前言：本站為你精心整理了菊方翅網蝽雌雄成蟲圖像識別技術范文，希望能為你的創作提供參考價值，我們的客服老師可以幫助你提供個性化的參考范文，歡迎咨詢。

摘要：菊方翅網蝽主要為害菊科植物，是特種經濟作物菊芋的潛在性害蟲，對此害蟲的形態識別和種群動態預測非常重要。昆蟲幾何形態特征的提取和分析是進行其自動識別、遠程鑒定、種群監測和預測預報的基礎。本文利用圖像采集與處理技術，通過BugShape軟件對其外部幾何形態特征進行了自動和手動獲取與分析。結果表明，菊方翅網蝽周長和緊湊度兩個參數在不同分辨率下差異顯著，雌蟲球狀性在不同分辨率下也差異顯著。雌雄之間周長、長軸長度和短軸長度差異不顯著，而偏心率、緊湊度、球狀性、葉狀性和圓形度差異均達到顯著水平。雌雄個體的原始判別正確率為92％～93％，交叉判別正確率為91％～93％。使用所有10個參數進行判別分析時，判別的正確率與分辨率呈正相關關系。手動測量結果表明，菊方翅網蝽雌雄成蟲體長分別為（1．86±0．07）mm和（1．80±0．07）mm，中胸寬度分別為（0．73±0．02）mm和（0．69±0．03）mm，腹部寬度分別為（1．04±0．05）mm和（0．84±0．07）mm。利用手動測量數據進行雌雄個體判別分析的正確率達到98％～99％。

關鍵詞：菊方翅網蝽；形態特征；圖像處理；雌雄鑒定；自動識別

菊方翅網蝽犆狅狉狔狋犺狌犮犺犪犿犪狉犿狅狉犪狋犪（Uhler）屬于半翅目Hemiptera網蝽科Tingidae昆蟲，主要為害菊科植物［1］，是一種入侵害蟲［2］，2012年在我國首次被記述［3］。本文作者在河南信陽栽培的菊芋犎犲犾犻犪狀狋犺狌狊狋狌犫犲狉狅狊狌狊L．上發現該害蟲，菊芋被其為害后，初期葉片失綠，后期葉片干枯，失去光合作用，生長受到嚴重影響。之前的報道認為菊芋抗逆性強，幾乎不用防治病蟲害［4］，國內也未見在菊芋上防治菊方翅網蝽的報道。近幾年，隨著菊芋作為一種多用途特種經濟作物被開發利用［56］，其種植面積不斷擴大。根據菊方翅網蝽的為害特點，作者認為該害蟲極有可能成為菊芋產區的潛在危險性害蟲。如果對該害蟲的形態識別、預測預報和防治方法等研究不加以重視，一旦大面積發生，勢必會影響到菊芋產業的健康發展。農業害蟲種類的正確識別和監測是害蟲防控的關鍵，此技術的應用基礎來自于一手數據的采集［78］。而利用計算機圖像處理技術可以獲取昆蟲的外部形態特征，并可以作為昆蟲種類鑒定的依據［910］，這為害蟲種類的正確識別和精準監測提供了基礎。據文獻報道，通過計算機圖像處理技術已經可以實現某些昆蟲雌雄個體的識別，比如可以實現蠶蛹雌雄的識別等［11］，但對網蝽類害蟲雌雄個體的自動鑒別還未見報道。本文擬在國內已有技術的基礎上，對該害蟲的外部幾何形態特征進行提取，探討獲取該害蟲相關參數的技術指標，初步明確哪些參數可用于區分菊方翅網蝽雌雄個體，以及利用該技術對其雌雄個體的識別正確率高低等問題。

