[论文解读] Recognition of Pyralidae Insects Using Intelligent Monitoring Autonomous Robot Vehicle in Natural Farm Scene

Boyi Liu, Zhuhua Hu+3 more|arXiv (Cornell University)|Mar 26, 2019

Smart Agriculture and AI参考文献 26被引用 12

一句话总结

本文提出一种配备智能图像识别系统的自主机器人车辆，用于在自然农田环境中检测和识别鳞翅目害虫（如玉米螟、稻叶滚虫）。通过逆直方图映射、约束Otsu分割以及基于Hu矩的特征匹配，该系统在实现机械臂自适应控制以实现靶向害虫监测的同时，达到了94.3%的识别准确率。

ABSTRACT

The Pyralidae pests, such as corn borer and rice leaf roller, are main pests in economic crops. The timely detection and identification of Pyralidae pests is a critical task for agriculturists and farmers. However, the traditional identification of pests by humans is labor intensive and inefficient. To tackle the challenges, a pest monitoring autonomous robot vehicle and a method to recognize Pyralidae pests are presented in this paper. Firstly, the robot on autonomous vehicle collects images by performing camera sensing in natural farm scene. Secondly, the total probability image can be obtained by using inverse histogram mapping, and then the object contour of Pyralidae pests can be extracted quickly and accurately with the constrained Otsu method. Finally, by employing Hu moment and the perimeter and area characteristics, the correct contours of objects can be drawn, and the recognition results can be obtained by comparing them with the reference templates of Pyralidae pests. Additionally, the moving speed of the mechanical arms on the vehicle can be adjusted adaptively by interacting with the recognition algorithm. The experimental results demonstrate that the robot vehicle can automatically capture pest images, and can achieve 94.3$\%$ recognition accuracy in natural farm planting scene.

研究动机与目标

• 解决农业环境中人工害虫识别效率低且劳动强度大的问题。
• 开发一种可在复杂自然农田场景中运行的自主机器人平台，实现持续害虫监测。
• 利用基于图像的计算机视觉技术，实现对鳞翅目害虫的精确实时识别。
• 基于识别反馈实现机械臂的自适应控制，以实现对害虫的动态响应。

提出的方法

• 机器人车辆在自然农田环境中执行自主导航，并通过机载摄像头捕获实时图像。
• 应用逆直方图映射生成总体概率图像，以增强复杂背景中害虫的可见性。
• 采用约束Otsu阈值分割法，从总体概率图像中提取出鳞翅目害虫的精确目标轮廓。
• 从分割后的轮廓中提取几何特征与矩特征，特别是Hu矩、周长和面积，用于分类。
• 系统将提取的特征与已知鳞翅目害虫的参考模板进行比对，以确定识别结果。
• 自适应控制逻辑根据实时识别结果调整机械臂的运动速度，以提升定位效率。

实验结果

研究问题

• RQ1 自主机器人车辆是否能够在非结构化、自然的农田环境中可靠检测鳞翅目害虫？
• RQ2 逆直方图映射与约束Otsu分割在从复杂农业背景中分离害虫目标方面效果如何？
• RQ3 Hu矩与形状特征在实现鳞翅目害虫精确分类方面的有效程度如何？
• RQ4 能否利用实时识别结果动态控制机械臂运动，以提升监测精度？
• RQ5 在真实田间条件下，系统能达到怎样的识别准确率？

主要发现

• 自主机器人车辆成功在自然农田场景中实时捕获了害虫图像。
• 使用逆直方图映射显著提升了复杂环境中鳞翅目害虫的对比度与可见性。
• 约束Otsu分割实现了害虫目标轮廓的精确且快速提取。
• 基于Hu矩、周长与面积的特征匹配，实现了与参考模板的高保真分类。
• 系统在真实田间条件下实现了94.3%的识别准确率。
• 基于识别输出的机械臂自适应控制显著提升了操作响应速度与定位效率。