吳偉斌， 游展輝， 洪添勝， 王玉興， 余耀烽， 盧詩(shī)靜

(1．華南農(nóng)業(yè)大學(xué)南方農(nóng)業(yè)機(jī)械與裝備關(guān)鍵技術(shù)教育部重點(diǎn)實(shí)驗(yàn)室，廣東 廣州 510642；2．國(guó)家柑橘產(chǎn)業(yè)技術(shù)體系機(jī)械研究室，廣東 廣州 510642；3．華南農(nóng)業(yè)大學(xué)工程學(xué)院，廣東 廣州 510642)

基于計(jì)算機(jī)視覺(jué)技術(shù)的紅火蟻蟻巢探測(cè)

吳偉斌1,2,3， 游展輝3， 洪添勝1,2,3， 王玉興3， 余耀烽3， 盧詩(shī)靜3

(1．華南農(nóng)業(yè)大學(xué)南方農(nóng)業(yè)機(jī)械與裝備關(guān)鍵技術(shù)教育部重點(diǎn)實(shí)驗(yàn)室，廣東 廣州 510642；2．國(guó)家柑橘產(chǎn)業(yè)技術(shù)體系機(jī)械研究室，廣東 廣州 510642；3．華南農(nóng)業(yè)大學(xué)工程學(xué)院，廣東 廣州 510642)

為探討基于計(jì)算機(jī)視覺(jué)技術(shù)對(duì)紅火蟻蟻巢進(jìn)行探測(cè)識(shí)別的可行性，研究了利用數(shù)字圖像處理技術(shù)提取紅火蟻蟻巢特征參數(shù)，通過(guò)數(shù)學(xué)形態(tài)學(xué)對(duì)數(shù)字圖像進(jìn)行目標(biāo)提取和識(shí)別。采用圖像識(shí)別紅火蟻蟻巢土建立了HSV彩色空間模型。研究結(jié)果表明，各紅火蟻蟻巢土和普通土樣本的H分量差異明顯, 特別是普通土H分量明顯大于紅火蟻蟻巢土, 一般土壤H值大于30,而對(duì)于紅火蟻蟻巢土土壤的H值小于30。因此,H分量可作為識(shí)別紅火蟻蟻巢土的一項(xiàng)特征參數(shù)。當(dāng)色調(diào)通道的平均值H<30時(shí)，即可判定為紅火蟻蟻巢土。研究結(jié)果說(shuō)明基于計(jì)算機(jī)視覺(jué)技術(shù)對(duì)紅火蟻蟻巢進(jìn)行檢測(cè)識(shí)別是可行的。

計(jì)算機(jī)視覺(jué)；紅火蟻蟻巢土；圖像處理技術(shù)；檢測(cè)識(shí)別

紅火蟻(Solenopsisinvicta)是近幾年入侵中國(guó)的外來(lái)物種，對(duì)入侵區(qū)域的人類(lèi)健康、公共安全、農(nóng)林業(yè)生產(chǎn)和生態(tài)環(huán)境均具有嚴(yán)重的危險(xiǎn)性[1-3]，農(nóng)業(yè)部將紅火蟻定為中華人民共和國(guó)進(jìn)境植物檢疫性有害生物和全國(guó)植物檢疫性有害生物。研究紅火蟻蟻巢的檢測(cè)方法，從源頭上消滅紅火蟻，對(duì)紅火蟻災(zāi)害的防治有著重要的現(xiàn)實(shí)意義。目前，國(guó)內(nèi)外對(duì)紅火蟻的研究大多集中于對(duì)紅火蟻的生理結(jié)構(gòu)以及誘殺方式等研究上[4-9]，極少有采用計(jì)算機(jī)視覺(jué)技術(shù)檢測(cè)識(shí)別紅火蟻蟻巢方面的研究。在野外鑒別紅火蟻蟻巢的方法一般是采用肉眼觀察的方法，根據(jù)紅火蟻蟻巢特征及紅火蟻主動(dòng)攻擊入侵者的行為進(jìn)行主觀判斷的。若通過(guò)該肉眼判斷方法來(lái)進(jìn)行紅火蟻疫情調(diào)查，將耗時(shí)耗力，并且容易造成誤判。因此，掌握紅火蟻蟻巢的快速準(zhǔn)確檢測(cè)技術(shù)，是該害蟲(chóng)大面積防控的關(guān)鍵。計(jì)算機(jī)視覺(jué)技術(shù)已經(jīng)被許多學(xué)科領(lǐng)域所應(yīng)用，農(nóng)業(yè)上往往被用作農(nóng)作物產(chǎn)量預(yù)測(cè)、長(zhǎng)勢(shì)監(jiān)測(cè)和農(nóng)產(chǎn)品分級(jí)[10-15]，而被應(yīng)用于紅火蟻蟻巢檢測(cè)識(shí)別的研究在國(guó)內(nèi)外鮮見(jiàn)報(bào)道。為此，本研究利用計(jì)算機(jī)視覺(jué)技術(shù)來(lái)研究紅火蟻蟻巢，通過(guò)獲取紅火蟻蟻巢圖像，利用數(shù)學(xué)形態(tài)學(xué)圖像處理對(duì)數(shù)字圖像進(jìn)行目標(biāo)提取，建立蟻巢圖像的HSV彩色空間模型對(duì)紅火蟻蟻巢進(jìn)行檢測(cè)識(shí)別。為建立基于圖像信息的檢測(cè)識(shí)別模型提供理論依據(jù)和技術(shù)支持。

