JP5690856B2 - 捕獲虫類の同定方法及び同定システム - Google Patents
捕獲虫類の同定方法及び同定システム Download PDFInfo
- Publication number
- JP5690856B2 JP5690856B2 JP2013011244A JP2013011244A JP5690856B2 JP 5690856 B2 JP5690856 B2 JP 5690856B2 JP 2013011244 A JP2013011244 A JP 2013011244A JP 2013011244 A JP2013011244 A JP 2013011244A JP 5690856 B2 JP5690856 B2 JP 5690856B2
- Authority
- JP
- Japan
- Prior art keywords
- insect
- identification
- region
- image
- merckmar
- 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
Images
Description
−ガガンボ、イエカ、ユスリカ、クロバネキノコバエ・・・体部が大きい(10mm以上)。
−ガガンボ、イエカ、ユスリカ、ノミバエ、タマバエ・・・脚が長くて発達している。
−キノコバエ、ニセケバエ・・・触覚が太くて短く、コブ状である。
−チョウバエ、タマバエ・・・翅の幅が広くて対称的である。
−ヒメイエバエ、ガガンボ、ノミバエ、クロバネキノコバエ、ニセケバエ・・・特徴的な翅脈を有している。
このステップは、虫類の同定作業に先立ち、テンプレートとして、虫類の形態的特徴のメルクマールを虫ごとに設定して標準メルクマールデータ(許容範囲)を作成し、データ記憶手段6に記憶するステップである。この標準メルクマールデータは、後述する画像読み込みステップ乃至特徴抽出ステップと同じ工程を経て、予め作成される。
このステップは、工場等に設置されている捕虫装置1から回収し、必要に応じてフィルムラッピングした虫類の粘着した粘着シート15を、画像読み取り装置(画像入力装置)2にかけてその画像を読み取るステップである。画像読み取り装置2としては、例えば、2480×3503BMP画像のスキャナーや、カメラ等が用いられる。
虫候補領域取得ステップは、読み込まれた画像(以下虫画像という)(図4(A))からエッジ31を取得すること(図4(B))と、虫画像をブロック分割し(例えば、1ブロックの範囲を200×200画素とする。)、エッジ31を含むブロックを取得してラベリング処理を行うこと(図4(C))から成り、ラベリングした領域を虫候補領域32とする。この虫候補領域32は各虫類によって異なるため、図4においては、4種類の虫が捕獲されているものとし、便宜上、それらを丸、星形、四角、三角を付して区別している。なお、エッジ31の取得は、一般的なエッジ検出法によって行う。
捕獲虫類の特徴抽出のためには、虫候補領域32から虫領域を抽出する必要があり(図5(A)参照)、虫領域の抽出のためには、虫候補領域32から背景領域を削除する必要がある。そのために、先ず、エッジ31を含まない非エッジブロック領域33のHSV色情報を取得する。次いで、エッジ31を含むエッジブロック領域、即ち、虫候補領域32と非エッジブロック領域33から、非エッジブロック領域33のHSV色情報と同じ色領域を背景と考えて削除する(図5(B))。例えば、その際のしきい値として、abs(虫候補領域V値−非エッジブロック領域のV値)>20(V値:0〜255)を用いる。このようにして虫画像より背景を取り除くことで、残った領域は背景以外の領域、即ち、虫領域と同定することができる。
このステップにおいては、先ず、色情報を用いて抽出された仮虫領域34に対し、一般的なエッジ検出方法によってエッジ検出を行う(図6(A))。図6において符号35で示す濃色部分がエッジである。次いで、勾配方向への注目画素36を抽出し(図6(B)に示されるように、エッジ35の内側に位置する。)、各注目画素36に隣接する各画素につき、それに隣接する4近傍の画素との輝度比較を行い、その差が一定値以内の場合(例えば、abs(統合画素輝度値−注目画素輝度値)<15(輝度値:0〜255))は、その画素を、注目画素36の輝度に統合していく。
上記のようにして虫領域38が抽出された後、それを基にして、先ず体領域、脚領域、翅領域及び尾領域の抽出が行われる。この形態的特徴の抽出ステップは、体領域、脚領域、翅領域及び尾領域の抽出工程と、それを基にした形態的特徴のメルクマールデータの取得工程とから成る。
体長は、体領域において骨格を検出し、その長さを計測することによって抽出する。骨格の検出及び長さの計測は、以下の工程によって行う。
−体部の重心を求める。
−体部の重心から最遠位点までの直線を1本抽出する。
−上記第1の直線と角度の異なる最遠位点までの第2の直線を1本抽出する。
−第1の直線と第2の直線を骨格と考え、その長さを計測する。
体色の特徴の抽出に当たっては、先ず、体領域からHSV表色系を用いて、黒、赤、黄、緑の4色領域を抽出する。4色領域の抽出は、先ず、黒について、例えば、0≦V値<80をしきい値として見て、これに当てはまらない部分に対し、例えば、赤:0<H値<40、黄:40<H値<70、緑:70<H値<100をそれぞれのしきい値として、各色の割合、彩度平均、明度平均を取得し、体色の特徴として抽出する。
脚長は、脚領域における端点から体領域内の端点まで辿った細線の画素数から求めることができる。また、体長と脚長の長さ比は、脚長/体長から求めることができる。
尾長は、尾領域内において作ることができる、最長直線の長さから求めることができる。また、体長と尾長の長さ比は、尾長/体長から求めることができる。
翅面積は、翅領域の面積から求めることができ、体面積と翅面積の比は、翅面積/体面積から求めることができる。
