水稻害虫的肆虐严重威胁着粮食安全的大局,水稻病虫害的爆发给水稻生产造成严重损失,防治水稻害虫成为保证水稻稳产增产的重中之重。有效防治虫害的关键在于及时获取田间虫害信息,从而迅速做出反应。本文研制了一种田间害虫图像远程实时采集系统,实时采集处于田间的水稻害虫图像,并设计开发了一套基于卷积神经网络的水稻害虫图像分类方法,利用计算机智能识别害虫种类,达到远程实时监测害虫的目的,从而为科学防治虫害提供指导。图像远程实时采集系统以图像采集机械装置为基础,搭载了以PLC(可编程逻辑控制器)为控制核心的自动拍摄装置和伺服驱动装置,并配合以第四代通信技术(4G)为支撑的远程实时传输系统,能将处于野外自然状态下的昆虫图像实时采集、传输到实验室监测中心处。图像采集机械装置由底座、采集工作台和X、Y、Z三个方向距离调节装置构成,其中X和Z向以伺服电机为动力,Y向为手动调节装置。利用水稻害虫的趋光性,引诱其爬附在采集工作台的白色幕布上,PLC控制伺服驱动器,驱动电机运行,使工业相机和镜头在XZ平面上沿着幕布按照事先设定的线路和速度移动,同时,PLC发出的脉冲控制相机拍照,实现对整块目标区域逐行扫描拍摄,采集昆虫图像。实时传输系统的设计基于TCP/IP传输协议和传输快速稳定的4G技术,在拍摄过程中,将所拍摄的图片实时、自动传输至实验室监测中心,保证所获取信息的时效性。为了对所获取的昆虫图像实现科学分类与自动识别,设计了一套基于卷积神经网络的昆虫图像分类方法。获取远程传输过来的图像后,提取其中有用的昆虫信息,对其进行归一化处理。在图像样本中(正负样本各700张),随机选取一半作为训练样本,一半为测试样本。利用5×5的卷积核对训练样本进行卷积操作,将所获取的特征图中以2×2邻域进行池化操作,然后重复卷积操作后再以所获取特征图的3×3邻域进行池化操作,自动学习获取网络模型参数,得出训练后的网络模型。利用此模型对测试样本进行分类测试,最终达到91.14%的识别正确率。为了验证此模型的可靠性,又进行了交叉验证,最终说明该方法可以实现对水稻害虫种类的准确、自动识别。