第1页 / 共145页
第2页 / 共145页
第3页 / 共145页
第4页 / 共145页
第5页 / 共145页
第6页 / 共145页
第7页 / 共145页
第8页 / 共145页
SSD（single shot multibox detector）翻译.pdf
封面
声明
目录
摘要
英文摘要
第一章 绪论
1．1 引言
1．2 机器视觉技术在农业害虫识别中的应用
1．2．1 机器视觉技术的引出
1．2．2
机器视觉主要技术和识别算法
1．3 基于机器视觉的害虫识别国内外研究现状
1．3．1 直接用可见光的害虫识别研究现状
1．3．2 近红外用于害虫识别的研究现状
1．3．3 其它光谱用于害虫识别的研究现状
1．3．4 支持向量机用于害虫识别的研究现状
1．3．5 神经网络用于害虫识别的研究现状
1．4 研究目的和意义
1．4．1 研究目的
1．4．2 研究意义
1．5 研究内容和技术路线
1．5．1 研究内容
1．5．2 技术路线
参考文献
第二章 稻飞虱图像现场采集系统的设计
2．1 图像采集系统总体设计
2．2 诱集幕布装置设计
2．3 采集小车设计
2．3．1 小车硬件设计
2．3．2 小车软件设计
2．4 远程控制软件设计
2．5 系统特点
2．6 本章小结
参考文献
第三章 基于不变矩的稻飞虱图像特征值提取
3．1 稻飞虱图像预处理
3．1．1 图像灰度化
3．1．2 图像分割
3．1．3 数学形态学去噪
3．1．4 平滑滤波
3．1．5 多个稻飞虱图像分割
3．2 稻飞虱图像特征值提取
3．2．1 特征提取方法选择
3．2．2 基于Hu矩的特征值提取
3．2．3 基于改进Hu矩的特征值提取
3．2．4 基于Zernike矩的特征值提取
3．2．5 基于Krawtchouk矩的特征值提取
3．3 本章小结
参考文献
第四章 最佳不变矩的选择和纹理特征的提取
4．1 BP神经网络选择最佳不变矩
4．1．1 神经网络基本概念
4．1．2 BP神经网络基本概念
4．1．3 BP神经网络测试4种不变矩稻飞虱分类识别
4．2 三种稻飞虱纹理特征提取
4．2．1 改进灰度共生矩阵
4．2．2 灰度共生矩阵生成的特征值
4．2．3 基于灰度共生矩阵的稻飞虱纹理特征值提取
4．2．4 BP神经网络对纹理特征值训练测试
4．3 本章小结
参考文献
第五章 遗传算法和粒子群算法优化神经网络识别稻飞虱
5．1 遗传算法优化BP神经网络识别稻飞虱
5．1．1 遗传算法基本概念
5．1．2 遗传算法基本原理
5．1．3 遗传算法优化BP神经网络
5．1．4
遗传神经网络识别稻飞虱
5．2 粒子群算法优化BP神经网络识别稻飞虱
5．2．1 粒子群算法的基本理论
5．2．2 用参数选择法改进粒子群算法
5．2．3 IPSO优化BP神经网络
5．2．4 IPSO优化BP神经网络识别稻飞虱
5．3 遗传算法改进粒子群算法优化BP神经网络识别稻飞虱
5．3．1 GAIPSO优化BP神经网络
5．3．2 GAIPSO优化BP神经网络识别稻飞虱
5．4 本章小结
参考文献
第六章 稻飞虱识别软件的设计与现场实验
6．1 稻飞虱识别软件的总体结构
6．2 稻飞虱识别软件的设计
6．2．1 打开图像
6．2．2 图像灰度化
6．2．3 高斯滤波和二值化
6．2．4 形态学去噪和平滑滤波
6．2．5 图像分割
6．2．6 提取特征值
6．2．7 数据导出
6．2．8 识别结果
6．2．9 “About”信息显示
6．3 现场实验
6．3．1 实验目的
6．3．2 实验准备
6．3．3 实验过程
6．3．4 实验结果
6．4 本章小结
第七章 结论与建议
7．1 结论
7．2 创新点
7．3 后续工作
附录
致谢
攻读博士学位期间发表的论文
分类号TP391
学号2嫂2星!迦lL。
南京晨黄戈号
博士学位论文
基于机器视觉的稻飞虱现场识别技术研究
邹修国
指导教师
工羞．民熬撞
专业名称 盘些生堑堑墟墨毖遗墨猩
研究方向一。盈鲎迭盔盏搓．氢垫型
答辩日期．
兰Q=至．圭±兰嚣
Doctor’S Degree Dissertation
RESEARCH oN FIELD IDENTIFICATIoN
TECHNOLOGY oF RICE PLANTHoPPER BASED
oN№～CHINEⅥSIoN
By
Zou Xiuguo
Supervisor：Professor Ding Weimin
Agricultural Biological Environment and
Energy Resource Engineering
Nanjing Agricultural University
December 2013
原创性声明
本人郑重声明：所呈交的学位论文，是本人在导师的指导下，独立进行研究工作
所取得的成果。除文中已经注明引用的内容外，本论文不包含任何其他个人或集体已
经发表或撰写过的作品成果。对本文的研究做出重要贡献的个人和集体，均已在文中
以明确方式标明。本人完全意识到本声明的法律结果由本人承担。
学位论文作者(需亲笔)签名：绷 加垆，)／月厂日
