圖像識(shí)別處理技術(shù)在農(nóng)業(yè)工程中的應(yīng)用

文/陳澤岳 段剛強(qiáng) 丁子健

圖像識(shí)別處理技術(shù)在農(nóng)業(yè)工程中的應(yīng)用

文/陳澤岳 段剛強(qiáng) 丁子健

目前儲(chǔ)糧害蟲(chóng)問(wèn)題是世界上很多國(guó)家所面臨的困 難，在很多國(guó)家每年都會(huì)因?yàn)榧Z食害蟲(chóng)而損失很多糧 食。在遭受到糧食害蟲(chóng)的侵害以后糧食的籽粒會(huì)被破壞，容易變質(zhì)、結(jié)塊、發(fā)熱以及發(fā)霉，另外在老化死去害 蟲(chóng)尸體、糞便以及有毒液體的影響下糧食會(huì)受到較為嚴(yán) 重的污染。除了使用聲音檢測(cè)方法外，其他方法不利于實(shí)現(xiàn)自 動(dòng)化糧蟲(chóng)檢測(cè)，人工檢測(cè)方法效率低、成本高，因此本文 研究一種基于圖像識(shí)別處理的糧蟲(chóng)檢測(cè)方法，將圖像識(shí) 別處理技術(shù)應(yīng)用于農(nóng)業(yè)工程。

圖像識(shí)別 處理技術(shù) 農(nóng)業(yè)工程 應(yīng)用

1 糧蟲(chóng)圖像預(yù)處理

1.1 圖像灰度化處理

在分析糧蟲(chóng)圖像的過(guò)程中首先需要進(jìn)行圖像顏色 之間的轉(zhuǎn)換，通常是將彩色轉(zhuǎn)換為灰色，這樣既能夠加 快圖像的處理速度，另外還能夠方便地將處理后的信息 向原來(lái)的圖像上進(jìn)行轉(zhuǎn)移。 通常利用最大值法、加權(quán)平均法以及平均值法來(lái)進(jìn) 行彩色圖像和灰色圖像之間的轉(zhuǎn)換。本文在進(jìn)行彩色 圖像灰度化處理的過(guò)程中主要采用了最大值法，這種方法比較簡(jiǎn)單，采用三原色 R，G，B 來(lái)對(duì)圖像的灰度值進(jìn) 行描述。

1.2 圖像平滑

本文使用鄰域平均法對(duì)糧蟲(chóng)圖像進(jìn)行平滑處理。 所應(yīng)用的均值濾波的鄰域平均法實(shí)際上就是進(jìn)行空域 平滑處理，首先在相同的窗口上放置圖像，平均所有的 像素灰度值，通過(guò)對(duì)中心部位像素灰度值的替代就能夠 達(dá)到平滑的目的。均值濾波和低通濾波器具有相同的 作用，輸出的圖像可以用離散卷積來(lái)進(jìn)行表示。

1.3 圖像銳化

通過(guò)對(duì)圖像的銳化處理能夠達(dá)到修復(fù)外部形狀以 及進(jìn)行圖像邊緣聚焦的目的。通過(guò)圖像灰度顏色的加 深以及外援色彩數(shù)值的對(duì)比能夠?qū)D像的清晰度進(jìn)行 提升。目前 Sobel算子、Laplace算子以及 Robert算子是 圖像銳化過(guò)程中經(jīng)常采用的算子，本文在圖像銳化的過(guò) 程中采用了Robert算子。

