CN105850930A - 基于机器视觉的病虫害预警***和方法 - Google Patents
基于机器视觉的病虫害预警***和方法 Download PDFInfo
- Publication number
- CN105850930A CN105850930A CN201610254139.8A CN201610254139A CN105850930A CN 105850930 A CN105850930 A CN 105850930A CN 201610254139 A CN201610254139 A CN 201610254139A CN 105850930 A CN105850930 A CN 105850930A
- Authority
- CN
- China
- Prior art keywords
- pest
- warning
- disease damage
- early warning
- ambient parameter
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01M—CATCHING, TRAPPING OR SCARING OF ANIMALS; APPARATUS FOR THE DESTRUCTION OF NOXIOUS ANIMALS OR NOXIOUS PLANTS
- A01M1/00—Stationary means for catching or killing insects
- A01M1/02—Stationary means for catching or killing insects with devices or substances, e.g. food, pheronones attracting the insects
- A01M1/026—Stationary means for catching or killing insects with devices or substances, e.g. food, pheronones attracting the insects combined with devices for monitoring insect presence, e.g. termites
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Pest Control & Pesticides (AREA)
- Engineering & Computer Science (AREA)
- Insects & Arthropods (AREA)
- Wood Science & Technology (AREA)
- Zoology (AREA)
- Environmental Sciences (AREA)
- Catching Or Destruction (AREA)
Abstract
本发明提供一种基于机器视觉技术的温室农作物病虫害预警***和方法。该***由现场佳能EOS7D相机图像传感器及多种环境传感器获取自然背景下图像监测数据和环境参数,构建警源预警和警兆预警双重病虫害预警***,同时配备提供用户可以实时查询预警记录的信息处理功能。先由实时环境参数与农作物适宜生长环境参数进行匹配给出初步预警,然后使用机器视觉中图像处理技术对实时图像数据进行处理(滤波、分割、特征提取、识别分类),实现对番茄早疫病和叶霉病的自动识别与分类,给出目前农作物的病虫害发病情况,为用户提供决策支持及历史信息记录查询。也大大减少了人力物力,同时又提升了温室农作物病虫害管理的效率。
Description
技术领域
本发明涉及一种病虫害预警***,具体涉及一种基于机器视觉的病虫害预警***和方法。
背景技术
在工业化、信息化、城镇化深入发展中同步推进农业现代化,是“十二五”时期的一项重大任务。“十二五”是全面建设小康社会的关键时期,是深化改革开放、加快转变经济发展方式的攻坚时期,是加快发展现代农业的重要机遇期。
数字化农业和精准化作业是现代农业发展的方向和要求。在作物病情虫情分析方面,数字农业要求快速、准确地获取植物受病虫害侵染的信息,从而指导植物生长过程中的精细化管理。
国际上,日本在20世纪末已经在技术密集型的设施园艺领域开发了多种病虫害预警***,不但节省了人力物力,还大大提高了病虫害防治效果;荷兰农业环境工程研究所开发的病虫害预警的专家***,运用图像处理技术和专家***技术结合,在应用方面取得了良好效果;而美国、英国等国家的温室大棚在采用智能控制***的同时结合机器视觉技术对病虫害的等级程度、范围进行了预警。
目前农作物病虫害预警的主要难点在于要完成复杂背景下的病斑分割以及采用一种识别率较高但计算量较小的识别算法。但目前先进的温室计算机监测预警***仍依赖国外进口技术,核心技术仍然掌握于国外。因此在对温室环境中农作物病虫害预警方面的研究仍需要进一步的努力和创新。
发明内容
