我国水稻害虫监测主要依靠黑光灯引诱捕获害虫，由人工识别和计数，并结合田间调查害虫密度与其为害状发生等级。依靠人工识别、计数和田间调查存在识别率低、计数准确性差、田间调查任务重、非实时性和难以实施精准农业等问题，已不能满足当前水稻虫害发生严重状况监测的需求。本项目拟通过机器视觉、图像处理和模式识别等技术来研究水稻害虫及其为害状监测与调查方法。研制室内和田间害虫图像采集装置来获取水稻灯诱害虫和田间害虫及其为害状图像，实现背景准确分割，提取和选择特征参数，利用模式识别技术实现水稻害虫的自动识别、计数和为害状分析；同时建立一套基于图像的水稻害虫识别、计数和为害状分析系统。研究结果将提高水稻害虫监测和田间害虫调查的准确性与效率，减轻基层植保人员劳动强度；提高害虫预测预报的时效性和准确度，为精准农业的实施提供技术支持，降低防治成本，提高防治效果，减少农药对环境的污染。

目前，我国水稻害虫及其为害状监测主要依靠黑光灯引诱捕获害虫，由人工进行识别与计数，并结合田间调查害虫密度及其为害状发生等级，再根据预测模型或经验对水稻害虫进行测报和防治。依靠人工识别与计数害虫和人工田间调查害虫密度及为害状等级存在识别效率低、计数准确性差、田间调查任务重、非实时性和难以实施精准农业等问题，已不能满足当前水稻害虫发生严重状况监测的需求。为了快速、准确地自动识别和计数水稻田间害虫以及正确判断害虫为害状发生等级，本项目利用了机器视觉、图像处理和模式识别等技术来研究基于图像的水稻害虫及其为害状监测与调查方法。建立了基于机器视觉的室内水稻灯诱害虫图像采集与识别系统，利用两个单反相机从上下两面采集害虫图像以便提供更多的害虫图像特征，提出了一种基于图像灰度差分的背景分割的方法，利用光流法和NCuts相结合对粘连害虫进行分割，取得较好的分割效果；对常见的水稻灯诱害虫分成小型和大型害虫分别进行识别研究，提取了局部特征和全局特征，平均识别率均达到95%以上；该部分研究结果为建立田间的基于图像的水稻灯诱害虫自动识别与计数系统奠定了基础。建立了手持式水稻田间病虫害图像采集仪，该采集仪包括伸缩杆、相机和Android手机，相机和手机之间利用Wifi通信，调查人员不用弯腰就能便捷地采集到田间水稻基部病虫害图像；研究了基于图像的水稻基部飞虱检测技术，利用三层分类器来检测水稻基部飞虱，获得平均检测率为85.2%，平均误检率为14.8%；该部分研究结果应用于田间将大大减轻植保人员飞虱田间调查的劳动强度和效率，提高飞虱的计数准确率。对水稻二化螟和稻纵卷叶螟的为害状图像进行背景分割方面的研究，利用显著性算法和Grab Cut图割相结合的方法对害虫为害状的背景分割取得较好的效果；该部分研究结果是水稻害虫为害状发生等级准确分析的前提。在上述研究结果的基础上，利用计算机编程语言建立了室内水稻灯诱害虫图像采集系统、网络版的水稻基部飞虱检测系统和水稻害虫为害状分析系统。