糧蟲視覺檢測技術(shù)的現(xiàn)狀與展望

王貴財(cái) 張德賢 李保利 孫宜貴

(河南工業(yè)大學(xué)信息科學(xué)與工程學(xué)院，鄭州 450001)

糧蟲危害是糧食儲(chǔ)藏中較為嚴(yán)重的問題之一，糧蟲準(zhǔn)確檢測是進(jìn)行糧蟲綜合防治的一種有效手段［1－2］。目前國內(nèi)外糧蟲檢測方法主要有扦樣法、人工法、誘集法、聲音信號(hào)法、近紅外法和視覺檢測法等［3－9］。其中視覺檢測法具有準(zhǔn)確度高、勞動(dòng)量小、糧蟲圖像可視化、便于同糧庫現(xiàn)有的計(jì)算機(jī)管理系統(tǒng)相連接等優(yōu)點(diǎn)，近年來一直是糧蟲檢測領(lǐng)域的研究熱點(diǎn)，也是糧蟲檢測的主要技術(shù)手段［10－16］。糧蟲視覺檢測法分為特征獲取、糧蟲識(shí)別(糧蟲分類)和蟲群密度估計(jì)三大研究環(huán)節(jié)(如圖1所示)。本文就其研究發(fā)展?fàn)顩r和待解決問題分別從三大環(huán)節(jié)作扼要總結(jié)與評(píng)述，為今后實(shí)現(xiàn)糧蟲快速精準(zhǔn)檢測提供了新思路。

圖1 糧蟲視覺檢測技術(shù)框架

1 糧蟲視覺檢測技術(shù)研究現(xiàn)狀

1.1 特征獲取

糧蟲圖像預(yù)處理既是糧蟲視覺檢測系統(tǒng)的首要步驟也是難點(diǎn)之一。一方面糧蟲種類多、體形小且形態(tài)結(jié)構(gòu)較復(fù)雜需通過圖像預(yù)處理方法來提高識(shí)別準(zhǔn)確率。另一方面糧蟲分類器要求的訓(xùn)練樣本數(shù)量與糧蟲圖像特征數(shù)呈指數(shù)關(guān)系增長，而糧蟲圖像特征數(shù)據(jù)量龐大和冗余較大的缺點(diǎn)導(dǎo)致糧蟲訓(xùn)練樣本數(shù)量更為龐大從而加重糧蟲識(shí)別的計(jì)算量。一種切實(shí)有效的思路就是簡化表征或壓縮糧蟲圖像特征等圖像預(yù)處理方法來達(dá)到糧蟲快速識(shí)別的目的。如廉飛宇等［17－18］分別利用圖像色彩塊、HVS彩色圖像差值技術(shù)和運(yùn)動(dòng)目標(biāo)檢測實(shí)現(xiàn)糧蟲視頻圖像序列的靜態(tài)糧蟲圖像分割提取。為解決部分糧蟲種類的高相似度(如已有方法往往將銹赤扁谷盜、長角扁谷盜和土耳其扁谷盜3類糧蟲分為一類［19－20］)導(dǎo)致分類準(zhǔn)確率低的問題，張紅濤等［21］提出基于多分辨率圖像分析的糧蟲圖像預(yù)處理方法，依次對(duì)原始糧蟲圖像做多分辨率采樣、濾波處理和“與”運(yùn)算后能較快速提取糧蟲圖像局部形態(tài)學(xué)特征從而實(shí)現(xiàn)糧蟲的準(zhǔn)確細(xì)分，具有一定的可行性。此外圖像增強(qiáng)方法也是提升糧蟲圖像紋理信息的主要技術(shù)手段［22－23］。為此，劉純利等［24］、牟懌等［25］提出基于奇異值分解與同態(tài)濾波的糧蟲圖像增強(qiáng)算法，通過增強(qiáng)奇異值矩陣與同態(tài)濾波達(dá)到增強(qiáng)圖像的目的，這樣能省去繁瑣數(shù)學(xué)變換而自適應(yīng)調(diào)整高斯噪聲方差來實(shí)現(xiàn)圖像增強(qiáng)。為解決糧蟲圖像特征數(shù)量影響糧蟲分類識(shí)別效率和識(shí)別效果的弊端［26］，廉飛宇等［11］利用小波變換壓縮糧蟲高維圖像矢量，可在一定程度上降低計(jì)算量提高計(jì)算效率。