本发明的目的是为了解决现有技术中对农作物病虫害实现预警的缺陷,提供一种基于机器视觉的病虫害预警***和方法,由改进的otsu分割算法及KNN智能分类算法为核心解决上述问题。
为了实现上述目的,本发明的构思是:
基于机器视觉的病虫害预警***由软件和硬件两个部分共同组成,根据功能不同又可将该***划分图像与环境参数采集***以及图像处理***;其中,图像与环境参数采集***由现场佳能EOS7D类型相机及多种环境传感器获取图像监
测数据和环境参数,再将数据传输致图像处理***进行相应的处理;图像处理***由警源预警和警兆预警及信息处理组成。警源预警是通过将实时的现场环境参数与根据专家提供的适宜农作物生长的环境参数进行比对,进行病虫害的初步预警;警兆预警是利用机器视觉图像处理技术对现场传感器采集的图像数据进行处理,判断病虫害的类别;信息处理实现对***的处理结果以及相关记录写入数据库,同时提供查询功能。每个部分各有其任务,各个模块配套软件来整合成一个有机的整体。
所述的图像与环境参数采集***由佳能EOS7D相机及环境参数传感器(主要测量参数温度、湿度、光强)组成;图像与数据采集***测量的数据通过无线传输的方式传到图像处理***。
所述的佳能EOS7D相机主要参数指标为:镜头型号:EF-S 18-135mm f/3.5-5.6IS;实际焦距:f=18-135mm;传感器尺寸APS画幅(22.3*14.9mm);最高分辨率5184×3456;影像处理器DIGIC 4+DIGIC 4;取景器:(类型:眼平五棱镜视野率:垂直/水平方向约100%;放大倍率:约1.0倍(-1m,使用50mm镜头对无限远处对焦);眼点:约22mm(自目镜透镜中央起-1m)内置屈光度调节:-3.0-+1.0m(dpt);对焦屏:固定式;构图辅助:网格线和电子水准仪;反光镜:快回型景深预视)。
所述的图像处理***由警源预警和警兆预警及信息处理组成;先由警源预警进行初步预警,再由警兆预警对病虫害进行识别与分类。同时配备供查询历史记录的信息处理功能。
所述的警源预警是由现场多种环境传感器获取环境参数 (温度℃、湿度%、光强Lux),将实时环境参数与根据专家提供的适宜农作物生长的环境参数进行比对,及时的给出预警信息,在还没有发病之前就可以预防病虫害的发生。
所述的警兆预警是由图像滤波、图像分割、特征提取、形态学操作、图像锐化、训练自学习模块组成。所述的警兆预警是整个***的核心,实现对病虫害的分类识别,直接影响***的预警效果。
所述的图像滤波主要有中值滤波、均值滤波、KNN平滑滤波、阈值滤波等滤波方式。从而实现对图像在采集、量化、传输的过程中产生的噪声进行滤波,以降低噪声对后续图像处理和识别的影响。
所述的图像分割主要有OTSU自动阈值分割、色值分割、自动阈值分割、一维最大熵法分割等分割方式。实现对经预处理后的图像进行分割,分割出完整病斑,为后续提取特征做准备,图像分割是否完整将直接影响提取特征是否充分。
所述的特征提取主要提取病斑形态学特征(周长L、面积S、圆度C、复杂度E)和颜色特征(色调H、色饱和度S、亮度 I),这些特征很好的表达了每种病斑的本质特征,得到的特征参数是判别病斑种类的重要依据。
所述的图像锐化主要有Laplace算子、prewitt算子、梯度算子、kirsch算子、sobel算子。为了利于图像分割可采取不同的锐化方式,使分割达到最好的效果。
所述的形态学操作主要手段有开操作和闭操作。形态学操作主要是针对分割完的图像,根据分割完的效果采取适当的形态学操作,以便于提取特征。
所述的训练自学模块主要包含训练和识别两个模块。训练模块采取的有监督训练,即在识别前拿大量的已知类别的图像数据输入***,来建立特征库。识别的过程即输入待识别图像与已知的特征的类库根据智能识别算法来判别图像种类。
所述的信息处理功能使软件直接与数据库相连接(SQL serve 2008),实现对***的处理结果以及相关记录写入数据库,同时提供查询功能,使得用户可以实时查询病虫害历史处理记录,了解发病历程。
根据上述发明构思,本发明采用下述技术方案:
一种基于机器视觉的病虫害预警***和方法,其特征在于,包含佳能EOS7D相机(1)安装于温室大棚角落固定位置,用于温室内作物的图像数据采集、环境参数集成传感器(2)安装于温室大棚顶部,用于温室室内多种环境参数数据采集、图像处理***(3)位于温室中央控制室内,用于对温室内采集的图像数据和环境参数数据进行处理、记录。佳能EOS7D相机(1)和环境参数集成传感器(2)连接图像处理***;
所述佳能EOS7D相机(1)主要参数指标为:有效像素1800万;实际焦距:f=18-135mm;文件格式:JPEG,RAW(14位),可以同时记录RAW+JPEG。
所述环境参数集成传感器(2)由温度、湿度、光强多种环境参数传感器集合而成;用于测量温室内的各种环境参数,利用无线网络传输至图像处理***(3),用于警源预警的依据。
所述图像处理***(3)具体包括:
