[发明专利]一种小体积害虫自动检测方法及系统

权利要求书

1.一种小体积害虫自动检测方法，其特征在于，包括：

获取粘虫板区域图像，并对所述粘虫板区域图像进行分块，得到多个子块图像；

对于每一子块图像，基于二维傅里叶变换和二维傅里叶逆变换，提取所述子块图像中的所有显著区域，确定显著区域灰度图，并基于自适应阈值算法，将所述显著区域灰度图转换为第一类二值图像，将所述第一类二值图像中面积处于预设范围内的显著区域作为目标害虫区域；

以所述目标害虫区域的中心为基准对所述子块图像进行裁剪，得到所述子块图像中与所述目标害虫区域对应的方块图像，并将所述方块图像转换为灰度图像，并确定所述方块图像对应的一维特征向量；

将所述一维特征向量输入到预设害虫识别模型中，由所述预设害虫识别模型输出所述方块图像内的目标害虫种类；

所述基于自适应阈值算法，将所述显著区域灰度图转换为第一类二值图像，具体包括：

基于自适应阈值算法，确定所述显著区域灰度图对应的最优二值化阈值；

基于所述最优二值化阈值，对所述显著区域灰度图进行二值化处理，将所述显著区域灰度图转换为第一类二值图像；

所述基于自适应阈值算法，确定所述显著区域灰度图对应的最优二值化阈值，具体用于：

绘制所述显著区域灰度图的灰度直方图，将所述灰度直方图中的峰值点与第一个零点进行连线，得到预设线段；其中，所述第一个零点即为所述灰度直方图中的像素个数第一次取零时对应的灰度值；

计算所述灰度直方图中除所述峰值点和所述第一个零点外的每一点到所述预设线段的距离；

选取到所述预设线段的距离最大的点对应的灰度值作为所述最优二值化阈值。

2.根据权利要求1所述的小体积害虫自动检测方法，其特征在于，所述基于二维傅里叶变换和二维傅里叶逆变换，提取所述子块图像中的所有显著区域，并确定显著区域灰度图，具体包括：

基于二维傅里叶变换，获取所述子块图像的频率谱，并计算所述频率谱的幅值谱和相位谱；

确定所述幅值谱的对数谱并基于均值滤波器对所述幅值谱的对数谱进行滤波，获取所述子块图像中图像背景的对数谱；

基于所述幅值谱的对数谱以及所述图像背景的对数谱，确定所述子块图像中所有显著区域的对数谱；

基于所述所有显著区域的对数谱以及所述相位谱，通过二维傅里叶逆变换确定所述显著区域灰度图。

3.根据权利要求1所述的小体积害虫自动检测方法，其特征在于，所述获取粘虫板区域图像，具体包括：

获取包含有粘虫板区域的源图像，并将所述源图像从RGB颜色空间转换到YCbCr空间；

提取所述源图像在所述YCbCr空间内的Cb分量图像，并将所述Cb分量图像转换为第二类二值图像；

将所述源图像与所述第二类二值图像进行数学相乘，获取所述粘虫板区域图像。

4.根据权利要求1-3中任一项所述的小体积害虫自动检测方法，其特征在于，在将所述第一类二值图像中面积处于预设范围内的显著区域作为目标害虫区域之前，还包括：

基于所述第一类二值图像中每个显著区域所占的像素数，计算每个显著区域的面积。

5.根据权利要求1-3中任一项所述的小体积害虫自动检测方法，其特征在于，所述预设害虫识别模型具体通过如下方法构建：

获取多个方块图像样本，所述方块图像样本中包含有不同类别的目标害虫；

将所述方块图像样本转换为灰度图像样本，并确定所述方块图像样本对应的一维特征向量；

将所述方块图像样本对应的一维特征向量作为输入、所述方块图像样本中目标害虫的类别作为输出对支持向量机分类器进行训练，得到所述预设害虫识别模型。