基于机器视觉的稻飞虱田间调查方法评估

摘要

稻飞虱是我国水稻主要害虫之一，其发生和危害严重威胁着我国水稻生产以及粮食安全。准确有效地监测和预报稻飞虱发生动态，是对稻飞虱进行有效防治的前提。田间稻飞虱虫量调查方法的准确与否，势必影响着稻飞虱种群动态研究、发生数量预测、危害损失测定以及防治指标的可靠度。当前稻飞虱种群数量调查方法主要有盘拍法（光瓷盘和黏胶盘）、目测法和粘虫板法。盘拍法（光瓷盘）是目前我国植保总站推广的田间稻飞虱普查方法;盘拍法（黏胶盘）主要是在一些科学研究中使用的方法;粘虫板法主要应用于大田系统调查，而目测法是70年代以前我国植保站普遍采用的方法。这些传统方法人工成本高，对调查人员的专业素质要求高，这与我国基层植保人员的短缺形成了不可调和的矛盾，也不能适应新形势下的农业病虫科学管理。目前精准化、规模化农业的发展趋势对植保工作提出了新的要求，计算机技术的发展，机器视觉技术的引入，为农业病虫科学管理提供了新的手段和方法。
　　本论文主要基于中国水稻研究所开发的稻田飞虱智能识别计数系统，在室内对静态图像取得了较好的识别率基础上，应用机器视觉技术的方法与传统的稻田飞虱调查方法进行比较研究，以便改进和推广基于机器视觉的稻田飞虱虫量调查方法。研究结果如下:
　　1)根据图像中稻飞虱数量多少，自定义图像5个等级，分别对5个等级下程序的检出率、误检率、漏检率进行统计分析，同时对图像中实际稻飞虱数量与程序读出结果作显著性分析。结果表明，在图像中稻飞虱数量小于2头/丛时，检出率高达100％，但误检率同样高达70.70％，t检验结果表明程序读出结果与照片实际虫量有极显著性差异。图像中稻飞虱数量在2～8头/丛、8～16头/丛、16～30头/丛时，检出率分别为87.68％、85.59％、87.47％，误检率分别是17.75％、15.40％、13.47％，程序读出结果与照片实际虫量t检验结果分别是0.286、0.566、0.662，均大于0.05，表明程序读出结果与照片实际虫量没有显著性差异;在大于30头/丛时，检出率89.66％，误检率20.21％，程序读出结果与实际虫量存在显著性差异。分析结果表明该智能系统具有较好的检测效果。
　　2)在室内进行接虫实验，分别使用不同的调查方法对分蘖期接虫稻株进行虫量调查，结果发现在稻飞虱接虫量密度低于2头/丛时，4种传统调查方法与机器视觉方法的调查结果与实际情况误差均较大，稻飞虱查获率会出现大于100％情况，在此密度下调查结果均不可靠。随着接虫密度增加，4种传统方法查获率增加，但其增加速率逐渐减缓，机器识别结果查获率则是出现先减小后增大趋势。在2头/丛到4头/丛时，机器视觉查获率要高于4种传统方法查获率，而超过4头/丛后，机器视觉查获率低于4种传统方法。机器视觉查获率与4种传统方法查获率随着查获量增加都呈现一种稳定的变化。在对查获虫量与接虫密度进行分析，发现4种传统方法调查密度随着接虫密度增加呈现“S”增长趋势，而机器视觉也有类似变化。在此基础上，分别拟合了盘拍法（光瓷盘）、盘拍法（黏胶盘）、粘虫板法、目测法、机器识别以及人工图片计数下接虫密度(y)与查获密度(x)的方程为:y=10.32/(1+e5.755-0.655x)、y=10.41/(1+e5.289-0.661x)、y=9.85/(1+e5.801-0.663x)、y=8.65/(1+e6.808-0.662x)、y=6.15/(1+e3.202-0.751x)、y=4.60/(1+e5.069-0.799x)。
　　机器视觉技术在稻飞虱虫量调查方向有可行性，故建立了传统方法调查虫量(x)与机器视觉方法识别虫量(y)间的转换模型。
　　3)采用不同的调查方法对田间稻飞虱种群密度进行监测。在水稻分蘖期4种传统方法与机器识别进行一一对应，进行大田稻飞虱虫量调查，利用室内结果建立的模型尝试将盘拍法（光瓷盘）、盘拍法（黏胶盘）、目测法、粘虫板法调查虫量结果转换成相应机器识别结果，并将转换结果与机器读出结果在95％置信区间下作显著性分析。在TN1实验小区，稻飞虱虫量相对较高，此时t检验分析结果分别是0.820、0.830、0.678、0.451，均大于0.05;在秀水11小区，稻飞虱虫量密度相对较低，t检验分析结果分别0.868、0.890、0.136、0.608，也均大于0.05，这说明转换模型具有一定的实用性。在水稻全生育期，不同方法进行稻飞虱发生动态监测，发现4种传统方法与机器视觉技术在监测期内所调查的稻飞虱种群变化趋势大体是一致的。因此，机器视觉技术在大田实际应用中完全可行。

目录

声明

论文说明

摘要

第一章 文献综述

1 机器视觉技术

1．1 数字图像处理技术

1．2 模式识别技术

2 在农作物病虫害识别检测中的应用

2．1 国外的研究现状

2．2 国内的研究进展

3 稻飞虱传统田间调查方法

第二章 稻飞虱智能识别计数系统有效性评价

1 智能识别计数系统简介

2 系统操作流程图

3 智能识别系统有效性评价

第三章 稻飞虱不同调查方法的室内结果比较

1 材料与方法

1．1 实验设置与材料

1．2 拍照设备

1．3 稻飞虱智能诊断识别计数系统

1．4 调查方法

1．5 自助法重抽样

1．6 统计软件

1．7 统计分析软件R中bootstrap抽样设计

2 结果与分析

2．1 不同调查方法的结果分析

2．2 不同接虫与各调查方法下捕获虫量的模型分析

2．3 机器视觉与4种传统方法调查稻飞虱虫量的相关性分析

3 讨论

第四章 大田环境下不同方法调查稻飞虱虫量分析

1 材料与方法

1．1 实验设置与材料

1．2 拍照设备

1．3 稻飞虱智能识别计数系统

1．4 调查方法

2 结果与分析

2．1 传统稻飞虱调查方法与机器视觉技术比较分析

2．2 不同调查方法下田间稻飞虱发生动态

3 讨论

第五章 主要结论、创新点以及展望

1 本文的主要结论

2 主要创新点与不足

3 展望

参考文献

致谢

在读期间发表的文章