利用机器视觉识别麦粒内米象发育规律与龄期

TP391.4%S512.1+1; 研究麦粒内部粮虫生长规律,判断粮虫所处发育龄期,为制定合理的防治措施提供科学依据,具有重要的社会经济价值.该文提出一种基于机器视觉的麦粒内米象变态发育规律及龄期识别研究方法.试验利用Micro-CT获取侵染麦粒投影数据,应用z-FDK(z-Feldkamp-Davis-Kress)算法重建出侵染粒的二维图像,利用图像分割及形态学方法得到虫体图像.提取了虫体的8个二维特征、4个三维特征、7个不变矩特征和7个基于灰度共生矩阵的显著性纹理特征,构成26维原始特征空间.根据不同龄期虫体特征的变化,研究米象在麦粒内的变态发育规律.利用模拟退火算法(simulated...

Full description

Saved in:
Bibliographic Details
Published in农业工程学报 Vol. 36; no. 2; pp. 201 - 208
Main Authors 张红涛, 朱洋, 谭联, 张晓东, 毛罕平
Format Journal Article
LanguageChinese
Published 华北水利水电大学电力学院,郑州,450011%江苏大学现代农业装备与技术教育部重点实验室,镇江,212013 15.01.2020
Subjects
算法
粮虫
FDK算法
特征提取
机器视觉
龄期识别
变态发育
Online AccessGet full text
ISSN1002-6819
DOI10.11975/j.issn.1002-6819.2020.02.024

Cover

More Information
Summary:TP391.4%S512.1+1; 研究麦粒内部粮虫生长规律,判断粮虫所处发育龄期,为制定合理的防治措施提供科学依据,具有重要的社会经济价值.该文提出一种基于机器视觉的麦粒内米象变态发育规律及龄期识别研究方法.试验利用Micro-CT获取侵染麦粒投影数据,应用z-FDK(z-Feldkamp-Davis-Kress)算法重建出侵染粒的二维图像,利用图像分割及形态学方法得到虫体图像.提取了虫体的8个二维特征、4个三维特征、7个不变矩特征和7个基于灰度共生矩阵的显著性纹理特征,构成26维原始特征空间.根据不同龄期虫体特征的变化,研究米象在麦粒内的变态发育规律.利用模拟退火算法(simulated annealing algorithm,SAA)优化虫体原始特征,构建了优化后的10维特征空间.运用人工蜂群算法(artificial bee colony,ABC)优化支持向量机(support vector machine,SVM)的惩罚因子和径向基核函数参数,实现对麦粒内米象所处发育龄期的自动判别.试验结果表明,米象变态发育规律与实际情况一致,且对米象龄期的识别率达到97％,可有效判别出侵染粒中米象所处发育龄期.
ISSN:1002-6819
DOI:10.11975/j.issn.1002-6819.2020.02.024