專利名稱：水稻害蟲實(shí)時(shí)分類方法及系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及植保技術(shù)領(lǐng)域，尤其涉及一種水稻害蟲實(shí)時(shí)分類方法及系統(tǒng)。
背景技術(shù)：
農(nóng)作物病蟲害是我國(guó)的主要農(nóng)業(yè)災(zāi)害之一，它具有種類多、影響大、并時(shí)常暴發(fā)成災(zāi)的特點(diǎn)，其發(fā)生范圍和嚴(yán)重程度對(duì)我國(guó)國(guó)民經(jīng)濟(jì)、特別是農(nóng)業(yè)生產(chǎn)常造成重大損失。據(jù)資料顯示，全世界每年至少有6%的農(nóng)作物在生長(zhǎng)期為害蟲所吃，如果人力、物力和技術(shù)跟不上，可能會(huì)達(dá)到10% -30%，而在我國(guó)由于蟲害，全國(guó)每年糧棉損失15%左右，造成這種狀況的主要原因就是害蟲檢測(cè)預(yù)報(bào)不準(zhǔn)確、不及時(shí)，防治錯(cuò)過時(shí)機(jī)。水稻是世界主要糧食作物之一。我國(guó)水稻播種面積占全國(guó)糧食作物的1/4，而產(chǎn)量則占一半以上。浙江省水稻種植面積和產(chǎn)量也位居國(guó)內(nèi)前列。所以，對(duì)水稻蟲害的研究是十分有必要的。傳統(tǒng)的人工檢測(cè)通常采用盤拍、誘集等方法，利用人工感官在現(xiàn)場(chǎng)檢查害蟲，借助放大鏡、顯微鏡等工具或直接用肉眼判別害蟲的種類，并統(tǒng)計(jì)數(shù)量。該方法是一種最直觀、 簡(jiǎn)便、但很粗放的方法，調(diào)查工作量大，單次檢測(cè)覆蓋面積小，效率較低，調(diào)查成本高。

發(fā)明內(nèi)容
本發(fā)明提供了一種水稻害蟲實(shí)時(shí)分類方法，該方法解決了傳統(tǒng)方法工作量大，效率低，成本高的問題。一種水稻害蟲實(shí)時(shí)分類方法，包括樣本訓(xùn)練和樣本檢測(cè)所述的樣本訓(xùn)練包括(1)收集各種水稻害蟲的訓(xùn)練樣本若干，獲取圖像；(2)對(duì)圖像進(jìn)行灰度轉(zhuǎn)換，轉(zhuǎn)換前需要將圖像的背景去除得到害蟲的圖像，灰度轉(zhuǎn)換的公式為y = 0. 3r+0. 59g+0. 11b，其中y表示灰度化后的灰度值，r表示圖像紅色分量的值，g表示圖像綠色分量的值，b表示圖像藍(lán)色分量的值；(3)灰度轉(zhuǎn)換后，采用壓縮感知算法抽取圖像的特征值；以圖像尺寸i Xh為例(i為行，h為列)，以各像點(diǎn)的灰度值的為元素構(gòu)建灰度矩陣，以行堆疊，使其成為一個(gè)行向量P(P e R1Xn，n= iXh)，p與隨機(jī)的壓縮感知觀測(cè)矩陣識(shí)相乘得到圖像的特征值(向量)x，x = /^( XGRum ), ρε TTxm ,為高斯隨機(jī)矩陣，η表示行數(shù)，m表示列數(shù)，且m<<n。(4)所述的樣本檢測(cè)包括獲取測(cè)試樣本的圖像，按步驟O)、(3)對(duì)測(cè)試樣本的圖像進(jìn)行處理，獲得測(cè)試樣本的圖像的特征值，利用最鄰近算法，確定測(cè)試樣本的類型。最鄰近算法包括計(jì)算測(cè)試樣本圖像的特征值與訓(xùn)練樣本圖像的特征值之間的距離，如果一類害蟲包括多個(gè)訓(xùn)練樣本，則對(duì)所有距離求平均，找到平均距離最小的訓(xùn)練樣本，該訓(xùn)練樣本的害蟲類型即為測(cè)試樣本的害蟲類型。計(jì)算兩個(gè)特征值之間距離的公式如下
1 m \h (k、一h (kW2X2(KA) = -T: ] π\(zhòng) ，其中，hi表示測(cè)試樣本的圖像的特征值，1 表示
