基于机器视觉的茶园害虫智能识别系统研究与实现

潘梅 李光辉 周小波

摘要    针对茶园害虫依靠人工识别方法存在效率低、需人工干预的局限，不利于茶叶植保过程中害虫的自动识别及精准施药的信息化、机械化的问题，提出采用机器视觉技术实现茶园害虫的智能识别。本文对其技术路线、处理流程、研究与实现平台和方法进行研究，采用HSV空间的阈值分割、SIFT特征提取、SVM分类等算法实现茶园害虫智能识别系统，并以茶尺蠖为例验证了该识别系统研究与实现方法的可行性和有效性。结果可为茶叶植保过程中的自动、精准施药提供依据，促进农业机械向着智能化方向发展。

关键词    机器视觉;茶园害虫;智能识别系统;精准施药;植保机械化

中图分类号    S24         文献标识码    A

文章编号   1007-5739（2019）18-0229-02                                                                                     开放科学（资源服务）标识码（OSID）

Abstract    Aiming at the limitation of low efficiency and manual intervention by artificial recognition method in the tea garden pest recognition，which is not conducive to the automatic recognition of pests and the informationization and mechanization of precise pesticide application in the process of tea garden protection，the intelligent recognition of pests in the tea garden based on machine vision technology is proposed and used.In this paper，the technical route，processing flow，research and implementation platform and method are studied.The intelligent recognition system for tea garden pests is realized by threshold segmentation in HSV space，feature extraction using SIFT，classification by SVM and other algorithms.The feasibility and effecti-veness of the research and implementation method are verified by taking the tea inchworm as an example.This can provide basis for automatic and precise application of pesticides in the process of tea plant protection and promote the development of agricultural machinery towards intelligent direction.

Key words    machine vision;tea garden pest;intelligent recognition system;precise application of pesticide;mechanization of plant protection

茶業是中国传统的优势产业，我国茶园面积占世界总面积的60%，产量占世界总产量的40%以上[1]。茶叶产业已成为带动地区农村经济发展、促进农民脱贫增收的重要支柱产业。茶区降雨充沛，气候温暖潮湿，害虫种类多。常见的茶树病虫害达30多种，可直接造成茶叶减产15%～20%，危害严重[2]。针对不同的茶叶害虫，其治理方法差异较大。因此，害虫识别是否精准直接影响茶园害虫的防治效果及茶叶的产量和品质。

对茶园害虫的识别，一般是依靠人工已有经验知识或者查阅专业资料进行判断，这种方法需人工干预、效率低，不利于茶叶植保过程中害虫的自动识别及精准施药的信息化、机械化。随着现代信息技术、计算机技术的发展，许多研究者将机器视觉技术引入到害虫智能识别中[3]。

机器视觉就是用机器代替人眼来做测量和判断，它不仅具有人眼的视觉功能，更具有人脑的部分功能[4]。机器视觉技术开始于20世纪中期，具有速度快、信息量大的特点。该技术在国内外信息农业中被广泛应用，如农作物长势监测、农田病虫害诊断等。目前，机器视觉技术在茶叶生产研究中已取得了一定进展，很多专家学者都对其进行了积极的研究，主要包括对茶叶品质鉴定的运用、对茶叶加工领域的运用、对茶叶种类识别的运用等，但该技术在茶园害虫智能识别领域的研究相对较少，有待进一步深入研究。

本文将机器视觉技术应用于茶园害虫的智能识别中，并对其技术路线、处理流程、研究与实现平台和方法进行研究，实现茶园害虫智能识别系统，将茶园害虫智能识别技术、自动控制技术与喷雾技术结合，可实现茶园植保精准施药的机械化、信息化和智能化，为自动、精准施药提供依据。

1    茶园害虫智能识别方案设计

1.1    技术路线

基于机器视觉的茶园害虫智能识别主要包括图像采集和数字图像处理2个部分。图像采集是指采用摄像机组（C-CD/CMOS相机和镜头）等设备到茶园收集如茶小绿叶禅、茶尺蠖等害虫的多角度、多形态正样本图像，以及如土壤、杂草等茶园环境中各种非害虫负样本图像。数字图像处理是指利用计算机对采集到的茶园图像进行分析和处理，以实现害虫的自动定位、智能分类和识别。研究与实现该系统的技术路线如图1所示。