警源预警模块(3-1),根据现场多种环境传感器获取环境参数 ,实时环境参数与农作物适宜生长环境参数进行匹配给出初步预警,并在软件界面给警示信息。
警兆预警模块(3-2),在警源预警的基础上,根据现场佳能EOS7D相机获取图像数据 ,利用机器视觉中图像处理技术对图像数据进行处理。通过预处理、特征提取、对病虫害种类进行识别分类;
信息处理模块(3-3),对***的处理结果以及相关记录写入数据库,同时也提供查询功能,使得用户实时查询病虫害历史处理记录,了解发病历程。
一种基于机器视觉的病虫害预警***和方法,采用上述***进行操作,其特征在于操作步骤如下:
步骤1:佳能EOS7D相机(1)与环境参数集成传感器(2)每隔3小时采集 一次数据,并通过无线网络将数据传输至图像处理***(3)。
步骤2:图像处理***(3)中,警源预警模块(3-1)启动,将现场采集的环境参数数据与预先设定好的专家经验数值进行匹配,判断是否在合理范围内。
步骤3:若环境参数数据不在合理范围内,则启动警兆预警模块(3-2)。针对佳能EOS7D相机(1)采集的图像数据进行图像处理,进一步判别 是否有病虫害,以及病虫害的类别。并及时给出预警信息。
步骤4:信息处理模块(3-3),对于警源预警模块(3-1)及警兆预警模块 (3-2)的处理数据及处理结果写入数据库待查。
本发明与现有技术相比,具有如下显而易见的突出实质性特点和显著优点:
本发明创新性的将机器视觉技术应用与农作物的病虫害预警,不仅在现场使用先进的传感器代替人工检测而且实现了从环境变化到病兆两个维度的病虫害智能化预警,并在分割算法及智能识别算法上做出优化,提高了预警的及时性与准确性,大大更新了管理效率的模式。
附图说明
图1为病虫预警***结构示意图
图2图像与环境参数采集***
图3为警源预警运行界面图
图4为警兆预警运行界面图
图5为图像滤波、分割、特征提取界面图
图6为图像识别预警界面图
图7为***信息处理界面图。
具体实施方式
为使对本发明的预警结构特征及所达成的功效有更进一步的了解与认识,用以优选的实施例及附图配合详细的说明,说明如下:
实施例一:
参观图1~~图7,本基于机器视觉的病虫害预警***和方法,其特征在于,包含佳能EOS7D相机(1)安装于温室大棚角落固定位置,用于温室内作物的图像数据采集、环境参数集成传感器(2)安装于温室大棚顶部,用于温室室内多种环境参数数据采集、图像处理***(3)位于温室中央控制室内,用于对温室内采集的图像数据和环境参数数据进行处理、记录。佳能EOS7D相机(1)和环境参数集成传感器(2)连接图像处理***;
实施例二:本实施例与实施例一基本相同,特别之处如下:
所述佳能EOS7D相机(1)主要参数指标为:有效像素1800万;实际焦距:f=18-135mm;文件格式:JPEG,RAW(14位),可以同时记录RAW+JPEG。
所述环境参数集成传感器(2)由温度、湿度、光强多种环境参数传感器集合而成;用于测量温室内的各种环境参数,利用无线网络传输至图像处理***(3),用于警源预警的依据。
所述图像处理***(3)具体包括:
警源预警模块(3-1),根据现场多种环境传感器获取环境参数 ,实时环境参数与农作物适宜生长环境参数进行匹配给出初步预警,并在软件界面给警示信息。
警兆预警模块(3-2),在警源预警的基础上,根据现场佳能EOS7D相机获取图像数据 ,利用机器视觉中图像处理技术对图像数据进行处理。通过预处理、特征提取、对病虫害种类进行识别分类;
信息处理模块(3-3),对***的处理结果以及相关记录写入数据库,同时也提供查询功能,使得用户实时查询病虫害历史处理记录,了解发病历程。
实施例三:
本基于机器视觉的病虫害预警***和方法,采用上述***进行操作,其特征在于操作步骤如下:
步骤1:佳能EOS7D相机(1)与环境参数集成传感器(2)每隔3小时采集 一次数据,并通过无线网络将数据传输至图像处理***(3)。
步骤2:图像处理***(3)中,警源预警模块(3-1)启动,将现场采集的环境参数数据与预先设定好的专家经验数值进行匹配,判断是否在合理范围内。
步骤3:若环境参数数据不在合理范围内,则启动警兆预警模块(3-2)。针 对佳能EOS7D相机(1)采集的图像数据进行图像处理,进一步判别是否有病虫害,以及病虫害的类别。并及时给出预警信息。
步骤4:信息处理模块(3-3),对于警源预警模块(3-1)及警兆预警模块(3-2)的处理数据及处理结果写入数据库待查。
图1~~图7所示,本基于机器视觉的病虫害预警***和方法主要由图像与环境参数采集***及图像处理***(主要包含警源预警、警兆预警、信息处理三部分组成),各功能模块相互互补搭配完成整体工作任务。
首先当软件运行时,***调用数据库中现场各传感器传回的现场环境数据参数(温度℃、湿度%、光强Lux),并如图3所示显示在警源预警的界面上,此时程序后台把这些现场的环境参数与根据专家建议的农作物适宜的适宜的环境参数变化范围进行比对,判断此时的环境参数是否在适宜的范围,并给出相应的处理建议,并显示在警源预警的界面上。这样实现对病虫害预警的初步预警,预防在发病之前。
