基于机器视觉的作物多姿态害虫特征提取与分类方法

作     者：李文勇 李明 陈梅香 钱建平 孙传恒 杜尚丰 

作者机构：中国农业大学信息与电气工程学院北京100083 国家农业信息化工程技术研究中心北京100097 

出 版 物：《农业工程学报》 (Transactions of the Chinese Society of Agricultural Engineering)

年 卷 期：2014年第30卷第14期

页      面：154-162页

核心收录：

学科分类：0710[理学-生物学] 082804[工学-农业电气化与自动化] 08[工学] 0828[工学-农业工程] 081203[工学-计算机应用技术] 0802[工学-机械工程] 0835[工学-软件工程] 0801[工学-力学（可授工学、理学学位）] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金青年基金项目(31301238) 北京市自然科学基金资助项目(4132027) 北京市农林科学院青年科研基金(QN201102) 北京市农林科学院国际合作基金(GJHZ2013-4) 

主　　题：机器视觉 图像处理 特征提取 害虫分类 多类支持向量机 

摘      要：由于野外诱捕害虫的姿态存在多样性和不确定性,使得利用机器视觉进行害虫的自动识别与计数仍然是一个难题。该文提出一种基于颜色和纹理等与形态无关的特征相结合和利用多类支持向量机分类器的多姿态害虫分类方法。通过对目标害虫图像进行不同颜色空间特征、基于统计方法的纹理特征和基于小波的纹理特征的提取,构建了6组不同组合的特征向量。将10阶交叉验证的识别率作为适应度函数值,利用遗传算法对各组特征向量进行降维筛选。最后利用基于有向无环图多类支持向量机分类器对多姿态害虫进行识别和特征组选择。结果表明,遗传算法最多可以使特征向量维数降到原来的38.89%,基于HSV三通道颜色图像的小波纹理特征组在建模时间和平均准确率方面都表现最优,可以作为一种有效的多姿态害虫分类特征选择。