1.2    处理流程

基于机器视觉技术实现茶园害虫智能识别，其核心就是数字图像处理。数字图像处理可分为两大阶段：一是利用采集到的茶园图像建立正、负样本图像库，并采用图像预处理、特征提取、机器学习等算法获得分类模型的训练阶段;二是采用图像预处理、图像分割、分割后处理、特征提取、模式识别等算法，利用训练阶段生成的分类模型进行害虫识别的预测阶段，其处理流程如图2所示。识别结果通过控制/执行机构完成自动、精准施药等操作。

2    茶园害虫智能识别系统研究与实现

2.1    研究与实现平台

本识别系统采用计算机作为硬件支撑，在Windows 7操作系统中，安装Visual Studio 2008软件，利用C++编程语言进行研究与实现。其研究与实现平台具体参数如表1所示。

2.2    研究与实现方法

本识别系统的主要处理内容包括图像采集、建立害虫样本图像库、图像预处理、害虫定位、特征提取以及分类器的设计、训练与害虫识别。①图像采集：利用CCD相机+镜头+自然光源实现图像采集。②害虫样本图像库：包括图像裁剪，建立多分类害虫正样本图像集和负样本图像集等。③图像预处理：主要为中值滤波，尺寸归一化和RGB到HSV、RGB到GRAY的颜色模型转换。④害虫定位：首先在HSV颜色空间进行阈值分割，再利用形态学腐蚀和膨胀、轮廓提取、基于轮廓面积等的筛选和基于最小边界矩形长宽及其比值等的筛选进行分割后处理。⑤特征提取：进行SIFT特征点检测并生成特征描述子;利用K均值聚类获得视觉词汇表;构建害虫特征的Bag-of-Words（BoW）模型。⑥分类器的设计、训练与害虫识别：利用支持向量机（SVM）分类算法设计分类器;将BoW模型数据输入分类器，进行训练生成分类模型;利用分类模型进行预测分类，实现害虫识别。

2.3    研究与识别效果

本文以茶尺蠖为例，对上述智能识别系统研究与实现方法的可行性和有效性进行验证。图3为待识别的茶尺蠖原图;图4为在HSV颜色空间进行阈值分割后的害虫初定位图像;图5为经过图像分割后处理的害虫自动定位图像。将害虫图像进行SIFT特征提取之后，利用训练好的分类模型进行预测，实现该图像的害虫智能识别，其效果具体如图6所示。

3    智能识别技术在茶园植保精准施药中的应用

将茶园害虫智能识别技术、自动化控制技术与喷雾技术结合，可实现茶园植保精准施药的机械化、信息化和智能化。当智能识别系统发现并自动定位、智能识别出害虫时，施药喷雾机的自动控制系统根据害虫的种类打开喷雾系统相应的农药箱，进行对靶式、定量喷雾施药。在没有发现茶叶害虫的安全区域，识别系统将识别情况传给自动控制系统关闭喷雾机构，此时喷雾机不对外喷雾施药，可实现茶园植保“有害虫精准施药、无害虫停止喷雾”的智能化操作。将茶园害虫智能识别技术应用于茶叶植保，可减少人工操作的劳动强度并且大幅减少施药量，不仅可以节约大量的人工、农药成本，也可以显著提高茶叶品质，还可以减少因过度使用农药引起的环境污染。另外，将该识别系统与远程物联网监控系统联合应用，也可以实现茶园害虫远程化、无人化、智能化识别等。

4    结语

基于机器视觉的茶园害虫智能识别可以为实现实时、准确的茶园害虫智能识别提供研究思路，促进茶叶植保过程的机械化、精准化，促进农业机械向着信息化、智能化方向发展[5]。

5    参考文献

[1] 单文慧.柔性管理在茶叶企业经济管理中的作用分析[J].福建茶叶，2018（1）：392.

[2] 陈钊，王子辉，赵玉清，等.基于多层卷积滤波与HSV颜色提取的茶轮斑病识别研究[J].湖北农業科学，2018（11）：107-110.

[3] 韩瑞珍.基于机器视觉的农田害虫快速检测与识别研究[D].杭州：浙江大学，2014.

[4] 冀荣华，祁力钧，傅泽田.机器视觉技术在精细农业中的研究进展[J].农机化研究，2007（11）：1-5.

[5] 秦放.基于深度学习的昆虫图像识别研究[D].成都：西南交通大学，2018.