基本信息
- 項目名稱：
- 基于ＭＦＣＣ的倉儲物害蟲的自動識別與分研究
- 小類：
- 信息技術(shù)
- 簡介：
- 本作品將在已有文獻的基礎(chǔ)上對基于聲音模式識別技術(shù)的倉儲害蟲的分類識別進行深入的研究。創(chuàng)新性的嘗試新的抗噪性強的特征提取與分類方法，從而實現(xiàn)高識別率的害蟲自動識別與分類系統(tǒng)，為后續(xù)的害蟲檢測預(yù)警系統(tǒng)的硬件實現(xiàn)提供理論上的支撐。
- 詳細介紹：
- 害蟲聲音測報技術(shù)是一種新興的害蟲檢測方法，不僅工作效率高而且能夠不具破壞性的進行監(jiān)測，具有很大的發(fā)展?jié)摿?。傳統(tǒng)的基于圖像處理等的害蟲檢測方法存在不能實時檢測的困難，比如基于害蟲圖像的識別必須首先在糧倉中發(fā)現(xiàn)并提取到完整害蟲的樣本，然后對其形體特征進行特征提取才可以完成識別分類。針對這種情況，本作品提出了基于聲音模式識別技術(shù)的倉儲害蟲的分類識別。本文的倉蟲識別是利用倉蟲活動時發(fā)出的響聲(吃物、爬行、飛行等發(fā)出的聲音)來判斷倉蟲的種類，是與文本無關(guān)的語音識別。 在模式識別過程中，特征選擇是最重要的步驟。Mel倒譜系數(shù)(MFCC)特征具有計算簡單、區(qū)分能力好等突出的優(yōu)點，因而常常成為許多實際識別系統(tǒng)的首選。但是儲糧害蟲聲信號與人類語音信號相比，屬于弱聲信號，而且從頻率穩(wěn)定度來說，害蟲聲信號又輸于非平穩(wěn)信號，其MFCC特征的提取將與已有的算法不同，針對該問題，本作品創(chuàng)新性的嘗試新的MFCC特征，用于儲糧害蟲的自動識別與分類。 本作品以害蟲聲信號的采集與預(yù)處理、特征提取和分類算法為研究對象，主要研究內(nèi)容為： （１）利用頻域和時頻域分析工具對采集到的聲信號進行降噪處理，以提高后期特征提取與分類的精度； （２）倉儲物害蟲聲信號的MFCC特征提取與選擇算法以及相應(yīng)的害蟲分類器設(shè)計。 利用計算機識別技術(shù)對倉儲物害蟲進行自動識別和分類一般包括四個個步驟： （１） 倉儲物害蟲聲信號的采集; （２） 倉儲物害蟲聲信號的預(yù)處理； （３） 特征提??； （４） 分類器設(shè)計。
作品圖片
作品專業(yè)信息
撰寫目的和基本思路
- 害蟲聲音測報技術(shù)是一種新興的害蟲檢測方法，目前聲測法具有快速、實用的優(yōu)勢，本項目將在聲測法現(xiàn)有研究的基礎(chǔ)上，將MFCC特征首次應(yīng)用到倉儲物害蟲的識別與分類系統(tǒng)中。 研究過程分為三步：一、為現(xiàn)有基于聲信號的研究現(xiàn)狀的調(diào)查研究及問題發(fā)現(xiàn)；二、為本項目提出的基于害蟲聲信號的Mel頻率倒譜參數(shù)特征(MFCC)的分類識別原理分析；三、為本作品所提算法的軟件設(shè)計與仿真分析。
科學(xué)性、先進性及獨特之處
- 本項目采用廣泛應(yīng)用的語音特征之一—MFCC特征；數(shù)據(jù)來源于河南工業(yè)大學(xué)糧油食品學(xué)院害蟲防治研究實驗室；結(jié)合數(shù)學(xué)分析法—時域、頻域和時頻域分析工具，以及軟件仿真法—matlab仿真，從理論和計算機仿真兩個方面進行相互驗證。借鑒昆蟲識別和人類語音識別領(lǐng)域的研究成果，提出了一種新的倉儲害蟲識別方法，完善了國內(nèi)聲測法防治害蟲的體系首次將MFCC語音特征運用到倉儲害蟲的識別與分類，并提高了識別率。
應(yīng)用價值和現(xiàn)實意義
- 本作品以識別率為指標提出了一種新的倉儲物害蟲在線檢測與識別分類技術(shù)。不僅可實現(xiàn)糧堆蟲害的自動化檢測、智能分析和自動控制，以完善安全儲糧綜合治理專家決策支持系統(tǒng)，而且實現(xiàn)了有效的害蟲在線檢測，準確地給出害蟲的種類信息，為害蟲的綜合防治提供科學(xué)的決策依據(jù)，也具有重要的實際應(yīng)用價值。
