橘小实蝇发生期虫口数量的研究.docxVIP

橘小实蝇发生期虫口数量的研究 0 橘小实蝇害虫监测 橙色苍蝇，也被称为红鸡、苍蝇和果柄，属于双头果苍蝇科。它主要分布在太平洋和南亚。这种昆虫的寄生模式非常广泛，主要影响着柑橘、石榴、芒果和杨桃等46种果树、蔬菜和花卉。这是一种入侵性害虫，被许多国家和地区视为世界许多国家和地区的重要危险检疫对象。20世纪80年代,该虫传入我国,主要分布于福建、海南和广东等南方地区,随着我国柑橘大面积种植,已逐渐成为南方产生危害最严重及需要经常防治的主要害虫。 由于橘小实蝇成虫寿命较长,具有较强的繁殖和飞行能力,可在较大范围内寻找适宜的寄主进行传播,近些年来,我国各地区已对橘小实蝇进行重点监测。目前,国内外关于果园、农田及仓储害虫的监测主要采取人工检测、光电传导和机器视觉三种方法。Litzkow等使用经过改造的粮食探管诱捕器,在诱捕器上增加了红外线传感器探头,当害虫爬进装配传感器探头的诱捕器时,完成计数。张建伟等利用麦田中诱集蚜虫的黄色粘贴板照片作为采集样本,通过图像分割和连通区域标记方法实现对黄板蚜虫的自动计数。毛文华等提出了一种基于机器视觉的草地蝗虫识别方法,用于超低空蝗灾预警系统自动采集的视频中草地蝗虫头数信息的提取,试验表明该方法对跃起草地蝗虫的识别率为80%~100%。但以上方法在橘小实蝇虫害监测领域的应用都未见报道。目前国内外关于橘小实蝇野外监测,主要通过设立成虫观测点、田间诱集和采集腐烂脱落的虫果人工检测橘小实蝇数量,并对其生长规律和分布情况进行统计,该方法受到人力使用强度限制,无法对果园的虫害发生情况进行现场、实时、大尺度快速监测,导致测量结果无法反映大尺度果园虫害的实时和动态变化情况。 本文选取橘小实蝇性成熟成虫为研究对象,探讨将机器视觉技术应用于橘小实蝇虫害检测的可行性并设计开发橘小实蝇虫害自动检测系统,包括搭建基于机器视觉技术的橘小实蝇虫害检测平台,提出虫害数量检测方法,实现连续图像中橘小实蝇目标提取算法,通过试验分析比较几种常用的运动目标跟踪算法性能,优选一种适用于橘小实蝇目标跟踪算法,通过系统运行测试检验橘小实蝇运动轨迹跟踪效果及虫害数量统计准确性。 1 检测橙色苍蝇害虫的材料和方法 1.1 诱捕器2部分装配集成 整个视觉检测装置如图1所示,视觉检测装置采用橘小实蝇诱捕器、数据采集器与图像传感器3部分装配集成,通过在诱捕器虫口上沿遮光罩上加装焦距3.5 mm工业级CMOS图像传感器,将成像位置对焦于捕虫器圆形虫口区域,采集图像时橘小实蝇经过虫口的过程可以完全被捕获,整个诱捕器外部加装遮光罩遮挡,可以减少外界光照变化对图像采集质量影响。 1.2 害虫数量统计 考虑到诱捕器视觉检测区域主要由圆形虫口(背景)与橘小实蝇(前景)2部分构成。为了精确计量橘小实蝇进入诱捕器虫口的虫害数量,枚举橘小实蝇在虫口的活动行为的各种情况,采用橘小实蝇运动轨迹跟踪思想,实时检测并保存橘小实蝇在视觉检测区域内运动轨迹坐标位置,通过比较橘小实蝇在视觉检测区域出现的首、末帧坐标与虫口坐标区域的位置关系,完成橘小实蝇虫害数量统计。根据橘小实蝇与圆形虫口区域位置关系,将橘小实蝇在视觉检测区域的运动过程划分为4种情况,如表1所示。 2 橘子苍蝇运动目标检测方法 2.1 图像复杂度转换 视觉检测平台首先对采集到的原始彩色视频帧图像进行灰度二值化处理,使得处理后的视频帧尽量满足信噪比高、橘小实蝇边缘提取连续清晰,以满足后续前景检测的需要,其灰度转换公式为 式中,Gray为图像灰度值;R为图像红色分量;G为图像绿色分量;B为图像蓝色分量。 通过人工试验方法,采用主观评价原则对目前常用的边缘检测、形态学处理及图像滤波方法进行尝试比较,最终选用Canny边缘检测联合图像闭运算及3次中值滤波算法结合的方法完成视频帧图像预处理,处理结果如图2所示。 2.2 分段背景差分法 橘小实蝇视频中极大部分视频帧图像由橘小实蝇和诱捕器虫口区域共同构成,因此,在对橘小实蝇进行目标跟踪前,需要把橘小实蝇从视频帧图像中提取,完成前景检测。鉴于捕获的视频帧图像随时间推移图像明暗度会相应发生改变,选取背景差分法实现对视频帧中橘小实蝇目标提取,其背景更新模型可表示为 式中,acck(x,y)为当前帧背景图像;acck-1(x,y)为上一帧的背景图像;image(x,y)为当前帧原图像;a为背景更新权重系数。经典的背景差分法会选用摄像头第一帧作为首帧背景,虽然在后续帧中会进行背景更新,但如果在第一帧图像中就出现橘小实蝇,背景差分经典算法会将其误认为背景中的一部分,而后续帧中在该位置上的背景将会误检为橘小实蝇,以真实捕获的视频为例,提取第一帧视频作为背景,如图3所示。 由图3可知,采用背景差分经典算法后提取的背景第1帧图像左上角出现一头橘小实蝇将会被误判为背景,经过背景更新迭代,运行至第948帧