论文部分内容阅读
中国是世界上最大的稻米生产国和消费国,水稻的稳产和优产与民生息息相关。现阶段,危害我国水稻最为严重的害虫是稻飞虱,为有效减轻稻飞虱危害,解决稻农滥用农药的问题,需要提前获知稻飞虱虫口密度,制定相关防治策略,因此,本文通过研究稻飞虱图像识别与分类算法为实时获取稻飞虱虫口密度奠定基础。(1)稻飞虱图像的采集为获取不同时空下完整清晰的水稻害虫图像,采用本团队自主研发的野外昆虫图像采集装置,分别于2017年和2019年在江苏南京的溧水区和高淳区等地区进行水稻害虫图像采集实验,并制作了用于后续图像处理的水稻害虫图像样本集。(2)基于形状描述符的稻飞虱图像识别与分类算法研究基于该水稻害虫图像样本集,提出了一种基于形状描述符的稻飞虱图像识别与分类算法。通过傅里叶描述符以及Hu不变矩表示稻飞虱的形状特征,并采用随机森林作为稻飞虱图像分类器;通过袋外误差确定了随机森林的决策树数量以及最优候选特征子集数目,最后基于该随机森林分类器实现了稻飞虱图像的识别分类并且识别率达到0.939。(3)基于Mask R-CNN的稻飞虱图像识别与分类算法研究为进一步提高稻飞虱图像识别与分类的自动化水平,提出了一种基于Mask R-CNN的稻飞虱图像识别与分类算法。通过迁移学习将Microsoft COCO数据集作为本实验的源图像数据域,有效解决了深度学习中样本容量过少的问题,并分别验证了当图像中仅存在稻飞虱、仅存在非稻飞虱以及稻飞虱和非稻飞虱共同存在时Mask R-CNN的分类性能,实验结果表明Mask R-CNN能够有效识别分类稻飞虱图像,并且平均识别精度达到0.975。此外,基于所建立的水稻害虫图像样本集,讨论了水稻害虫图像中存在粘连情况时Mask R-CNN的识别分类能力,实验结果表明当水稻害虫图像粘连程度较轻时,Mask R-CNN能够有效识别分类水稻害虫图像,当粘连程度较重时,水稻害虫图像不能被Mask R-CNN有效识别。(4)粘连水稻害虫图像分割算法研究为有效解决粘连水稻害虫图像不能被精确识别的问题,提出了一种粘连水稻害虫图像分割算法。通过滑动窗口检测搜索粘连图像区域凹点,并针对可匹配凹点以及孤立凹点确定粘连区域分割线,获取水稻害虫单一图像。采用上述Mask R-CNN作为水稻害虫图像分类器,分割后获取的水稻害虫单一图像作为输入数据以验证该粘连水稻害虫图像分割算法在稻飞虱图像识别研究中的效果,实验结果表明,经过粘连水稻害虫图像分割算法提取的水稻害虫单一图像能够被Mask R-CNN有效识别分类,并且平均识别精度达到0.987。