1 材料與方法

1.1試驗(yàn)設(shè)計(jì)

圖像試驗(yàn)設(shè)計(jì)在華南農(nóng)業(yè)大學(xué)五山廣場(chǎng)草坪內(nèi)進(jìn)行，選擇了紅火蟻蟻巢土、草以及普通土3種地物進(jìn)行拍照，隨機(jī)選擇了12個(gè)紅火蟻蟻巢，每個(gè)蟻巢拍攝8張照片，建立96張照片的數(shù)據(jù)庫(kù)；并在紅火蟻蟻巢附近對(duì)12處裸露的普通土進(jìn)行圖像采集，每處普通土采集8張照片，建立與紅火蟻蟻巢土圖像對(duì)應(yīng)的96張照片的數(shù)據(jù)庫(kù)。其中，采集了相關(guān)的地物，包括紅火蟻蟻巢土、草以及普通土以備后續(xù)實(shí)驗(yàn)之用。

1.2數(shù)據(jù)項(xiàng)目與測(cè)定方法

在對(duì)目標(biāo)進(jìn)行采集圖像時(shí)，對(duì)12個(gè)蟻巢以及蟻巢附近裸露的普通土用Canon EOS 600D型數(shù)碼單反相機(jī)拍攝垂直正面圖像，每個(gè)蟻巢拍攝8張照片，每處普通土也拍攝8張照片。拍攝時(shí)，用三腳架固定相機(jī)，鏡頭為與垂直距離蟻巢中心點(diǎn)50 cm處，調(diào)整焦距使蟻巢清晰并充滿視場(chǎng)，固定焦距，已自動(dòng)曝光模式控制曝光時(shí)間與色彩平衡。圖像采集后以JEPG格計(jì)算機(jī)，依次編號(hào)等待處理。

1.3圖像數(shù)據(jù)處理

通過(guò)MATLAB軟件編程，在紅火蟻蟻巢土原圖圖像下，如圖1所示。在紅火蟻蟻巢土圖像的識(shí)別中, 將紅火蟻蟻巢土區(qū)域從草的背景中分割出來(lái)是非常重要的一環(huán)。對(duì)紅火蟻蟻巢土背景進(jìn)行分割時(shí)發(fā)現(xiàn), 常用的閾值分割法對(duì)正常紅火蟻蟻巢土分割效果不好, 由于圖像中各物體的灰度值范圍有較大重疊, 難以達(dá)到滿意效果。因此對(duì)原始圖像進(jìn)行R、G、B、Y、U、V6個(gè)通道提取比較，分別見(jiàn)圖2。發(fā)現(xiàn)V分量得到的圖片(如圖2f所示)，土壤與草是最容易分辨。分析V分量圖片的灰度直方圖，紅火蟻蟻巢土的灰度主要集中在0值附近，而草的灰度主要集中在255值附近。將閾值選定為128，把灰度圖像轉(zhuǎn)化成為二值圖像。經(jīng)形態(tài)學(xué)圖像處理運(yùn)算，得到從背景中提取出來(lái)的二值化蟻巢模板，再在源圖像中做線性運(yùn)算，把紅火蟻蟻巢從背景中提取出來(lái)(如圖3b所示)。

