野外自然状况下蝗虫种群动态监测自适应模型研究

With locusts as the research object,this project,based on the computer vision technology and the multi-source images fusion technology,developes a new automatic monitoring method for the locust population dynamics. Firstly,this study will further research the spectral features and image characters about the locust, based on which to establish the multi-modality locust feature database.Then, the project aims to realize the following major research targets step by step: building multi-spectral computer-vision system on the basis of the visible light and near infra-red spectrum; establishing the multi-source images fusion model and the image background extraction model; obtaining relevant information about the targeted locust in aspects of morphological and behavior characteristics; as well as setting up an integrated self-adaptive model in accordance with the multi-modality locust feature database and related model call rules, which includes the population calculation, species identification and instars discrimination, with an aim to get the result about the population, species and instars of the locust. Finally, the automatic monitoring of the locust population dynamics in field will be realized. The results of this study not only forms the theoretical foundation for the locust automatic monitoring in field, but also provides methodological references to other insect monitoring approaches, which is of great important significance both in theoretical and practical perspectives.

本项目以蝗虫为研究对象，基于计算机视觉技术和多光谱图像融合技术，研究在野外自然状况下蝗虫种群动态的自动化监测新方法。本项目首先在深入研究蝗虫光谱特征和图像特征的基础上，建立多模态蝗虫特征数据库；然后，构建基于可见光和近红外的多光谱计算机视觉系统，建立多源图像融合模型和图像背景提取模型，结合蝗虫形态特征和行为特性,获取蝗虫目标相关信息，并依据多模态蝗虫特征数据库以及相关模型调用规则，建立蝗虫虫口密度计算、种类识别和龄期鉴定的综合自适应模型，进行蝗虫种类和龄期的识别以及虫口密度的计算，实现野外自然状况下蝗虫种群动态的自动化监测。本项目研究成果不仅能够为野外蝗虫监测奠定一定理论基础，而且能够为其它昆虫自动化监测提供方法学参考，具有重要的理论和实践意义。

野外蝗虫自动化监测对于高效防治蝗害有着十分重要的作用。本项目以蝗虫为研究对象，主要涉及东亚飞蝗、亚洲小车蝗、棉蝗和稻蝗，采用计算机视觉、多光谱图像融合、化学计量分析、多元统计分析等技术和方法，对野外自然状况下蝗虫种群动态自动化监测进行了研究。首先对蝗虫的光谱特征和图像特征进行了深入研究，提取其相关特征并构建了多模态蝗虫特征数据库；然后，进行了可见光图像与近红外图像的快速配准、融合等方面的研究，进而构建出基于可见光和近红外的多光谱计算机视觉系统并建立了多源图像融合模型；另外，针对多源图像中图像背景分割与蝗虫目标提取问题，研究了蝗虫的形态特征和行为特性，进而建立了蝗虫图像背景分割与目标提取模型；最后，依据多模态蝗虫特征数据库以及相关模型调用规则，建立了对应的蝗虫虫口密度计算模型、蝗虫种类和龄期识别模型，有效解决了东亚飞蝗、棉蝗和稻蝗三种蝗虫的种类识别问题与东亚飞蝗3龄、5龄和成虫三个不同龄期的识别问题以及蝗虫虫口密度计算问题。综合上述结果，本研究实现了野外自然状况下蝗虫种群动态的自动化监测，不仅为野外蝗虫监测奠定一定理论基础，而且能够为其它昆虫自动化监测提供方法学参考，具有重要的理论和实践意义。项目资助发表SCI论文4篇，EI论文6篇。申请国家发明专利14项，国家技术标准1项，软件著作权10项。在人才培养方面，培养技术骨干2人，培养博士生4人，硕士生8人。