首页 > 正在进行安全检测...

正在进行安全检测...

发布时间：2024-03-08 03:39:25 来源：文档文库

小中大

字号：

手机查看

第５１卷２０１７年　第２期　４月　河南农业大学学报　Ｊｏｕｒｎａｌ　ｏｆ　Ｈｅｎａｎ　Ａｇｒｉｃｕｌｔｕｒａｌ　Ｕｎｉｖｅｒｓｉｔｙ　Ｖｏ１．５１　Ｎｏ．２　Ａｐｒ．　２０１７　文章编号：１０００—２３４０（２０１７）０２—０１８４—０５　基于计算机视觉技术的红火蚁蚁巢探测　吴伟斌　，游展辉　，洪添胜　，王玉兴　，余耀烽　，卢诗静　（１．华南农业大学南方农业机械与装备关键技术教育部重点实验室，广东广州５１０６４２；２．国家柑橘产业　技术体系机械研究室，广东广州５１０６４２；３．华南农业大学工程学院，广东广州５１０６４２）　摘要：为探讨基于计算机视觉技术对红火蚁蚁巢进行探测识别的可行性，研究了利用数字图像处理技术提取红　火蚁蚁巢特征参数，通过数学形态学对数字图像进行目标提取和识别。采用图像识别红火蚁蚁巢土建立了ＨＳＶ　彩色空间模型。研究结果表明，各红火蚁蚁巢土和普通土样本的Ｈ分量差异明显，特别是普通土日分量明显大　于红火蚁蚁巢土，一般土壤　值大于３０，而对于红火蚁蚁巢土土壤的日值小于３Ｏ。因此，　分量可作为识别红　火蚁蚁巢土的一项特征参数。当色调通道的平均值Ｈ＜３０时，即可判定为红火蚁蚁巢土。研究结果说明基于计　算机视觉技术对红火蚁蚁巢进行检测识别是可行的。　关键词：计算机视觉；红火蚁蚁巢土；图像处理技术；检测识　、１　中图分类号：￥２３７；ＴＰ２７４．２　文献标志码：Ａ　Ｄｅｔｅｃｔｉｏｎ　ｏｆ　ｔｈｅ　ｎｅｓｔ　ｏｆ　Ｓｏｌｅｎｏｐｓｉｓ　ｉｎｖｉｃｔａ　ｂａｓｅｄ　ｏｎ　ｃｏｍｐｕｔｅｒ　ｖｉｓｉｏｎ　ｔｅｃｈｎｏｌｏｇｙ　ＷＵ　Ｗｅｉｂｉｎ’，　，ＹＯＵ　Ｚｈａｎｈｕｉ　，ＨＯＮＧ　Ｔｉａｎｓｈｅｎｇ　，　，ＷＡＮＧ　Ｙｕｘｉｎｇ。，ＹＵ　Ｙａｏｆｅｎｇ　，ＬＵ　Ｓｈｉｊｉｎｇ　（１．Ｋｅｙ　Ｌａｂｏｒａｔｏｒｙ　ｏｆ　Ｋｅｙ　Ｔｅｃｈｎｏｌｏｇｙ　ｆｏｒ　Ｓｏｕｔｈ　Ａｇｒｉｃｕｌｔｕｒａｌ　Ｍａｃｈｉｎｅｒｙ　ａｎｄ　Ｅｑｕｉｐｍｅｎｔ，Ｍｉｎｉｓｔｒｙ　ｏｆ　Ｅｄｕｃａｔｉｏｎ，　Ｓｏｕｔｈ　Ｃｈｉｎａ　Ａｇｒｉｃｕｌｔｕｒａｌ　Ｕｎｉｖｅｒｓｉｔｙ，Ｇｕａｎｇｚｈｏｕ　５　１０６４２，Ｃｈｉｎａ；２．Ｍｅｃｈａｎｉｃａｌ　Ｌａｂｏｒａｔｏｒｙ　ｏｆ　Ｃｈｉｎａ　Ａｇｒｉｃｕｌｔｕａｌ　Ｒｅｓｅａｒｃｈ　Ｓｙｓｔｅｍ，Ｇｕａｎｇｚｈｏｕ　５　１０６４２，Ｃｈｉｎａ；３．