基于混合特征圖像處理的蛾類識別

畢業(yè)設(shè)計中期報告題目：混合特征圖像處理的蛾類識別姓名：

學(xué)號：

導(dǎo)師：

2021年3月19日ArtificialIntelligence畢業(yè)設(shè)計主要內(nèi)容我國是農(nóng)業(yè)大國，病蟲害對農(nóng)作物的破壞每年都會造成巨大的經(jīng)濟(jì)損失。如果能準(zhǔn)確的監(jiān)測不同地區(qū)的病蟲害種類以及規(guī)模，就可以提前做好預(yù)防措施，將損失降低到最少。

當(dāng)前我國的病蟲害預(yù)防檢測多以人工為主，但是面臨著效率低，經(jīng)驗豐富人員缺乏，時效性差等種種問題。

國外已有一些害蟲識別相關(guān)的研究，但是對于我國復(fù)雜的農(nóng)業(yè)地理氣候分布以及農(nóng)民朋友們實際操作能力的差異，并不能起到很好的效果。ArtificialIntelligence基于圖像處理的混合模型蛾類識別ArtificialIntelligence研究方案1.搜集材料，閱讀文獻(xiàn)，方案可行性評估[2周]2.不同模型代碼實現(xiàn)，各個模型識別測試[2-4周]3.多級處理機(jī)制搭建，投票結(jié)構(gòu)搭建[1周]4.混合模型構(gòu)建，訓(xùn)練及改進(jìn)[1周]5.完成代碼調(diào)試，圖形化界面[1周]6.模幅員片及田野圖片測試評估[1周]7.改進(jìn)撰寫論文[1周][可選局部]8.實現(xiàn)網(wǎng)絡(luò)傳輸功能，可拍照上傳，在線識別9.嘗試編寫客戶端，完成識別或上傳ArtificialIntelligenceArtificialIntelligence已完成局部★完成相關(guān)文獻(xiàn)的閱讀及可行性評價★邊緣檢測，圖像增強(qiáng)，特征提取相關(guān)知識的學(xué)習(xí)★嘗試了不同圖像采集設(shè)備對昆蟲圖像的影響〔數(shù)碼相機(jī)單反相機(jī)攝像機(jī)電腦攝像頭〕★不同圖像格式及壓縮算法對特征的影響(rawjpgtiff)★中值濾波處理,獨(dú)立閥值去噪實現(xiàn)(模幅員像)★基于Laplace算子的邊緣檢測實現(xiàn)(模幅員像)★多級處理機(jī)制的初步構(gòu)建ArtificialIntelligence圖像采集&預(yù)處理ArtificialIntelligenceArtificialIntelligenceHDR處理效果比照〔右側(cè)為原圖〕ArtificialIntelligenceArtificialIntelligence★邊緣檢測Laplace算子/支持向量機(jī)(有待理解)(實驗效果好/準(zhǔn)確分割背景)★形態(tài)分類節(jié)肢型/正三角/等腰三角/其他

根據(jù)形狀初步分類

判斷昆蟲類型/位姿/主軸方向★分類判斷根據(jù)初步結(jié)果分類處理

加權(quán)依據(jù)紋理/形態(tài)/顏色處理邊緣檢測&圖像分割A(yù)rtificialIntelligence多級處理&投票體系★運(yùn)用不同算子/分類器分別處理，輸出得票最多結(jié)果★多級處理，每級均將最優(yōu)結(jié)果輸至下一級并反響上一級，將待處理圖片參加模版★假設(shè)最終識別成功，那么將同一個體的不同姿態(tài)制成模版，不斷添加，提高識別率★每一級將評估結(jié)果不好的圖片或特征掛起防止浪費(fèi)系統(tǒng)資源，做到優(yōu)選優(yōu)評★最終實現(xiàn)多級在線聯(lián)網(wǎng)，利用網(wǎng)絡(luò)數(shù)據(jù)庫分類識別ArtificialIntelligenceArtificialIntelligencePolianebulosa灰夜蛾(原始圖像)HDR處理后的效果ArtificialIntelligence對HDR圖像二值化操作一般圖像分割效果★對于軸對稱紋理識別的研究★區(qū)域生長分割算法研究★圖像特征評估機(jī)制的權(quán)重改善★多級處理的邏輯結(jié)構(gòu)改進(jìn)★代碼精簡,多平臺實現(xiàn)★模幅員像訓(xùn)練分類器★田野圖片測試訓(xùn)練面臨問題ArtificialIntelligence方案&目標(biāo)方案★按照初定時間表進(jìn)行★重點(diǎn)構(gòu)建多級評估的邏輯結(jié)構(gòu)，目前很不完善★嘗試新的算子/算法，評估效果★用模幅員片大量訓(xùn)練分類器★實圖訓(xùn)練，效果評估目標(biāo)★完成電腦客戶端★嘗試在線模版庫★嘗試