[发明专利]基于标本图像的鳞翅目昆虫种类自动鉴别方法

说明书

技术领域

本发明涉及一种基于标本数字图像的昆虫种类自动鉴别方法，特别是对鳞翅目昆虫的自动鉴定，可应用于植物检疫、植物病虫害预测预报及其防治等领域，或可作为重要组成部分用于生态信息学研究的借鉴和参考。该项技术可被海关、植物检疫部门、农林病虫害防治等部门所采用。可为不具备有关专业知识的基层工作人员或农民提供自动鉴别的手段。

背景技术

鳞翅目(Lepidoptera)是昆虫纲中第二大目，由于身体和翅膀上披有大量鳞片而得名。鳞翅目幼虫多为植食性，对农作物造成的危害较大，鳞翅目成虫一般不为害寄主，但有部分害虫如吸果叶蛾，喙尖，刺破果皮吸取汁液，对果实造成危害。因此，有效鉴定鳞翅目对病虫害的防治具有重要意义。

传统的昆虫分类与识别仅局限于少数昆虫研究者、植保科技工作者，依靠手工检查、肉眼观察形态特征进行，需要坚实的昆虫分类知识和经验的积累，除少数专家外，一般人难于掌握，且结果通常为辨别者的主观情绪所影响，识别率不稳定，尤其在时间长、工作量大的情况下，误判率增加。检测不能实时动态进行、需要大量人工、采样点不够，这在很大程度上限制了人们对昆虫的认识的普及度，常常给农业生产和经济活动带来巨大的损失。将先进的图像处理、模式识别等计算机视觉及信号处理技术应用于昆虫分类与识别领域，实现昆虫的自动识别，对于促进人类认识的普及度；减少农业生产中因为昆虫引起的病害、避免经济损失；有效的保护珍稀昆虫物种，维护生态环境平衡，具有不可忽略的作用。

数字图像处理技术是20世纪60年代随着计算机技术和VLSI(超大规模集成电路)的发生、发展和不断成熟起来的一个新兴技术领域，并在90年代取得较大的发展。在航空航天、生物特征识别、生物医学工程、机器视觉、多媒体信息处理等领域得到广泛应用，并取得很好的效果。但数字图像处理技术应用于昆虫识别领域的研究才刚刚处于起步阶段，有关文献尚不多见，在技术实现上还有待进一步开发和完善。

昆虫数学形态学与计算机技术相结合的研究主要从20世纪90年代开始。英国政府于1996年发起DAISY(Digital Automated Identification SYstem)研究工程，在全世界范围内掀起了有关昆虫自动识别研究的热潮。经过十多年的研究和探索，目前最具代表性的昆虫自动识别软件有Steinhage等开发的ABIS(Automatic Bee IdentificationSystem)、Weeks等开发的DAISY和以及Russell和Martin开发的SPIDA(SPeciesIDentitfied Automatically)，Tofilski等开发的软件DrawWing等。

在国内，中国农业大学沈佐锐教授指导的IPMIST(植保生态智能技术系统)实验室从1997年起开始利用计算机模式识别的手段进行昆虫种类鉴定，并在昆虫的图像采集、利用及昆虫图像的数学形态学方面展开了较深入的探讨，利用神经网络对昆虫进行了自动鉴别，在昆虫形态自动测量与种类自动鉴定方面取得了一系列进展。赵汗青等用虫体面积、周长等11项数学形态特征对40种昆虫实现自动鉴别；姚青等以翅面正投影周缘曲率为指标，对五种蛾类迁飞昆虫及与其近似的非迁飞昆虫的前翅翅形进行数值分析和比较；黄世国等也对基于图像的昆虫识别关键技术进行了系统性的研究，对基于形状特征、纹理特征及形态学、本体的昆虫识别算法进行了研究，但其实验数据集仅包含五类昆虫样本，结果还有待用更充分的实验数据来证明。

上述研究结果有的是基于翅脉特征，有的是基于形状特征，翅脉特征对膜翅目昆虫比较适用，鳞翅目昆虫要提取翅脉特征，首先要使用化学方法去除翅面的鳞片和色斑，通过扫描获取到蝴蝶翅脉图片，过程复杂且容易损坏标本；而形状特征则对昆虫的姿态、尺度变化敏感，而且如果昆虫标本有残缺时就难以正确识别。多数方法的研究结果都是基于有限类昆虫的小样本库试验，在识别正确率，识别时间性能等方面还有待进一步验证，还没有达到可以直接应用于生产的程度。

发明内容

本发明的目的在于提供一种自动识别鳞翅目昆虫图像的方法。它主要解决由昆虫图像样本通过计算机模式识别技术实现鳞翅目昆虫种类自动识别问题。特别是在昆虫样本有部分缺失，或是样本姿态甚至距离在有限范围内变化，仍能以较高性能有效识别出有显著特征的昆虫种类。昆虫标本无须使用化学方法去除翅面的鳞片和色斑，避免已有的基于翅脉特征的方法所带来的复杂处理过程。并解决基于图像形状特征的昆虫识别方法对残缺样本、图像尺度变化产生的精度性能下降。

本发明采用的技术方案为：