Ｃｏｌｌｅｇｅ　ｏｆ　Ｅｎｇｉｎｅｅｒｉｎｇ，　Ｓｏｕｔｈ　Ｃｈｉｎａ　Ａｇｒｉｃｕｌｔｕｒａｌ　Ｕｎｉｖｅｒｓｉｔｙ，Ｇｕａｎｇｚｈｏｕ　５　１　０６４２，Ｃｈｉｎａ）　Ａｂｓｔｒａｃｔ：Ｔｏ　ｅｘｐｌｏｒｅ　ｔｈｅ　ｆｅａｓｉｂｉｌｉｔｙ　ｏｆ　ｄｅｔｅｃｔｉｎｇ　ｔｈｅ　ｎｅｓｔ　ｏｆ　Ｓｏｌｅｎｏｐｓｉｓ　ｉｎｖｉｃｔａ　ｂａｓｅｄ　ｏｎ　ｃｏｍｐｕｔｅｒ　ｖｉｓｉｏｎ　ｔｅｃｈｎｏｌｏｇｙ，ｔｈｉｓ　ｓｔｕｄｙ　ｈａｓ　ｅｘｔｒａｃｔｅｄ　ｔｈｅ　ｃｈａｒａｃｔｅｒｉｓｔｉｃ　ｐａｒａｍｅｔｅｒｓ　ｆｒｏｍ　ｔｈｅ　ｎｅｓｔ　ｏｆ　Ｓ．ｉｎｖｉｃｔａ　ｕｓｉｎｇ　ｄｉｇｉｔ—　ａｌ　ｉｍａｇｅ　ｐｒｏｃｅｓｓｉｎｇ　ｔｅｃｈｎｏｌｏｇｙ　ａｎｄ　ｈａｓ　ｃｏｎｄｕｃｔｅｄ　ｔａｒｇｅｔ　ｅｘｔｒａｃｔｉｏｎ　ａｎｄ　ｒｅｃｏｇｎｉｔｉｏｎ　ｏｆ　ｔｈｅ　ｄｉｇｉｔａｌ　ｉｍａｇｅ　ｂｙ　ｍａｔｈｅｍａｔｉｃａｌ　ｍｏｒｐｈｏｌｏｇｙ．Ｔｈｅ　ｉｍａｇｅ　ｒｅｃｏｇｎｉｔｉｏｎ　ｏｆ　ｔｈｅ　ｎｅｓｔ　ｓｏｉｌ　ｏｆ　Ｓ．ｉｎｖｉｃｔａ　ｈｅｌｐｓ　ｔｏ　ｂｕｉｌｄ　ＨＳＶ　ｃｏｌｏｒ　ｓｐａｃｅ　ｍｏｄｅ１．Ｉｔ　ｗａｓ　ｆｏｕｎｄ　ｔｈａｔ　ｔｈｅ　Ｈ　ｃｏｍｐｏｎｅｎｔ　ｏｆ　ｔｈｅ　ｒｅｄ—ｆｉｒｅ　ａｎｔ　ｎｅｓｔ　ｓｏｉｌ　ａｎｄ　ｔｈｅ　ｃｏｍｍｏｎ　ｓｏｉｌ　ｓａｍｐｌｅ　ｗｅｒｅ　ｓｉｇｎｉｆｉｃａｎｔｌｙ　ｄｉｆｆｅｒｅｎｔ，ｅｓｐｅｃｉａｌｌｙ　ｔｈｅ　Ｈ　ｃｏｍｐｏｎｅｎｔ　ｏｆ　ｔｈｅ　ｃｏｍｍｏｎ　ｓｏｉｌ　ｗａｓ　ｌａｒｇｅｒ　ｔｈａｎ　ｔｈａｔ　ｏｆ　ｔｈｅ　ｒｅｄ　ｆｉｒｅ　ａｎｔ　ｎｅｓｔ　ｓｏｉｌ　ａｎｄ　ｔｈｅ　Ｈ　ｖａｌｕｅ　ｏｆ　ｔｈｅ　ｓｏｉｌ　ｗａｓ　ｍｏｒｅ　ｔｈａｎ　３０．Ｗｈｉｌｅ　ｆｏｒ　ｔｈｅ　ｒｅｄ　ｆｉｒｅ　ａｎｔｓ　ｎｅｓｔ　ｓｏｉｌ　ｔｈｅ　Ｈ　ｖａｌｕｅ　ｌｅｓｓ　ｔｈａｎ　３０．Ｔｈｅｒｅｆｏｒｅ，ｔｈｅ　Ｈ　ｃｏｍｐｏｎｅｎｔ　ｃａｎ　ｂｅ　ｕｓｅｄ　ａｓ　ａ　ｃｈａｒａｃｔｅｒｉｓｔｉｃ　ｐａｒａｍｅ—　ｔｅｒ　ｔｏ　ｉｄｅｎｔｉ￣ｎｅｓｔ　ｓｏｉｌ　ｏｆ　ｒｅｄ　ｆｉｒｅ　ａｎｔｓ．Ｗｈｅｎ　ｔｈｅ　ａｖｅｒａｇｅ　ｖａｌｕｅ　ｏｆ　ｔｈｅ　ｔｏｎａｌ　ｃｈａｎｎｅｌ　ｒｅａｃｈｅｓ　Ｈ＜３０，ｉｔ　ｃａｎ　ｂｅ　ｉｄｅｎｔｉｉｅｄ　ａｓ　ｔｈｅ　ｎｅｓｔ　ｓｏｉｌｆ　ｏｆ　Ｓ．ｉｎｖｉｃｔａ．Ｔｈｅ　ｒｅｓｕｌｔｓ　ｓｈｏｗ　ｔｈａｔ　ｉｔ　ｉｓ　ｆｅａｓｉｂｌｅ　ｔｏ　ｄｅｔｅｃｔ　ａｎｄ　ｉｄｅｎｔｉｆｙ　ｔｈｅ　ｎｅｓｔ　ｏｆ　ｒｅｄ　ｆｉｒｅ　ａｎｔ　ｂａｓｅｄ　ｏｎ　ｃｏｍｐｕｔｅｒ　ｖｉｓｉｏｎ　ｔｅｃｈｎｏｌｏｇｙ．　