[实用新型]水稻害虫实时分类系统

说明书

技术领域

本实用新型涉及植保技术领域，尤其涉及一种水稻害虫实时分类系统。 

背景技术

农作物病虫害是我国的主要农业灾害之一，它具有种类多、影响大、并时常暴发成灾的特点，其发生范围和严重程度对我国国民经济、特别是农业生产常造成重大损失。据资料显示，全世界每年至少有6％的农作物在生长期为害虫所吃，如果人力、物力和技术跟不上，可能会达到10％-30％，而在我国由于虫害，全国每年粮棉损失15％左右，造成这种状况的主要原因就是害虫检测预报不准确、不及时，防治错过时机。 

水稻是世界主要粮食作物之一。我国水稻播种面积占全国粮食作物的1/4，而产量则占一半以上。浙江省水稻种植面积和产量也位居国内前列。所以，对水稻虫害的研究是十分有必要的。 

传统的人工检测通常采用盘拍、诱集等方法，利用人工感官在现场检查害虫，借助放大镜、显微镜等工具或直接用肉眼判别害虫的种类，并统计数量。该方法是一种最直观、简便、但很粗放的方法，调查工作量大，单次检测覆盖面积小，效率较低，调查成本高。 

发明内容

本实用新型提供了一种水稻害虫实时分类系统，该系统解决了传统分类方法工作量大，效率低，成本高的问题。 

一种水稻害虫实时分类系统，包括： 

摄像头，拍取被测害虫的图像； 

视频解码模块，将图像解码后输入处理器； 

存储模块，存储图像和样本训练结果； 

处理器，根据样本训练结果对被测害虫进行分类； 

显示屏，显示分类结果。 

优选的，上述系统还包括无线传输模块。 

一种上述系统的害虫实时分类方法，包括样本训练和样本检测： 

所述的样本训练包括： 

(1)收集各种水稻害虫的训练样本若干，获取图像； 

(2)对图像进行灰度转换，转换前需要将图像的背景去除得到害虫的图像，灰度转换的公式为y＝0.3r+0.59g+0.11b，其中：y表示灰度化后的灰度值，r表示图像红色分量的值，g表示图像绿色分量的值，b表示图像蓝色分量的值； 

(3)灰度转换后，采用压缩感知算法抽取图像的特征值； 

以图像尺寸i×h为例(i为行，h为列)，以各像点的灰度值的为元素构建灰度矩阵，以行堆叠，使其成为一个行向量p(p∈R^1×n，n＝i×h)，p与随机的压缩感知观测矩阵 相乘得到图像的特征值(向量)x， (x∈R^1×m)， 为高斯随机矩阵，n表示行数，m表示列数，且m＜＜n。 

(4)所述的样本检测包括： 

获取测试样本的图像，按步骤(2)、(3)对测试样本的图像进行处理，获得测试样本的图像的特征值，利用最邻近算法，确定测试样本的类型。 

最邻近算法包括：计算测试样本图像的特征值与训练样本图像的特征值之间的距离，如果一类害虫包括多个训练样本，则对所有距离求平均，找到平均距离最小的训练样本，该训练样本的害虫类型即为测试样本的害虫类型。计算两个特征值之间距离的公式如下： 

其中，h₁表示测试样本的图像的特征值，h₂表示训练集图像的特征值，m为图像的特征值的维数。 

本实用新型具有的有益效果是： 

(1)实现了水稻害虫的实时分类，通过无线传输，将害虫图片实时传输到远端，供植保专家进行进一步统计、存档和细分。 

(2)将压缩感知理论应用到害虫图像特征值获取中，采用随机矩阵抽取特征值，不仅有效的抑制了噪声，而且对拍照的角度和光照强度都不做要求，更加适合田间实时识别害虫。 

(3)将压缩感知理论应用到害虫图像特征值获取中，同时大大降低 了数据的维数，适合在存储、速度等有限制的下位机系统使用。 

本发明主要将压缩感知理论、最邻近分类算法与先进的数据处理器、3G无线传输方式结合在一起，设计出便携式水稻害虫快速识别系统，能够快速的给水稻害虫分类，方便农田管理人员进行防治。 

附图说明

图1为本实用新型系统的结构示意图； 

图2为本实用新型系统的操作流程图。 

具体实施方式

如图1所示的水稻害虫实时分类系统，包括处理器(CPU)1、以及与处理器1连接的视频解码模块2、由程序存储器和数据存储器组成的存储器3、两个控制按键4、四盏指示灯5、显示屏6和无线传输模块8，视频解码模块2的输入端连接摄像头7，电源模块9给上述装置供电。