翅生部分の抽出は、翅が体部のどの部分から出ているかを検出するものである。その抽出のために、体部を前部、中間部及び後部に分割し、翅が接するそのいずれかの部分を以て翅生部分とする。
翅の角度の算出は以下のようにして行う。
−骨格の中心から翅先端方向に直線を取得する。
−直線と骨格のなす2つの角を取得する。
−取得した2つの角のうち小さい方の角度を以て、翅の角度として算出する。
上記のようにして求めた翅の角度によって、虫の頭部方向を推定することができる。即ち、翅の角度が小である場合は、翅と逆方向を頭部方向とし、翅の角度が大である場合は、体部の前部と後部のうち、太い方(体幅が大)を頭部方向とする。
後ろ脚は、頭部方向と逆の方向から伸びる脚を以て後ろ脚とする。
体部の丸みの特徴は、体幅のヒストグラムから近似二次関数を取得し、ヒストグラム両端の傾きの平均値から抽出することができる。
眼の特徴抽出のために、先ず、体部分の二値化により、眼の候補となる黒色部分の抽出を行う。そして、その黒色部分のうち、骨格の先端部に位置することと、例えば、縦横比<2.0を満たす形状の部分であることの要件を併せ有する部分を以て眼と同定する。
次いで、上記方法によって抽出された特徴データを用いての同定方法について、図7に示すフロー図を参照しつつ説明する。同定ステップは、同定対象虫を有翅、無翅、巨大の3種類に分類する分類分け工程と(S21)、一次から三次に亘る同定工程(S22、S24、S26)と、同定結果を出力する結果出力工程(S23、S25、S27)とから成る。
−体色につき黄色割合が40%以上であること
−後ろ脚が抽出されること
−翅生部分が中間部であること
−黒眼が抽出されること
2 画像読み込み手段
3 解析装置
4 前処理手段
5 特徴抽出手段
6 データ記憶手段
7 同定手段
8 出力手段
11 本体ケース
12 前面開口部
13 LEDユニット
15 透光性の粘着シート
16 導光板挿入口
31 エッジ
32 虫候補領域
33 非エッジブロック領域
34 仮虫領域
35 エッジ
36 注目画素
37 隣接画素
38 虫領域
39 背景領域
Claims (10)
- 虫類を捕獲した捕虫装置の粘着シートの画像を画像読み込み手段によって読み込む画像読み込みステップと、
読み込まれた前記画像からエッジを取得することにより虫候補領域を取得する虫候補領域取得ステップと、
取得された前記虫候補領域以外の背景領域を削除する背景領域削除ステップと、
前記虫候補領域から虫領域を抽出する虫領域抽出ステップと、
抽出された前記虫領域から少なくとも体領域、脚領域及び翅領域を抽出し、抽出された前記体領域から体長、体幅及び体長と体幅の比を算出し、前記脚領域から脚長及び脚長と体長の比を算出し、また、前記翅領域から翅面積及び翅面積と体面積の比を算出して形態的特徴のメルクマールデータを取得する特徴抽出ステップと、
取得された前記メルクマールデータを、予め虫ごとに設定されて記憶されている標準メルクマールデータと照合することにより当該虫類を同定する同定ステップとから成り、
前記虫候補領域取得ステップは、読み込まれた前記画像からエッジを取得することと、前記画像をブロック分割し、エッジを含むブロックを取得してラベリングすることから成ることを特徴とする捕獲虫類の同定方法。 - 更に前記メルクマールとして、体色、尾長、尾長と体長の比、翅生部分、翅の角度、頭部方向、後ろ脚の状態、体部の丸み、眼の特徴のうちの少なくとも1つを含む、請求項1に記載の捕獲虫類の同定方法。
- 前記背景領域除去ステップは、前記エッジを含むブロック以外のブロックを、HSV色情報を用いて削除することから成る、請求項1又は2に記載の捕獲虫類の同定方法。
- 前記虫領域抽出ステップは、前記虫候補領域についてエッジ検出することと、勾配方向に注目画素を設定することと、前記注目画素に隣接する類似輝度画素を順次統合することから成る、請求項1乃至3のいずれかに記載の捕獲虫類の同定方法。
- 前記同定ステップは、複数種のメルクマールにつき代表値を設定するステップと、その代表値につき同定対象の虫類とのユークリッド距離を算出するステップと、その距離が短い順に複数種の同定候補を決定するステップとを含む、請求項1乃至4のいずれかに記載の捕獲虫類の同定方法。
- 前記同定ステップは、
同定対象虫類を有翅、無翅、巨大の3種類に分類する分類分け工程と、各虫類についてメルクマールのしきい値幅を設定し、前記同定対象虫類のメルクマール値がいずれかの虫類の前記しきい値幅内に含まれるか否かを同定し、含まれる場合に前記同定対象虫類を当該虫類と同定する一次同定工程と、
前記しきい値幅を拡張し、前記一次同定工程において同定されなかった前記同定対象虫類が前記拡張されたしきい値幅内に含まれるか否かを同定し、含まれる場合に前記同定対象虫類を当該虫類と同定する二次同定工程と、
複数種のメルクマールにつき代表値を設定し、その代表値につき同定対象の虫類とのユークリッド距離を算出し、その距離が短い順に複数種の同定候補を決定し、その同定候補の中から最終的に同定を行う三次同定工程とから成る、請求項1乃至4のいずれかに記載の捕獲虫類の同定方法。 - 前記二次同定工程における前記しきい値幅の拡張は、捕獲確率の高い虫から行っていく、請求項6に記載の捕獲虫類の同定方法。
- 前記三次同定工程において複数種の同定候補の中から最終的に同定を行うに当たり、固有の特徴を持つ虫類に対して、その特徴を充足することを条件として候補順位の繰り上げを行う、請求項6又は7に記載の捕獲虫類の同定方法。
- 粘着シートによって捕虫する捕虫装置と、前記捕虫装置から回収してきた虫類の粘着した粘着シートの画像を読み込む画像読み込み手段と、前記画像読み込み手段によって読み込まれた画像を解析して捕獲された虫類を同定する解析装置と、前記解析装置において同定された結果を出力する出力手段とから成り、
