基于K-means聚类算法的叶螨图像分割与识别

›› 2015, Vol. 58 ›› Issue (12): 1338-1343.

基于K-means聚类算法的叶螨图像分割与识别

刘国成¹, 张杨¹, 黄建华^2,*, 汤文亮³

（1. 广州铁路职业技术学院, 广州 510430; 2. 江西省农业科学院植物保护研究所, 南昌 330200; 3. 华东交通大学软件学院, 南昌330013）

出版日期:2015-12-20 发布日期:2015-12-20
作者简介:刘国成, 男, 1975年生, 广东汕头人, 博士研究生, 讲师, 研究方向为计算机应用技术、机器视觉与计算机图像分析, E-mail: c3c365@foxmail.com

A method for image segmentation and recognition of spider mites based on K-means clustering algorithm

LIU Guo-Cheng¹, ZHANG Yang¹, HUANG Jian-Hua^2,*, TANG Wen-Liang³

(1. Guangzhou Railway Polytechnic, Guangzhou 510430, China; 2. Institute of Plant Protection, Jiangxi Academy of Agricultural Sciences, Nanchang 330200, China; 3. School of Software, East China Jiaotong University, Nanchang 330013, China）

Online:2015-12-20 Published:2015-12-20

摘要/Abstract

摘要： 【目的】叶螨(spider mite)是为害多种农作物的主要害虫，叶螨识别传统方法依靠肉眼，比较费时费力，为研究快速自动识别方法，引入计算机图像分析算法。【方法】该方法基于K-means聚类算法对田间作物上的叶螨图像进行分割与识别。【结果】对比传统RGB彩色分割方法，K-means聚类算法能够有效地对叶片上叶螨图像进行分割和识别。K-means聚类算法平均识别时间为3.56 s，平均识别准确率93.95%。识别时间 T 随图像总像素 Pi 的增加而增加。【结论】K-means聚类组合算法能够应用于叶螨图像分割与识别。

关键词: 叶螨, 图像, K-means算法, 图像分割, 图像识别, 像素

Abstract: 【Aim】 The spider mites are the main pests of many crops. Traditional recognition methods for spider mites relied on the naked eyes, which wasted a lot of time and energy. In order to study the fast automatic recognition method for spider mites, a method using computer image analysis algorithm was developed. 【Methods】 The method based on the K-means clustering algorithm realized the segmentation and recognition of the spider mite images which were obtained from fields. 【Results】 In contrast to the traditional RGB color segmentation method, the K-means clustering algorithm method was able to separate the images of spider mites from leaf background effectively. The average recognition time based on the K-means clustering algorithm was 3.56 s, and the recognition accuracy was 93.95%. The recognition time (T) increased as the pixels of tested image (Pi) increased. 【Conclusion】 The method can be applied to the segmentation and recognition of spider mite images.

Key words: Spider mite, image, K-means algorithm, image segmentation, image recognition, pixels

刘国成, 张杨, 黄建华, 汤文亮. 基于K-means聚类算法的叶螨图像分割与识别[J]. , 2015, 58(12): 1338-1343.

LIU Guo-Cheng, ZHANG Yang, HUANG Jian-Hua, TANG Wen-Liang. A method for image segmentation and recognition of spider mites based on K-means clustering algorithm[J]. , 2015, 58(12): 1338-1343.

[1]	俞佩仕, 郭龙军, 姚青, 杨保军, 唐健, 许渭根, 陈渝阳, 朱旭华, 陈宏明, 张晨光, 段德康, 贝文勇, 彭晴晖. 基于移动终端的稻田飞虱调查方法[J]. 昆虫学报, 2019, 62(5): 615-623.
[2]	张燕南, 顾佳敏, 陈静, 王佩玲, 张建萍. 寄主植物对双尾新小绥螨运动速率及捕食能力的影响[J]. , 2018, 61(9): 1047-1053.
[3]	岳文波, 郅军锐, 刘利, 叶茂, 张向前, 曾广 . 害虫取食和机械损伤对菜豆不同部位叶片防御酶活性的影响[J]. , 2018, 61(7): 860-870.
[4]	竺乐庆, 马梦园, 张真, 孟昭军, 吴伟, 任利利, 高翠青, 南小宁. 基于全卷积网络的鳞翅目标本图像前背景自动分割方法研究[J]. , 2018, 61(2): 255-262.
[5]	杨顺义, 周兴隆, 宋丽雯, 严晓彤, 张小云, 张新虎, 沈慧敏. 基于mtDNA COI基因的甘肃截形叶螨不同地理种群遗传分化分析[J]. , 2017, 60(9): 1083-1092.
[6]	李定旭, 权澎琪, 董钧锋, 胡镇杰, 杨海博, 陈汉杰. 山楂叶螨雄螨繁殖潜力[J]. , 2017, 60(5): 562-569.
[7]	周爱明, 马鹏鹏, 席天宇, 王江宁, 冯晋, 邵泽中, 陶玉磊, 姚青. 基于深度学习的蝴蝶科级标本图像自动识别[J]. , 2017, 60(11): 1339-1348.
[8]	郅军锐, 田甜, 温娟, 刘勇. 西花蓟马或二斑叶螨为害的菜豆对两者间后取食者体内保护酶和解毒酶活性的影响[J]. 昆虫学报, 2016, 59(7): 707-715.
[9]	金桂华, 宫亚军, 潜宗伟, 朱亮, 王泽华, 陈金翠, 魏书军. 二斑叶螨对不同品种茄子的选择性与适合度[J]. 昆虫学报, 2016, 59(3): 328-336.
[10]	刘贻聪, 王玲, 张友军, 谢文, 吴青君, 王少丽. 二斑叶螨田间种群对阿维菌素的抗性及抗性相关基因表达分析[J]. 昆虫学报, 2016, 59(11): 1199-1205.
[11]	程作慧, 刘耀华, 马新耀, 宋兵泽, 李锐, 李生才. 迷迭香油和花椒油对朱砂叶螨的生物活性[J]. 昆虫学报, 2016, 59(1): 47-54.
[12]	余绍军, 李虹, 谢林波, 周国英, 胡俊. 基于邻域最大差值与区域合并的油茶毒蛾幼虫图像分割[J]. , 2015, 58(8): 904-910.
[13]	朱玉溪, 杨群芳, 黄玉碧, 李庆, 刘应红, 蒋春先, 王海建. 朱砂叶螨刺吸胁迫对玉米防御信号分子的诱导作用[J]. , 2015, 58(6): 680-687.
[14]	竺乐庆, 张大兴, 张真. 基于韦伯局部描述子和颜色直方图的鳞翅目昆虫翅图像特征描述与种类识别[J]. , 2015, 58(4): 419-426.
[15]	竺乐庆, 张大兴, 张真. 基于颜色名和OpponentSIFT特征的鳞翅目昆虫图像识别[J]. , 2015, 58(12): 1331-1337.