圖1 紅火蟻蟻巢原圖像Fig.1 The nest image of red fire ant

進(jìn)一步通過(guò)RGB模型經(jīng)色彩轉(zhuǎn)換對(duì)從背景中提取出來(lái)的紅火蟻蟻巢(如圖3b所示)建立HSV彩色空間模型[16-18]，分別提取H、S、V分量均值進(jìn)行統(tǒng)計(jì)分析。其間，考慮到在HSV模型中飽和度S、亮度V容易受圖像采集環(huán)境影響，猜想可以利用色相H值對(duì)蟻巢土進(jìn)行識(shí)別并隨機(jī)選取8組圖像數(shù)據(jù)對(duì)猜想加以驗(yàn)證。再利用隨機(jī)分選法[19-21]將采集的96組數(shù)據(jù)隨機(jī)分成2個(gè)集合：校正集(64組)和驗(yàn)證集(32組)，最后通過(guò)校正集對(duì)紅火蟻蟻巢土和普通土進(jìn)行統(tǒng)計(jì)分析，選取能夠區(qū)分兩者的合適閾值，并利用驗(yàn)證集的數(shù)據(jù)加以驗(yàn)證。

程序如下所示：

1)獲取圖像轉(zhuǎn)化為hsv圖像

hsv=rgb2hsv

2)提取v分量

v=hsv(:,:,3);

圖2 6個(gè)分量的比較圖Fig.2 Comparison of six components

圖3 圖像預(yù)處理及蟻巢提取Fig.3 Pretreatment of the picture and extraction of the formicary

3)自動(dòng)選取閾值進(jìn)行二值化

level=graythresh(v);BW=im2bw(v,level)

2 結(jié)果與分析

2.1應(yīng)用圖像H分量識(shí)別紅火蟻蟻巢可行性驗(yàn)證

HSV彩色空間模型中，飽和度S、亮度V容易受圖像采集環(huán)境影響，考慮利用色調(diào)H值對(duì)蟻巢土進(jìn)行識(shí)別。

將RGB色彩模型轉(zhuǎn)為對(duì)顏色視覺(jué)感受比較直觀的HSV彩色空間模型，利用其分量不變性進(jìn)行圖像變換可以消除自然條件下光照對(duì)作物圖像的影響。由于草與土壤在色彩和形態(tài)學(xué)上差較大，在蟻巢提取過(guò)程中已作為背景濾除掉，此處僅需考慮區(qū)分蟻巢土與普通土。從12組中取其中清晰有代表性的紅火蟻蟻巢土和普通土各8個(gè)樣本，將8個(gè)樣本的紅火蟻蟻巢土和普通土取8個(gè)的同一樣本號(hào)并取其顏色分量H、S、V的均值，如圖4所示。

各紅火蟻蟻巢土和普通土樣本的H分量差異明顯，特別是普通土H分量明顯大于紅火蟻蟻巢土。由此，可考慮利用H分量來(lái)區(qū)分紅火蟻蟻巢土和普通土。

2.2提取校正集圖像H分量區(qū)分紅火蟻蟻巢土和普通土

由上分析可知，數(shù)字圖像的H分量可作為識(shí)別紅火蟻蟻巢土的特征參數(shù)，用于區(qū)分紅火蟻蟻巢土和普通土。只要選取合適的閾值對(duì)蟻巢土和普通土加以區(qū)分，就能達(dá)到檢測(cè)識(shí)別紅火蟻蟻巢的效果。

分析校正集圖像H值(如圖5所示)，可知普通土一般色調(diào)分量H>30，而紅火蟻蟻巢土的色調(diào)分量H<30，因此，H=30可作為區(qū)分紅火蟻蟻巢土和普通土的閾值標(biāo)準(zhǔn)。與普通土對(duì)比時(shí)，當(dāng)圖像色相分量H<30，判定為紅火蟻蟻巢。

圖4 紅火蟻蟻巢土和普通土的H、S、V分量比較圖Fig.4 Relative graphrs of H, S, V components between ordinarv soil formicary soil of Solenoosis invicta

圖5 校正集紅火蟻蟻巢土與普通土H分量的值比較圖 Fig.5 The relative graph of values of H component on calibration set of Solenopsis invicta’s formicary soil and ordinary soil

2.3試驗(yàn)結(jié)果驗(yàn)證

利用驗(yàn)證集進(jìn)行閾值選擇合理性檢驗(yàn)。提取驗(yàn)證集32組圖像的色調(diào)分量H值進(jìn)行分析(如圖6所示)，探尋利用計(jì)算機(jī)視覺(jué)技術(shù)對(duì)紅火蟻蟻巢進(jìn)行檢測(cè)的識(shí)別率。從表1得知，當(dāng)判決閾值選為H=30時(shí)，在驗(yàn)證集中紅火蟻蟻巢土和普通土的誤判組數(shù)各為1組，圖像識(shí)紅火蟻蟻巢的識(shí)別率為93.75%，說(shuō)明利用計(jì)算機(jī)視覺(jué)技術(shù)檢測(cè)識(shí)別紅火蟻蟻巢的方法是可行的，且識(shí)別率較高。