前記解析装置は、前記画像読み込み手段によって読み込まれた画像に対し、虫領域と背景領域とを区別するための画像処理をする前処理手段と、前処理された画像から虫類の形態的特徴のメルクマールデータを取得する特徴抽出手段と、虫類の形態的特徴のメルクマールを標準化した標準メルクマールデータを記憶するデータ記憶手段と、前記特徴抽出手段によって抽出された虫類の形態的特徴のメルクマールデータと前記データ記憶手段において記憶されている前記標準メルクマールデータとを比較することにより、当該虫類の同定をする同定手段とを含んで構成され、
前記前処理手段は、読み込まれた前記画像からエッジを取得し、前記画像をブロック分割し、エッジを含むブロックを取得してラベリングする手段を含むことを特徴とする捕獲虫類の同定システム。 - 前記特徴抽出手段によって取得される前記虫類の形態的特徴のメルクマールには、少なくとも、体長、体幅、体長と体幅の比、脚長、脚長と体長の比、翅面積、翅面積と体面積の比が含まれる、請求項9に記載の捕獲虫類の同定システム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2013011244A JP5690856B2 (ja) | 2013-01-24 | 2013-01-24 | 捕獲虫類の同定方法及び同定システム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2013011244A JP5690856B2 (ja) | 2013-01-24 | 2013-01-24 | 捕獲虫類の同定方法及び同定システム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2014142833A JP2014142833A (ja) | 2014-08-07 |
JP5690856B2 true JP5690856B2 (ja) | 2015-03-25 |
Family
ID=51424057
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2013011244A Active JP5690856B2 (ja) | 2013-01-24 | 2013-01-24 | 捕獲虫類の同定方法及び同定システム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP5690856B2 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101816370B1 (ko) | 2015-12-31 | 2018-01-11 | 재단법인대구경북과학기술원 | 벌레 퇴치 조명장치, 벌레 퇴치 방법 및 벌레 퇴치 시스템 |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105028366B (zh) * | 2015-08-27 | 2017-08-25 | 南通江海港建设工程有限公司 | 一种自动定位捕杀蚊虫的手持装置 |
JP6313886B1 (ja) * | 2017-05-23 | 2018-04-18 | アース環境サービス株式会社 | 捕獲虫類の同定方法 |
GB2570138B (en) * | 2018-01-12 | 2020-07-08 | Spotta Ltd | System and methods |
CN108782492B (zh) * | 2018-05-18 | 2021-03-02 | 仲恺农业工程学院 | 一种基于虫害防治设备的虫害防治方法 |
KR102412828B1 (ko) * | 2020-10-08 | 2022-06-24 | 고려대학교 산학협력단 | 후기문의 슬릿 사이의 각도를 측정하는 단계를 포함하는 검정파리과 분류 방법 |
JP7400035B1 (ja) * | 2022-07-27 | 2023-12-18 | 日本農薬株式会社 | 害虫の検査のためのプログラム及び害虫検査装置 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3796526B2 (ja) * | 2002-04-17 | 2006-07-12 | 北海道 | 害虫計数装置 |
JP2007193601A (ja) * | 2006-01-19 | 2007-08-02 | Hitachi Software Eng Co Ltd | 画像処理システム |
JP2007199767A (ja) * | 2006-01-23 | 2007-08-09 | Hitachi Software Eng Co Ltd | 画像処理システム |
JP5812321B2 (ja) * | 2011-02-04 | 2015-11-11 | 国立大学法人徳島大学 | 虫の画像処理装置、画像処理方法、画像処理プログラム及びコンピュータで読み取り可能な記憶媒体 |
-
2013
- 2013-01-24 JP JP2013011244A patent/JP5690856B2/ja active Active
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101816370B1 (ko) | 2015-12-31 | 2018-01-11 | 재단법인대구경북과학기술원 | 벌레 퇴치 조명장치, 벌레 퇴치 방법 및 벌레 퇴치 시스템 |
Also Published As
Publication number | Publication date |
---|---|
JP2014142833A (ja) | 2014-08-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5690856B2 (ja) | 捕獲虫類の同定方法及び同定システム | |