1材料與方法

1．1昆蟲來源菊方翅網蝽采集于信陽農林學院實驗農場菊芋植株上，采集到的帶蟲葉片帶回室內用乙酸乙酯薰蒸致死后，在解剖鏡下鑒定雌雄。

1．2圖像和參數獲取利用愛普生（EpsonPerfectionV370Photo）掃描儀透掃功能，獲取菊方翅網蝽背面輪廓特征。標本處理時，從采集到的標本中隨機挑選雌雄各50頭。由于該害蟲蟲體較小，本試驗采用較高的分辨率進行處理。分辨率分別設置為1200、2400dpi和4800dpi，同時在不同分辨率下掃描標準直尺，以便獲得該蟲相關參數的實際尺寸。本文利用的昆蟲特征提取軟件為中國農業大學IPMist實驗室自主開發的BugShapev1．0，該軟件可以自動探測昆蟲目標區域，并自動計算其面積、周長、長軸長度、短軸長度、等效圓半徑、偏心率、緊湊度、球狀性、葉狀性和圓形度等特征［12］。此外，該軟件還有內建的水平和垂直標尺，可以通過掃描的直尺矯正被測圖像的實際大小，軟件自帶測量直線長度的工具可以手動測量圖片中任意目標的長度。

1．3數據處理本試驗得到的相關數據在MSExcel中進行初步整理后，對數據進行方差齊性檢驗（Levenestatistic），并通過獨立樣本狋檢驗和單因素方差分析（OnewayANOVA）對不同分辨率下各參數在雌雄個體中的差異、雌雄個體間的差異等進行比較，單因素方差分析后的多重比較為LSD方法。通過判別分析（discriminantanalysis）對自動測量參數和手動測量參數進行雌雄個體的歸類判別，初步研究了該技術在菊方翅網蝽雌雄識別中的應用，所有統計分析均在SPSS22．0中進行。在制作圖1時，由于10個參數值不在同一數量級上，因此，通過MSExcel設置坐標軸格式對話框，勾選了縱坐標軸選項中的“對數刻度”，基值為10，使所有參數在處理間對比更加明顯。

2結果與分析

2．1采用不同分辨率獲取的同一性別各參數的差異性單因素方差分析結果表明，不同分辨率圖片獲取到的雌性菊方翅網蝽周長（犉＝3．093，犱犳＝2，147；犘＝0．048）、緊湊度（犉＝5．453，犱犳＝2，147；犘＝0．005）和球狀性（犉＝3．159，犱犳＝2，147；犘＝0．045）差異達到顯著水平，而其他參數差異不顯著。不同分辨率獲取的雄性菊方翅網蝽周長（犉＝7．162，犱犳＝2，147；犘＝0．001）和緊湊度（犉＝4．324，犱犳＝2，147；犘＝0．015）差異達到顯著水平，其他參數差異則不顯著（圖1）。不同分辨率的掃描圖片在兩個性別菊方翅網蝽參數比較中周長和緊湊度均出現顯著差異，說明在不同分辨率下，菊方翅網蝽某些細節的獲取方面存在一定差異。如頭兜、側背板和前翅邊緣的刺列等會影響到參數周長的差異。

2．2不同分辨率下雌雄差異顯著性獨立樣本狋檢驗結果表明，在不同分辨率下，菊方翅網蝽雌雄個體輪廓的周長、長軸長度和短軸長度差異不顯著。而偏心率、緊湊度、球狀性、葉狀性和圓形度差異達到顯著水平。在1200dpi的分辨率下，雌雄個體的面積和等效圓半徑差異達到顯著水平，但在2400dpi和4800dpi下，這兩個參數在雌雄個體間差異不顯著（表1）。

2．3不同參數對雌雄判別準確性的影響根據不同分辨率下菊方翅網蝽各參數的差異性，分別進行了判別分析（discriminantanalysis）。結果表明，當使用具有差異顯著性的參數進行雌雄個體判別時，在分辨率為1200dpi和4800dpi時，原始判別和交叉驗證判別的正確率均為93％，而分辨率為2400dpi時稍偏低（分別為92％和91％）。當使用該軟件提取到的所有參數進行判別分析時，原始判別和交叉驗證判別的正確率隨著分辨率的提高而提高（表2）

