1.一种基于航拍图像的害虫识别方法，具体步骤如下，其特征在于：步骤1，获取实验图像数据：使用无人机对需要检测害虫的农地进行检测，并将采集到的农田航拍图像传回服务器，建立农业害虫图像样本集；

步骤2，添加相干斑噪声：向步骤1中获取的农业害虫图像数据添加乘性噪声，通过添加相干斑噪声模拟噪声环境下采集信号所受到的干扰；

步骤2中添加相干斑噪声的过程表示为：

添加乘性噪声模型来描述信号所受的相干斑噪声：zij＝xijvij                                (1)zij是害虫图像上(i,j)像素被相干斑噪声污染后的强度，xij是未被噪声污染图像的反射率，vij是服从均值为1指数分布的噪声；

步骤3，提取图像轮廓特征：提取步骤2中处理后害虫图像的轮廓特征，通过算法处理使其特征具有平移不变性、尺度不变性和旋转不变性；

步骤3中提取图像轮廓特征的过程表示为：由于昆虫的轮廓特征较为复杂，在水平方向和竖直方向都有着较大的轮廓变化，因此通过加权距离的轮廓特征提取方法来提取昆虫特征：步骤3.1：计算昆虫图像上曲线的质心：(xi,yi)i∈{1,2,3,,n}是经过乘性噪声处理过后的昆虫二值图像坐标，(xc,yc)是轮廓曲线的质心；

步骤3.2：计算二值图像上的点(xi,yi)到质心(xc,yc)的加权距离：由于二值图像上的点(xi,yi)与质心有关，因此所求的距离di具有平移不变性；

步骤3.3：对特征di进行尺度不变性处理：s为将特征统一的采样长度， 为处理过后的特征，具有尺度不变性；

步骤3.4：对步骤3.3得到的加权距离进行旋转不变性处理得到特征pt：其中pt是第t帧昆虫图像处理过后的加权距离轮廓特征，Sm是时移因子；

步骤4，GRA算法筛选图像轮廓特征：通过GRA算法找出步骤3.4获得轮廓特征的冗余关系，并剔除冗余的图像轮廓特征；

步骤4中GRA算法筛选图像轮廓特征的过程表示为：求出所有图像轮廓特征的灰色关联度并组成上三角矩阵A：式中，εij表示第i个轮廓特征和第j个轮廓特征的灰色绝对关联度，设置阈值0.8，当灰色绝对关联度大于0.8时，判定该两个特征是冗余特征，并剔除其中一个冗余特征，最终组成筛选过后的轮廓特征样本D；

步骤5，训练回声状态网络：将步骤4获得的样本特征数据化分为训练样本和测试样本，将训练样本的特征作为输入，训练样本的标签作为输出，训练回声状态网络；

步骤5中训练回声状态网络的过程表示为：将步骤4获得的轮廓特征样本D和样本标签Ei组成训练样本u(i)＝{D(i)，E(i)}；

in

步骤5.1初始化网络，将训练样本特征D(i)通过输入连接权值矩阵W 进入储备池，E(i)back经过反馈连接权值W 进入储备池，并根据下式的顺序采集系统状态和输出状态：in back

x(i+1)＝f(W D(i+1)+Wx(i)+W E(i))                  (9)out out

E(i+1)＝f (W D(i+1),x(i+1),E(i))                   (10)out

其中，x(i)是初始值为0的系统参数，f()为储备池节点的激励函数，f ()为储备池输out出单元的激励函数，W表示储备池内部神经元的连接权值矩阵，W 表示输出值矩阵；

out

步骤5.2计算输出值矩阵W ：

其中，K是输入层的神经元个数，N是储备池神经元的个数，L是输出层神经元个数，表示正则化因子，||||表示欧式距离；

步骤6，微调网络：对预训练的回声状态网络进行微调，以提高模型的精确性；

步骤7，害虫预警：将训练获得的回声状态网络模型嵌入硬件系统中，并将模型识别的结果发送给农户，有针对性的灭除害虫。