424151A (zh) | 一种基于图像处理的农业智能平台 | |
CN115443960A (zh) | 一种基于活虫拍照识别的方法及设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |