物流信息技术大作业.docx

物流信息技术大作业.docx

《物流信息技术大作业.docx》由会员分享，可在线阅读，更多相关《物流信息技术大作业.docx（10页珍藏版）》请在冰豆网上搜索。

物流信息技术大作业

物流信息技术课程报告

班级：

物流1201

学号：

姓名：

指导老师：

张庆华

2015年11月10日

目录

1图像识别技术及其应用领域3

2基于图像识别的农作物害虫诊断基础研究4

2.1图像识别基本框架4

2.2农作物害虫图像的获取5

2.3农作物害虫图像的预处理5

2.3.1图像灰度化5

2.3.2图像増强5

2.4农作物害虫图像数据集6

2.4.1必要性6

2.4.2现有的图片资源6

2.4.3农作物害虫图像识别数据集构建方法6

2.4.4构建步骤7

3基于图像识别的农作物害虫诊断系统实现8

3.1系统功能8

3.2系统结构与流程8

3.2.1总体结构8

3.2.2主要流程9

1图像识别技术及其应用领域

图像识别是利用计算机技术对图像进行处理、分析和理解，以识别各种不同模式的目标和对象的技术。

作为人工智能以及模式识别的一个重要研究领域，图像识别的理论算法研究和应用研究都取得了很大的发展，已经广泛应用于安全监控、军事侦察、医学应用、农业工程等方面。

图像识别是一个系统的工程，掌握图像识别的基础非常关键，图像识别的基础包括识别问题分类、基本框架以及数据集。

图像识别能够广泛应用于国防和民用的许多领域，其中包括安全监控、军事侦察、医学应用、农业应用等领域。

（1）安全监控

图像识别在安全监控领域的应用是最为广泛的，从我们身边的环境随处可见

各种闭路电视监控系统，该系统可以监控可疑的人员和物品。

随着各种新的分析、分型技术方法的建立，借助多模态的生物特征辨别系统，法医分析技术可将犯罪现场提取的轮廓，如指纹、掌纹等与疑犯的信息进行更准确、快速、自动的匹配。

此外，在交通系统中，大量的识别监视跟踪系统发挥了越来越重要的作用。

西门子公司的交通监控性能非常优越，不仅能探测隧道中慢行或停止的汽车，还

可以探测处于型转弯处的违规汽车，以及自动检测可疑的行李。

（2）军事侦察

图像识别技术在军事领域的应用非常广泛，尤其是在现代化的武器装备及

作战指挥系统中，图像识别更是不可或缺，像侦察机、无人机、航空母舰以及作

战指挥室。

相对于在其他领域的应用，由于战场环境的复杂性和多变性，军事领

域的图像识别精度要求非常的严格。

（3）军事侦察

图像处理和图像分析已经融入到医疗诊断的过程中，这促生了计算机辅助诊断技术，利用该技术，可以进行核磁共振成像（主要用于医疗成像来可视化人体机构和功能，提供任何平面内身体的细节图像，癌细胞、白细胞、染色体检查，

修复手术控制设计等。

通过一组切片图像进行人体器官的三维重构，可以为医疗诊断和病理分析提供重要和直观的帮助。

同样，可以根据图像序列中的信息对普通目标进行三维重构，无论观察点在何处，都能利用其三维信息进行识别。

（4）农业应用

图像处理技术始于世纪年代，从年代幵始，图像处理技术开始步入活跃的研究阶段。

该技术在农业工程的应用始于年代末期，虽然起步相对于其他方面的应用较晚，但是其应用很广阔。

目前，在国际农业工程领域中，基于图像识别的农业工程应用和研究是热门课题，计算机视觉系统如农业昆虫的自动识别、遗传细胞工程研究、农业种子资源管理等己经在很多发达国家的农业生产和农业现代化中广泛应用，例如：

农产品品质检测、精准农业和农业机器人、农作物病虫害诊断。

2基于图像识别的农作物害虫诊断基础研究

2.1图像识别基本框架

图像增强与变换、分割、描述以及分类决策四个部分共同构成了一个典型的图像识别系统，如图所示。

这四个部分的关系非常的密切，在看作一个有机整体的同事，也可以看作三个层次的图像处理一底层、中层和高层处理。

底层是对图像数据进行预处理，如对有噪声的图像要进行滤波去噪，对信息

微弱的图像要进行对比增强，对失真的图像要进行几何校正等以达到改善图像质

量、突出感兴趣区域的目的。

其输入和输出均为图像。

中层是对图像进行分割处理，将给定图像或已分割的图像区域用更为简单明

确的数值、符号或图来表征（图像描述），目的是让其更合适计算机进行处理。

不同于底层处理，在中层处理中输出的是图像的特征。

高层处理一般是基于知识进行推理和证实的，涉及图像或图像区域的理解，

以及执行与视觉相关的识别函数。

其输入时向量、串或树等形式的特征描述，输出则是图像或物体的类别。

2.2农作物害虫图像的获取

在图像识别系统中，图像采集是第一步也是非常关键的一步。

从某种意义上

来说，图像采集直接决定后续图像处理各阶段所采用的方法和策略，也就影响到

图像处理的速度以及识别结果的准确性。

一般来说将图像采集方式分为两大类：

简单背景和复杂背景。

简单背景就是人为布置拍摄场景，而复杂背景一般是在自

然场景中拍摄。

2.3农作物害虫图像的预处理

图像的预处理在图像处理和图像识别中占有非常重要的地位，这是因为图像

在拍摄或者传输过程中由于外界环境因素造成的噪声影响导致图像质量下降，为

了提高图像的质量，减少原始图像对后续图像处理和识别的影响，我们需要对原

始图像进行预处理。

2.3.1图像灰度化

彩色图像相对于灰度图像来说包含更加丰富的信息，它的包含信息量比对应

的灰度图像的信息量要大得多，这也导致直接对彩色图像进行处理也很困难。

获取的可见光图像是彩色图像，但是对于后续的某些图像处理模块来说，把彩色图像转换成灰度图像，也是非常必要的，比如对于简单背景图像的分割和形状特征提取模块来说，在图像预处理阶段把彩色图像转换成灰度图像然后进行处理可以在保证处理效果的同时也极大的提高运算速度。