1.2 糧蟲分類

準(zhǔn)確識(shí)別是糧蟲準(zhǔn)確檢測的核心內(nèi)容。美國學(xué)者Zayas等［10］采用機(jī)器視覺技術(shù)對(duì)散裝小麥倉中的谷蠹成蟲進(jìn)行離線研究;進(jìn)而結(jié)合多光譜分析和模式識(shí)別技術(shù)實(shí)現(xiàn)檢測糧蟲，為糧蟲的快速檢測和分類開辟了新途徑，也取得了良好效果。隨著國家對(duì)糧食安全的高度重視，以及計(jì)算機(jī)、模式識(shí)別與智能檢測等技術(shù)的迅速發(fā)展，國內(nèi)學(xué)者更是對(duì)糧蟲圖像識(shí)別檢測方法做了大量而深入的研究，特別是糧蟲視覺檢測方面。如徐昉等［27］提出基于圖像識(shí)別的糧蟲在線檢測新方法，將機(jī)器視覺與模式識(shí)別技術(shù)相結(jié)合實(shí)現(xiàn)糧蟲檢測，該方法在一定程度上能彌補(bǔ)現(xiàn)有檢測方法的不足。徐昉［28］利用安裝有CCD鏡頭和稱重等傳感器的特殊取樣裝置抽取糧食樣本并采集圖像視頻，然后通過圖像識(shí)別方法在線判斷是否有糧蟲:若有，通過智能控制和視頻分析法辨別死蟲活蟲;若有活蟲，通過數(shù)據(jù)挖掘提取特征向量并進(jìn)行信息融合與分類給出種類、密度等信息，為綜合防治決策提供可靠的依據(jù)。該系統(tǒng)能在線檢測出糧蟲與雜質(zhì)，并能離線識(shí)別出玉米象、谷蠹、大谷盜和綠豆象等4 種主要糧蟲，識(shí)別率尚可。廉飛宇等［11，17－18］利用模擬退火算法、遺傳算法、模糊理論、支持向量機(jī)和小波理論構(gòu)建分類器并應(yīng)用于糧蟲的分類識(shí)別，該方法在識(shí)別效果和識(shí)別效率等方面均有顯著改善。范艷峰等［29］提出采用運(yùn)動(dòng)圖像識(shí)別技術(shù)檢測谷物糧蟲，建立了一種無需人工干涉的谷物糧蟲實(shí)時(shí)監(jiān)測與分類識(shí)別系統(tǒng)，檢測方案和識(shí)別效果得到糧庫有關(guān)專家的一致肯定。邱道尹等［30］利用遺傳算法對(duì)傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)改進(jìn)，克服了傳統(tǒng)方法所存在的一些問題來提高BP神經(jīng)網(wǎng)絡(luò)分類器的性能。另外經(jīng)多年研究邱道尹已開發(fā)出第3代智能檢測系統(tǒng)，與其開發(fā)的圖像識(shí)別軟件相配合，能以95%的識(shí)別率檢測出危害嚴(yán)重的12種9類糧蟲。張紅梅等［31］也對(duì) BP神經(jīng)網(wǎng)絡(luò)進(jìn)行改進(jìn)并應(yīng)用于糧蟲識(shí)別，既有較強(qiáng)的自適應(yīng)性還對(duì)有噪聲、殘缺的糧蟲圖像有一定的識(shí)別效果。張紅濤等［32］提出基于蟻群算法的分類方法，利用蟻群算法自動(dòng)提取糧蟲圖像的形態(tài)學(xué)特征后(如面積、周長、占空比等)，再進(jìn)行SVM分類，識(shí)別率較為滿意。盧軍等［33］利用計(jì)算機(jī)視覺技術(shù)和自組織神經(jīng)網(wǎng)絡(luò)技術(shù)對(duì)糧蟲實(shí)現(xiàn)無損檢測。對(duì)糧蟲圖像預(yù)處理后提取十個(gè)左右的幾何特征參數(shù)擇優(yōu)選取6個(gè)參數(shù)進(jìn)行神經(jīng)網(wǎng)絡(luò)訓(xùn)練。仿真結(jié)果表明該方法對(duì)4類常見糧蟲有較好的識(shí)別結(jié)果。沈國峰等［34］在糧蟲形態(tài)學(xué)特征參數(shù)分析的基礎(chǔ)上重點(diǎn)研究了基于貝葉斯正則化算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)在糧蟲分類識(shí)別中的應(yīng)用，仿真結(jié)果表明該方法對(duì)鋸谷盜、谷蠹、長谷盜和扁谷盜等4類常見糧蟲有一定的準(zhǔn)確率和效率。