2．4手動測量數據分析結果由于BugShape軟件在獲取長軸長度和短軸長度等參數時，只能代表菊方翅網蝽整體圖片被截取后的圖片長和寬，而不是蟲體實際的長度和寬度。因此，本研究利用該軟件自帶測量工具對蟲體長度和寬度（中胸寬度、腹部寬度）等參數進行了手動測量，并進行了雌雄個體間的比較。統計分析結果表明，菊方翅網蝽在不同分辨率下，雌雄個體在體長、中胸寬度、腹部寬度以及其參數間的比值方面的差異均達到顯著水平（表3）。判別分析結果表明，不同分辨率下被測個體原始判別的正確率達到99％，僅有一頭雌性被誤判為雄性。交叉驗證判別的正確率在2400dpi時達到99％（一頭雌性被誤判），而1200dpi（一雌一雄被誤判）和4800dpi時為98％（兩頭雌性被誤判）（表4）

3結論與討論

菊方翅網蝽雌雄個體周長和緊湊度在不同分辨率下均出現顯著差異，雌性個體球狀性差異也顯著，而雄性個體球狀性差異不顯著。說明使用不同分辨率進行圖像獲取時，該害蟲的周長隨著分辨率的提高有顯著變化。主要原因是此類害蟲邊緣結構，尤其是頭兜、側背板以及前翅邊緣上的刺列清晰度存在差異，而周長的計算與昆蟲圖像邊界點的數量多少有關［12］。此外，緊湊度是與周長和面積相關的參數［12］，周長的差異導致了緊湊度產生了顯著差異。而球狀性主要與圖像重心到邊界最短距離和重心到邊界最大距離相關，此參數只在雌性菊方翅網蝽個體中產生了差異，且隨著分辨率的提高呈直線變化，說明此參數很可能受分辨率影響較大。在不同分辨率下，菊方翅網蝽雌雄個體間周長、長軸長度和短軸長度差異不顯著，初步認為這三個參數在試驗所設置的分辨率下不能單獨作為雌雄鑒別的依據。而偏心率、緊湊度、球狀性、葉狀性和圓形度在雌雄性之間差異均達到顯著水平，可以作為兩性判別依據。偏心率是昆蟲圖像寬度與長度的比值，緊湊度是與周長和面積相關的函數［12］。說明一些參數通過比值轉換或函數轉換后，也可能作為判別雌雄性的指標。通常情況下，由于昆蟲的個體發育會受到溫度、食料等多種因素的影響，其個體大小會存在一定的差異［13］。僅僅比較體長、體寬等絕對值往往會出現同種同性別個體間差異顯著［14］，而把此類參數進行比值、函數轉換后，可以作為昆蟲數值分類的重要依據［1517］。判別分析表明，使用具有差異顯著性的5個參數（偏心率、緊湊度、球狀性、葉狀性和圓形度）進行雌雄個體判別時，3個分辨率（1200、2400dpi和4800dpi）的原始判別正確率為92％～93％，交叉判別正確率為91％～93％。而使用軟件提取的10個參數進行判別時，原始判別的正確率為93％～97％，交叉判別正確率為91％～93％。本結果表明，利用此技術對菊方翅網蝽雌雄個體進行判別時，10個參數的判別正確率與分辨率高低有一定的關系，圖像獲取時分辨率越高，雌雄個體判別的正確率越高。通過人為剔除一些參數后，1200dpi和4800dpi分辨率的判別結果無差異，正確率均為93％，而2400dpi下判別正確率略有下降，具體原因還有待做進一步的研究。手動測量數據的結果顯示，在不同分辨率下，菊方翅網蝽雌雄個體間體長（♀1．86±0．07mm，♂1．80±0．07mm）、中胸寬度（♀0．73±0．02mm，♂0．69±0．03mm）、腹部寬度（♀1．04±0．05mm，♂0．84±0．07mm）以及其參數間的比例均達到顯著水平。雌雄個體原始判別的正確率均為99％，只有一頭雌蟲被誤判為雄蟲，交叉判別的正確率為98％～99％，有1～2頭雌蟲或雄蟲被誤判。與使用此技術對其他昆蟲種類的判別相比［18］，本研究對菊方翅網蝽雌雄個體的判別正確率較高，絕大多數個體都能夠被正確識別。通過對菊方翅網蝽成蟲外部幾何形態特征的提取與分析初步研究，結果表明，圖像處理技術可以區分其雌雄個體，這有利于將來對該害蟲進行遠程鑒定，或對其種群發生趨勢進行很好的預測。