Ｋｅｙ　ｗｏｒｄｓ：ｃｏｍｐｕｔｅｒ　ｖｉｓｉｏｎ　ｔｅｃｈｎｏｌｏｇｙ；ｔｈｅ　ｎｅｓｔ　ｓｏｉｌ　ｏｆ　Ｓｏｌｅｎｏｐｓｉｓ　ｉｎｖｉｃｔａ；ｄｉｇｉｔａｌ　ｉｍａｇｅ　ｐｒｏｃｅｓｓｉｎｇ　ｔｅｃｈｎｏｌｏｇｙ；ｒｅｃｏｇｎｉｔｉｏｎ　ａｎｄ　ｄｅｔｅｃｔｉｏｎ　收稿日期：２０１６—０９—１２　基金项目：国家自然科学基金项目（３０８７１４５０）；广东省自然科学基金项目（２０１５Ａ０３０３１３４２６）　作者简介：吴伟斌（１９７８一），广东中山人，教授，博士，从事农业工程、机电一体化和信息技术应用方面的研究。　通信作者：洪添胜（１９５５一），广东梅州人，教授，博士生导师。　
第２期　吴伟敞，等：祭ｊ：汁　机视觉技术的红　足蚁蚁巢探测　红火蚁（Ｓｏｌｅｎｏｐｓｉｓ　ｉｎ　￣ｉｃｔａ）是近几年入侵ｒ｛１　的外来物种，对入侵区域的人类健康、公共安全、农　林业生产和生态环境均具有严重的危险性　，农　业部将红火蚁定为中华人民共和困进境植物检疫　性有害生物和全国植物检疫性有害　物　研究红　火蚁蚁巢的检测方法，从源头上消灭红火蚁，对红　火蚁灾害的防治有着重要的现实意义　、日前，　内　外对红火蚁的研究大多集中于对红火蚁的生理结　构以及诱杀方式等研究上　，檄少有采州计算机　视觉技术检测识别红火蚁蚁巢方面的研究。　野　外鉴别红火蚁蚁巢的方法一般是采川肉玎｝ｌ观察的　方法，根据红火蚁蚁巢特征及红火蚁主动攻击人侵　者的行为进行主观判断的。若通过该肉眼ｙ－０断方　法来进行红火蚁疫情调查，将耗时耗力，并且容易　造成误判　．因此，掌握红火蚁蚁巢的快速准确检测　技术，是该害虫大面积防控的关键。汁算机视觉技　术已经被许多学科领域所应朋，农、　【　往往被川作　农作物产量预测、长势监测和农产品分级　”　，而　被应用于红火蚁蚁巢检测识别的研究在　内外鲜　见报道。为此，本研究利Ｈｊ计算机视觉技术来研究　红火蚁蚁巢，通过获墩红火蚁蚁巢　像，利川数学　形态学图像处理对数字　像进行目标提取，建　蚁　巢冈像的ＨＳＶ彩色守问模型对红火蚁蚁巢进行榆　测识别。为建立基于图像信息的检测识别模　提　供理论依据和技术支持。　１材料与方法　１．１试验设计　图像试验设计在华南农业大学丘ｉ…　‘场　坪　内进行，选择了红火蚁蚁巢土、草以及普通　３种　地物进行拍照，随机选择ｊ，１２个红火蚁蚁巢，每个　蚁巢拍摄８张照片，建立９６张照片的数掂库；歼　红火蚁蚁巢附近对ｌ２处裸露的普通土进行　像采　集，每处普通土采集８张照片，建　与红火蚁蚁巢　土图像对应的９６张照片的数据库。