基于机器视觉的害虫种类及计数检测研究-人工智能项目-附代码

本文主要是介绍基于机器视觉的害虫种类及计数检测研究-人工智能项目-附代码,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

概述

  • 农业与民生和经济发展息息相关,对农业发展科学化的关注既是民生需求,

  • 也是经济稳步发展的迫切需求。病虫害是影响农作物生长的重要因素,对农作物的产量和品质都能造成无法估计的损害。
    -在这里插入图片描述

  • 针对目前广大农业产区农业植保人员稀缺、病虫害识难度大等问题,论文在当前已有的研究基础上进行设计,提出了一套基于机器视觉的远程害虫种类识别
    和数量检测系统,该系统能够在农业产区进行害虫捕杀和图像采集,同时将昆虫 图像上传到虫类鉴别服务器进行昆虫识别。

  • 论文以机器视觉为核心,利用 OpenCV 开源视觉库,研究和实现了昆虫识别的完整流程。论文

研究的内容主要包括:

  • (1) 对昆虫图像进行图像预处理的研究。使用了加权平均法对图像进行灰度化
    处理,再使用高斯滤波对图像进行平滑处理,最后使用大津法对灰度化后的图像 进行二值化处理。
  • (2) 对昆虫图像进行特征提取的研究。使用 OpenCV 对二值化后的图像进行轮
    廓查找,同时实现昆虫计数,然后分别针对昆虫轮廓的矩形度、延长度、似圆度、 球状性、叶状性进行数学定义和特征提取。
  • (3) 对昆虫识别进行了分类器的研究。选取了逻辑斯蒂回归模型、线性 SVM 模 型和 K
    临近模型进行分类器的训练和测试,比较了三种分类器在昆虫识别上的性 能。

论文对基于机器视觉的昆虫种类及数量检测机制进行了研究,并在此基础实
现了昆虫的识别和计数。
在这里插入图片描述

识别

PC 上的昆虫分类识别软件为了能够对本次设计进行原理论证和测试,使用 Python 作为编程语言,开发了一款在 Windows10 上运行的软件。具体程序界面如图 2.7 所示:
在这里插入图片描述
界面中包括:一个用以预览摄像头的窗口,一个用来显示处理之后图像的窗口,一个用来显示识别结果的标签和一个用来点击进行拍照的按钮。
图 2.8 介绍了论文设计的分类识别软件的运行过程。
在这里插入图片描述

昆虫图像的预处理

3.2.1 图像的灰度化,高斯滤波和尺度变换

  • 在机器视觉领域中,灰度图像是指将每个像素通过 8 位非线性尺寸保存,共计 256 种灰度

  • 针对论文进行形态特征提取的方式,进行灰度化即抛弃了不需要的颜色特征等信息,又保留了对于形态特征提取有用的信息,同时易于编程,提高了运算速度。
  • 论文使用灰度处理算法中的加权平均法对昆虫图像进行灰度化处理,由于科学研究中人眼对对蓝色敏感度最低,绿色的敏感度最高,因此,论文按照式(3.1)
    对 RGB 图像中的三种分量进行加权平均,最终能得到合理的灰度图像

gray(݅, ݆) = 0.30 ∗ ܴ(݅, ݆) + 0.59 ∙ ܩ(݅, ݆) + 0.11 ∙ ܤ(݅, ݆) (3.1)

图灰度化后的样本图片,如图 3.3 所示。

3.3.1 检测轮廓

  • 在此次毕业设计中,我使用开源计算机视觉库 OpenCV 作为图像处理的工具,
  • OpenCV 的 Imgproc 模块在物体识别方面提供了函数 findContours()用于对物体 轮廓进行检测,该函数的实现算法是由
    S.Suzuki K. Abe 于 1985 年发表在 CVGIP 上的论文“Toplogical Structrual Analysis
    of Digitized Binary Images by Boder
    Following”[8]中提出的,论文中详细叙述了轮廓决定层次结构的规则以
  • 及轮廓检测的方法,设计中使用 findContours()函数对昆虫图像进行处理,为
    获得昆虫图像中昆虫的轮廓,为之后昆虫轮廓特征值的提取打下基础。

3.3.2 昆虫计数

  • OpenCV 中对于轮廓检测提供了函数findContours(),该函数对昆虫图像预 处理后的二值化图像进行检测,返回一个点集列表,其中每一个点集都代表了图像中封闭的轮廓包含的点的集合。后续的昆虫特征提取都是在检测轮廓得到轮廓 点集列表的基础上完成的。
  • 通过对 findContours()函数返回的点集列表进行计数,点集的个数则大概代表了图像中轮廓的个数,应在在实际场景中,则轮廓的个数代表了一张纸上大米的粒数,也代表了设计场景中一张苍蝇粘板上苍蝇等昆虫的个数。
  • 使用大米计数的样本图片进行原理论证,效果图如图 3.5 所示
    在这里插入图片描述

计数

苍蝇粘板数目检测的实际效果图如图 3.6 所示,
在这里插入图片描述

图 4.2 是获取昆虫图像最小外接矩形和计算矩形度的效果图:

在这里插入图片描述

延长度特征的提取效果如图 4.5 所示:

在这里插入图片描述

昆虫轮廓的球状性特征提取效果如图 4.6 所示

在这里插入图片描述

创新点

设计的创新点在于:

  • (1) 针对农业产区广泛存在的农业害虫检测识别问题,提出了一种基于机器 视觉的害虫种类及数量检测方案。

  • (2) 在参考已有的论文的理论基础之上,提出了针对每一个昆虫形态特征的 提取方案。

  • (3) 在进行分类器训练时,引入了多种分类器算法,并进行训练和测试,能 够在比较分析结果后选择较为理想的分类器算法作为实际使用时的算法。

  • (4) 开发了一套基于 PC 机的识别软件,能够使用摄像头拍着昆虫图片的方 式进行昆虫的识别。

代码

# 全部代码  ------> qq1309399183
# 先读图,然后二值化,通过找轮廓来进行计数import cv2
import numpy as np
from matplotlib import pyplot as pltorigin = cv2.imread('picture/ttt.png')
RiceImg = cv2.imread('picture/ttt.png', 0)blur = cv2.GaussianBlur(RiceImg, (5, 5), 0)# 大津法二值化:此处可以用原理代码来巴拉巴拉一大段
ret, otsu = cv2.threshold(blur, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)
# 输出阈值
print ret# 找轮廓
contours = cv2.findContours(otsu, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
num = len(contours[1])
print num
# 画轮廓
cv2.drawContours(origin, contours[1], -1, (0, 0, 255), 1)
cv2.putText(origin, 'Insect Num:  ' + str(num), (1, 50), cv2.FONT_HERSHEY_SIMPLEX, 1, (50, 50, 50), 2, cv2.LINE_AA)cv2.namedWindow('RiceO', cv2.WINDOW_AUTOSIZE)
cv2.imshow('RiceO', origin)cv2.imwrite('picture/tttresult.jpg',origin)
k = cv2.waitKey(0)# 'ESC'
if k == 27:cv2.destroyAllWindows()

这篇关于基于机器视觉的害虫种类及计数检测研究-人工智能项目-附代码的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/564518

相关文章

深度解析Java项目中包和包之间的联系

《深度解析Java项目中包和包之间的联系》文章浏览阅读850次,点赞13次,收藏8次。本文详细介绍了Java分层架构中的几个关键包:DTO、Controller、Service和Mapper。_jav... 目录前言一、各大包1.DTO1.1、DTO的核心用途1.2. DTO与实体类(Entity)的区别1

Java中调用数据库存储过程的示例代码

《Java中调用数据库存储过程的示例代码》本文介绍Java通过JDBC调用数据库存储过程的方法,涵盖参数类型、执行步骤及数据库差异,需注意异常处理与资源管理,以优化性能并实现复杂业务逻辑,感兴趣的朋友... 目录一、存储过程概述二、Java调用存储过程的基本javascript步骤三、Java调用存储过程示

Visual Studio 2022 编译C++20代码的图文步骤

《VisualStudio2022编译C++20代码的图文步骤》在VisualStudio中启用C++20import功能,需设置语言标准为ISOC++20,开启扫描源查找模块依赖及实验性标... 默认创建Visual Studio桌面控制台项目代码包含C++20的import方法。右键项目的属性:

如何在Spring Boot项目中集成MQTT协议

《如何在SpringBoot项目中集成MQTT协议》本文介绍在SpringBoot中集成MQTT的步骤,包括安装Broker、添加EclipsePaho依赖、配置连接参数、实现消息发布订阅、测试接口... 目录1. 准备工作2. 引入依赖3. 配置MQTT连接4. 创建MQTT配置类5. 实现消息发布与订阅

MySQL数据库的内嵌函数和联合查询实例代码

《MySQL数据库的内嵌函数和联合查询实例代码》联合查询是一种将多个查询结果组合在一起的方法,通常使用UNION、UNIONALL、INTERSECT和EXCEPT关键字,下面:本文主要介绍MyS... 目录一.数据库的内嵌函数1.1聚合函数COUNT([DISTINCT] expr)SUM([DISTIN

springboot项目打jar制作成镜像并指定配置文件位置方式

《springboot项目打jar制作成镜像并指定配置文件位置方式》:本文主要介绍springboot项目打jar制作成镜像并指定配置文件位置方式,具有很好的参考价值,希望对大家有所帮助,如有错误... 目录一、上传jar到服务器二、编写dockerfile三、新建对应配置文件所存放的数据卷目录四、将配置文

Java实现自定义table宽高的示例代码

《Java实现自定义table宽高的示例代码》在桌面应用、管理系统乃至报表工具中,表格(JTable)作为最常用的数据展示组件,不仅承载对数据的增删改查,还需要配合布局与视觉需求,而JavaSwing... 目录一、项目背景详细介绍二、项目需求详细介绍三、相关技术详细介绍四、实现思路详细介绍五、完整实现代码

Go语言代码格式化的技巧分享

《Go语言代码格式化的技巧分享》在Go语言的开发过程中,代码格式化是一个看似细微却至关重要的环节,良好的代码格式化不仅能提升代码的可读性,还能促进团队协作,减少因代码风格差异引发的问题,Go在代码格式... 目录一、Go 语言代码格式化的重要性二、Go 语言代码格式化工具:gofmt 与 go fmt(一)

怎么用idea创建一个SpringBoot项目

《怎么用idea创建一个SpringBoot项目》本文介绍了在IDEA中创建SpringBoot项目的步骤,包括环境准备(JDK1.8+、Maven3.2.5+)、使用SpringInitializr... 目录如何在idea中创建一个SpringBoot项目环境准备1.1打开IDEA,点击New新建一个项

C++ 检测文件大小和文件传输的方法示例详解

《C++检测文件大小和文件传输的方法示例详解》文章介绍了在C/C++中获取文件大小的三种方法,推荐使用stat()函数,并详细说明了如何设计一次性发送压缩包的结构体及传输流程,包含CRC校验和自动解... 目录检测文件的大小✅ 方法一:使用 stat() 函数(推荐)✅ 用法示例:✅ 方法二:使用 fsee