1.4 二值化

使用二值化的方法來(lái)對(duì)糧蟲(chóng)圖像進(jìn)行處理，這樣可以重點(diǎn)顯示對(duì)象區(qū)域，對(duì)于后面的分析和識(shí)別有很大的好處，因?yàn)樵诨叶壬夏繕?biāo)的圖像和北京的圖像有著很大的區(qū)別，所以可以依據(jù)灰度值的不一樣來(lái)區(qū)分目標(biāo)圖像。并且分別使用0和1來(lái)代表目標(biāo)圖像和背景圖像，這樣就可以讓灰色圖像和二值圖像進(jìn)行相互轉(zhuǎn)換，這樣可以具有很好的識(shí)別度，本文只是對(duì)單獨(dú)的背景和圖像進(jìn)行了分析，所以在數(shù)據(jù)對(duì)比的時(shí)候就可以使用一個(gè)閾值 Th，這樣可以使像素群得到很好的分類，把圖像中的背景灰度和目標(biāo)灰度值設(shè)置為1和0。

2 邊緣檢測(cè)

在經(jīng)過(guò)上述的預(yù)處理后，能夠顯著地提升圖像的質(zhì) 量，但是還需要采用圖像邊緣檢測(cè)技術(shù)來(lái)對(duì)圖像中的背 景和目標(biāo)進(jìn)行區(qū)分。

Roberts 邊緣檢測(cè)算子。Roberts 邊緣檢測(cè)算 子是使用局部差分算法實(shí)現(xiàn)。其中原始圖像用 f （x，y） 表示，邊緣檢測(cè)后輸出的圖像用g（x，y）表示：

利用互相垂直方向上的差分Roberts 邊緣檢測(cè)算子 就可以對(duì)梯度進(jìn)行計(jì)算，另外邊緣之間的檢測(cè)可以利用 對(duì)角線方向相鄰像素之差來(lái)實(shí)現(xiàn)。 通過(guò)對(duì)模板的利用能夠?qū)oberts的梯度幅度G進(jìn) 行計(jì)算，進(jìn)而得到合適的閾值 T，當(dāng) G＞T時(shí)，該點(diǎn)就是階躍邊緣點(diǎn)，進(jìn)而獲取邊緣圖像。

3 糧蟲(chóng)識(shí)別實(shí)驗(yàn)

本文選取常見(jiàn)的玉米象、擬谷盜和鋸谷盜三種糧蟲(chóng) 為 研 究 對(duì) 象 ，對(duì) 其 圖 像 進(jìn) 行處 理 識(shí) 別 。 分 別 使 用 Roberts 邊緣檢測(cè)算子、 Sobel 邊緣檢測(cè)算子、 Prewitt 邊 緣檢測(cè)算子和 Laplacian 邊緣檢測(cè)算子對(duì)其圖像進(jìn)行邊 緣檢測(cè)，并提取其圖像的面積 A、周長(zhǎng) P、相對(duì)面積 RA、 延伸率S、復(fù)雜度C、占空比B、等效面積圓半徑R和偏心 率E這八個(gè)特征用于對(duì)三種糧蟲(chóng)的識(shí)別。

選取 50張玉米象圖像、50張擬谷盜圖像和 50張鋸谷盜圖像以及20張無(wú)糧蟲(chóng)圖像對(duì)基于RBF神經(jīng)網(wǎng)絡(luò)的 識(shí)別模型進(jìn)行訓(xùn)練，提高其識(shí)別糧蟲(chóng)圖像的泛化能力。 基于RBF神經(jīng)網(wǎng)絡(luò)的識(shí)別模型的輸入向量為糧蟲(chóng)圖像的八種特征，即輸入節(jié)點(diǎn)數(shù)為 8；基于RBF 神經(jīng)網(wǎng)絡(luò)的識(shí)別模型的輸出向量結(jié)果為玉米象圖像、擬谷盜圖 像、鋸谷盜圖像以及無(wú)糧蟲(chóng)圖像 4 種，即輸出節(jié)點(diǎn)數(shù) 為 4；隱含層節(jié)點(diǎn)數(shù)根據(jù)經(jīng)驗(yàn)公式計(jì)算。 分別使用20張玉米象圖像、20 張擬谷盜圖像和 20 張鋸谷盜圖像對(duì)訓(xùn)練后的基于RBF神經(jīng)網(wǎng)絡(luò)的識(shí)別模型進(jìn)行測(cè)試。