其中，采集Ｊ　相关的地物，包括红火蚁蚁巢土、草以及普通土以　备后续实验之用。　１．２数据项目与测定方法　在对目标进行采集陶像时，埘ｌ２个蚁巢以及　蚁巢附近裸露的普通土用Ｃａｎ（）ｌｌ　ＥＯＳ　６００Ｄ　数码　单反相机拍摄垂直正面图像，每个蚁巢拍摄８张照　片，每处普通土也拍摄８张照片　、拍摄时．＿［手ｊ一脚　架同定相机，镜头为与垂商距离蚁巢中心点５０　Ｃｌｌｌ　处，调整焦距使蚁巢清晰并充满视场，同定焦距，已　自动曝光模式控制曝光时间卜ｊ色彩平衡　、　像采　集后以ＪＥＰＧ格计算机，依次编号等待处理。　１．３图像数据处理　通过ＭＡＴＩ　ＡＢ软件编程，在红火蚁蚁巢土原　图图像下．如冈１所示．．在红火蚁蚁巢土　像的识　别中，将红火蚁蚁巢土区域从草的背景中分割ｍ　来是非常重要的一环。对红火蚁蚁巢土背景进行　分割时发现，常川的闽值分割法对正常红火蚁蚁　巢土分割效果不好，｝｝Ｉ于　像中各物体的灰度值　范围有较大重叠，难以达到满意效果。Ｉ六】此对原　始图像进行Ｒ、Ｇ、Ｂ、Ｙ、Ｕ、Ｖ　６个通道提取比较，分　别见图２。发现ｌ　分量得到的图片（如图２ｆ所　示），土壤与草是最容易分辨。分折Ｉ’分量图片的　灰度商方冈，红火蚁蚁巢土的灰度主要集中在０值　附近，而革的灰度主要集中在２５５值附近　将阀值　选定为１２８，把灰度图像转化成为二值图像。经形　态学图像处理运算，得到从背景中提取ｆ｛Ｉ来的二值　化蚁巢模板，再存源　像中做线性运算，把红火蚁　蚁巢从背景ｒＩＪ提取ｆＩＩ米（如图３ｂ所示）。　图１　红火蚁蚁巢原图像　Ｆｉｇ．１　Ｔｈｅ　ｎｅｓｔ　ｉｍａｇｅ　ｏｆ　ｒｅｄ　ｆｉｒｅ　ａｎｔ　进一・步通过ＲＧＢ模型经色彩转换对从背景ｌ｝１　提取ｍ米的红火蚁蚁巢（如冈３ｈ所示）建立ＨＳＶ　彩色空间模犁　，分别提取，，、ｓ、　分　均ｆｆｆ进　行统计分析．　．问，号虑到任ＨＳＶ模型ｌｌｆ】饱和度　Ｓ、亮度　容易受　像采集环境影响，猜想可以利　用色相日值对蚁巢土进行｝．【ｌ别并随机选取８组　像数据对猜想加以验证。冉利川随机分选法　。　将采集的９６组数据随机分成２个集合：校正集（６４　组）和验证集（３２组），最后通过校正集对红火蚁　蚁巢土和普通土进　统汁分析。选取能够　分两者　的合适阈值，并利片】验证集的数据加以验证　、　程序如下所示：　１）获取图像转化为ｈｓｖ图像　ｈｓｖ＝ｒｇｂ２ｈｓｖ　２）提取ｖ分量　ｖ＝ｈ　，（：，：，３）：　
