害蟲(chóng)快速檢測(cè)與識(shí)別是農(nóng)作物病蟲(chóng)害防治的基礎(chǔ)。傳統(tǒng)的害蟲(chóng)分類和識(shí)別主要是專家通過(guò)肉眼觀察害蟲(chóng)的外部特征并與模式標(biāo)本對(duì)照來(lái)完成的,這種識(shí)別方法費(fèi)時(shí)費(fèi)力。隨著計(jì)算機(jī)技術(shù)的發(fā)展,人們逐漸將圖像處理技術(shù)與模式識(shí)別技術(shù)應(yīng)用到害蟲(chóng)的研究和識(shí)別中,并建立害蟲(chóng)的識(shí)別系統(tǒng),豐富了識(shí)別手段,提高了識(shí)別效率。本文以農(nóng)田典型害蟲(chóng)作為研究對(duì)象,采用數(shù)字圖像處理技術(shù)和模式識(shí)別技術(shù)研究了害蟲(chóng)圖像的分割、特征提取、分類器分類等方面技術(shù)問(wèn)題,并在此基礎(chǔ)上結(jié)合3G無(wú)線網(wǎng)絡(luò)技術(shù)建立了基于物聯(lián)網(wǎng)的昆蟲(chóng)遠(yuǎn)程自動(dòng)識(shí)別系統(tǒng)。本論文的主要研究工作如下：（1）設(shè)計(jì)了害蟲(chóng)圖像采集系統(tǒng)。本論文研究的害蟲(chóng)尺寸差異較大,同一害蟲(chóng)姿態(tài)各異,而且害蟲(chóng)的活動(dòng)能力較強(qiáng)。為此,本論文研究了滿足兩種需求的害蟲(chóng)采集系統(tǒng)。一種系統(tǒng)采集誘捕到的害蟲(chóng)的圖像。該系統(tǒng)對(duì)象的特點(diǎn)是目標(biāo)靜止、目標(biāo)到鏡頭的距離固定、視野范圍固定,因此,該系統(tǒng)使用CMOS相機(jī)和定焦鏡頭。另一種系統(tǒng)實(shí)時(shí)采集田間害蟲(chóng)的圖像。該系統(tǒng)對(duì)象的特點(diǎn)是目標(biāo)運(yùn)動(dòng)、目標(biāo)到鏡頭的距離可變、視野范圍可變,因此,該系統(tǒng)使用CCD相機(jī)和變焦鏡頭。（2）提出了基于HSV顏色模型的害蟲(chóng)圖像分割技術(shù)。本論文針對(duì)害蟲(chóng)圖像背景... 

【文章來(lái)源】：浙江大學(xué)浙江省211工程院校985工程院校教育部直屬院校

【文章頁(yè)數(shù)】：127 頁(yè)

【學(xué)位級(jí)別】：博士

【文章目錄】：
摘要
Abstract
圖目錄
表目錄
縮略詞表
第一章 緒論
    1.1 研究的背景及意義
    1.2 機(jī)器視覺(jué)技術(shù)在農(nóng)業(yè)上的應(yīng)用
    1.3 機(jī)器視覺(jué)技術(shù)在昆蟲(chóng)識(shí)別上的應(yīng)用
        1.3.1 國(guó)外研究現(xiàn)狀
        1.3.2 國(guó)內(nèi)研究現(xiàn)狀
    1.4 存在的問(wèn)題及主要研究?jī)?nèi)容
        1.4.1 存在的問(wèn)題
        1.4.2 主要研究?jī)?nèi)容
    1.5 本文的技術(shù)路線
    1.6 本文的組織結(jié)構(gòu)
    1.7 本章小結(jié)
第二章 害蟲(chóng)圖像的采集和圖像分割技術(shù)研究
    2.1 害蟲(chóng)圖像的采集
        2.1.1 試驗(yàn)材料
        2.1.2 圖像采集系統(tǒng)設(shè)計(jì)及圖像獲取
    2.2 圖像分割技術(shù)
        2.2.1 圖像分割技術(shù)概念
        2.2.2 常見(jiàn)分割算法分析
    2.3 面向害蟲(chóng)圖像的分割技術(shù)研究
        2.3.1 顏色模型分析
        2.3.2 基于HSV模型的害蟲(chóng)圖像分割技術(shù)
    2.4 害蟲(chóng)圖像分割的后續(xù)處理
        2.4.1 圖像的形態(tài)學(xué)處理
        2.4.2 空洞填充
    2.5 害蟲(chóng)圖像分割算法實(shí)現(xiàn)
    2.6 本章小結(jié)
第三章 害蟲(chóng)圖像多特征提取技術(shù)研究與實(shí)現(xiàn)
    3.1 目標(biāo)區(qū)域低層視覺(jué)特征提取
        3.1.1 顏色特征
        3.1.2 紋理特征
        3.1.3 幾何形狀特征
        3.1.4 基于Hu矩的特征參數(shù)提取
    3.2 特征的選擇
        3.2.1 主成分分析法
        3.2.2 蟻群算法
    3.3 SIFT局部特征提取
        3.3.1 檢測(cè)尺度空間極值
        3.3.2 精確定位特征點(diǎn)位置
        3.3.3 確定特征點(diǎn)的方向
        3.3.4 生成SIFT特征描述符
    3.4 k-means聚類方法
    3.5 基于“Bag-of-Words”圖像建模方法
    3.6 數(shù)據(jù)歸一化
        3.6.1 普通歸一化
        3.6.2 坐標(biāo)分布?xì)w一化
        3.6.3 平均數(shù)方差法
        3.6.4 均勻分布?xì)w一化
    3.7 本章小結(jié)
第四章 害蟲(chóng)模式識(shí)別研究
    4.1 模式識(shí)別方法概述
    4.2 SVM分類器
        4.2.1 統(tǒng)計(jì)學(xué)理論的基本思想
        4.2.2 支持向量機(jī)基本方法
        4.2.3 LIBSVM軟件介紹
    4.3 SVM分類器設(shè)計(jì)及參數(shù)優(yōu)化
    4.4 試驗(yàn)結(jié)果與分析
        4.4.1 低層視覺(jué)特征和局部特征的識(shí)別試驗(yàn)
        4.4.2 不同特征組合的識(shí)別試驗(yàn)
    4.5 本章小結(jié)
第五章 基于物聯(lián)網(wǎng)的害蟲(chóng)遠(yuǎn)程智能識(shí)別系統(tǒng)
    5.1 系統(tǒng)需求分析
    5.2 系統(tǒng)總體方案設(shè)計(jì)
        5.2.1 物聯(lián)網(wǎng)
        5.2.2 3G技術(shù)
        5.2.3 GPS模塊
    5.3 系統(tǒng)軟件方案設(shè)計(jì)
        5.3.1 開(kāi)發(fā)環(huán)境與開(kāi)發(fā)工具
        5.3.2 軟件方案設(shè)計(jì)
    5.4 識(shí)別系統(tǒng)方案的實(shí)現(xiàn)
    5.5 本章小結(jié)
第六章 結(jié)論與展望
    6.1 結(jié)論
    6.2 主要?jiǎng)?chuàng)新點(diǎn)
    6.3 展望
參考文獻(xiàn)
致謝
作者簡(jiǎn)介



本文編號(hào)：3639508