摘 要

储粮害虫对储粮的危害极大。随着我国的科技的进步，储粮量大增，而储粮害虫造成的粮食损失也随之增大，并且盲目地使用杀虫剂，不仅污染了周边的环境，还降低了粮食质量。综合考虑了各方面的因素，我们决定使用图像识别的理论来设计检测储粮害虫的系统，以提高治理害虫的效率。

基于图像识别的储粮害虫的检测系统是以数字图像和模式识别为基础，结合高级语言编程来实现的。此设计会从许多的害虫中逐个分类识别，将害虫的种类输出到显示界面，然后管理人员就可以根据害虫的种类进行合理的治理，高效环保，节约杀虫剂的使用，提高储粮的质量。

随着编程技术的飞速提高和计算机处理数据的能力的大幅增强，因此可以用高级语言编程以实现基于图像识别的储粮害虫检测系统。对于应用高新技术治理害虫提供了一个解决方案。

关键字：模式识别，图像处理，储粮害虫，OpenCV

Abstract

Stored grain pests are extremely harmful to grain storage. With the progress of science and technology in China, the amount of grain has been greatly increased, and the grain loss caused by grain storage pests has increased, and the use of pesticides blindly has not only polluted the surrounding environment but also reduced the quality of grain. Considering all aspects of the factors, we decided to use the theory of image recognition to design the system to detect stored grain pests to improve the efficiency of pest management.

The detection system of stored grain pests based on image recognition is based on digital image and pattern recognition, combined with high-level language programming. This design will be identified from a number of pests one by one, the type of pests output to the display interface, and then managers can be based on the type of pests for reasonable management, efficient and environmentally friendly, saving the use of pesticides to improve the quality of grain The

With the rapid increase in programming technology and the ability to computer data processing significantly enhanced, it can be used in high-level language programming to achieve based on image recognition of stored grain pest detection system. For the application of high-tech governance pests provide a solution.

Keywords: pattern recognition,image processing,grain storage pests,OpenCV

目 录

第1章 绪论 1

1.1储粮害虫检测必要性 1

1.2 基于图像识别检测的方法 1

1.3 论文的主要内容与章节安排 1

1.4论文的设计总框图和设计思路 2

第2章 储粮害虫图像预处理 4

2.1 图像的获取 4

2.2 图像灰度化 4

2.3 图像增强 5

2.3.1 灰度线性变化 5

2.3.2 平滑 6

2.4 图像分割 8

2.5 图像形态学处理 10

第3章 二值图像连通区域标记算法 12

3.1 openCV简介 12

3.2 二值图像的像素获取 12

3.3 连通区域标记算法 13

第4章 害虫图像特征提取 17

4.1 面积，周长，复杂度的提取 17

4.2 不变矩提取 18

第5章 BP神经网络分类器 20

5.1 BP神经网络 20

5.2 误差反向传播学习算法 21

5.3 分类器的实现 24

第6章 结论与展望 25

6.1 结果分析 25

6.2 设计过程总结与未来展望 27

附录 28

致谢 32

参考文献 33

第1章 绪论

1.1 储粮害虫检测必要性

储粮害虫对储粮危害极大，而我国又是人口大国，每年生产和消费的粮食总量均居世界前列，安全可靠的粮食对人民、国家极为重要，粮食安全和储存问题需要得到迫切解决。

为了粮食的安全储藏，每年国家都要花费巨大的经费去管理粮仓，但仍有不少的粮食被害虫糟蹋掉。由于不知道害虫的种类盲目、过渡使用杀虫剂，不仅会污染粮食，还会提高害虫的耐药性，对未来的粮食储存是一大隐患。

因此，对储粮的安全性问题必须要早些使用科技手段来解决，这样能科学的治理害虫，确保粮食的安全和质量。而科学治理储粮害虫，首先要知道害虫的种类，这就涉及到粮仓内的实时监控和害虫分类的问题，因此设计一个监控粮仓和害虫分类系统很有必要，只有知道了害虫的具体类别，才能使用针对性的杀虫剂来治理害虫，这样不仅能对症下药，还能减少杀虫剂的使用，确保粮食的安全和质量。

1.2基于图像识别检测的方法

目前国内外主要的检测方法有一下几种：

比较传统的检测方法包括：扦样法、诱集法，这里不再介绍。

近年来发展的高科技检测方法有：

1.声测法：害虫在活动、进食时会发出声音，通过获取这些声音来识别害虫的种类和数量；受周围环境噪音的影响很大，成本较高，不适宜推广。

2.近红外检测法：不同储粮害虫身体内的C、H、N等元素成分有一定的差异，经NIR扫描后，根据害虫反射与吸收的近红外光谱来分类。此方法价格也昂贵，无法推广。

3.图像检测法：本文所要实现的一种检测方法。对于谷粒内部的害虫无法检测，其余各方面效果良好，成本低，容易推广。