幕５Ｉ卷　ｉＩ　Ｒ分量　ｃ　Ｂ分量　ａ　Ｒ　ｃｏｍｐｏｎｅｎｔｓ　ｃ　ｃｏｍｐｏｎｅｎｔｓ　：１　１分量图片　ｂ分割出来的蚁巢｛．　ＣＯｌｌｌｐｏｆｌｅｎｌ　ｓ　ｂ　Ｓｏｉｌ　ｓｅｇｍｅｎｔｅｄ　ｏｒ＂ｉｌｅｓｔ　圉３　图像预处理及蚁巢提取　Ｆｉｇ．３　Ｐｒｅｔｒｅａｔｍｅｎｔ　ｏｆ　ｔｈｅ　ｐｉｃｔｕｒｅ　ａｎｄ　ｅｘｔｒａｃｔｉｏｎ　ｏｆ　ｔｈｅ　ｆｏｒｍｉｃａｒｙ　３）自动选取闽值进行二值化　区分蚁巢土与普通土。从ｌ２组中取其中清晰有代　］ｅｖｅｌ＝ｇｒａｙｔｌｕ‘ｅｓｈ（、　）；　表性的红火蚁蚁巢土和普通土各８个样本，将８个　ＢＷ＝ｉａｒ２ｂｗ（ｖ，Ｊｅｖｅ１）　样本的红火蚁蚁巢土币¨普通土取８个的同一样本　号并取其颜色分量Ｈ、Ｓ、Ｖ的均值，如图４所示．　２结果与分析　各红火蚁蚁巢土和普通土样本的　分量差异　２．１　应用图像Ｈ分量识别红火蚁蚁巢可行。陛　明显，特别是普通土　分量明显大于红火蚁蚁巢　验证　土。由此，叮考虑利用　分量来　分红火蚁蚁巢　ＨＳＶ彩色空问模型中，饱和度Ｓ、亮发　容易　七和普通土，　受图像采集环境影响，考虑利用色调Ｈ值对蚁巢　２．２提取校正集图像Ｈ分量区分红火蚁蚁巢土　Ｌ进行识别。　和普通土　将ＲＧＢ包彩模型转为埘颅色视觉感受比较直　由上分析可知，数字　像的Ｈ分鞋可作为识别红　观的ＨＳＶ彩色空问模型。利用其分量不变性进行　火蚁蚁巢土的特征参数，用于区分红火蚁蚁巢土和普　Ｉ皋Ｊ像变换可以消除自然条件下光照对作物图像的　通土。只要选取合适的阈值对蚁巢士和普通土加以　影响。由于草与土壤在色彩和形态学』　差较大，在　区分，就能达到检测识别红火蚁蚁巢的效果。　蚁巢提取过程巾已作为背景滤除掉，此处仪需考虑　分析校正集图像Ⅳ值（如图５所示），可知普　
第２期　吴伟斌，等：基于计算机视觉技术的红火蚁蚁巢探测　１８７　口０ｓ写０昌００≈　ｎ１矗　１０　０∞磊口宣０　通土一般色调分量日＞３０，而红火蚁蚁巢土的色调　∞　如　加　ｍ　５　０　∞　土和普通土的阈值标准。与普通土对比时，当图像　∞　∞　加：２　ｍ　５　Ｏ　分量Ｈ＜３０，因此，日＝３０可作为区分红火蚁蚁巢　色相分量Ｈ＜３０，判定为红火蚁蚁巢。　趔　趔　删　警　峦　口。晒写口—蜀０口　为∞如加如　图４　红火蚁蚁巢土和普通土的日、ｓ、ｙ分量比较图　ｍ　０　Ｆｉｇ．４　Ｒｅｌａｔｉｖｅ　ｇｒａｐｈｒｓ　ｏｆ日。Ｓ－Ｖ　ｃｏｍｐｏｎｅｎｔｓ　ｂｅｔｗｅｅｎ　ｏｒｄｉｎａｒｖ　ｓｏｉｌ　ｆｏｒｍｉｃａｒｙ　ｓｏｉｌ　ｏｆ　Ｓｏｌｅｎｏｏｓｉｓ　ｉｎｖｉｃｔａ　表１　验证集蚁巢土与普通土日分量值的统计分析　Ｔａｂｌｅ　１　Ｒｅｃｏｇｎｉｔｉｏｎ　ｒａｔｅ　ｏｆ　ｆｏｒｍｉｃａｒｙ　ｉｍａｇｅ　ａｎｄ　ｖａｌｕｅｓ　０ｆ　Ｈ　ｃｏｍｐｏｎｅｎｔ’Ｓ　ｓｔａｔｉｓｔｉｃｓ　ｏｎ　ｖａｌｉｄａｔｉｏｎ　ｓｅｔ　ｏｆ　ｆｏｒｍｉｃａｒｙ　ｓｏｉｌ　ａｎｄ　ｏｒｄｉｎａｒｙ　ｓｏｉｌ　１　５　９　１３　１７　２ｌ　２５　２９　３３　３７　４ｌ　４５　４９　５３　５７　６１　６５　校正集图像组别序号　Ｎｕｍｂｅｒ　ｏｆＣｏｒｒｅｃｔｅｄ　ｉｍａｇｅ　ｇｒｏｕｐ　图５　校正集红火蚁蚁巢土与晋通土日分量的值比较图　Ｆｉｇ．