获取害虫动态变化数据是害虫综合治理预防的重要基础之一,温室害虫一般具有虫体小、迁飞性、隐蔽性(常于叶片背部危害)等特点,目前大多采用人工识别与计数,不仅费时费力,而且受主观影响准确率不稳定。而基于图像处理的机器视觉方法的害虫检测与识别计数方法具有省时省力、自动化、智能化等优点,已经成为现代农业害虫监测领域的研究热点。本文以黄瓜温室中常见的粉虱和蓟马成虫为研究对象,进行了图像检测与识别方法研究。主要的研究内容如下:(1)黄瓜温室环境中粉虱和蓟马诱虫板的图像自动获取。黄瓜温室中黄色粘虫板背景下,粉虱和蓟马成虫的虫体较小,体长、颜色差异不明显。采用本课题组自主开发、设计的害虫自动监测装置来获取害虫诱虫板图像,并开发了基于Android系统的害虫监测软件实现定时拍照,通过移动无线网络上传照片到后台服务器进行存储与后期图像处理,本试验设定的拍照时间间隔为2小时。(2)图像预处理方法,图像分割与目标提取算法。使用了灰度变换、中值滤波平滑、颜色空间变化、灰度拉伸等图像预处理方法,将原图像由RGB颜色空间变换到HSI、L*a*b*颜色空间提高害虫目标与背景的对比度。结合本文害虫目标图像特点最后选择利用prewitt、canny算子分别在HSI的I分量、L*a*b*的b分量二值图像上进行单头害虫边缘检测,再经过形态学处理、差分法、空洞填充处理,最后融合这两幅二值图像完成单头害虫区域的提取。(3)基于支持向量机的害虫识别算法研究。提取害虫目标特征,特征参数归一化处理并组成特征向量组,作为输入向量利用支持向量机进行训练建模与害虫识别。根据粉虱和蓟马成虫的特点,从形态到颜色、纹理等特征提取出发,选取了害虫的9个颜色特征、5个形态特征共14项特征作为表征温室虫害的特征参数,并构建了误差反向传播(BP)预测识别模型,结果显示:SVM模型害虫平均识别准确率达到了93.5%,粉虱和蓟马的识别率分别是91.0%和96.0%,SVM识别效果优于BP。(4)针对害虫识别系统适用性,本文作了自动监测装置参数和图像参数的规范标准研究。为了获取更好的识别结果,根据自动检测装置拍照环境,对影响图像采集质量的参数进行探讨,确定最佳的自动监测装置参数与图片参数。分析了当前常见的图像数据类型,选择可见光图像用于后面的图像处理算法。光照变化对害虫图像具有较大的影响,不仅影响图像预处理过程,而且也影响识别效果。对于存在的光照问题,本文选择通过硬件装置参数优化和图像处理算法降低光照的影响。(5)利用MATLAB和Microsoft Visual Studio 2010软件开发了农业害虫识别与计数系统,系统包含了模型构建、害虫识别、监听三部分。模型构建模块目的是建立一个害虫识别分类模型,害虫识别模块用于对采集到的害虫图像利用构建好的分类模型进行害虫识别操作,系统实现模块对自动监测装置传回的害虫图像进行实时监听。本文以黄瓜温室环境中粉虱和蓟马诱虫板图像为实验材料,基于边缘分割和SVM对害虫图像进行分割与识别。从结果来看,本文图像分割识别算法能够自动、有效地对害虫进行分割、计数与识别,可以为虫害的监测与预警提供支持,为及时采取正确的防治措施提供重要的依据。