1.3 蟲群密度估計(jì)

只有準(zhǔn)確的糧蟲檢測，才能做到有目的的防治，把糧蟲種群控制在經(jīng)濟(jì)損害水平以下［4］。我國《糧油儲(chǔ)藏技術(shù)規(guī)范》中明確指出必須對(duì)活蟲進(jìn)行計(jì)數(shù)和分類，且應(yīng)精確計(jì)數(shù)［35］。傳統(tǒng)人工儲(chǔ)糧活蟲檢測法非常耗時(shí)且效率很低，如糧蟲死亡后人眼通過其體表顏色易與活蟲混淆無法準(zhǔn)確區(qū)分。研究有效的、快速、準(zhǔn)確、無損儲(chǔ)糧活蟲檢測新技術(shù)已成為廣大科研人員的熱點(diǎn)之一。目前檢測方法主要有聲測法、電子鼻法、視覺檢測法等［36－38］?？陕暅y法受傳感器及環(huán)境噪聲的影響較大，而電子鼻法易受活蟲侵染且對(duì)糧食樣本的密閉性要求較高。相比之下視覺檢測法采用圖像處理、模式識(shí)別等技術(shù)能自動(dòng)識(shí)別儲(chǔ)糧活蟲，是糧蟲檢測的發(fā)展趨勢［7，15］。但是現(xiàn)有多數(shù)糧蟲視覺檢測系統(tǒng)直接處理未經(jīng)自動(dòng)篩分的糧食樣本或人工篩分活蟲后再對(duì)糧蟲進(jìn)行分析和識(shí)別，未能自動(dòng)區(qū)分活蟲和死蟲，這樣必定影響糧蟲檢測的效率和效果［39］。為此張紅濤等［40］通過設(shè)計(jì)基于可見光－近紅外的糧蟲自動(dòng)檢測系統(tǒng)能較快速實(shí)現(xiàn)9類儲(chǔ)糧活蟲的自動(dòng)篩分與除塵。

2 分析展望

近年來糧蟲視覺檢測雖取得一些進(jìn)展，科研工作者也提出多種檢測算法，但應(yīng)用于糧倉實(shí)際儲(chǔ)糧還存在以下亟需解決的問題:

2.1 糧蟲圖像特征的多樣性獲取

糧蟲圖像特征是實(shí)現(xiàn)糧蟲視覺檢測的首要前提，因此深化研究糧蟲圖像特征獲取技術(shù)就成為必然。具體研究內(nèi)容可歸納為2個(gè)方面:1)糧蟲生態(tài)矢量圖像特征的表征。同類糧蟲圖像生態(tài)矢量特征在不同階段、種類及運(yùn)動(dòng)狀態(tài)呈現(xiàn)多樣性且形態(tài)各異難于用描述符表征，而且不同條件下獲取同一糧蟲的觀測數(shù)據(jù)也會(huì)表現(xiàn)出迥異特性。需分析最能體現(xiàn)典型糧蟲本質(zhì)特性的圖像特征，建立精確的描述方式及其數(shù)學(xué)表達(dá)式，在此基礎(chǔ)上建立糧蟲圖像特征的表征與認(rèn)知基礎(chǔ)理論;2)多樣性糧蟲圖像特征的魯棒獲取。傳感器和環(huán)境噪聲等不利因素嚴(yán)重影響糧蟲檢測的精確度。另外考慮到糧蟲圖像特征的形態(tài)學(xué)和生態(tài)學(xué)特點(diǎn)，需分析其內(nèi)在屬性提取圖像特征矢量，并與該糧蟲圖像一起形成圖像特征模型最終實(shí)現(xiàn)多樣性糧蟲圖像特征獲取。

