基于的粘虫板害虫计数系统研究与实现(3) - 植物保护学报杂志社投稿_期刊论文发表|版面费|电话|编辑部|论文发表- 植物保护学报

一、稿件要求： 1、稿件内容应该是与某一计算机类具体产品紧密相关的新闻评论、购买体验、性能详析等文章。要求稿件论点中立，论述详实，能够对读者的购买起到指导作用。文章体裁不限，字数不限。 2、稿件建议采用纯文本格式(*.txt)。如果是文本文件，请注明插图位置。插图应清晰可辨，可保存为*.jpg、*.gif格式。如使用word等编辑的文本，建议不要将图片直接嵌在word文件中，而将插图另存，并注明插图位置。 3、如果用电子邮件投稿，最好压缩后发送。 4、请使用中文的标点符号。例如句号为。而不是.。 5、来稿请注明作者署名(真实姓名、笔名)、详细地址、邮编、联系电话、E-mail地址等，以便联系。 6、我们保留对稿件的增删权。 7、我们对有一稿多投、剽窃或抄袭行为者，将保留追究由此引起的法律、经济责任的权利。二、投稿方式： 1、请使用电子邮件方式投递稿件。 2、编译的稿件，请注明出处并附带原文。 3、请按稿件内容投递到相关编辑信箱三、稿件著作权： 1、投稿人保证其向我方所投之作品是其本人或与他人合作创作之成果，或对所投作品拥有合法的著作权，无第三人对其作品提出可成立之权利主张。 2、投稿人保证向我方所投之稿件，尚未在任何媒体上发表。 3、投稿人保证其作品不含有违反宪法、法律及损害社会公共利益之内容。 4、投稿人向我方所投之作品不得同时向第三方投送，即不允许一稿多投。若投稿人有违反该款约定的行为，则我方有权不向投稿人支付报酬。但我方在收到投稿人所投作品10日内未作出采用通知的除外。 5、投稿人授予我方享有作品专有使用权的方式包括但不限于：通过网络向公众传播、复制、摘编、表演、播放、展览、发行、摄制电影、电视、录像制品、录制录音制品、制作数字化制品、改编、翻译、注释、编辑，以及出版、许可其他媒体、网站及单位转载、摘编、播放、录制、翻译、注释、编辑、改编、摄制。 6、投稿人委托我方声明，未经我方许可，任何网站、媒体、组织不得转载、摘编其作品。

基于的粘虫板害虫计数系统研究与实现(3)

作者:

关键词:

摘要：

图102类粘虫板表2系统测试结果

粘虫板编号人工计数总数/头系统计数总数/头误差率/%粘虫板编号人工计数总数/头系统计数总数/头误差率/%-8...-5.482-3.-5.-6.-2.-5.-3.-6.-4.-5.0-5.-4...-3.0-1.4

由于1—10号粘虫板放置时间短，害虫种类单一，因此对11—20号粘虫板进行3类害虫计数测试，分别统计3类害虫人工计数与系统计数数量，结果如图11所示。从图11可以看出，黑刺粉虱数量最多，总体上系统测试的结果偏高，误差范围为-2.7%～9.0%。研究中发现，黑刺粉虱体积较小，且颜色较深，一些大的沙粒也会被检测为害虫，造成测试数量高于实际数量。小绿叶蝉数量较少，系统测试结果偏低，最大误差4头。研究中发现，小绿叶蝉颜色较淡，翅膀等部分呈透明状，容易被检测为粘虫板背景，造成对应的连通区域面积减少，进而造成测试数量低于实际数量。潜叶蝇数量最少，测试结果准确率最高，因为潜叶蝇体积较大，受到外界干扰因素的影响最小。

