本发明属于农业工程领域，涉及粮仓害虫检测技术，具体是一种基于图像处理的粮仓害虫检测方法。
背景技术：
1、粮仓中易生虫害，有的粮食在收获时就感染了害虫：害虫在高气温季节常飞往距村落数百米以外的田间，将虫卵产在还未收获的水稻、小麦、玉米、豆类等农作物的穗上，孵化出来的幼虫随即钻进粮粒内部取食生活、生长、发育，并随着收获后的粮食进入仓内；也有些粮食在储藏期间就被感染了害虫：粮仓外部环境中存在着害虫，在以往储存或堆放过粮食的地方一般都有害虫，这些害虫会通过通风口、门窗的缝隙或其他方式进入粮仓；也有可能是人为因素导致：仓内原来存放的粮食有虫，未进行过整理清消或杀虫处理而又入新粮，或对已腾空的仓房、装粮工具、器材和运输工具等，清消不彻底，这样会导致本来无虫的粮食被已经生虫的粮食感染，使得整仓粮食生虫。
2、现有技术中(申请号201821469934x的实用新型)公开了一种基于数字图像处理的粮仓害虫识别报警系统，该系统包括：捕虫模块、图像采集模块、后台控制端以及报警模块；捕虫模块用于捕捉粮仓内的害虫；图像采集模块，设置在捕虫模块的外部，用于对捕虫模块内的害虫进行拍照；后台控制端与图像采集模块连接，后台控制端识别图像采集模块拍摄的害虫图像并对害虫图像进行种类、个数分析；报警模块设置在工作人员监控室；报警模块与后台控制端连接，并当报警模块收到后台控制端发送的报警信号时发出报警提示；然而，现有技术只是通过图像采集模块采集害虫图像，未考虑环境因素对害虫的影响，可能会导致出现采集害虫类型不全的问题。
3、本发明提供了一种基于图像处理的粮仓害虫检测方法，以解决以上技术问题。
技术实现思路
1、本发明旨在至少解决现有技术中存在的技术问题之一；为此，本发明提出了一种基于图像处理的粮仓害虫检测方法，用于解决现有技术只是通过图像采集模块采集害虫图像；未考虑环境因素对害虫的影响，可能会导致出现采集害虫类型不全的技术问题。
2、为实现上述目的，本发明的第一方面提供了一种基于图像处理的粮仓害虫检测方法，包括：
3、s1：获取粮仓的区域示意图，根据粮仓的区域示意图设置捕虫器；其中，捕虫器包括储粮诱捕器或者色板诱捕器；
4、s2：通过传感器采集粮仓的环境数据，根据环境数据确定害虫图像的采集频率；基于采集频率采集若干图像；其中，环境数据包括实际温度和实际相对湿度；实际相对湿度包括实际水蒸气和饱和水蒸气；
5、s3：对采集的若干图像进行预处理得到待分析图像，利用图像处理库opencv实现对待分析图像的灰度化处理；
6、s4：识别并筛选待分析图像，通过利用边缘检测算法来识别待分析图像中害虫的边缘并提取害虫的特征信息，对若干待分析图像进行筛选得到分析图像；其中，边缘检测算法包括sobel算法，canny算法或者roberts算法；
7、s5：根据图像中害虫的特征信息分析得到粮仓中害虫的类型和数量；基于害虫的类型和数量对害虫进行治理。
8、优选的，所述根据环境数据确定害虫图像的采集频率，包括：
9、调取环境数据中的实际水蒸气和饱和水蒸气，将实际水蒸气和饱和水蒸气分别标记为e，e；通过公式rh＝(e/e)×100％计算粮仓中的相对湿度；
10、提取环境数据中的实际温度，将实际温度标记为t；通过公式u＝(α×rh2+b)/lnt计算害虫图像的采集频率；其中α是小于0的比例系数，b是不为0的系数。
11、需要说明的是，t为1时，lnt为0，此时将lnt视为1。
12、本发明通过检测粮仓内实际温度和实际相对湿度的实时数据，并将其结合起来共同控制摄像头捕获图片的频率，通过这种结合方式控制拍照频率，使拍出来的图片适应于在不同季节、不同天气捕获后续识别所需的细节和动态信息，有助于提高对图像的识别和分析能力以及提高对图像的识别效率。
13、优选的，所述对采集的若干图像进行预处理得到待分析图像，包括：
14、调取采集的若干图片，利用高斯滤波对图像进行去噪；
15、根据分析的标准尺寸对图像进行裁剪，并调整图像的对比度。
16、本发明通过在灰度化之前，需要对图片进行一些预处理操作如去噪、裁剪、调整大小等以确保图片的质量和灰度化效果，之后对图像进行灰度化处理，处理后的灰度图片只包含亮度信息，没有颜色信息，有助于减少数据维度和提升图像处理的速度。
17、优选的，所述通过利用边缘检测算法来识别待分析图像中害虫的边缘并提取害虫的特征信息，包括：
18、调取待分析图像，将待分析图像标记为i；基于sobel算子分别在水平方向和垂直方向上对待分析图像进行卷积操作，得到水平梯度垂直方向梯度
19、根据水平方向梯度和垂直方向梯度求出梯度近似值θ＝aectan(gx/gy)；基于梯度近似值求解待分析图像轨道的害虫边缘；根据害虫边缘提取害虫的特征信息。
20、需要说明的是，害虫的特征信息包括害虫的翅型、触角形状、害虫整体外轮廓。
21、本发明通过使用边缘检测算法识别图像中所包含害虫特征的边缘或轮廓，能够显著减少获取的图像中的冗余信息，筛选并保留能够提取信息最多、最清晰的一帧图像，减少识别的工作量，使图片数量得到了简化，有利于后续处理和提高图片分析的效率。
22、优选的，所述根据图像中害虫的特征信息分析得到粮仓中害虫的类型，包括：
23、提取害虫的特征信息，将特征信息与害虫类型库进行比较；其中，害虫类型库根据历史数据建立；
24、将与特征信息相同的害虫类型作为分析图像中害虫的类型。
25、本发明通过图像分析技术识别害虫类型，加快了图片识别的速度，大大提高了图像分析的效率，识别出害虫的类型也有利于采用更加精准的防治措施，从而降低防治成本。
26、优选的，所述根据图像中害虫的特征信息分析得到粮仓中害虫的数量，包括：
27、通过计数统计算法获取分析图像中各类型的害虫数量；提取环境数据中实际温度以及相对湿度；将害虫类型、害虫数量、实际温度和相对湿度整合成数量预测序列；
28、调取数量预测模型，将数量预测序列输入数量预测模型中，得到对应粮仓区域的害虫总数量；其中，数量预测模型根据人工智能模型构建。
29、本发明通过统计图片上害虫数量预测粮仓中可能会出现的各种害虫的总体数量，再预测害虫的总体数量，因为只需对粮仓中的一部分单位进行统计，而不是对所有单位进行统计，这样可以大大提高调查效率与效益，管理人员可以更有效地规划和管理粮仓的害虫防治工作，有助于减少不必要的检查和干预，提高管理效率、降低管理成本。
30、优选的，所述数量预测模型根据人工智能模型构建，包括：
31、获取标准训练数据；其中，标准训练数据包括与数量预测序列内容属性相一致的标准输入数据，以及与害虫总数量内容属性相一致的标准输出数据；
32、利用标准训练数据对人工智能模型进行训练，将训练好的人工智能模型标记为数量预测模型；其中，人工智能模型包括卷积神经网络模型或者长短记忆神经网络模型。
33、与现有技术相比，本发明的有益效果是：
34、1.本发明捕获害虫图像时综合考虑到温度与相对湿度的影响，使拍出来的图片适应于在不同季节、不同天气捕获后续识别所需的细节和动态信息，有助于提高对图像的识别和分析能力以及提高对图像的识别效率，而且设定不同的图像采集频率，不仅降低粮仓内害虫类型未被检测到的可能性，而且还节约了成本，减少识别的工作量，使图片数量得到了简化，有利于后续处理和提高图片分析的效率，加快了整体的进程。
35、2.本发明使用数量预测模型时只需对粮仓中的一部分单位进行统计，而不是对所有单位进行统计，这样可以提前预测害虫在粮仓中的发生和传播趋势，为防治工作提供时间上的优势，这有助于粮食仓库管理人员在害虫数量尚未大量增加时，就采取相应的防治措施，减少不必要的检查和干预，而且能有效控制害虫数量，防止害虫对粮食造成大量损失。
1.一种基于图像处理的粮仓害虫检测方法，其特征在于，
2.根据权利要求1所述的一种基于图像处理的粮仓害虫检测方法，其特征在于，所述根据环境数据确定害虫图像的采集频率，包括：
3.根据权利要求1所述的一种基于图像处理的粮仓害虫检测方法，其特征在于，所述对采集的若干图像进行预处理得到待分析图像，包括：
4.根据权利要求1所述的一种基于图像处理的粮仓害虫检测方法，其特征在于，所述通过利用边缘检测算法来识别待分析图像中害虫的边缘并提取害虫的特征信息，包括：
5.根据权利要求4所述的一种基于图像处理的粮仓害虫检测方法，其特征在于，所述根据图像中害虫的特征信息分析得到粮仓中害虫的类型，包括：
6.根据权利要求1所述的一种基于图像处理的粮仓害虫检测方法，其特征在于，所述根据图像中害虫的特征信息分析得到粮仓中害虫的数量，包括：
7.根据权利要求6所述的一种基于图像处理的粮仓害虫检测方法，其特征在于，所述数量预测模型根据人工智能模型构建，包括：