Hamuda et al. | Automatic crop detection under field conditions using the HSV colour space and morphological operations | |
US11636701B2 (en) | Method for calculating deviation relations of a population | |
Descamps et al. | An automatic counter for aerial images of aggregations of large birds | |
CN111709374B (zh) | 鸟情检测方法、装置、计算机设备及存储介质 | |
Schmid et al. | The LOKI underwater imaging system and an automatic identification model for the detection of zooplankton taxa in the Arctic Ocean | |
US11501113B2 (en) | Leveraging smart-phone cameras and image processing techniques to classify mosquito genus and species | |
Andrew et al. | Semi‐automated detection of eagle nests: an application of very high‐resolution image data and advanced image analyses to wildlife surveys | |
CN111353452A (zh) | 一种基于rgb图像的行为识别方法、装置、介质及设备 | |
Sunoj et al. | Sunflower floral dimension measurements using digital image processing | |
JP2002203242A (ja) | 植物認識システム | |
Minakshi et al. | Leveraging smart-phone cameras and image processing techniques to classify mosquito species | |
Annamalai et al. | Citrus yield mapping system using machine vision | |
Tashakkori et al. | Image processing for honey bee hive health monitoring | |
Garcia et al. | Acquisition of digital images and identification of Aedes Aegypti mosquito eggs using classification and deep learning | |
Sharma | Rise of computer vision and internet of things | |
JP6313886B1 (ja) | 捕獲虫類の同定方法 | |
US11227382B2 (en) | Change detection system | |
Tresson et al. | Insect interaction analysis based on object detection and CNN | |
Bravo-Reyna et al. | Recognition of the damage caused by the cogollero worm to the corn plant, Using artificial vision | |
Ghadiri | Implementation of an automated image processing system for observing the activities of honey bees | |
König | VarroaCounter–Towards Automating the Varroa Screening for Alleviated Bee Hive Treatment | |
Sundaram et al. | Detection and Providing Suggestion for Removal of Weeds Using Machine Learning Techniques | |
BAWEJA et al. | Early-season vineyard shoot and leaf estimation using computer vision techniques | |
KR20180133610A (ko) | 특용 과수용 병해충 통합 예측 시스템을 위한 병해충 이미지 수집방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20141127 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20141203 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20150109 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20150127 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20150202 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5690856 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |