(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210413289.4 (22)申请日 2022.04.20 (71)申请人 浙江托普云农科技股份有限公司 地址 310000 浙江省杭州市拱 墅区祥园路 88号3幢1101室 (72)发明人 朱旭华　陈渝阳　袁娜朵　王闯　 赵飞　杨红利　梁周瑞　李政　 龚武龙　 (74)专利代理 机构 杭州五洲普华专利代理事务 所(特殊普通 合伙) 33260 专利代理师 徐晶晶 (51)Int.Cl. G06T 7/00(2017.01) G06T 5/00(2006.01) G06T 7/11(2017.01)G06T 7/90(2017.01) G06K 9/62(2022.01) G06V 10/762(2022.01) G06V 10/764(2022.01) (54)发明名称 基于图像处理的粘虫板覆盖率检测方法、 系 统及装置 (57)摘要 本发明公开一种基于图像处理的粘虫板覆 盖率检测方法、 系统及装置， 方法包括： 基于原始 昆虫图像， 对 所述原始昆虫图像进行图像增强处 理， 得到增强图像； 对增强图像的背景颜色进行 识别， 得到背景颜色类别信息； 根据所述增强图 像和背景颜色类别信息， 选择目标分割算法检测 昆虫区域， 得到目标分割二值图； 对目标分割二 值图进行特征选择， 得到特征选择二值图； 根据 特征选择二值图， 计算昆虫覆盖率。 本发明克服 图像分割过程中不同光照及和复杂背景下分割 效果不理想问题， 对不同光照下的图像进行恢复 以解决光照变化造成的 图像目标 失真， 同时对复 杂度不同的背景采用不同图像分割算法， 提高昆 虫粘贴板图像的分割效率和覆盖率计算的准确 率。 权利要求书3页 说明书9页 附图3页 CN 115205194 A 2022.10.18 CN 115205194 A 1.一种基于图像处 理的昆虫覆盖率检测的方法， 其特 征在于， 包括以下步骤： 基于原始昆虫图像， 对所述原始昆虫图像进行图像增强处理， 得到增强图像， 其中， 所 述原始昆虫图像包括背景； 基于所述增强图像， 对所述背景颜色进行识别， 得到背景颜色类别 信息； 根据所述增强图像和所述背景颜色类别信息， 选定对应的目标分割算法检测昆虫区 域， 得到目标分割二 值图； 对所述目标分割二 值图进行 特征选择， 得到特 征选择二 值图； 根据所述特 征选择二 值图， 计算昆虫覆盖率。 2.根据权利要求1所述的基于图像处理 的昆虫覆盖率检测的方法， 其特征在于， 所述基 于原始昆虫图像， 对所述原 始昆虫图像进行图像增强处 理， 得到增强图像， 包括以下步骤： 将原始昆虫图像分解 为反射图像和亮度图像； 将所述亮度图像按照指定尺度进行模糊处 理， 得到模糊亮度图像； 基于原始昆虫 图像和所述模糊亮度图像， 计算出Log[R(x,y)]的值， 其中， 采用的计算 公式为Log[R(x,y)]  = Log[I(x,y)] ‑Log[L(x,y)] 其中， R(x,y)表示反射图像， I(x,y)表示原 始昆虫图像， L(x,y)表示模糊亮度图像； 将Log[R(x,y)]量 化为0到255的像素值， 得到增强图像。 3.根据权利要求1所述的基于图像处理 的昆虫覆盖率检测的方法， 其特征在于， 所述对 所述增强 图像进行背景颜色识别， 得到背景颜色类别信息， 所述背景颜色类别信息分为白 色背景和非白色背景。 4.根据权利要求1或3所述的基于 图像处理的昆虫覆盖率检测的方法， 其特征在于， 所 述对所述增强图像进行背景颜色识别， 得到背景颜色类别 信息， 包括以下步骤： 采用K‑Means算法对所述增强图像进行颜色聚类， 得到聚类区域标识图； 将所述聚类区域标识图与增强图像结合分析， 统计所述增强图像对应每个聚类区域的 RGB分布直方图； 通过所述RGB分布直方图， 统计各个区域 内占比最高的RGB通道灰度值以及其占对应区 域比例， 选择比例最大值所在区域， 获取所述比例最大值所在区域的RGB通道灰度值及数 量； 基于所述比例最大值所在区域的RGB通道灰度值及数量， 对RGB通道均值进行判断， 判 断为白背景或非白背景。 5.根据权利要求书4所述的基于图像处理的昆虫覆盖率检测的方法， 其特征在于， 当为 白背景时， 所述得到目标分割二 值图， 包括以下步骤： 对所述增强图像进行 灰度化， 得到灰度图像； 基于所述灰度图像， 计算所述灰度图像中各像素点的邻域平均灰度值， 根据所述灰度 图像中各像素点及所述邻域平均灰度值， 建立映射图像； 根据所述映射图像， 基于点灰度与区域灰度均 值对(i,j)发生的概率Pi,j得到所述灰度 图像的点灰度与区域灰度均值的二维直方图， 概 率Pi,j表达公式为： 权　利　要　求　书 1/3 页 2 CN 115205194 A 2其中， i表示所述灰度图像中一个像素点的点灰度， j表示所述像素点邻域的区域灰度 均值， W表示所述灰度图像的宽，  H表示所述灰度图像的高， W* H表示所述灰度图像的大小； 将所述二维直方图利用分割阈值矢量分为 不同区域， 包括目标区域和背景区域， 基于所述目标区域和背景区域， 求得目标区域和背景区域的二维熵集 合； 根据所述目标区域和背景区域的二维熵集合， 选取二维熵集合中的最大熵作为分割阈 值对所述灰度图像进行分割， 得到目标分割二 值图。 6.根据权利要求书4所述的基于图像处理的昆虫覆盖率检测的方法， 其特征在于， 当为 非白背景时， 所述得到目标分割二 值图， 包括以下步骤： 根据所述增强图像， 获取增强图像的亮度通道； 基于所述亮度通道， 计算谱残差； 对所述谱残差进行傅里叶反变换和高斯滤波， 得到背景分割图； 对所述背景分割图进行 取反， 得到目标分割二 值图。 7.根据权利要求书1所述的基于图像处理的昆虫覆盖率检测的方法， 其特征在于， 所述 对所述目标分割二 值图进行 特征选择， 得到特 征选择二 值图， 包括以下步骤： 对所述目标分割二 值图进行轮廓提取， 得到内轮廓集 合及外轮廓集 合； 遍历所述内轮廓集合， 计算各个内轮廓面积， 填充特定面积区域的内轮廓为前景像素 值， 得到填充结果图像； 遍历外轮廓 集合， 计算各个 内轮廓面积、 最小外接矩形长宽比， 基于所述填充结果图像 将对同时满足面积、 长 宽比阈值筛 选区间的外轮廓填充为背景像素值， 得到特 征筛选图像。 8.根据权利要求书1所述的基于图像处理的昆虫覆盖率检测的方法， 其特征在于， 对所 述特征选择二 值图， 计算昆虫覆盖率， 昆虫覆盖率的计算公式为： 其中， fontPixelSum为所述特征筛选图像的前景数量， M表示所述特征筛选图像的宽， N 表示所述特 征筛选图像的高， M *N为所述特 征筛选图像大小。 9.一种基于图像处理的昆虫覆盖率检测系统， 其特征在于， 包括图像增强模块、 图像背 景颜色识别模块、 昆虫分割模块、 特 征选择模块及昆虫覆盖率计算模块； 所述图像增强模块， 基于原始昆虫图像， 对所述原始昆虫图像进行图像增强处理， 得到 增强图像， 其中， 所述原 始昆虫图像包括背景； 所述图像背景颜色识别模块， 对所述增强图像进行背景颜色识别， 得到背景颜色类别 信息； 所述昆虫分割模块， 根据所述增强图像和所述背景颜色类别信息， 选定对应的目标分 割算法检测昆虫区域， 得到目标分割二 值图； 所述特征选择模块， 对所述目标分割二 值图进行 特征选择， 得到特 征选择二 值图； 所述昆虫覆盖率计算模块， 对所述特 征选择二 值图， 计算昆虫覆盖率。 10.一种计算机可读存储介质， 所述计算机可读存储介质存储有计算机程序， 其特征在 于， 所述计算机程序被处 理器执行时实现如权利要求1至8任意 一项所述的方法步骤。 11.一种基于图像处理 的昆虫覆盖率检测装置， 包括存储器、 处理器以及存储在所述存 储器中并在所述处理器上运行 的计算机程序， 其特征在于， 所述处理器执行所述计算机程权　利　要　求　书 2/3 页 3 CN 115205194 A 3