图113类害虫计数测试结果

4 结论与讨论

关于传统的基于机器视觉的害虫计数方法研究较多，而基于Android平台的研究尚未见报道，本研究开发了一种基于Android的粘虫板害虫计数系统，并对软件客户端进行了设计。传统的害虫计数方法需要将图像在计算机终端进行人工剪裁以去除无关背景，本研究根据在田间实地拍摄的具体情况，提出了一种基于HSV空间的方法自动去除复杂背景，提高了统计的时效性。有学者对多种害虫计数进行了研究，但是一般为螟虫、眼蝶、卷蛾等鳞翅目害虫和粉虱、蚜虫[20]。针对潜叶蝇、小绿叶蝉翅足边缘不规则的情况，本研究使用均值滤波技术处理边缘部分，提高了识别的准确率。系统通过对处理后图像的连通区域面积进行分析与统计，获得粘虫板上害虫数量。同时根据面积大小进行害虫分类，但是当环境更加复杂，害虫种类较多时，准确率会下降，下一步考虑采用基于深度学习的算法，来处理环境更加复杂的情况。

以泰安茶溪谷茶园内黄色粘虫板为对象，对本系统进行测试。测试数据说明，当粘虫板上害虫数量充足时，系统自动统计的数量与人工观察统计的数量相对误差率在-6.7%～4.1%。测试结果表明系统运行效果良好，能够有效地对粘虫板害虫进行计数，提高了田间害虫数量统计的效率，并实现了统计结果实时上传，对于开展害虫预测预报以及防护工作有一定的意义。

[1] 刘霞,夏忠敏,吴琼,等.黄蓝粘虫板在茶园上的应用效果分析[J].耕作与栽培,2011(6):27-37.

[2] 王志彬,王开义,张水发,等.基于K-means聚类和椭圆拟合方法的白粉虱计数算法[J].农业工程学报,2014,30(1):105-112.

[3] Kim Y K,Lee J M.Pest detection method using multi-fractal analysis[J].Journal of Measurement Science and Instrumentation,2011,2(3):240-243.

[4] 陈月华.基于机器视觉的小麦蚜虫自动检测技术研究[D].哈尔滨：东北农业大学,2007.

[5] 姜慧.基于Android的水稻害虫图像采集与识别系统研究[D].杭州：浙江理工大学,2013.

[6] 杨林楠,郜鲁涛,林尔升,等.基于Android系统手机的甜玉米病虫害智能诊断系统[J].农业工程学报,2012,28(18):163-168.

[7] 李文勇.基于机器视觉的果园性诱害虫在线识别与计数方法研究[D].北京：中国农业大学,2015.

[8] 詹成国，朱伟，徐敏.基于Android的测控装置人机界面的设计与开发[J].电力自动化设备，2012，32(1)：119-122.

[9] 李慧,刘星桥,李景,等.基于物联网Android平台的水产养殖远程监控系统[J].农业工程学报,2013,29(13):175-181.

[10] 黄社阳,刘智勇,阮太元.基于HSV颜色空间和SVM的车牌提取算法[J].计算机系统应用,2014,23(8):150-153.

[11] 张凯兵,章爱群,李春生.基于HSV空间颜色直方图的油菜叶片缺素诊断[J].农业工程学报,2016,32(19):179-187.

[12] 李微,李德仁.基于HSV色彩空间的MODIS云检测算法研究[J].中国图象图形学报,2011,16(9):1696-1701.

[13] 蔡式东,杨芳.一种基于HSV空间和粗糙集的彩色图像分割方法[J].光电子技术,2011,31(1):5-9.

[14] 张建伟,王永模,沈佐锐.麦田蚜虫自动计数研究[J].农业工程学报,2006,22(9):159-162.

[15] 张丽,李志能.基于阴影检测的HSV空间自适应背景模型的车辆追踪检测[J].中国图象图形学报,2003,8(7):778-782.

[16] 郭文川,周超超,韩文霆.基于Android手机的植物叶片面积快速无损测量系统[J].农业机械学报,2014,45(1):275-280.

[17] 张琦.黑刺粉虱生物学特性及防治技术[J].安徽林业科技,2008(3):54.

[18] 林瑾.不同茶园假眼小绿叶蝉及其主要天敌的种群消长动态[D].福州：福建农林大学,2010.

文章来源：《植物保护学报》网址: http://www.zwbhxbzz.cn/qikandaodu/2021/0409/601.html