2.2 欠觀測條件下糧蟲快速分類

除糧儲(chǔ)環(huán)境復(fù)雜和糧蟲檢測參數(shù)較多外，由于糧蟲寄存在糧堆內(nèi)部，人眼難以直接進(jìn)行糧情實(shí)時(shí)測控，需要借助視覺檢測技術(shù)在欠觀測條件下實(shí)現(xiàn)糧蟲自動(dòng)分類。糧蟲視覺檢測識(shí)別技術(shù)雖已成為研究熱點(diǎn)。但還需解決以下問題:1)特征模型標(biāo)準(zhǔn)化。糧蟲生存環(huán)境具有不確知和時(shí)變性，全面分析糧蟲圖像的生態(tài)矢量特征既費(fèi)時(shí)費(fèi)力數(shù)據(jù)冗余又大，急需對(duì)各種特征的特點(diǎn)及其分布進(jìn)行研究建立有限信息的條件下糧蟲圖像生態(tài)矢量特征標(biāo)準(zhǔn)模型，即通過幾種典型糧蟲樣本圖像特征就可實(shí)現(xiàn)糧蟲圖像特征標(biāo)定;2)糧蟲圖像特征匹配。研究保持圖像特征不變的跨尺度變換方法的基礎(chǔ)上通過引入人工智能進(jìn)行圖像檢索，實(shí)現(xiàn)不同生命狀態(tài)下糧蟲圖像的多維特征矢量與糧蟲生態(tài)矢量圖像特征模型的跨尺度匹配;進(jìn)而研究建立適應(yīng)儲(chǔ)糧環(huán)境的復(fù)雜性和糧蟲種類數(shù)多干擾源的快速糧蟲分類理論與方法。

2.3 蟲群密度估計(jì)的多約束制約

蟲群密度估計(jì)既是糧蟲危害程度評(píng)估的基礎(chǔ)，又是糧蟲檢測系統(tǒng)成功實(shí)施的前提和保障?？墒鞘軅}儲(chǔ)環(huán)境和糧蟲狀態(tài)等諸多約束條件的制約導(dǎo)致使現(xiàn)有方法未能滿足糧蟲實(shí)時(shí)檢測和精確檢測要求，無法在真正意義下實(shí)現(xiàn)蟲群密度估計(jì)，這也使得蟲群密度的快速估計(jì)成為亟需解決的難點(diǎn)問題。1)復(fù)合條件下的糧蟲圖像背景建模方法:視覺傳感器雖能獲得圖像信息但在某些情況下會(huì)受殘缺糧粒、草籽、糧食品質(zhì)、光照條件和鏡頭成像狀態(tài)等不確定因素的影響，需切實(shí)有效研究分析復(fù)合干擾源下的糧蟲圖像背景建模方法;2)多尺度的蟲群紋理特征分析。通過糧蟲狀態(tài)的多樣性分析研究蟲群分布對(duì)其紋理特征的影響，以可觀測度為指標(biāo)提出蟲群紋理特征提取準(zhǔn)則，進(jìn)而研究建立多尺度的蟲群紋理特征分析理論與方法。諸如能否利用糧蟲及其圖像的分類信息，以及在糧蟲的假死性和幼/死/活蟲等紋理特征辨識(shí)的基礎(chǔ)上分析蟲群分布對(duì)其紋理特征的影響;3)估計(jì)精度和計(jì)算量。以蟲群紋理特征分析為基本出發(fā)點(diǎn)，開展低、中、高密度下的蟲群密度估計(jì)方法研究。研究特征提取和分類器提高蟲群密度的估計(jì)精度，同時(shí)降低計(jì)算量滿足在線要求。既能簡單蟲數(shù)統(tǒng)計(jì)還能消除糧蟲的姿態(tài)、黏連、糧食顆粒遮擋等不利因素影響。能識(shí)別更多蟲種如擬谷盜、扁谷盜等。在蟲群密度估計(jì)基礎(chǔ)上構(gòu)建儲(chǔ)糧防治決策支持系統(tǒng)來分析預(yù)測糧蟲危害程度并擬定相應(yīng)決策方案，實(shí)現(xiàn)準(zhǔn)確高效的糧蟲智能檢測。

3 結(jié)論

盡管科研工作者已取得若干富有成效的結(jié)果，為我國準(zhǔn)確高效的糧蟲視覺檢測技術(shù)研究奠定良好的前期基礎(chǔ)?？墒乾F(xiàn)有糧蟲視覺檢測技術(shù)仍存在不足之處。本文在總結(jié)和吸收國內(nèi)外糧蟲視覺檢測研究成果基礎(chǔ)上，圍繞多樣性的糧蟲圖像特征獲取、欠觀測條件下糧蟲快速分類、多約束條件下糧蟲蟲群密度估計(jì)等方面進(jìn)行研究并做出展望。希望能為糧蟲的綜合防治提供強(qiáng)有力的技術(shù)支撐，將儲(chǔ)糧損失降到最低限度，全面保障我國糧食安全。