學(xué)術(shù)論文摘要
- 害蟲聲音測報技術(shù)是一種新興的害蟲檢測方法，不僅工作效率高而且能夠不具破壞性的進行監(jiān)測，具有很大的發(fā)展?jié)摿ΑＴ谀Ｊ阶R別過程中，特征選擇是最重要的步驟。Mel倒譜系數(shù)(MFCC)特征具有計算簡單、區(qū)分能力好等突出的優(yōu)點，因而常常成為許多實際識別系統(tǒng)的首選。但是儲糧害蟲聲信號與人類語音信號相比，屬于弱聲信號，而且從頻率穩(wěn)定度來說，害蟲聲信號又輸于非平穩(wěn)信號，其MFCC特征的提取將與已有的算法不同，針對該問題，本作品創(chuàng)新性的嘗試新的MFCC特征，用于儲糧害蟲的自動識別與分類。 本作品的研究有著廣闊的應(yīng)用前景，其成果可為后續(xù)的害蟲檢測預(yù)警系統(tǒng)的硬件實現(xiàn)提供理論上的支撐。害蟲檢測預(yù)警系統(tǒng)一旦成為農(nóng)業(yè)建設(shè)和進出口糧食安全檢查的急需，就會帶來巨大的商業(yè)利潤。除此之外，害蟲聲音測報技術(shù)正在成為害蟲檢測領(lǐng)域的寵兒，其作為農(nóng)作物生長期間的害蟲檢測與預(yù)警的潛在市場也是不容忽視的。
獲獎情況
- 暫無
鑒定結(jié)果
- 2011年4月19日在教育部科技查新工作站（Z12）獲得查新
參考文獻
- [1] 竺樂慶;王鴻斌;張真;基于Mel倒譜系數(shù)和矢量量化的昆蟲聲音自動鑒別[J].昆蟲學(xué)報,2010,(08):901-907. [2] 韓萍.倉儲物害蟲聲音模式識別的研究[D].導(dǎo)師：陳國勛.:鄭州大學(xué),2001. [3] 韓萍,張紅梅倉儲物害蟲分類識別中的聲信號的特征提取[J].計算機工程與應(yīng)用,2003,(14):215-21. [4] 韓萍.倉儲物害蟲聲音的模式識別[J].計算機工程, 2003, (22):151-152+154.
同類課題研究水平概述
- 國外研究現(xiàn)狀： 在國外，通過檢測儲糧害蟲聲信號能夠快速實現(xiàn)對儲糧害蟲侵害程度的量化，但在通過害蟲聲信號識別害蟲種類方面的工作卻鮮有報道。 國內(nèi)研究現(xiàn)狀： 2003年以來，國內(nèi)的研究機構(gòu)在聲測法方面做出了大量的研究。 陜西師范大學(xué)的尚志遠教授在害蟲聲信號檢測方面做了一些研究工作，但其所做的工作主要針對常見的幾種儲糧害蟲進行了詳細的分析，其用于分類的差異主要還是靠視覺觀察，距離真正的基于聲信號的害蟲種類在線檢測與分類識別還有一定的差距。 浙江工商大學(xué)的竺樂慶提出了基于Mel倒譜系數(shù)和矢量量化的昆蟲聲音自動鑒別，把人類語音識別領(lǐng)域的先進技術(shù)應(yīng)用于昆蟲識別，提出了一種新穎的昆蟲聲音自動鑒別方法，取得了超過96% 的識別率和理想的時間性能。試驗結(jié)果證明了通過MFCC特征用于昆蟲聲音信號識別的方法的有效性。 華中科技大學(xué)的唐發(fā)明、陳綿云和王仲東提出了一種根據(jù)害蟲產(chǎn)生的聲音來進行基于支持向量機的識別算法，利用已知害蟲的聲音樣本，經(jīng)過語音預(yù)處理、特征提取，用所提取的語音特征向量構(gòu)造多個支持向量機(SVM)。在識別應(yīng)用中,在無法看到害蟲的情況下，利用傳感器采集到的害蟲聲音樣本,預(yù)處理之后，利用訓(xùn)練好的支持向量機來判斷是什么害蟲，從而采取合適的滅蟲措施。 河南工業(yè)大學(xué)的韓萍等分別對倉蟲 聲音的特點先后經(jīng)過Madline神經(jīng)網(wǎng)降噪、數(shù)值歸一化處理以及利用FFT算法作頻譜分析，最終提取倉蟲聲音的特征向量；并送入BP神經(jīng)網(wǎng)絡(luò)識別分類。對國內(nèi)常見的三種倉儲物害蟲：米象、玉米象和赤擬谷盜的總識別率達到81％。