2.3.2图像増强

由于图像在拍摄或传输过程总会受到客观环境因素的干扰，因而接收到的图像一般都会存在一定程度的质量下降，一般来说影响图像质量的因素主要有以下

几个方面：

（1）光照强度不均匀、不稳定造成图像质量下降。

（2）传输、转换过程中引入的噪声。

（3）拍摄时镜头抖动等运动引起的图像模糊。

（4）图像系统的非线性造成图像的退化。

图像增强的目的是将不清晰的图像变得清晰，强调图像的感兴趣区域而抑制图像中的我们不关心的背景，以提高图像的可读性。

2.4农作物害虫图像数据集

2.4.1必要性

传统的图像库无法使用,而使用现有的图像数据库作为图像识别数据集存在一定差距。

因此,构建适合图像识别系统的农作物害虫数据集具有很大的实用价值。

2.4.2现有的图片资源

要构建图像数据集，必须要把图像进行标准化，但是原始图片不是标准的，

大多含有非常复杂的背景，有的图像中存在多个目标，还有的害虫密集在一起甚

至肉眼无法识别。

所有的这都导致图片质量比较差。

以这些图片资源为基础，筛

选其中质量好的图片，通过进一步的处理加工就可以构建农作物害虫图像数据

集。

2.4.3农作物害虫图像识别数据集构建方法

（1）按照农作物的种类划分害虫

每种农作物的害虫种类一般都是固定的，以水稻为例，水稻作物最常见的害虫种类大概有种，其余都是不太常见的害虫。

基于以上考虑，为了提高害虫识别的精度，在识别时就考虑到农田采集的害虫图片上包含的作物种类这个环境信息，因此，相应的在构建农作物的害虫图像库时就要按照农作物的种类分别构建该作物种类下的害虫图像库，这样每种农作物的害虫图像库就成了整个害虫图像库的子集。

（2）图像中只含有一个目标

构建的图像库中的图片只能含有一个目标害虫。

以现有的图片资源来说，对于含有多个目标害虫的图片就需要采用图像分割的方式获取单个目标图片。

（3）统一简单背景，统一尺寸大小和格式

在比较两幅图像中目标的相似度时，为了减少图像背景以及图像的尺寸对目标相似度的影响，在构建害虫图像数据集时，为了突出目标，我们采用统一尺寸和统一背景的图像。

（4）根据害虫变态类型构建图像库

农作物的害虫属于昆虫类别，而昆虫根剕变态类艰分为完个变态和完个变态。

不完全变态的昆虫发冇过程经过受粘卵、幼虫（竹虫成稚出）、成虫三个阶段，蝗虫类属于不完全变态，如图卜所示的为卵、幼虫和成虫个阶段的中华稻蝗。

完全变态的昆虫的发存经过卵、幼虫、踊和成虫等个时期。

不管是完全变态的害虫还是完全变态的害虫，它们的卵从外形来看都相差

不多即使是肉眼也无法察觉出区别，况且很多蝗虫类的卵都是产在地下的。

因

此不考虑害虫的卵的图像识别问题

不完全变态的幼虫与成虫的形态结构和生活习性非常相似，但是该类幼虫和

该类成虫的颜色和纹理存差别，如下图所示的棉蝗幼虫和棉蝗成虫。

害虫的幼虫和成虫对农作物都有危害，对害虫幼虫的识别也是必不可少的。

因此为了提高图像识别的准确率，在构建图像库，对于此类不完全变态的害虫应

该在图像库的训练集里加入害虫幼虫阶段和成虫阶段的图片。

（5）根据害虫不同姿态构建图像库

（6）根据害虫不同拍摄角度构建图像库

（7）图像的旋转变换对图像特征有影响

2.4.4构建步骤

（1）根据农作物的种类分别构建图像库子集。

（2）选择图像中只含有一个目标害虫的图像，或者对有多个目标害虫的图像进行裁剪，只保留一个目标。

（3）根裾害虫的变态类型，如果是不完全变态类型，如蚣科的害虫，选择幼虫和成虫时期的图像，如果是完全变态类型，选择幼、蛹以及成虫时期的图像。

（4）选择不同姿态害虫图像和不同拍摄角度的害虫图像。

（5）把以上所选择的图像去掉复杂背景，统一为黑色背景，固定尺寸为大小、格式为格式的图像。

（6）单个图像进行多角度的旋转，产生多个图像加入图像集。

3基于图像识别的农作物害虫诊断系统实现

3.1系统功能

系统功能描述如图3-1。

图3-1主要功能描述图

3.2系统结构与流程

本系统包括获取图像采集设备实时图像模块、浏览本地图像模块、农作物种类选择模块、图像分割用户交互模块、以及识别结果显示模块。

3.2.1总体结构

系统主要有大模块，具体系统结构如图3-2所示。

图3-2系统结构

3.2.2主要流程

系统的主要流程如图3-3所示。

图3-3系统的主要流程