５　Ｔｈｅ　ｒｅｌａｔｉｖｅ　ｇｒａｐｈ　ｏｆ　ｖａｌｕｅｓ　ｏｆ　Ｈ　ｃｏｍｐｏｎｅｎｔ　ｏｎ　ｃａｌｉｂｒａｔｉｏｎ　ｓｅｔ　ｏｆ　Ｓｏｌｅｎｏｐｓｉｓ　ｉｎｖｉｃｔａ’Ｓ　ｆｏｒｍｉｃａｒｙ　ｓｏｉｌ　ａｎｄ　ｏｒｄｉｎａｒｙ　ｓｏｉｌ　２．３试验结果验证　３　结论　利用验证集进行阈值选择合理性检验。提取　１）利用计算机视觉技术，对采集回来的红火　验证集３２组图像的色调分量日值进行分析（如图　蚁巢穴原始图像进行Ｒ、Ｇ、Ｂ、Ｙ、Ｕ、Ｖ６个分量的比　６所示），探寻利用计算机视觉技术对红火蚁蚁巢　较，提取红火蚁蚁巢及周边地物的特征参数，通过　进行检测的识别率。从表１得知，当判决阈值选为　二值化图像把红火蚁蚁巢土和草分割开来，同时二　日＝３０时，在验证集中红火蚁蚁巢土和普通土的误　值变换的结果图像具备良好的保形性，不容易丢失　判组数各为１组，图像识红火蚁蚁巢的识别率为　有用的形状信息。在红火蚁巢穴图片的信息量很　９３．７５％，说明利用计算机视觉技术检测识别红火　大的情况下，采用二值图像进行处理，能大大地提　蚁蚁巢的方法是可行的，且识别率较高。　高处理效率。获取检测识别蚁巢样本的图像信息，　实现大信息量多层次判决。　２）利用图像处理技术，能够从周边地物中提　取出红火蚁蚁巢土，将Ｒ、Ｇ、Ｂ颜色模型转为对颜　丑　ｊ型　色视觉感受比较直观的ＨＳＶ颜色模型，利用ＨＳＶ　雹　彩色空间模型分析提取出的红火蚁蚁巢土和普通　土，选取合适的阈值对蚁巢土和普通土加以区分。　１　３　５　７　９　１１　１３　１５　１７　１９　２ｌ　２３　２５　２７　２９　３１　３３　将红火蚁巢土跟普通土日值进行分析比对，得出　验证集图像组别序号　Ｎｕｍｂｅｒ　ｏｆｖａｌｉｄａｔｉｏｎ　ｓｅｔ　ｉｍａｇｅ　ｇｒｏｕｐ　Ｈ＝３０的阈值，从而提高检测识别红火蚁蚁巢的效　图６　验证集红火蚁蚁巢土与普通土日分量的值比较　果。而且多次试验比对，对红火蚁蚁巢土识别率达　Ｆｉｇ．６　Ｔｈｅ　ｒｅｌａｔｉｖｅ　ｇｒａｐｈ　ｏｆ　ｖａｌｕｅｓ　ｏｆ　Ｈ　ｃｏｍｐｏｎｅｎｔ　到９３．７５％。　ｏｎ　ｖａｌｉｄａｔｉｏｎ　ｓｅｔ　ｏｆ　Ｓｏｌｅｎｏｐｓ￣ｉｎｖ　ｔａ’Ｓ　３）利用计算机视觉技术检测识别红火蚁蚁巢　ｆｏｒｍｉｃａｒｙ　ｓｏｉｌ　ａｎｄ　ｏｒｄｉｎａｒｙ　ｓｏｉｌ　是可行的。在今后的研究中，要增加试验样本的数　