学位论文版权使用授权书
本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并
向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授
权南京农业大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以
采用影印、缩印或扫描等复制手段保存和汇编学位论文。
保密口，在——年解密后适用本授权书。本学位论文属于不保密《
(请在以上方框内打“√”)
学位论文作者(需亲笔)签名：
别¨需亲莉獬：乃肜 剀夕鼽月伽
沙哆年l确厂日
目录
目
录
要……………………………………………………．．工
摘
ABSTRACT……………………………………………………．．III
第一章绪论……………………………………………………．1
1．1引言……………………………………………………l
1．2机器视觉技术在农业害虫识别中的应用…………………………1
1．2．1机器视觉技术的引出…………………………………．．1
1．2．2机器视觉主要技术和识别算法……………………………2
1．2．2．1采集图像光谱……………………………………2
1．2．2．2数字图像处理技术………………………………．．3
1．2．2．3模式识别技术……………………………………3
1．3基于机器视觉的害虫识别国内外研究现状………………………．5
1．3．1直接用可见光的害虫识别研究现状………………………．．5
1．3．1．1国外研究现状…………………………………．．5
1．3．1．2国内研究现状…………………………………．．5
1．3．2近红外用于害虫识别的研究现状…………………………．7
1．3．2．1国外研究现状…………………………………．．7
1．3．2．2国内研究现状…………………………………．．8
1．3．3其它光谱用于害虫识别的研究现状………………………．．8
1．3．3．1国外研究现状…………………………………．．8
1．3．3．2国内研究现状…………………………………．．9
1．3．4支持向量机用于害虫识别的研究现状……………………．．10
1．3．4．1国外研究现状…………………………………．10
1．3．4．2国内研究现状…………………………………．10
1．3．5神经网络用于害虫识别的研究现状………………………．11
1．3．5．1国外研究现状…………………………………．11
1．3．5．2国内研究现状…………………………………．12
1．4研究目的和意义…………………………………………．13
1．4．1研究目的…………………………………………．．13
1．4．2研究意义…．………………………………………．13
1．5研究内容和技术路线………………………………………14
1．5．1研究内容…………………………………………．．14
1．5．2技术路线…………………………………………．．15
参考文献…………………………………………………．．16
第二章稻飞虱图像现场采集系统的设计………………………………22
2．1图像采集系统总体设计……………………………………．22
2．2诱集幕布装置设计………………………………………．．23
2．3采集小车设计……………………………………………23
2．3．1小车硬件设计………………………………………．23
目录
2．3．1．1$3C2440芯片…………………………………．．24
2．3．1．2 L298电机驱动芯片………………………………24
2．3．1．3摄像头仰角控制模块……………………………．．24
2．3．1．4电源模块………………………………………25
2．3．1．5 SunTime200A工业相机……………………………25
2．3．1．6 SunTime T100工业镜头…………………………．．26
2．3．2小车软件设计………………………………………．27
2．4远程控制软件设计………………………………………．．28
2．5系统特点………………………………………………．29
2．6本章小结………………………………………………．30
参考文献…………………………………………………．．31
第三章基于不变矩的稻飞虱图像特征值提取…………………………．．33
3．1稻飞虱图像预处理………………………………………．．33
3．1．1图像灰度化…………………………………………34
3．1．1．1 RGB颜色系统…………………………………．．34
3．1．1．2 RGB转换成灰度…………………………………35
3．1．2图像分割…………………………………………．．36
3．1．3数学形态学去噪……………………………………．．39
3．1．3．1数学形态学基本运算……………………………．39
3．1．3．1．1二值图像腐蚀运算…………………………．39
3．1．3．1．2二值图像膨胀运算…………………………．39
3．1．3．1．3二值图像开运算……………………………40
