基本信息
- 项目名称：
- 基于ＭＦＣＣ的仓储物害虫的自动识别与分研究
- 来源：
- 第十二届“挑战杯”省赛作品
- 小类：
- 信息技术
- 大类：
- 自然科学类学术论文
- 简介：
- 本作品将在已有文献的基础上对基于声音模式识别技术的仓储害虫的分类识别进行深入的研究。创新性的尝试新的抗噪性强的特征提取与分类方法，从而实现高识别率的害虫自动识别与分类系统，为后续的害虫检测预警系统的硬件实现提供理论上的支撑。
- 详细介绍：
- 害虫声音测报技术是一种新兴的害虫检测方法，不仅工作效率高而且能够不具破坏性的进行监测，具有很大的发展潜力。传统的基于图像处理等的害虫检测方法存在不能实时检测的困难，比如基于害虫图像的识别必须首先在粮仓中发现并提取到完整害虫的样本，然后对其形体特征进行特征提取才可以完成识别分类。针对这种情况，本作品提出了基于声音模式识别技术的仓储害虫的分类识别。本文的仓虫识别是利用仓虫活动时发出的响声(吃物、爬行、飞行等发出的声音)来判断仓虫的种类，是与文本无关的语音识别。 在模式识别过程中，特征选择是最重要的步骤。Mel倒谱系数(MFCC)特征具有计算简单、区分能力好等突出的优点，因而常常成为许多实际识别系统的首选。但是储粮害虫声信号与人类语音信号相比，属于弱声信号，而且从频率稳定度来说，害虫声信号又输于非平稳信号，其MFCC特征的提取将与已有的算法不同，针对该问题，本作品创新性的尝试新的MFCC特征，用于储粮害虫的自动识别与分类。 本作品以害虫声信号的采集与预处理、特征提取和分类算法为研究对象，主要研究内容为： （１）利用频域和时频域分析工具对采集到的声信号进行降噪处理，以提高后期特征提取与分类的精度； （２）仓储物害虫声信号的MFCC特征提取与选择算法以及相应的害虫分类器设计。 利用计算机识别技术对仓储物害虫进行自动识别和分类一般包括四个个步骤： （１） 仓储物害虫声信号的采集; （２） 仓储物害虫声信号的预处理； （３） 特征提取； （４） 分类器设计。
作品图片
作品专业信息
撰写目的和基本思路
- 害虫声音测报技术是一种新兴的害虫检测方法，目前声测法具有快速、实用的优势，本项目将在声测法现有研究的基础上，将MFCC特征首次应用到仓储物害虫的识别与分类系统中。 研究过程分为三步：一、为现有基于声信号的研究现状的调查研究及问题发现；二、为本项目提出的基于害虫声信号的Mel频率倒谱参数特征(MFCC)的分类识别原理分析；三、为本作品所提算法的软件设计与仿真分析。
科学性、先进性及独特之处
- 本项目采用广泛应用的语音特征之一—MFCC特征；数据来源于河南工业大学粮油食品学院害虫防治研究实验室；结合数学分析法—时域、频域和时频域分析工具，以及软件仿真法—matlab仿真，从理论和计算机仿真两个方面进行相互验证。借鉴昆虫识别和人类语音识别领域的研究成果，提出了一种新的仓储害虫识别方法，完善了国内声测法防治害虫的体系首次将MFCC语音特征运用到仓储害虫的识别与分类，并提高了识别率。
应用价值和现实意义
- 本作品以识别率为指标提出了一种新的仓储物害虫在线检测与识别分类技术。不仅可实现粮堆虫害的自动化检测、智能分析和自动控制，以完善安全储粮综合治理专家决策支持系统，而且实现了有效的害虫在线检测，准确地给出害虫的种类信息，为害虫的综合防治提供科学的决策依据，也具有重要的实际应用价值。
学术论文摘要
- 害虫声音测报技术是一种新兴的害虫检测方法，不仅工作效率高而且能够不具破坏性的进行监测，具有很大的发展潜力。在模式识别过程中，特征选择是最重要的步骤。Mel倒谱系数(MFCC)特征具有计算简单、区分能力好等突出的优点，因而常常成为许多实际识别系统的首选。但是储粮害虫声信号与人类语音信号相比，属于弱声信号，而且从频率稳定度来说，害虫声信号又输于非平稳信号，其MFCC特征的提取将与已有的算法不同，针对该问题，本作品创新性的尝试新的MFCC特征，用于储粮害虫的自动识别与分类。 本作品的研究有着广阔的应用前景，其成果可为后续的害虫检测预警系统的硬件实现提供理论上的支撑。害虫检测预警系统一旦成为农业建设和进出口粮食安全检查的急需，就会带来巨大的商业利润。除此之外，害虫声音测报技术正在成为害虫检测领域的宠儿，其作为农作物生长期间的害虫检测与预警的潜在市场也是不容忽视的。
获奖情况
- 暂无
鉴定结果
- 2011年4月19日在教育部科技查新工作站（Z12）获得查新
参考文献
- [1] 竺乐庆;王鸿斌;张真;基于Mel倒谱系数和矢量量化的昆虫声音自动鉴别[J].昆虫学报,2010,(08):901-907. [2] 韩萍.仓储物害虫声音模式识别的研究[D].导师：陈国勋.:郑州大学,2001. [3] 韩萍,张红梅仓储物害虫分类识别中的声信号的特征提取[J].计算机工程与应用,2003,(14):215-21. [4] 韩萍.仓储物害虫声音的模式识别[J].计算机工程, 2003, (22):151-152+154.
同类课题研究水平概述
- 国外研究现状： 在国外，通过检测储粮害虫声信号能够快速实现对储粮害虫侵害程度的量化，但在通过害虫声信号识别害虫种类方面的工作却鲜有报道。 国内研究现状： 2003年以来，国内的研究机构在声测法方面做出了大量的研究。 陕西师范大学的尚志远教授在害虫声信号检测方面做了一些研究工作，但其所做的工作主要针对常见的几种储粮害虫进行了详细的分析，其用于分类的差异主要还是靠视觉观察，距离真正的基于声信号的害虫种类在线检测与分类识别还有一定的差距。 浙江工商大学的竺乐庆提出了基于Mel倒谱系数和矢量量化的昆虫声音自动鉴别，把人类语音识别领域的先进技术应用于昆虫识别，提出了一种新颖的昆虫声音自动鉴别方法，取得了超过96% 的识别率和理想的时间性能。试验结果证明了通过MFCC特征用于昆虫声音信号识别的方法的有效性。 华中科技大学的唐发明、陈绵云和王仲东提出了一种根据害虫产生的声音来进行基于支持向量机的识别算法，利用已知害虫的声音样本，经过语音预处理、特征提取，用所提取的语音特征向量构造多个支持向量机(SVM)。在识别应用中,在无法看到害虫的情况下，利用传感器采集到的害虫声音样本,预处理之后，利用训练好的支持向量机来判断是什么害虫，从而采取合适的灭虫措施。 河南工业大学的韩萍等分别对仓虫 声音的特点先后经过Madline神经网降噪、数值归一化处理以及利用FFT算法作频谱分析，最终提取仓虫声音的特征向量；并送入BP神经网络识别分类。对国内常见的三种仓储物害虫：米象、玉米象和赤拟谷盗的总识别率达到81％。
