[发明专利]水稻茎基部飞虱种类及其虫态的自动分类识别方法

说明书

技术领域

本发明涉及图像自动识别技术领域，尤其涉及一种水稻茎基部飞虱种类及其虫态的自动分类识别方法。

背景技术

稻飞虱是我国水稻上最重要的一类远距离迁飞性害虫，每年给水稻生产带来的损失惊人。目前，我国稻飞虱害虫测报方法主要由农技人员定期下田利用“拍查法”对水稻田间飞虱种类及其虫态进行人工识别与计数，该方法是利用内壁已湿润的白搪瓷盘轻轻插入稻行，紧贴水稻基部，农技人员快拍水稻三次，另有一人记录飞虱数据，为防止飞虱逃逸，需快速判断和计数飞虱种类、成若虫、长短翅型和雌雄、高低龄若虫等各虫态。“拍查法”查获的飞虱率受到虫口密度、水稻生育期、盘内壁湿润程度等影响，且容易造成调查者身体和视觉疲劳，调查效率低下。

为了减轻农技人员田间飞虱调查的劳动强度和提高调查效率，2003年Park等用相机拍摄水稻飞虱图像，通过去背景和飞虱面积阈值判断来识别与计数飞虱(Park Y S，Han M W，Kim H Y，Uhm K B，Park C G，Lee J M，Chon T S.2003.Density estimation of rice planthoppers using digital image processing algorithm.Korean Journal of Applied Entomology，1，57-63)，因水稻环境复杂，文中计数方法准确率较低。刘德营、邹修国等设计了可移动式的稻飞虱图像现场采集系统，通过灯光诱集飞虱到幕布上，利用相机采集飞虱图像，通过无线网传送到服务器上，服务器端算法对图像进行三种飞虱的识别，获得较高的识别率(刘德营.稻飞虱自动识别关键技术的研究.南京农业大学，博士论文，2010.Zou Xiuguo，Ding Weimin.Design of processing system for agricultural pests with digital signal processor.Journal of Information&Computational Science，2012，9(15)：4575-4582)。但目前该系统仅获得长翅型飞虱，且需要人来操作小车和相机拍摄位置，离应用仍有一段距离。Yao等2016的专利《一种基于图像的水稻田间飞虱自动检测与计数方法》(申请号为201310079789.X)中利用经典模式识别方法对水稻基部飞虱进行检测与计数，并未对飞虱种类及其虫态进行分类识别。王凯硕士论文《基于图像的水稻田间稻飞虱分类方法研究》中利用Gabor特征训练SVM分类器进行白背飞虱各种虫态进行分类识别(王凯.基于图像的水稻田间稻飞虱分类方法研究.浙江理工大学，硕士论文，2016)。

由于水稻飞虱生态环境复杂，利用传统模式识别方法来识别飞虱各种虫态存在鲁棒性不高、分类器泛化能力差等问题，导致在实际应用中飞虱各虫态的识别率低和误检率高。因此，亟需提出一种具有高准确率和强鲁棒性的飞虱虫态识别模型是水稻田间飞虱实时、准确和智能调查的前提。

发明内容

为了克服现有识别方式所存在的鲁棒性不高、泛化能力差的缺点，本发明提供一种水稻茎基部飞虱种类及其虫态的自动分类识别方法，该方法具有较高准确率和较低误检率。

一种水稻茎基部飞虱种类及其虫态的自动分类识别方法，包括以下步骤：

(1)采集水稻茎基部的彩色图像，从彩色图像上裁剪出飞虱子图像以及与飞虱形状相似的非飞虱子图像，按比例缩放到统一尺寸后构成第一训练集；

(2)提取第一训练集中子图像的方向梯度直方图特征，训练自适应提升级联分类器；

(3)利用训练好的自适应提升级联分类器对水稻茎基部的彩色图像中的飞虱进行检测，得到目标样本，通过人工对目标样本的飞虱种类及其虫态、非飞虱噪声进行识别标记，作为第二训练集；

(4)构建深度卷积神经网络模型并利用第二训练集对其进行训练；

(5)采集待测水稻茎基部的彩色图像，利用训练好的自适应提升级联分类器对彩色图像上的飞虱进行检测，得到目标图像；利用训练好的深度卷积神经网络模型对目标图像进行飞虱种类及其虫态、非飞虱噪声进行分类识别。