蛾类是鳞翅目昆虫中较大的类群,其种类的准确识别,是农林害虫防治的基本前提。现阶段,昆虫的种类识别还依赖于昆虫分类专家,费时费力。近年,基于图像的害虫自动分类识别已经成为重要的研究领域,为非专业人士准确识别农林害虫提供了便利。随着计算机技术的不断发展,基于图像的虫体分类识别逐步趋于完善,但也存在害虫多姿态引起识别准确率降低、算法普适性较差的问题。为解决上述问题,本文提出一种基于机器视觉估计蛾类三维姿态信息的方法,并结合蛾类虫体图像二维特征,最后利用支持向量机完成虫体的自动分类。种类与姿态多样的昆虫,通过二维数字图像自动识别时,会导致算法普适性降低,而三维姿态的准确估计可以优化识别过程,提高识别效率。蛾类虫体前翅间夹角角度是量化其三维姿态的重要参数,蛾类虫体的三维姿态的有效获取并将其作为蛾类害虫分类识别的特征之一,对提高蛾类自动分类与识别具有重要意义,在农林害虫防治方面具有较高的应用价值。选取鳞翅目 Lepidoptera夜蛾科Noctuidae棉铃虫Helicoverpa armigera(Hubner)、黄地老虎 Agrotis segetum(Denis et Schiffermuller)、粘虫Mythimna separata(Walker)的成虫为研究对象,利用蛾类虫体前翅间夹角角度作为量化其三维姿态信息的重要参数,提出一种基于机器视觉原理的蛾类虫体前翅间夹角角度的计算方法,以获取蛾类虫体三维姿态信息:通过角点检测原理提取蛾类虫体前翅的标记特征点,获取标记特征点的空间坐标,进而计算虫体前翅间夹角角度。此方法能够快速、便捷、准确地获取到蛾类成虫虫体前翅间夹角的角度,且相对误差范围在0.03%～3.96%之间;该方法计算结果与激光测量结果进行偏差分析,均方根误差1.6533°;配对T检验无显著差异。获取三维姿态信息后,继续获取三种虫体图像的二维特征:纹理、颜色及形态特征,同时作为分类识别的特征参数。本文中图像纹理特征采用灰度共生矩阵算法实现,选择能量(Energy)、相关性(Correlation)、对比度(Contrast)及摘(Entropy)作为特征参数;提取图像的颜色直方图作为其颜色特征参数;形态特征参数选取能简单有效地表示虫体形态特征的面积(Area)、周长(Perimeter)、标准积(Ratio Area)、延伸率(Stretch)、复杂度(complexity)及占空比(Duty Ratio)6种参数,最终实现了对蛾类虫体二维特征参数的有效获取。根据文中试验样本属于小样本,且支持向量机对有限样本、非线性高维问题有较好的学习表现,选择使用支持向量机对蛾类虫体进行自动分类识别。通过试验,对比输入不同分类参数的识别效果:仅使用虫体图像二维特征对三种虫体进行训练,得到识别准确率为86.7%;将二维特征参数和三维姿态信息结合作为分类特征进行训练,识别准确率达到93.3%。本文构建了一种基于三维姿态估计的鳞翅目蛾类害虫自动识别方法,引入三维姿态作为识别因子,突破了以往只将二维特征参数作为识别模型的输入因子,使害虫识别准确率有所提升,为今后多姿态蛾类害虫的自动监测、识别提供了重要依据。