圖6 驗(yàn)證集紅火蟻蟻巢土與普通土H分量的值比較Fig.6 The relative graph of values of H component on validation set of Solenopsis invicta’s formicary soil and ordinary soil

探測(cè)物ProbeH<30/組H>30/組誤判/組Erroneousjudgement識(shí)別率/%Recognitionrate紅火蟻蟻巢土Nestsoil311193.75普通土Commensoil131193.75總計(jì)Total3232293.75

3 結(jié)論

1)利用計(jì)算機(jī)視覺(jué)技術(shù)，對(duì)采集回來(lái)的紅火蟻巢穴原始圖像進(jìn)行R、G、B、Y、U、V6個(gè)分量的比較，提取紅火蟻蟻巢及周邊地物的特征參數(shù)，通過(guò)二值化圖像把紅火蟻蟻巢土和草分割開(kāi)來(lái)，同時(shí)二值變換的結(jié)果圖像具備良好的保形性，不容易丟失有用的形狀信息。在紅火蟻巢穴圖片的信息量很大的情況下，采用二值圖像進(jìn)行處理，能大大地提高處理效率。獲取檢測(cè)識(shí)別蟻巢樣本的圖像信息，實(shí)現(xiàn)大信息量多層次判決。

2)利用圖像處理技術(shù)，能夠從周邊地物中提取出紅火蟻蟻巢土，將R、G、B顏色模型轉(zhuǎn)為對(duì)顏色視覺(jué)感受比較直觀的HSV 顏色模型，利用HSV彩色空間模型分析提取出的紅火蟻蟻巢土和普通土，選取合適的閾值對(duì)蟻巢土和普通土加以區(qū)分，將紅火蟻巢土跟普通土H值進(jìn)行分析比對(duì)，得出H=30的閾值，從而提高檢測(cè)識(shí)別紅火蟻蟻巢的效果。而且多次試驗(yàn)比對(duì)，對(duì)紅火蟻蟻巢土識(shí)別率達(dá)到93.75%。

3)利用計(jì)算機(jī)視覺(jué)技術(shù)檢測(cè)識(shí)別紅火蟻蟻巢是可行的。在今后的研究中，要增加試驗(yàn)樣本的數(shù)量以及樣本的廣泛性，建立統(tǒng)一的模型將圖像處理的信息組織起來(lái)，以進(jìn)一步完善快速檢測(cè)方法，促進(jìn)該技術(shù)在病蟲(chóng)防治、地物分析中的應(yīng)用與推廣。同時(shí)也可以嘗試將光譜信息與數(shù)字圖像處理相結(jié)合把兩者數(shù)據(jù)融合起來(lái)，構(gòu)建出實(shí)時(shí)性好、準(zhǔn)確性高的基于光譜信息與圖像處理的紅火蟻蟻巢快速檢測(cè)系統(tǒng)。

[1] 趙德全，覃建軍，庹新華．紅火蟻對(duì)人類(lèi)健康和經(jīng)濟(jì)發(fā)展的影響[J]．作物研究，2012，26(5)：174-175．

[2] 潘運(yùn)方．紅火蟻對(duì)水利水電工程的危害及其防治對(duì)策[J]．廣東水利水電， 2013(9)：7-13．

[3] 趙朔，丁建云．北京市紅火蟻傳入風(fēng)險(xiǎn)評(píng)估與防控對(duì)策探討[J]．中國(guó)植保導(dǎo)刊，2012， 32(4)：55-57．

[4] 官迪．紅火蟻工蟻對(duì)告警信息素及其類(lèi)似物的電生理和行為反應(yīng)的研究[D]．：湖南農(nóng)業(yè)大學(xué)， 2013：1-55．

[5] 林嵩．紅火蟻的危害及防控措施[J]．海峽預(yù)防醫(yī)學(xué)雜志，2012，18(3)：24-27．

[6] 陸永躍．中國(guó)大陸紅火蟻遠(yuǎn)距離傳播速度探討和趨勢(shì)預(yù)測(cè)[J]．廣東農(nóng)業(yè)科學(xué) ，2014，18(10)：80-82．