在警兆界面上,***调用现场的图像数据参数显示在界面上(如图4所示)并进行相应的处理。如图5所示,图像经由中值滤波,并用OTSU自动阈值分割算法进行分割,得到分割完的完整病斑。在此基础上,程序利用对图像的全屏扫描同时提取病斑形态学特征(周长L、面积S、圆度C、复杂度E)及颜色特征(色调H、色饱和度S、亮度 I),并把这特征参数实时显示在软件界面上(如图5所示),并由最近邻分类算法(kNN)对病斑进行识别分类,并给出判别结果(如图5所示)。并且这些处理的结果实时的写入数据库中,以便后续的查询与管理。
在信息处理的界面上,如图7所示可以实时显示近期***的处理记录及相关参数,也可以从数据库中查询历史的记录,便于对于病虫害的全程监控以及后续调用相关数据进行研究。
在现场传感器的配合下,本***实现了从警源预警到警兆预警双重病虫害预警,同时配备提供用户可以实时查询预警记录的信息处理功能。先由实时环境参数与农作物适宜生长环境参数进行匹配给出初步预警,然后使用机器视觉中图像处理技术对实时图像数据进行处理(滤波、分割、特征提取、识别分类),实现对番茄早疫病和叶霉病的自动识别与分类,给出目前农作物的病虫害发病情况,为用户提供决策支持及历史信息记录查询。也大大减少了人力物力,同时又提升了温室农作物病虫害管理的效率。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是本发明的原理,在不脱离本发明精神和范围的前提下本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明的范围内。本发明要求的保护范围由所附的权利要求书及其等同物界定。
Claims (5)
1.一种基于机器视觉的病虫害预警***和方法,其特征在于,包含佳能EOS7D相机(1)、环境参数集成传感器(2)、图像处理***(3);其特征在于,
所述佳能EOS7D相机,(1)安装于温室大棚角落固定位置,用于温室内作物的图像数据采集;
所述环境参数集成传感器,(2)安装于温室大棚顶部,用于温室室内多种环境参数数据采集;
所述图像处理***,(3)位于温室中央控制室内,用于对温室内采集的图像数据和环境参数数据进行处理、记录;
所述佳能EOS7D相机(1)和环境参数集成传感器(2)连接图像处理***。
2.根据权利要求1所述的基于机器视觉的病虫害预警***,其特征是,所述的佳能EOS7D相机(1)主要参数指标为:有效像素1800万;实际焦距:f=18-135mm;文件格式:JPEG,RAW(14位),可以同时记录RAW+JPEG。
3.根据权利要求1所述的基于机器视觉的病虫害预警***,其特征是,所述的环境参数集成传感器(2)由温度、湿度、光强多种环境参数传感器集合而成;用于测量温室内的各种环境参数,利用无线网络传输至图像处理***(3),用于警源预警的依据。
4.根据权利要求1所述的基于机器视觉的病虫害预警***,其特征在于,所述图像处理***(3)具体包括:
警源预警模块(3-1),根据现场多种环境传感器获取环境参数 ,实时环境参数与农作物适宜生长环境参数进行匹配给出初步预警,并在软件界面给警示信息;
警兆预警模块(3-2),在警源预警的基础上,根据现场佳能EOS7D相机获取图像数据,利用机器视觉中图像处理技术对图像数据进行处理,通过预处理、特征提取、对病虫害种类进行识别分类;
信息处理模块(3-3),对***的处理结果以及相关记录写入数据库,同时也提供查询功能,使得用户实时查询病虫害历史处理记录,了解发病历程。
5.一种基于机器视觉的病虫害预警***和方法,采用根据权利要求1所述的基于机器视觉的病虫害预警***进行操作,其特征在于,操作步骤如下:
步骤1:佳能EOS7D相机(1)与环境参数集成传感器(2)每隔3小时采集一次数据,并通过无线网络将数据传输至图像处理***(3);
步骤2:图像处理***(3)中,警源预警模块(3-1)启动,将现场采集的环境参数数据与预先设定好的专家经验数值进行匹配,判断是否在合理范围内;
步骤3:若环境参数数据不在合理范围内,则启动警兆预警模块(3-2),针对佳能EOS7D相机(1)采集的图像数据进行图像处理,进一步判别 是否有病虫害,以及病虫害的类别,并及时给出预警信息;
步骤4:信息处理模块(3-3),对于警源预警模块(3-1)及警兆预警模块 (3-2)的处理数据及处理结果写入数据库待查。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610254139.8A CN105850930A (zh) | 2016-04-23 | 2016-04-23 | 基于机器视觉的病虫害预警***和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610254139.8A CN105850930A (zh) | 2016-04-23 | 2016-04-23 | 基于机器视觉的病虫害预警***和方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105850930A true CN105850930A (zh) | 2016-08-17 |
