粮食害虫智能检测及分类方法研究

论文摘要

粮食储藏安全问题引起世界各国普遍关注，粮食安全储藏关系国计民生，社会和谐和国家粮食安全。粮食害虫检测与防治技术已成为国内外共同关注的研究热点。本文结合我国粮食安全的迫切需求，基于我国粮食害虫检测与防治技术的发展状况，着重研究基于图像识别的储粮害虫检测与分类技术，开发相应的检测分类系统，以提高粮食害虫检测与防治的效果，达到粮食保量、保鲜、保质的目的。主要研究工作包括：1.粮食害虫原始图像预处理。以图像帧为单位进行分析，通过比较，采用自适应邻域平均法清除图像噪声；通过对矩量保持、最小误差、模糊集三种自适应图像阈值的比较，最终的分割算法是采用最小误差法确定的阈值，较好的实现粮虫图像的自适应二值化分割；同时提出运用连通区域标定法对粮虫二值化图像进行目标确定，对多目标粮虫识别提供了较好的解决方法。并对粮仓中的玉米象、杂拟谷盗、长角扁谷道、黑菌虫、赤拟谷盗、锯谷盗、大谷盗等12种9类常见粮虫的周长、复杂度等14个形态特征作了特征提取；采用K-L变换用6维方式表示原始特征向量。2.基于径向基函数神经网络的粮食害虫分类器设计。提出了基于C均值聚类算法的BRF网络训练方法；研究了Gauss模糊分类器及模糊BP网络分类器的粮食害虫分类方法。3.粮食害虫规则分类器设计。提出了基于微分信息的神经网络规则有效抽取。首先基于分类超曲面的位置和形状特征、网络输出对网络各输入偏导数分布以及属性对分类的判别能力之间关系分析，提出了一种基于微分信息的属性判别能力度量方法，该度量方法适用于连续属性和离散属性，并有效克服了基于信息熵的属性判别能力度量方法的不足，进而提出了神经网络以及连续属性的规则抽取的新的方法，包括属性选择、属性取值空间估计与分割以及规则表示等的具体处理方法，并建立了规则抽取的具体算法。最后研究了基于网络输出范围调整的网络复杂性调整理论与方法。4.对图像识别储量害虫检测系统进行了软件和硬件设计，通过对现有的集中主要储量害虫检测方法进行研究分析，确定对储量害虫图像识别研究的意义，并设计出粮食害虫在线检测识别平台的架构。

论文目录

• 摘要
• Abstract
• 目录
• 第一章 绪论
• 1.1 对储粮害虫在线检测研究的意义
• 1.2 当前国内外粮食害虫检测的主要方法
• 1.3 基于图像识别的机器视觉储粮害虫检测新方法
• 1.4 本文的主要工作及内容安排
• 第二章 粮虫图像处理以及特征提取
• 2.1 图像增强
• 2.1.1 图像去噪
• 2.1.2 图像平滑
• 2.2 图像分割
• 2.2.1 矩量保持法
• 2.2.2 最小误差方法
• 2.2.3 模糊法
• 2.2.4 实验分析
• 2.3 特征提取
• 2.3.1 形态学特征提取
• 2.3.2 形态学特征归一化
• 2.3.3 形态学特征选择
• 2.4 本章小结
• 第三章 粮食害虫分类器设计
• 3.1 基于径向基函数神经网络粮虫分类器设计
• 3.1.1 径向基函数神经网络模型
• 3.1.2 径向基函数神经网络的学习
• 3.1.3 通过模糊聚类来确定基函数的中心和方差
• 3.1.4 径向基函数神经网络输出层权值学习
• 3.2 基于模糊的模糊 BP 网路分类器的设计
• 3.2.1 Gauss 模糊分类器
• 3.2.2 模糊 BP 网络分类器
• 3.3 分类器的分析比较
• 3.4 本章小结
• 第四章 基于微分信息的神经网络规则有效抽取
• 4.1 基于微分信息的属性判别能力度量
• 4.1.1 属性值与分类值的量化和规范化
• 4.1.2 （？）的分布与分类超曲面的关系
• 4.1.3 属性判别能力度量
• 4.2 规则抽取方法
• 4.2.1 规则的表示与抽取过程
• 4.2.2 属性取值空间估计
• 4.2.3 属性的区间分割
• 4.3 规则抽取算法
• 4.4 神经网络模型的复杂性调整
• H和网络权值的关系'>4.4.1 （？）与隐节点数n_H和网络权值的关系
• 4.4.2 基于输出范围调整的网络复杂性调整
• 4.5 实例分析
• 4.6 本章小结
• 第五章 基于图像识别的粮食害虫检测系统
• 5.1 系统检测的功能
• 5.2 检测系统硬件的设计
• 5.3 系统的软件设计
• 5.4 粮食害虫在线识别平台架构
• 5.4.1 系统需求
• 5.4.2 系统部署结构
• 5.4.3 WEB 服务器端系统机构
• 5.4.4 客户端技术
• 5.4.5 数据库结构
• 5.4.6 计算服务器技术
• 5.5 本章小结
• 第六章 结论与展望
• 6.1 本文所完成的工作
• 6.2 需要进一步研究的问题
• 参考文献
• 致谢
• 作者个人简历及论文发表情况