[7] 黃可輝，黃振．紅火蟻形態(tài)學(xué)、生物學(xué)與防控對(duì)策[J]．江西農(nóng)業(yè)學(xué)報(bào)，2011，23(9)：83-85．

[8] 張波，賴韋文，王美蘭，等．廣東農(nóng)林外來(lái)有害生物紅火蟻入侵歷史考察[J]．福建林業(yè)科技 ，2015(3)：152-157．

[9] 李宏玉．紅火蟻鑒別與防治方法概述[J]．中國(guó)植保導(dǎo)刊 ，2015，35(3)： 86-88．

[10] 張玲，鄒承俊，何興無(wú)．計(jì)算機(jī)視覺(jué)技術(shù)在農(nóng)業(yè)自動(dòng)化中的應(yīng)用[J]．電腦知識(shí)與技術(shù)，2014，10(31)：236-237．

[11] 周正．基于計(jì)算機(jī)視覺(jué)技術(shù)的番茄病害識(shí)別研究[D]．長(zhǎng)沙：湖南農(nóng)業(yè)大學(xué)， 2013．

[12] 程術(shù)希．基于光譜和成像技術(shù)的作物病害不同侵染期快速檢測(cè)方法研究[D]．杭州：浙江大學(xué)，2014．

[13] 王海超， 高雄，陳鐵英，等．農(nóng)作物病害檢測(cè)中光譜和圖像處理技術(shù)現(xiàn)狀及展望[J]．農(nóng)機(jī)化研究，2015，1(10)：7-13．

[14] 郭志明．基于近紅外光譜及成像的蘋(píng)果品質(zhì)無(wú)損檢測(cè)方法和裝置研究[D]．北京：中國(guó)農(nóng)業(yè)大學(xué)，2015．

[15] 劉翠紅，陳麗君，呂長(zhǎng)義，等．基于圖像處理技術(shù)的水稻株型參數(shù)測(cè)量算法[J]．農(nóng)機(jī)化研究，2015，51(12)：232-235．

[16] 周竹，黃懿，李小昱．基于機(jī)器視覺(jué)的馬鈴薯自動(dòng)分級(jí)方法[J]．農(nóng)業(yè)工程學(xué)報(bào)，2012，28(7)：178-183．

[17] 崔雯雯. 基于圖像處理的大米品質(zhì)檢測(cè)系統(tǒng)研究[D]. 長(zhǎng)春:吉林大學(xué), 2015.

(責(zé)任編輯：蔣國(guó)良)

DetectionofthenestofSolenopsisinvictabasedoncomputervisiontechnology

WU Weibin1,2,3， YOU Zhanhui3， HONG Tiansheng1,2,3， WANG Yuxing3， YU Yaofeng3， LU Shijing3

(1.Key Laboratory of Key Technology for South Agricultural Machinery and Equipment， Ministry of Education， South China Agricultural University， Guangzhou 510642， China; 2.Mechanical Laboratory of China Agricultual Research System， Guangzhou 510642， China; 3.College of Engineering，South China Agricultural University， Guangzhou 510642， China)

To explore the feasibility of detecting the nest ofSolenopsisinvictabased on computer vision technology, this study has extracted the characteristic parameters from the nest ofS.invictausing digital image processing technology and has conducted target extraction and recognition of the digital image by mathematical morphology. The image recognition of the nest soil ofS.invictahelps to build HSV color space model. It was found that theHcomponent of the red-fire ant nest soil and the common soil sample were significantly different, especially theHcomponent of the common soil was larger than that of the red fire ant nest soil and theHvalue of the soil was more than 30. While for the red fire ants nest soil theHvalue less than 30. Therefore, theHcomponent can be used as a characteristic parameter to identify nest soil of red fire ants. When the average value of the tonal channel reachesH<30, it can be identified as the nest soil ofS.invicta. The results show that it is feasible to detect and identify the nest of red fire ant based on computer vision technology.

computer vision technology; the nest soil ofSolenopsisinvicta; digital image processing technology; recognition and detection

S237；TP274.2

：A

2016-09-12

國(guó)家自然科學(xué)基金項(xiàng)目(30871450)；廣東省自然科學(xué)基金項(xiàng)目(2015A030313426)

吳偉斌(1978-)，廣東中山人,教授,博士,從事農(nóng)業(yè)工程、機(jī)電一體化和信息技術(shù)應(yīng)用方面的研究。

洪添勝(1955-)，廣東梅州人,教授,博士生導(dǎo)師。

1000-2340(2017)02-0184-05