储粮害虫智能检测方法的分析

储粮害虫智能检测方法的分析

周 龙

(武汉工业学院电气信息工程系,湖北武汉 430023)

摘要:储粮害虫的检测一直以来都是粮食储藏行业研究的一个热点,害虫种类的正确识别是粮食管理人员进行害虫防治的必要依据。对目前国内外的两种主要的害虫检测方法进行了叙述与分析,即基于图像识别的检测方法和基于声信号的检测和识别方法。在此基础上,该文重点论述了基于DSP的多信息融合的储粮害虫智能检测方法。

关键词:储粮害虫;图像识别;智能检测;声信号;多信息融合

中图分类号:TP311.1 文献标识码:B 文章编号:1007-7561(2004)04-07-03

On the intelligent detection of insects in stored grain

ZHOU Long

(Wuhan Polytechnic University Department of Elec trical and Information Engineering,Wuhan 430074)

Abstract:The detection of insects is alwa ys investigated for stored grain.The correct insect species identifica tion provides the necessary basis for insects prevention and control.Both method based on image rec ognition and based on sound feature information are discussed in this paper.The intelligent detection of insects in stored grain based on DSP(digital singal processing)and multi-information fusion is suggested at last.

Key words:pests in stored grain;intelligent detection;image recognition;sound feature infor mation;multi-in formation fusion

0 引言

粮食储藏期间,储粮害虫的危害十分严重。害虫的实时检测是进行综合防治的一种手段,只有准确的检测,才能做到有目的的治理。实现粮堆虫害的自动化检测、智能分析和自动控制,以完善安全储粮综合治理专家决策支持系统。研究有效的害虫在线检测技术,准确地给出害虫的种类、密度等信息,可为害虫的综合防治提供科学的决策依据,也具有重要的实际应用价值 1~3。

目前,国内外在检测储粮害虫方面主要有扦样法 4、诱集法 5、近红外法 6、声信号 7~8和图象识别法 9等几种方法,其中有些方法由于人工检测的效率低、信息素的合成困难、以及干扰等原因,不能准确地在线检测出粮虫的种类、密度等信息,难以满足粮库害虫检测的要求。随着计算机技术、信息处理、模式识别、智能检测等技术的发展,基于图像识别和基于声信号的检测方法得到了快速的发展,成

收稿日期:2003-10-16

基金项目:湖北省自然科学基金资助项目(2003AB A053)

作者简介:周龙(1970-),男,湖北武汉人,博士,副教授.为粮虫智能检测方法的发展方向。根据作者在这方面所作的工作,该文对这两种方法进行了分析比较,指出了各自的优点和不足之处,并提出了将两者结合的基于DSP的多信息融合的智能检测方法。

1 基于图像识别的粮虫智能检测方法

基于图像识别技术的在线检测粮虫的方法,即利用计算机视觉、数字图像处理和模式识别技术相结合来实现粮仓害虫在线检测。其检测过程为:取样机构利用负压将检测点的粮食抽入取样装置;传送机构控制粮食样本单层输送到传送带,在其运动的过程中,架在正上方的CC D摄相机实时摄取粮食样本的图像序列;采集卡将采集到的图像信号由PCI总线送至微机内存;再由图像处理、图像分析和快速的模糊、神经网络等智能识别算法实时地给出粮虫的种类和密度,为粮虫的综合防治决策提供可靠的依据。基于图像识别的储粮害虫智能检测方法的组成如图1所示。

基于图像识别技术的在线检测粮虫的方法的优点是抗干扰能力强,对特征明显的害虫识别率高,基本能满足粮库管理人员的需要。但是当粮虫的种类

粮油食品科技第12卷2004年第4期粮食工程

7

增加后,对系统的检测速度、害虫的特征系数等参数也要相应的提高和增加,使系统的复杂程度也增加,其识别率将会受到较大的影响,因此对各类害虫建立完备的特征数据库非常必要的,这也是今后的主要研究工作之一;同时各类智能算法的实用性,也有

待于实践的检验。

图1 基于图像识别的储粮害虫智能检测方法

2 声信号的粮虫智能检测方法

储粮害虫产生的最显著的信号是其吃食声和爬行声,这已经被许多研究人员所证实,因此可以利用储粮害虫的声信号进行检测。将这些声信号去除噪声,提取实用的信号,储粮害虫中不同种群在粮食中吃食和爬行声的基波频率范围大致在1000~1200Hz 之间,不同种群的储粮害虫信号有不同的基波频率,可以根据基波频率的数值初步确定储粮害虫的种类,另外同一种群的成虫和幼虫声信号的基波频率也有明显的不同。可以通过检测储粮害虫的声信号强度,确定储粮害虫的数量。

基于声信号的智能检测过程可以用图2

来表示。

图2 基于声信号的储粮害虫智能检测过程

在计算机处理时,将采集和计算的基波频率、声信号强度、声信号强度增长率等参数和预置的数据进行比较,给出储粮害虫危害存在与否、储粮害虫种类、数量等的显示并打印有关数据。

基于声信号的储粮害虫智能检测方法的优点是:检测轻便、方法简单、快速、而且灵敏度高,并根据声强可以确定害虫的数量,因此受到国内外很多学者的关注。然而在检测过程中,传感器噪音、环境噪音、设备噪音和信号噪声比等方面的干扰,虽然开发了灵敏度较高的检测器和带通滤波器,消除了部分噪音的干扰并进行了信号放大处理,但遇到了如何分辨复合种类、多数量害虫的声信息等难以解决问题,另外如何处理同一种类害虫在不同谷物中声特征信息不同的问题,如何解决同一种类害虫在不同生长阶段声特征不同的问题,这些都需要做大量的工作。

3 DSP 的多信息融合粮虫智能检测方法

随着大规模集成电路技术的发展,特别是数字信号处理芯片(DSP)在声音和图象领域中的广泛应用,可以在储粮害虫中实现高速、实时的检测。考虑到基于图像识别和基于声信号的储粮害虫检测方法存在着各自的优点,因此希望能综合利用两种方法,所以采用信息融合技术将两种方法结合,提高检测的识别率。

信息融合是一项多源信息综合处理技术,是将系统中各种类型传感器所提供的各种不同的测量信息加以分析,处理与综合,得到对对象全面估计,利用信息融合技术可得到比单一信息源更精确更完全的判断结果。根据信息融合所处理的信息层次,可将信息融合由浅到深分为以下4个层次:

(1)数据层融合。数据层融合是指直接对各传感器的原始数据进行比较分析,验证传感器所采集数据是否存在异常、传感器信号之间有无关联,并对信号作一些统计分析:数据层融合是传感器水平上的融合。其优点是保持了尽可能多的原始信号信息,缺点是处理的信息量过大,速度慢,实时性较差。

(2)特征层融合。特征层融合是指把原始数据通过诸如傅立叶变换等数学方法进行特征提取后,对多个传感器所获得的征兆进行分析。常见的有模糊数学、神经网络、概率统计、模式识别等方法。特征层融合属于信息的中间层次融合,其优点是既保留了足够数量的原始信息,又实现了一定的数据压缩,有利于实时处理。

(3)基于模型的信息融合。现场采集的很多数

据之间存在相互制约的关系,可以通过建立适当的数学模型,将系统的特性与传感器所采集的信息结合起来,提取出新的信息进行诊断,提高诊断的准确性。

(4)决策层融合。决策层融合是在最高层上进行的融合,是将各种信息送入专家系统,由专家系统进行判断分析,最终做出决策。因此,这种方法的实质是根据一定的规则和每个决策的可信度由计算机模拟专家思维作出最终判断。

基于DSP 的多信息融合粮虫智能检测的过程如图3所示。从图中可以看出,该方法采用图象识别和声信息结合,利用DSP 的高速达到实时检测的

粮食工程

粮油食品科技第12卷2004年第4期

8