基于计算机视觉的棉铃虫成虫雌雄自动判别研究

棉铃虫Helicoverpa armigera(Hübner)是棉花作物的主要寄主害虫,其性别的自动准确判别对区域性比、种群数量等方面的预测预报具有重要意义。本文通过CCD设备获取雌雄成虫的原始彩色图像,运用数学形态学和自适应图像增强法进行滤波分析,提高害虫RGB彩色图像及分通道图像的质量。针对RGB彩色图像提取害虫的颜色矩特征,针对B通道灰度图像提取基于灰度共生和差分统计矩阵的纹理、形态不变矩等特征,对提取的36个特征数据进行归一化处理。将惩罚因子和RBF核函数参数作为SVM分类器识别率的重要判断标准,利用K折交叉验证选取最优参数组合并建立模型,当C=4,g=0.0825,识别率达到最佳98.33%。证实了将计算机视觉应用于昆虫性别自动判别的可行性。