基于匈牙利算法和LSTM网络的储粮害虫轨迹跟踪及行为研究

长期以来储粮害虫给粮食储物带来严重损失,为寻找一种安全高效、环境友好的储粮害虫防治方法替代化学防治,本文研究储粮害虫的运动行为。采用计算机视觉技术对视频图像逐帧处理,运用匈牙利算法对多个储粮害虫目标轨迹跟踪,并结合长短期记忆网络(long short-term memory, LSTM)与余弦相似度方法解决多个储粮害虫在运动过程中目标重叠的问题。实验结果表明,该方法在137个储粮害虫正常运动视频中达到98.5%的跟踪准确度,在58个含有目标重叠的视频中达到89.7%的准确度。最后计算实时运动行为指标,如行走距离、行走速度、行走方向等,这为分析在热处理、熏蒸、气调等杀虫过程中储粮害虫运动行为,推算其移动范围并依此调整杀虫强度,从而控制成本以达到最好的杀虫效果提供理论支持,为建立高效的储粮害虫防治方案提供一种策略参考。