參考文獻：

［1］虞國躍．菊方翅網蝽［J］．植物保護，2014，40（5）：7．

［2］沈佳思，朱敏，崔旭紅，等．外來入侵菊方翅網蝽生物學特性及實驗種群生命表［J］．應用生態學報，2016，27（5）：16571662．

［3］黨凱，高磊，朱瑾．菊方翅網蝽在中國首次記述（半翅目，網蝽科）［J］．動物分類學報，2012，37（4）：894898．

［4］師國榮，師增勝．旱地菊芋優質高產栽培技術［J］．農業科技與信息，2010（1）：18．

［5］于靜，田喜穎．吉林省菊芋栽培技術［J］．特種經濟動植物，2015（10）：3839．

［6］任玉敏．多用途植物菊芋的栽培及利用探討［J］．現代農村科技，2015（21）：1415．

［7］張云慧，程登發．突發性暴發性害蟲監測預警研究進展［J］．植物保護，2013，39（5）：5561．

［8］吳孔明，陸宴輝，王振營．我國農業害蟲綜合防治研究現狀與展望［J］．昆蟲知識，2009，46（6）：831836．

［9］蔡小娜，韓旭，沈佐銳，等．基于蛾翅翅脈特征的夜蛾昆蟲數字化分類研究（鱗翅目：夜蛾科）［J］．環境昆蟲學報，2016，38（2）：348353．

［10］楊紅珍，沈佐銳，李湘濤．昆蟲自動鑒定技術研究與展望［J］．四川動物，2011，30（5）：834838．

［11］陶丹，王崢榮，李光林，等．基于解模糊算法的蠶蛹圖像恢復及雌雄識別［J］．農業工程學報，2016，32（16）：168174．

［12］于新文，沈佐銳，高靈旺，等．昆蟲圖像幾何形狀特征的提取技術研究［J］．中國農業大學學報，2003，8（3）：4750．

［13］ChownSL，GastonKJ．Bodysizevariationininsects：amacroecologicalperspective［J］．BiologicalReviews，2010，85（1）：139169．

［14］周隆，文禮章，王少麗，等．不同寄主種群B型煙粉虱體內營養和成蟲體長差異比較［J］．植物保護，2011，37（4）：8790．

［15］趙汗青，沈佐銳，于新文．數學形態學在昆蟲分類學上的應用研究．Ⅱ．在總科階元上的應用研究［J］．昆蟲學報，2003，46（2）：201208．

［16］趙汗青，沈佐銳，于新文．數學形態學在昆蟲分類學上的應用研究．Ⅰ．在目級階元上的應用研究［J］．昆蟲學報，2003，46（1）：4550．

［17］沈佐銳，趙汗青，于新文．數學形態學在昆蟲分類學上的應用研究．Ⅲ．在科階元上的應用研究［J］．昆蟲學報，2003，46（3）：339344．

［18］蔡小娜，黃大莊，沈佐銳，等．利用翅的數學形態特征對蛾類昆蟲進行分類鑒定的系統研究Ⅰ———在總科級階元上的應用［J］．中國農業大學學報，2013，18（4）：96104

作者：潘鵬亮，張方梅，尹健，劉紅敏，周順玉，智亞楠 單位：信陽農林學院