訓(xùn)練集圖像的特征值，m為圖像的特征值的維數(shù)。本發(fā)明還提供一種水稻害蟲實(shí)時(shí)分類系統(tǒng)，包括攝像頭，拍取被測(cè)害蟲的圖像；視頻解碼模塊，將圖像解碼后輸入處理器；存儲(chǔ)模塊，存儲(chǔ)圖像和樣本訓(xùn)練結(jié)果；處理器，根據(jù)樣本訓(xùn)練結(jié)果對(duì)被測(cè)害蟲進(jìn)行分類；顯示屏，顯示分類結(jié)果。優(yōu)選的，上述系統(tǒng)還包括無線傳輸模塊。本發(fā)明具有的有益效果是(1)實(shí)現(xiàn)了水稻害蟲的實(shí)時(shí)分類，通過無線傳輸，將害蟲圖片實(shí)時(shí)傳輸?shù)竭h(yuǎn)端，供植保專家進(jìn)行進(jìn)一步統(tǒng)計(jì)、存檔和細(xì)分；(2)將壓縮感知理論應(yīng)用到害蟲圖像特征值獲取中，采用隨機(jī)矩陣抽取特征值，不僅有效的抑制了噪聲，而且對(duì)拍照的角度和光照強(qiáng)度都不做要求，更加適合田間實(shí)時(shí)識(shí)別害蟲；(3)將壓縮感知理論應(yīng)用到害蟲圖像特征值獲取中，同時(shí)大大降低了數(shù)據(jù)的維數(shù)， 適合在存儲(chǔ)、速度等有限制的下位機(jī)系統(tǒng)使用。本發(fā)明主要將壓縮感知理論、最鄰近分類算法與先進(jìn)的數(shù)據(jù)處理器、3G無線傳輸方式結(jié)合在一起，設(shè)計(jì)出便攜式水稻害蟲快速識(shí)別系統(tǒng)，能夠快速的給水稻害蟲分類，方便農(nóng)田管理人員進(jìn)行防治。


圖1為本發(fā)明系統(tǒng)的結(jié)構(gòu)示意圖；圖2為實(shí)施例中具體分類害蟲的圖像；圖3為本發(fā)明系統(tǒng)的操作流程圖。
具體實(shí)施例方式如圖1所示的水稻害蟲實(shí)時(shí)分類系統(tǒng)，包括處理器(CPU) 1、以及與處理器1連接的視頻解碼模塊2、由程序存儲(chǔ)器和數(shù)據(jù)存儲(chǔ)器組成的存儲(chǔ)器3、兩個(gè)控制按鍵4、四盞指示燈 5、顯示屏6和無線傳輸模塊8，視頻解碼模塊2的輸入端連接攝像頭7，電源模塊9給上述裝置供電。上述系統(tǒng)工作流程如圖2所示，開啟電源模塊9后，指示燈A點(diǎn)亮，表示整個(gè)系統(tǒng)的電壓正常，本系統(tǒng)的CPU采用ADI公司的DSP處理器，系統(tǒng)上電后，CPU復(fù)位完成后加載程序存儲(chǔ)器中的程序，加載程序后指示燈B點(diǎn)亮，表示CPU工作正常。攝像頭7可以實(shí)時(shí)拍攝害蟲圖像，視頻解碼模塊2將攝像頭7輸出的模擬視頻信號(hào)解碼成符合ITTO56標(biāo)準(zhǔn)協(xié)議的、YUV4:2:2格式的數(shù)字信號(hào)輸入處理器1。按下按鍵A， CPU采集圖像同時(shí)將采集的圖像存儲(chǔ)在數(shù)據(jù)存儲(chǔ)器(SDRAM)中，同時(shí)對(duì)圖像進(jìn)行識(shí)別處理，對(duì)害蟲進(jìn)行分類，并將分類結(jié)果在顯示屏6上顯示。系統(tǒng)采用無線傳輸模塊8實(shí)現(xiàn)無線傳輸，無線傳輸模塊8通過USB接口與CPU相連，按下按鍵B后指示CPU發(fā)送采集好的圖像，CPU通過無線傳輸模塊首先和遠(yuǎn)端服務(wù)器建立連接，建立連接后進(jìn)行圖像傳輸，采用TCP傳輸協(xié)議，一副圖像傳輸完成后點(diǎn)亮指示燈D。以圖3所示圖像(150X105像素)為例，上述裝置識(shí)別害蟲的方法為1、首先將圖像的背景摳除，然后對(duì)圖像進(jìn)行灰度轉(zhuǎn)換處理，灰度轉(zhuǎn)換處理的公式為y = 0. 3r+0. 59g+0. 11b，其中y表示灰度轉(zhuǎn)換后的灰度值，r表示圖像紅色分量的值，g 表示圖像綠色分量的值，b表示圖像藍(lán)色分量的值；2、以灰度轉(zhuǎn)換后的圖像各像點(diǎn)的灰度值為元素構(gòu)建害蟲圖像的灰度矩陣，對(duì)該灰度矩陣的元素以行堆疊，得到行向量P(P e Rixn,η = 15750)，ρ與隨機(jī)高斯矩陣￠)相乘得到害蟲圖像的特征值x，x = /^ ( XGRu3150 ；！