[发明专利]一种应用激光技术的多维形态鉴别动植物有害生物方法

说明书

本发明提出了采用激光技术对生物形态进行测距生成初始的多维动植物有害生物形态轮廓点云数据，对初始的多维动植物有害生物形态轮廓点云数据“去噪”，重建精准的多维动植物有害生物形态轮廓点云数据，拆分精准的多维动植物有害生物形态轮廓点云数据获得基于有害生物检索表获得对于动植物有害生物区分的局部形态特征点云数据；与预先训练好的有害生物检索表中对于对应的形态特征标准点云数据库进行比对、分类检索，确定动植物有害生物种属。本方法大大缩短了生物样本多维成型的时间，提高了加涅效率；提高了生物鉴别的准确率，而且具有记忆能力，使用次数越多鉴别速度越快、准确性越高。

技术领域

本发明属于人工智能的生物识别领域，具体涉及一种应用激光技术的多维形态鉴别动植物有害生物方法。

背景技术

物联网、区块链、云计算、大数据等信息技术的发展，为人工智能开辟了许多应用领域，也提出了越来越高的要求，生物特征识别是人工智能极为重要的组成部分，智能鉴别动植物有害生物(有害生物类、杂草类、软体动物类、蜘蛛类、真菌类、线虫类、原核生物类)是生物特征识别极为重要的应用领域。准确、快速、便利等问题都对动植物有害生物鉴别方法的智能化提出了很高要求。目前智能鉴别动植物有害生物方法还处于实验探索阶段，在现有实验探索的方法中，相对成熟的方法是达姆施塔特扫描图像鉴别方法，通过两个半圆形光源提供各个方向的照明，然后用一台板载数码相机来持续采集照片，通过双轴步进马达的旋转，以及机台的往复移动，相机从四面八方进行拍摄，400个不同的空间方向的25000张照片，结合到一起，就形成了一个3D模型。虽然该技术能达到扫描成像，具有数字化、远程性等特性，在动植物有害生物鉴别领域进行了尝试，但是由于达姆施塔特扫描图像鉴别方法存在单个生物样本需要400个不同空间方向拍摄25000张照片，整个过程需要精准定位、多次摆位、多次拍摄，历时数个小时完成，数据量非常大，导致达姆施塔特扫描生物鉴别在目前还只能处于实验阶段，难以进入应用。

发明内容

本发明提出了采用激光技术对生物形态进行测距生成初始的多维动植物有害生物形态轮廓点云数据，对初始的多维动植物有害生物形态轮廓点云数据“去噪”，重建精准的多维动植物有害生物形态轮廓点云数据，拆分精准的多维动植物有害生物形态轮廓点云数据获得基于有害生物检索表获得对于动植物有害生物区分的局部形态特征点云数据；与预先训练好的有害生物检索表中对于对应的形态特征标准点云数据库进行比对、分类检索，确定动植物有害生物种属。

一种应用激光技术的多维形态鉴别动植物有害生物方法，其特征在于，该方法采用非接触式的激光扫描成像技术，由激光发射器向动植物有害生物样本表面投射激光，投射的激光经动植物有害生物样本表面形状和间隙调制后，形成漫反射光，通过感光传感器接收反射光后形成的激光，根据发射激光的时间与光接收传感器接收激光的时间的差值，计算出待测生物样本表面的测试点到发射器之间的相对距离，并利用三角关系即可计算出变化前后像点位置关系，简便快速对生物形态特征进行一次性测距形成初始生物形态多维轮廓电子点云数据；具体操作步骤如下：

第一步：开启激光扫描设备，然后预热，检查设备、网络、软件系统；保持硬件设备、网络、软件系统等处于正常工作状态。

第二步：放置待测有害生物样本，扫描采集待测有害生物样本获得初始多维样品形态轮廓点云数据；待测有害生物样本根据有害生物的形态特征扫描需要，对待测有害生物样本进行扫描前处理，保证形态特征清晰、完整。

第三步：“去噪”重建待测有害生物样本精准多维有害生物形态轮廓点云数据；对于动植物有害生物的“去噪”有卡尔曼滤波算法、高斯滤波算法和拉普拉斯算法。

第四步：拆分没有噪点的精准的多维有害生物形态轮廓点云数据；对于动植物有害生物的分割有马尔可夫模型算法的分割算法、法线矢量及一致化算法。