［1］司永芝，劉凱霞，李彪，等.農(nóng)戶儲(chǔ)糧損失調(diào)查研究［J］.糧食儲(chǔ)藏，2005，34(1):24 －27

［2］丁建武，蘭盛斌，張華昌.減少糧食產(chǎn)后損失對(duì)確保我國糧食安全的重要性［J］.糧食儲(chǔ)藏，2005，34(2):49 －50

［3］Ridgway C，Davies E R，Chambers J，et al.Rapid machine vision method for the detection of insects and other particulate bio － contaminants of bulk grain in transit［J］.Biosystems Engineering，2002，83(1):21 －30

［4］Neethirajan S，Karunakaran C，Jayas D S，et al.Detection techniques for stored － product insects in grain［J］.Food Control，2007，18(2):157 －162

［5］農(nóng)業(yè)部.農(nóng)業(yè)統(tǒng)計(jì)提要［EB/OL］.［2007－05－29］.http://www.agri.gov.cn/sjzl/nongyety.htm

［6］胡麗華，郭敏，張景虎，等.儲(chǔ)糧害蟲檢測新技術(shù)及應(yīng)用現(xiàn)狀［J］.農(nóng)業(yè)工程學(xué)報(bào)，2007，23(11):286－290

［7］毛罕平，張紅濤.儲(chǔ)糧害蟲圖像識(shí)別的研究進(jìn)展及展望［J］.農(nóng)業(yè)機(jī)械學(xué)報(bào)，2008，39(4):175 －179

［8］蘭盛斌，郭道林，嚴(yán)曉平，等.我國糧食儲(chǔ)藏的現(xiàn)狀與未來發(fā)展趨勢［J］.糧油倉儲(chǔ)科技通訊，2008，24(4):2 －6

［9］白旭光.儲(chǔ)糧害蟲檢測技術(shù)評(píng)述［J］.糧食儲(chǔ)藏，2010，39(1):6－9

［10］Zayas I Y，F(xiàn)linn P W.Detection of insects in bulk wheat samples with machine vision［J］.Transactions of the ASAE，1998，41(3):883 －888

［11］廉飛宇，張?jiān)?基于小波變換壓縮和支持向量機(jī)組的儲(chǔ)糧害蟲圖像識(shí)別［J］.河南工業(yè)大學(xué)學(xué)報(bào)，2006，27(1):21－24

［12］黃凌霄.基于圖像處理的儲(chǔ)糧害蟲檢測方法研究［D］.武漢:武漢工業(yè)學(xué)院，2007

［13］周龍，牟懌.二維小波變換在糧蟲圖像中的應(yīng)用［J］.華中科技大學(xué)學(xué)報(bào):自然科學(xué)版，2007，35(8):24－26

［14］周龍，黃凌霄，牟懌，等.數(shù)學(xué)形態(tài)學(xué)方法在儲(chǔ)糧害蟲圖像預(yù)處理中的應(yīng)用［J］.華中科技大學(xué)學(xué)報(bào):自然科學(xué)版，2008，36(2):87 －91

［15］Singh C B，Jayas D S，Paliwal J，et al.Detection of insect－damaged wheat kernels using near－infrared hyperspectral imaging［J］.Journal of Stored Products Research，2009，45(3):151－158

［16］周龍，牟擇，尤新革.模擬退火算法在糧蟲圖像分割中的應(yīng)用［J］.華中科技大學(xué)學(xué)報(bào):自然科學(xué)版，2010，38(5):72－74

［17］廉飛宇，邢超，范伊紅，等.基于機(jī)器視覺的儲(chǔ)糧害蟲檢測與識(shí)別［J］.農(nóng)機(jī)化研究，2007，28(3):43－46

［18］付麥霞，廉飛宇，張?jiān)?基于視頻和SVM的儲(chǔ)糧害蟲檢測與識(shí)別［J］.農(nóng)機(jī)化研究，2008，36(11):111－115

［19］張紅濤.儲(chǔ)糧害蟲圖像識(shí)別中的特征提取研究［D］.鄭州:鄭州大學(xué)，2002

［20］張紅濤，胡玉霞，毛罕平.基于SVM的儲(chǔ)糧害蟲圖像識(shí)別分類研究［J］.農(nóng)機(jī)化研究，2008(8):36－38

［21］張紅濤，胡玉霞，毛罕平，等.基于多分辨率分析的儲(chǔ)糧害蟲圖像預(yù)處理研究［J］.農(nóng)業(yè)化研究，2012，43(4):160－163

