本文系河南省自然科学基金和中科院模式识别国家重点实验室开放课题资助项目。 在粮食储藏期间，因害虫危害所造成的损失十分严重，怎样有效防治储粮害虫，一直都是世界各国粮食储藏行业的研究热点。早在1972年，联合国粮农组织就提出了建立在生态学基础上的害虫综合防治策略(Integrated Pests Management)，而害虫的检测是IPM体系的重要组成部分。只有准确的检测，才能做到有目的的防治，既不会因虫害造成损失，也不会因盲目防治造成浪费，加重对粮食、环境的污染。 目前，我国主要采用人工扦样的方法来检测储粮害虫，由于扦样法技术落后、工作量大、效率低、还受工作人员主观因素的影响，因此难以适应我国粮食储藏工作的需要。为适应我国储粮现代化建设的需要，我们提出了基于图像识别的在线检测储粮害虫的新思路，围绕该课题本文主要进行了以下几个方面的研究工作： 1．图像识别储粮害虫检测系统的软硬件设计。分析比较了现有几种主要的储粮害虫检测方法，指出进行储粮害虫图像识别在线检测研究的意义；给出了检测系统的具体方案，软件和硬件的设计。 2．图像的预处理。在准确采集每一帧图像的基础上，通过分析比较，运用自适应的邻域平均法滤除了图像噪声；分析了矩量保持、最小误差、模糊集和最大熵四种自适应的图像阈值分割算法，选用最小误差法较好地实现了粮虫图像的自适应二值化分割；提出运用种子点火的连通区域标定法对多目标的粮虫二值化图像进行目标标定，解决了多目标害虫的识别问题。 3．特征提取。研究了主要储粮害虫的形态特征，提取了粮仓中长角扁谷盗、锯谷盗、玉米象、杂拟谷盗、赤拟谷盗、大谷盗等12种9类常见储粮害虫的面积、周长、复杂度、不变矩等14个形态特征；运用K-L变换将原始特征向量有效地压缩为6维。 4．BP神经网络分类器的设计。针对传统BP算法易陷入局部极小和收敛速度慢的问题，分析了各种改进方法，提出了新的联合优化算法，使网络的收敛速度大大加快；研究了奇异值分析、线性相关性分析、输 郑州大学硕士学位论文 摘要 出影响因素分析和自适应线性单元学习四种网络结构优化方法，实现了 BP神经网络隐层节点的优化；所设计的BP网络分类器对9类害虫的识 别率达到了95石％。 5．RBF神经网络分类器的设计。分析了现有的RBF神经网络训练 方法，选用模糊C均值聚类法进行网络隐层参数的学习，用递推最小二廖，乘算法进行输出层权值的学习，所训练的网络对9类害虫的识别率达到瞪 了 96．7％。 6．模糊和模糊BP神经网络分类器的设计。结合本对象，研究分析 了＊。uss模糊分类器的不足，提出将模糊技术和神经网络技术相结合来 实现储粮害虫分类的思想，设计了模糊BP神经网络分类器，其识别率 比hu％模糊分类器提高了15．6％，达到95石％：分析比较了所设计的 四种分类器，选用＊＊F网络分类器进行了现场模拟实验，对9类害虫的 在线识别率达到86．5％。 7．用VC＋＋6刀开发了基于图像识别的储粮害虫检测系统软件，并 建立了图像处理和分类器设计算法的动态连接库。 8．实现了储粮害虫的在线检测，为进一步实现整个系统的产品化奠 定了良好的基础。 本文用图像处理、模式识别、神经网络等技术来实现储粮害虫的在 线检测，设计了图像识别储粮害虫检测系统，重点研究了储粮害虫分类 器的设计。本系统的实现，可有助于粮库管理人员科学地选择决策依据， 并及时采取合理的措施，达到粮食保质、保鲜、保量的目的；并且基于 图像识别的害虫检测方法具有无污染、效率高、成本低、可以利用并完 善粮库己有的计算机粮情测控系统等优点，因此，本课题的研究具有广。阔的应用前景和实用价值。 目前，本系统在河南郑州。民权等国家粮食储备库的现场实验，己 能以86．5％的识别率在线检测出粮仓中常见的12种害虫，得到了粮食储 藏方面专家的一致好评。不过，系统目前还不能解诀幼虫的识别问题； 我国常见的储粮害虫有 60多种，而系统仅能识别出 12种，为了更好地 满足储粮害虫检测的需要，实现系统的产品化，仍然需要进一步的研究 与探讨。