基于机器视觉的储粮害虫多目标定位与种类识别技术

本篇论文研究论文《基于机器视觉的害虫多目标定位与识别》由沈驭风、周慧玲和李江涛三位作者共同完成，他们在北京邮电大学自动化学院展开研究，重点关注的是如何利用计算机视觉技术在粮食保管领域中的实际应用。论文旨在解决储粮害虫的多目标定位与种类识别问题，这是一项关键任务，因为它能为粮食保管人员提供科学的防治依据，有助于保障粮食的安全。 研究团队构建了一个包含8种常见储粮害虫、6类图像数据集，这些数据集来自于一套专门设计的储粮害虫诱捕装置和图像采集系统。他们利用图像的特性，采取阈值分割和分水岭算法来实现害虫的多目标定位，将多头害虫的识别问题分解为单个个体的处理，简化了后续分析的复杂性。 针对只有单头害虫图像的数据集，作者们采用了可变阈值方法进行图像分割，并通过孔洞填充和最大面积滤波等手段优化处理结果。在此基础上，他们提取了形态学特征（如边缘、形状）、Hu不变矩特征（用于描述图像的稳定性和不变性）以及颜色特征，这些特征对于区分不同种类的储粮害虫至关重要。 为了进行害虫的种类识别，研究者们训练了一种支持向量机（SVM）分类器，该模型在图像中的应用达到了令人满意的性能。具体来说，定位的平均召回率达到了95.1%，而害虫种类识别的平均召回率也达到了91.0%，这表明该方法具有较高的准确性和实用性。 论文的关键点包括储粮害虫图像处理技术、多目标定位算法（如分水岭算法）、以及基于机器视觉的种类识别策略。这项研究不仅提供了有效的害虫监测工具，还为粮食储存管理领域的决策支持提供了强有力的技术支持。论文的成果对于提高粮食储存安全性、减少损失以及推动农业信息技术的发展具有重要意义。