［22］賀佩鑫.糧食儲(chǔ)藏和管理中的技術(shù)革新［J］.糧油食品科技，2007，15(3):24 －26

［23］周龍.基于機(jī)器視覺的儲(chǔ)糧害蟲圖像模糊檢測方法的研究［J］.計(jì)算機(jī)應(yīng)用與軟件，2005，23:61 －63

［24］劉純利，牟懌，周龍.基于奇異值分解的糧蟲圖像增強(qiáng)［J］.華中科技大學(xué)學(xué)報(bào):自然科學(xué)版，2010，38(7):119－121

［25］牟懌，周龍.基于奇異值分解與同態(tài)濾波的糧蟲圖像增強(qiáng)［J］.中國糧油學(xué)報(bào)，2011，26(2):108－114

［26］安瓊，楊邦杰，郭琳.面向?qū)ο蟮亩喙庾V圖像特征遺傳選優(yōu)方法［J］.農(nóng)業(yè)工程學(xué)報(bào)，2008，24(4):181 －185

［27］徐昉，邱道尹，白旭光，等.利用圖像處理技術(shù)檢測糧倉害蟲的研究［J］.鄭州工程學(xué)院學(xué)報(bào)，2001，22(1):78 －81

［28］徐昉.基于圖像識(shí)別儲(chǔ)糧害蟲檢測系統(tǒng)的研究［D］.鄭州大學(xué)，2002

［29］范艷峰，甄彤.谷物害蟲檢測與分類識(shí)別技術(shù)的研究及應(yīng)用［J］.計(jì)算機(jī)工程，2005，31(12):187－189

［30］邱道尹，張成花，張紅濤，等.神經(jīng)網(wǎng)絡(luò)在儲(chǔ)糧害蟲識(shí)別中的應(yīng)用［J］.農(nóng)業(yè)工程學(xué)報(bào)，2003，19(1):142－144

［31］張紅梅，范艷峰，田耕.基于數(shù)字圖像處理技術(shù)的儲(chǔ)糧害蟲分類識(shí)別研究［J］.河南工業(yè)大學(xué)學(xué)報(bào):自然科學(xué)版，2005(2):19－22

［32］張紅濤，毛罕平，邱道尹.儲(chǔ)糧害蟲圖像識(shí)別中的特征提?。跩］.農(nóng)業(yè)工程學(xué)報(bào)，2009，25(2):126－130

［33］盧軍，王賢鋒，趙立飛.自組織特征映射網(wǎng)絡(luò)在儲(chǔ)糧害蟲分類中的應(yīng)用［J］.農(nóng)機(jī)化研究，2009，(4):184－186

［34］沈國峰，程筱勝，戴寧，等.基于貝葉斯正則化 BP網(wǎng)絡(luò)的糧蟲分類識(shí)別研究［J］.安徽農(nóng)業(yè)科學(xué)，2012，40(34):16914－16917

［35］LS/T 1211－2008糧油儲(chǔ)藏技術(shù)規(guī)范［S］

［36］耿森林，尚志遠(yuǎn).儲(chǔ)糧害蟲聲檢測技術(shù)研究進(jìn)展與展望［J］.農(nóng)業(yè)工程學(xué)報(bào)，2006，22(4):204 －207

［37］Zhang Hongmei，Wang Jun.Detection of age and insect damage incurred by wheat，with an electronic nose［J］.Journal of Stored Products Research，2007，43(4):489 －495

［38］程小麗，武傳欣，劉俊明，等.儲(chǔ)糧害蟲防治的研究進(jìn)展［J］.糧食加工，2011，36(5):70 －73

［39］Zhang Hongtao，Mao Hanping.Image recognition and classification of the stored－grain pests based on support vector machine［C］.International Conference on Information Technology Environmental System Sciences 2008(ITESS＇2008)，15 －17 May 2008:1217 －1221，Jiaozuo，China，2008

［40］張紅濤，胡玉霞，毛罕平，等.基于計(jì)算機(jī)視覺的儲(chǔ)糧活蟲檢測系統(tǒng)硬件設(shè)計(jì)［J］.農(nóng)業(yè)機(jī)械學(xué)報(bào)，2012，43(4):193－196.