[发明专利]一种基于机器视觉的蜜蜂蜂群结构组成及健康状况测定方法

说明书

本发明属于蜜蜂养殖技术领域，公开了一种基于机器视觉的蜜蜂蜂群结构组成及健康状况测定方法。该方法首先进行蜜蜂巢脾图像采集，对图像进行灰度直方图处理，确定出灰度图像的阈值分割点和单个蜜蜂变态型的均值面积及均值半径大小；再对预处理图像进行单阈值分割，判断分割得到的子图像是否存在重叠现象；然后采用小波极值边缘检测法对每一只蜜蜂进行色彩参数提取，得到每只蜜蜂卵、幼虫、成蜂健康及不健康状态下的色彩信息；最后对提取出的色彩特征信息进行数据分析，进行蜜蜂健康状况的评定。采用本发明的方法可将机器视觉及图像处理技术应用到实际研究与生产过程中，提高蜜蜂蜂群组成及健康状况测定的准确性和时效性。

技术领域

本发明涉及蜜蜂养殖技术领域，具体是涉及一种基于机器视觉的蜜蜂蜂群结构组成及健康状况测定方法。

背景技术

目前国内蜂业处在转型升级的关键阶段，智能化饲养技术将逐渐取代传统蜜蜂饲养模式，智慧化蜂场是现代蜂业发展的必然趋势。蜂群中蜜蜂卵、幼虫、蛹及其成蜂数量和健康状况是反映蜂群优劣的重要指标，因此，在蜜蜂生物学研究中，测定蜂群中卵、幼虫、蛹及成蜂数量是基本的实验要求。现有的方法是采用方格组成的塑料透明板测量幼虫等的面积，再换算成幼虫的数量，成蜂的数据则直接靠肉眼观察，以脾为单位进行估算。这种现有的技术是在科研人员没有更好的办法前采用的，也是被同行认可的方法，但是该方法采用面积换算的方式，数据精确度不足；且采集6箱蜜蜂的基础数据，往往需要4-6个小时；此外，长时间将巢脾拿出蜂箱，还会增加幼虫因为低温患病的几率，在精确性、快捷性等方面尚显不足。

随着计算机技术在农业中的应用日益广泛，探讨运用机器视觉及图像处理技术，快速准确地识别蜜蜂不同变态型的特征，实现蜜蜂蜂群组成及健康状况测定的自动化和智能化，无疑是减少人为因素影响、提高测定效率的新途径。因此，将基于机器视觉的蜜蜂蜂群结构组成及健康状况测定方法应用到实际生产过程中，对实现蜜蜂蜂群优劣检测的技术发展具有重要意义，有利于提高蜂群中卵、幼虫、蛹及成蜂测定的准确性和时效性，有利于提升蜂群健康状况的鉴别准确性，促进我国蜜蜂遗传育种与繁殖、蜜蜂疾病防控等工作的发展。

发明内容

本发明的目的是为了克服上述背景技术在精确性、快捷性等方面尚显不足的缺陷，提供一种基于机器视觉的蜜蜂蜂群结构组成及健康状况测定方法。采用本发明的方法可将机器视觉及图像处理技术应用到实际研究与生产过程中，提高蜜蜂蜂群组成及健康状况测定的准确性和时效性。

为达到本发明的目的，本发明基于机器视觉的蜜蜂蜂群结构组成及健康状况测定方法包括以下步骤：

S1：采用工业CCD相机相结合的方法进行蜂群内不同发育阶段的蜜蜂结构图像采集，将采集得到的24位RGB图像读入计算机，得到清晰、原始的蜜蜂巢脾图像；

S2：在采集原始蜜蜂巢脾图像的基础上，采用灰度直方图法和轮廓面积检测法对图像进行预处理，以得到准确的图像分割阈和单只蜜蜂均值面积及均值长、短径；使用形态学不对称腐蚀运算确定蜜蜂中心点，结合长短、径得到单只卵、幼虫、蛹及成蜂这些不同变态型的图像；

S3：采用单阈值法对巢脾图像进行初次分割，得到每张图像的多张子图像，对子图像采用面积比对法检测，确定子图像包括的蜜蜂的卵、幼虫、蛹、成蜂个数；

S4：对于子图像成蜂个数大于1的情况，即出现蜜蜂重叠现象，采用不对称形态学处理方法，对子图像进行多次腐蚀，得到蜜蜂的图像分布中心，以该中心为圆点，以单只蜜蜂均值半径为半径划定蜜蜂有效区域，进行重叠蜜蜂的分割，得到每一只成蜂的图像；

S5：采用灰度图像极值小波边缘检测方法得到每个蜜蜂变态型的准确分布区域，进行色彩参数提取，即提取该区域内的RGB色彩参数大小，以RGB色彩参数为基础得到HIS色彩参数和Lab色彩参数；