我国粮食产量和库存连续多年保持高位,尽管国库储粮损失率维持较低水平,但由于储粮基数大,储粮损失依然十分严重。储粮害虫是造成储粮损失的主要原因之一,充分了解仓储害虫情况,是采集合理防治措施的基础。建立基于图像处理的储粮低密度虫害实时监测系统,对实时掌握仓储害虫情况,在低密度虫害感染阶段及时采取防治措施具有很高的实用价值。而目前对于此类系统研究较少,已有监测系统存在系统复杂、监测端移动性不足以及监测缺乏针对性等问题。本文采用云服务与Web技术,搭建基于图像处理的储粮低密度虫害实时监测系统,通过研究图像采集、图像处理与识别计数、云服务器搭建以及Web应用开发等问题,提高了系统监测的针对性,解决了目前监测系统复杂和监测端移动性不足的问题。本文的研究内容与主要结果如下:(1)储粮低密度虫害实时监测系统总体框架设计:依据监测系统的性能与功能需求,采用硬件终端、云服务器和Web客户端搭建系统总体框架,并将系统功能细分为图像采集、图像处理与识别计数、云服务器以及Web客户端四个模块。图像采集以及图像处理与识别计数功能在硬件终端实现,数据由无线网络传至云服务器存储;云服务器与硬件终端进行数据交换并响应Web客户端的请求,使用云存储与云数据库实现图像数据与其它数据的分离存储;Web客户端通过与用户的交互,允许用户登录后进行粮仓监管与参数设置等操作。(2)储粮低密度虫害实时监测系统的硬件设计与实现:选用树莓派3代B+型与第二代诱捕器组成系统硬件终端,用于害虫诱捕、图像采集、图像处理与识别计数。通过对第一代诱捕器的摄像头模块、光源位置、背景颜色与外形尺寸等方面的优化,制作的第二代诱捕器在树莓派控制下能采集到害虫轮廓清晰、明暗均匀、无谷物背景的高质量害虫图像。根据系统总体框架设计,对比不同型号树莓派参数,选用具有双频无线网卡(2.4 GHz/5.0 GHz)和最高CUP频率的树莓派3代B+型控制诱捕器,实现图像采集与处理以及数据传输。(3)储粮低密度虫害实时监测系统的软件设计与实现:以系统硬件为基础,系统软件实现了图像采集、图像处理与识别计数、云服务器以及Web客户端四个模块的功能。使用Fswebcam与Python实现树莓派控制诱捕器采集图像,并通过调整摄像头的亮度、对比度、高光度、伽马和饱和度参数值,采集到了视觉效果良好的害虫图像。通过Python调用OpenCV函数,比较了不同灰度化、滤波和阈值分割算法对害虫图像的处理效果,确定了剪裁、G分量灰度化、中值滤波、直方图双峰法阈值分割、闭运算的图像处理流程,利用害虫、芒、草籽的离心率差异实现了对害虫的计数。以亚马逊云服务的弹性计算云(Elastic Compute Cloud,EC2)作为云服务器的搭建平台,通过采用简单存储服务(Simple Storage Service,S3)与部署MongoDB数据库,实现图像数据与其它数据的分离式存储;通过Node.js搭建JavaScript运行环境,采用JavaScript作为服务器端脚本语言。Web客户端采用Angular构架搭建,通过组件、服务和模块的设置,结合超文本标记语言(Hyper Text Markup Language,HTML)与层叠样式表(Cascading Style Sheets,CSS),实现了Web客户端各页面的显示与功能,Web客户端与服务器端的数据交换采用JSON格式。(4)储粮低密度虫害监测系统测试结果与分析:通过灵敏度、捕捉率和计数准确率等指标评价了该系统对低密度虫害储粮的监测效果。系统在不同低密度虫害感染浓度的储粮中,捕获第一头害虫的最长时间为46.9 min,仅占总监测时长的3.25%;对单一赤拟谷盗感染的储粮害虫捕捉率为61.98%~71.53%,对混合虫害感染的害虫捕捉率为42.71%~47.92%,捕捉的害虫数与虫粮害虫总数间存在明显的线性关系;对害虫图像计数准确率为92.48%,在害虫数量少时计数准确率高,随着害虫数量的增多,系统计数准确率降低。以上结果表明系统对低密度虫害监测具有较高的灵敏度,捕捉率无显著差异,可以通过诱捕的害虫数量来估计虫粮中的害虫总数,且计数具有较高的准确率。