3．1．3．1．4二值图像闭运算……………………………40
3．1．3．2稻飞虱二值图像去噪……………………………．40
3．1．4平滑滤波…………………………………………．．4l
3．1．4．1高斯滤波……………………………………．．4l
3．1．4．2中值滤波……………………………………．．43
3．1．5多个稻飞虱图像分割…………………………………．44
3．1．5．1分水岭算法……………………………………44
3．1．5．2改进分水岭算法分割稻飞虱图像……………………45
3．2稻飞虱图像特征值提取……………………………………．47
3．2．1特征提取方法选择……………………………………47
3．2．2基于Hu矩的特征值提取………………………………．48
3．2．2．1 Hu矩概念……………………………………．．48
3．2．2．2 Hu矩提取稻飞虱特征值…………………………．．5l
3．2．3基于改进Hu矩的特征值提取……………………………52
3．2．3．1改进Hu矩概念…………………………………52
3．2．3．2改进Hu矩提取稻飞虱特征值………………………53
3．2．4基于Zernike矩的特征值提取…………………………．．54
3．2．4．1 Zernike矩概念…………………………………54
3．2．4．2 Zernike矩提取稻飞虱特征值………………………55
3．2．5基于Krawtchouk矩的特征值提取………．j………………57
目录
3．2．5．1 Krawtchouk矩概念………………………………57
3．2．5．2 Krawtchouk矩提取稻飞虱特征值……………………58
3．3本章小结………………………………………………．59
参考文献…………………………………………………．．59
第四章最佳不变矩的选择和纹理特征的提取…………………………．．63
4．1 BP神经网络选择最佳不变矩…………………………………63
4．1．1神经网络基本概念……………………………………63
4．1．2 BP神经网络基本概念…………………………………63
4．1．3 BP神经网络测试4种不变矩稻飞虱分类识别………………．64
4．1．3．1确定识别稻飞虱的BP神经网络结构…………………64
4．1．3．2 BP神经网络参数的选择…………………………．．66
4．1．3．3 BP神经网络对Hu矩特征值训练测试…………………66
4．1．3．4 BP神经网络对改进Hu矩特征值训练测试……………．．67
4．1．3．5 BP神经网络对Zernike矩特征值训练测试……………．68
4．1．3．6 BP神经网络对Krawtchouk矩特征值训练测试…………．69
4．1．3．7四种不变矩特征值测试结果对比……………………69
4．2三种稻飞虱纹理特征提取…………………………………．．70
4．2．1改进灰度共生矩阵………．．…………………………．70
4．2．2灰度共生矩阵生成特征值………………………………71
4．2．3基于灰度共生矩阵的稻飞虱纹理特征值提取………………．．72
4．2．3．1提取灰度图像…………………………………．73
4．2．3．2压缩灰度级……………………………………74
4．2．3．3选择步矩……………………………………．．75
4．2．3．4选择方向……………………………………．．75
4．2．3．5运算结果……………………………………．．75
4．2．4 BP神经网络对纹理特征值训练测试………………………76
4．3本章小结………………………………………………．77
参考文献…………………………………………………．．77
第五章遗传算法和粒子群算法优化神经网络识别稻飞虱…………………．80
5．1遗传算法优化BP神经网络识别稻飞虱…………………………80
5．1．1遗传算法基本概念…………………………………．．．80
5．1．2遗传算法基本原理……………………………………81
5．1．3遗传算法优化BP神经网络……………………………．．82
5．1．4遗传神经网络识别稻飞虱………………………………83
5．2粒子群算法优化BP神经网络识别稻飞虱………………………．86
5．2．1粒子群算法的基本概念………………………………．．86
5．2．2用参数选择法改进粒子群算法…………………………．．87
5．2．3 IPSO优化BP神经网络………………………………．．88
5．2．4 IPSO优化BP神经网络识别稻飞虱………………………．89
5．3遗传算法改进粒子群算法优化BP神经网络识别稻飞虱…．…………91
5．3．1 GAIPSO优化BP神经网络………………………………92
5．3．2 GAIPSO优化BP神经网络识别稻飞虱……………………．．92
目 录
5．4本章小结………………………………………………．95
参考文献…………………………………………………．．95
第六章稻飞虱识别软件的设计与现场实验……………………………．．98
6．1稻飞虱识别软件的总体结构…………………………………98