分別使用 Roberts 邊緣檢測(cè)算子、 Sobel邊緣檢 測(cè)算子、 Prewitt 邊緣檢測(cè)算子和Laplacian 邊緣檢測(cè)算 子對(duì)其圖像進(jìn)行邊緣檢測(cè)后，識(shí)別模型對(duì)三種糧蟲(chóng)的平 均識(shí)別率為80.65%，81.96%，80.34%和 78.56%，說(shuō)明在其他情況相同情況下，使用 Sobel 邊緣檢測(cè)算子對(duì)糧蟲(chóng) 圖像邊緣檢測(cè)對(duì)于糧蟲(chóng)圖像識(shí)別準(zhǔn)確率是最有利的， 而使用 Laplacian 邊緣檢測(cè)算子后糧蟲(chóng)圖像的識(shí)別率最低。

4 結(jié)論

本文研究一種基于圖像識(shí)別處理的糧蟲(chóng)檢測(cè)方法， 將圖像識(shí)別處理技術(shù)應(yīng)用于農(nóng)業(yè)工程。選取常見(jiàn)的玉 米象、擬谷盜和鋸谷盜三種糧蟲(chóng)為研究對(duì)象，對(duì)其圖像 進(jìn)行處理識(shí)別。分別使用 Roberts 邊緣檢測(cè)算子、Sobel 邊緣檢測(cè)算子、 Prewitt 邊緣檢測(cè)算子和Laplacian 邊緣 檢測(cè)算子對(duì)其圖像進(jìn)行邊緣檢測(cè)，并提取其圖像的面 積 A、周長(zhǎng) P、相對(duì)面積 RA、延伸率 S、復(fù)雜度 C、占空比 B、等效面積圓半徑 R和偏心率 E這八個(gè)特征用于對(duì)三 種糧蟲(chóng)的識(shí)別，使用基于 RBF 神經(jīng)網(wǎng)絡(luò)的識(shí)別模型 對(duì)三種糧蟲(chóng)圖像的幾何形態(tài)特征進(jìn)行識(shí)別。結(jié)果表 明，在本文的研究條件下，使用 Sobel 邊緣檢測(cè)算子對(duì) 糧蟲(chóng)圖像邊緣檢測(cè)對(duì)于糧蟲(chóng)圖像識(shí)別準(zhǔn)確率是最有利 的，而使用 Laplacian 邊緣檢測(cè)算子后糧蟲(chóng)圖像的識(shí)別率最低。

[1]邱白晶,劉保玲,吳春篤,史春建,李會(huì)芳.近紅外圖像處理技術(shù)在農(nóng)業(yè)工程中的應(yīng)用[J]. 農(nóng)業(yè)工程學(xué)報(bào),2005(05):102-106.

[2]司秀麗.黃瓜病害圖像處理與識(shí)別技術(shù)的應(yīng)用研究[D].吉林:吉林農(nóng)業(yè)大學(xué),2006.

[3]史春建,邱白晶,劉保玲.動(dòng)態(tài)圖像處理技術(shù)在農(nóng)業(yè)工程中的應(yīng)用[J].中國(guó)農(nóng)機(jī)化,2004(02):28-31.

[4]張葵.智能識(shí)別技術(shù)在圖像處理中的應(yīng)用[D].上海:華東師范大學(xué),2009.

作者單位華北水利水電大學(xué)電力學(xué)院 河南省鄭州市450011

陳澤岳（1991-），男，內(nèi)蒙古自治區(qū)通遼市人。華北水利水電大學(xué)電力學(xué)院2015級(jí)研究生。主要研究方向?yàn)槟Ｊ阶R(shí)別與智能系統(tǒng)。段剛強(qiáng)（1990-），男，河南省洛陽(yáng)市人。華北水利水電大學(xué)電力學(xué)院2015級(jí)研究生。主要研究方向?yàn)槟Ｊ阶R(shí)別與智能系統(tǒng)。