ｒ；ｒＬ　ｒ｝ｒＬ　ｌ８８　１　河南２　农３　业大４　学学５　报　６　７　８　第５１卷　１ｊ量以及样本的广泛性，建立统一的模型将图像处理　的信息组织起来，以进一步完善快速检测方法，促　进该技术在病虫防治、地物分析中的应用与推广。　同时也可以尝试将光谱信息与数字图像处理相结　合把两者数据融合起来，构建出实时性好、准确性　高的基于光谱信息与图像处理的红火蚁蚁巢快速　检测系统。　参考文献：　赵德全，覃建军，庹新华．红火蚁对人类健康和经济　发展的影响［Ｊ］．作物研究，２０１２，２６（５）：１７４—１７５．　潘运方．红火蚁对水利水电工程的危害及其防治对　策［Ｊ］．广东水利水电，２０１３（９）：７—１３．　赵朔，丁建云．北京市红火蚁传人风险评估与防控对　策探讨［Ｊ］．中国植保导刊，２０１２，３２（４）：５５—５７．　官迪．红火蚁工蚁对告警信息素及其类似物的电生　理和行为反应的研究［Ｄ］．：湖南农业大学，２０１３：　ｌ一５５．　林嵩．红火蚁的危害及防控措施［Ｊ］．海峡预防医学　杂志，２０１２，１８（３）：２４—２７．　陆永跃．中国大陆红火蚁远距离传播速度探讨和趋　势预测［Ｊ］．广东农业科学，２０１４，１８（１０）：８０—８２．　黄可辉，黄振．红火蚁形态学、生物学与防控对　策［Ｊ］．江西农业学报，２０１１，２３（９）：８３—８５．　张波，赖韦文，王美兰，等．广东农林外来有害生物红　］Ｊ　１ｊ］Ｊ　火蚁入侵历史考察［Ｊ］．福建林业科技，２０１５（３）：　１５２—１５７．　［９］李宏玉．红火蚁鉴别与防治方法概述［Ｊ］．中国植保　导刊，２０１５，３５（３）：８６—８８．　［１０］张玲，邹承俊，何兴无．计算机视觉技术在农业自动　化中的应用［Ｊ］．电脑知识与技术，２０１４，１０（３１）：　２３６—２３７．　［１１］周正．基于计算机视觉技术的番茄病害识别研究　［Ｄ］．长沙：湖南农业大学，２０１３．　［１２］程术希．基于光谱和成像技术的作物病害不同侵染　期快速检测方法研究［Ｄ］．杭州：浙江大学，２０１４．　［１３］王海超，高雄，陈铁英，等．农作物病害检测中光谱和　图像处理技术现状及展望［Ｊ］．农机化研究，２０１５，　ｌ（１Ｏ）：［１４］郭志明．基于近红外光谱及成像的苹果品质无损检　测方法和装置研究［Ｄ］．北京：中国农业大学，

《正在进行安全检测....doc》

将本文的Word文档下载到电脑，方便收藏和打印

推荐度：

点击下载文档

文档为doc格式

相

关

案

例

正在进行安全检测...

相关推荐

推荐内容