6．2稻飞虱识别软件的设计……………………………………．99
6．2．1打开图像…………………………………………．．99
6．2．2图像灰度化………………………………………．．100
6．2．3高斯滤波和二值化…………………………………．．100
6．2．4形态学去噪和平滑滤波………………………………．101
6．2．5图像分割…………………………………………．101
6．2．6提取特征值………………………………………．．102
6．2．7数据导出…………………………………………．103
6．2．8识别结果…………………………………………．103
6．2．9“About"信息显示…………………………………．104
6．3现场实验………………………………………………104
6．3．1实验目的……………．……………………………104
6．3．2实验准备…………………………………………．105
6．3．3实验过程…………………………………………．106
6．3．4实验结果…………………………………………．111
6．4本章小结………………………………………………111
第七章结论与建议……………………………………………．．112
7．1结论…………………………………………………．112
7．2创新点………………………………………………．．113
7．3后续工作………………………………………………1 13
附录………………………………………………………．．115
致谢………………………………………………………．．131
攻读博士学位期间发表的论文……………………………………：．133
摘要
基于机器视觉的稻飞虱现场识别技术研究
摘 要
针对稻田合理喷药需要知道害虫密度的问题，研究了稻飞虱现场实时识别技术，
包括稻田现场拍摄稻飞虱图像的方法，对拍摄的图像用不变矩提取形状特征值，用灰
度共生矩阵提取纹理特征值，以及用仿生算法改进BP神经网络对稻飞虱进行识别并
计数。具体研究是采用自行设计的拍摄装置采集稻飞虱图像，灰度化后用大津法二值
化，再用数学形态学滤波；对二值图像采用Hu矩、改进Hu矩、Zernike矩和Krawtchouk
矩四种不变矩分别提取特征值，再用BP神经网络进行训练和测试，以此检测四种矩
的提取效果，具体操作是用Mat lab2008运行算法，对白背飞虱、灰飞虱和褐飞虱共
300个样本进行了训练和测试，结果表明Krawtchouk矩提取稻飞虱图像形状的6个特
征值的识别率最高，其中对褐飞虱的识别率达到了100％，但是对白背飞虱和灰飞虱的
误识别率较大。针对这一情况，进一步采用改进灰度共生矩阵提取背部纹理的4个特
征值来识别三种稻飞虱，训练结果是白背飞虱和灰飞虱的识别率要高于Krawtchouk
矩提取的特征值，而褐飞虱的识别率低于Krawtchouk矩提取的特征值，于是将这两
种提取特征值的方法结合起来，这样最终确定了10个特征值。在此基础之上，采用
遗传算法和参数选择改进粒子群算法优化神经网络分别训练和识别三种稻飞虱，通过
对比和分析，遗传算法和粒子群算法各有优缺点，于是采用遗传算法改进粒子群算法
优化BP神经网络，实验结果得到白背飞虱的正确识别率为90％，灰飞虱为95％，褐飞
虱为100％，通过分析适应度曲线扣训练误差曲线表明这一算法搜索效率高，求解速度
快，训练时间比遗传算法的提高了52．7％，比粒子群算法的提高了24．1％，更加满足
本文提出的实时性要求。按前面选择的算法编完软件后，现场实验的结果表明可以识
别稻飞虱并计数，为适时适量的稻田喷药提供了依据。
论文的主要研究内容及成果如下：
(1)研究稻飞虱现场实时识别技术。使用移动小车，分别拍摄白背飞虱、100个
样本，灰飞虱100个样本，褐飞虱1 00个样本，拍摄其背部图像，无线传回远程PC
机，由设计的软件实时识别。
(2)设计现场稻飞虱活体图像采集装置。采集装置核心采用三星嵌入式处理器
$3C2440，配备台湾显秦的USB接口工业相机，相机镜头变倍比15：1，采集图像大小
定为640×480像素，通过嵌入式系统由USB无线网卡传回远程计算机。
(3)预处理稻飞虱图像。对稻飞虱图像进行灰度化、二值化、数学形态学滤波、
相关推荐
2023年江西萍乡中考道德与法治真题及答案.doc
2012年重庆南川中考生物真题及答案.doc
2013年江西师范大学地理学综合及文艺理论基础考研真题.doc
2020年四川甘孜小升初语文真题及答案I卷.doc
2020年注册岩土工程师专业基础考试真题及答案.doc
2023-2024学年福建省厦门市九年级上学期数学月考试题及答案.doc
2021-2022学年辽宁省沈阳市大东区九年级上学期语文期末试题及答案.doc
2022-2023学年北京东城区初三第一学期物理期末试卷及答案.doc
2018上半年江西教师资格初中地理学科知识与教学能力真题及答案.doc
2012年河北国家公务员申论考试真题及答案-省级.doc
2020-2021学年江苏省扬州市江都区邵樊片九年级上学期数学第一次质量检测试题及答案.doc
2022下半年黑龙江教师资格证中学综合素质真题及答案.doc