嘮^妃575…15。。在檢測(cè)前還需要進(jìn)行樣本訓(xùn)練，采集不同姿態(tài)的二化螟、三化螟、稻縱卷葉螟、大螟、灰飛虱、白背飛虱、褐飛虱、大白葉蟬、大青葉蟬成蟲樣本圖像各20個(gè)作為訓(xùn)練樣本，然后按照步驟1、2進(jìn)行處理，得到所有害蟲圖像的特征值。3、根據(jù)最鄰近算法對(duì)害蟲進(jìn)行分類，具體過程為通過如下公式計(jì)算測(cè)試樣本的特征值與每個(gè)訓(xùn)練樣本圖像的特征值之間的距離
X2,
1m \h(k、一h (kW2X2(KK) = -TJ 1( Λ / V、，其中，hi表示測(cè)試樣本的圖像的特征值，h2表示訓(xùn)
2k=i H1(U)+ h2(k)
練樣本圖像的特征值，因?yàn)槊糠N害蟲包括20個(gè)訓(xùn)練樣本，則還需要計(jì)算測(cè)試樣本圖像的特征值與屬于同一種類害蟲的訓(xùn)練樣本的特征值之間的距離的平均值，圖2所示害蟲圖像的特征值與大螟、稻縱卷葉螟、大清葉蟬、二化螟、三化螟、 灰飛虱、白背飛虱、褐飛虱、大白葉蟬各20副圖像的特征值之間距離的平均值分別為 2499753. 5,267186. 9,3929645. 3,2687734.8,2811369.3,4316368. 1,3793615.3、 4516837. 5和3086334. 5，可以判斷該害蟲為稻縱卷葉螟，與實(shí)際情況相符合，可見本發(fā)明系統(tǒng)是切實(shí)可行的。
權(quán)利要求
1.一種水稻害蟲實(shí)時(shí)分類方法，包括樣本訓(xùn)練和樣本檢測(cè) 所述的樣本訓(xùn)練包括(1)收集各種水稻害蟲的訓(xùn)練樣本若干，獲取它們的圖像；(2)對(duì)圖像進(jìn)行灰度轉(zhuǎn)換；(3)采用壓縮感知算法抽取圖像的特征值； 所述的樣本檢測(cè)包括獲取測(cè)試樣本的圖像，按步驟O)、(3)對(duì)測(cè)試樣本的圖像進(jìn)行處理，得到測(cè)試樣本的圖像的特征值，利用最鄰近算法，確定測(cè)試樣本的類型。
2.一種水稻害蟲實(shí)時(shí)分類系統(tǒng)，其特征在于，包括 攝像頭，拍取被測(cè)害蟲的圖像；視頻解碼模塊，將圖像解碼后輸入處理器； 存儲(chǔ)模塊，存儲(chǔ)圖像和樣本訓(xùn)練結(jié)果； 處理器，根據(jù)樣本訓(xùn)練結(jié)果對(duì)被測(cè)害蟲進(jìn)行分類； 顯示屏，顯示分類結(jié)果。
3.根據(jù)權(quán)利要求2所述的水稻害蟲實(shí)時(shí)分類系統(tǒng)，其特征在于，包括與處理器連接的無線傳輸模塊。
全文摘要
本發(fā)明公開了一種水稻害蟲實(shí)時(shí)分類方法及系統(tǒng)，該方法包括樣本訓(xùn)練和樣本檢測(cè)，所述的樣本訓(xùn)練包括(1)收集各種水稻害蟲的訓(xùn)練樣本若干，獲取它們的圖像；(2)對(duì)圖像進(jìn)行灰度轉(zhuǎn)換；(3)采用壓縮感知算法抽取圖像的特征值；所述的樣本檢測(cè)包括獲取測(cè)試樣本的圖像，按步驟(2)、(3)對(duì)測(cè)試樣本的圖像進(jìn)行處理，得到測(cè)試樣本的圖像的特征值，利用最鄰近算法，確定測(cè)試樣本的類型。本發(fā)明方法采用壓縮感知算法抽取圖像特征值，不僅有效的抑制了噪聲，而且對(duì)拍照的角度和光照強(qiáng)度都不做要求，更加適合田間實(shí)時(shí)識(shí)別害蟲。
文檔編號(hào)A01G13/00GK102239793SQ201110095670
公開日2011年11月16日 申請(qǐng)日期2011年4月18日 優(yōu)先權(quán)日2011年4月18日
發(fā)明者何勇, 孔汶汶, 韓瑞珍 申請(qǐng)人:浙江大學(xué)