Family
ID=56632698
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610254139.8A Pending CN105850930A (zh) | 2016-04-23 | 2016-04-23 | 基于机器视觉的病虫害预警***和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105850930A (zh) |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106780443A (zh) * | 2016-11-30 | 2017-05-31 | 深圳前海弘稼科技有限公司 | 作物害虫的预警方法和作物害虫的预警装置 |
CN106779188A (zh) * | 2016-11-30 | 2017-05-31 | 深圳前海弘稼科技有限公司 | 一种种植设备中植物病虫害预测方法及装置 |
CN106846462A (zh) * | 2016-12-30 | 2017-06-13 | 北京农业信息技术研究中心 | 基于三维模拟的昆虫识别装置及方法 |
CN107168367A (zh) * | 2017-06-08 | 2017-09-15 | 中科院合肥技术创新工程院 | 基于机器视觉业的精准喷药*** |
CN107272620A (zh) * | 2017-06-23 | 2017-10-20 | 深圳市盛路物联通讯技术有限公司 | 一种基于物联网的智能监控大棚的方法及装置 |
CN107301605A (zh) * | 2017-06-29 | 2017-10-27 | 深圳前海弘稼科技有限公司 | 作物虫害的控制方法及装置 |
CN107357271A (zh) * | 2017-06-30 | 2017-11-17 | 深圳前海弘稼科技有限公司 | 温室作物病虫害的防治方法、防治*** |
CN108040997A (zh) * | 2017-12-25 | 2018-05-18 | 仲恺农业工程学院 | 一种基于机器视觉的虫害监测方法 |
WO2019126971A1 (zh) * | 2017-12-25 | 2019-07-04 | 仲恺农业工程学院 | 一种基于机器视觉的虫害监测方法 |
CN110167344A (zh) * | 2016-11-11 | 2019-08-23 | 生物生态服务提供商 | 用于检测飞行动物的***和方法 |
CN110427922A (zh) * | 2019-09-03 | 2019-11-08 | 陈�峰 | 一种基于机器视觉和卷积神经网络病虫害识别***和方法 |
IT201900002249A1 (it) * | 2019-02-15 | 2020-08-15 | Agrorobotica S R L | Sistema e metodo di predizione del rischio di attacco di insetti |
CN112034912A (zh) * | 2020-09-03 | 2020-12-04 | 山东锋士信息技术有限公司 | 一种基于实时反馈的温室作物病害防治方法 |
CN112055079A (zh) * | 2020-09-03 | 2020-12-08 | 华艺生态园林股份有限公司 | 一种基于云计算平台的病虫害监测预警*** |
CN112507869A (zh) * | 2020-12-07 | 2021-03-16 | 广州博进信息技术有限公司 | 基于机器视觉的水下目标物行为观测和水体环境监测方法 |
CN114342717A (zh) * | 2021-12-27 | 2022-04-15 | 深圳市金阳盛城市服务集团有限公司 | 一种虫害测报的方法、装置、设备及存储介质 |
CN116258373A (zh) * | 2023-03-15 | 2023-06-13 | 杭州盈禾嘉田科技有限公司 | 一种基于大数据的病虫害测报预警***及方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1462913A (zh) * | 2003-05-15 | 2003-12-24 | 沈佐锐 | 温室生态健康的智能监控*** |
CN100493212C (zh) * | 2007-05-24 | 2009-05-27 | 中国科学院合肥物质科学研究院 | 大田作物病虫害智能预警*** |
CN101938512A (zh) * | 2010-08-13 | 2011-01-05 | 仲恺农业工程学院 | 基于物联网的农作物病虫害图像信息自动监测*** |
CN103139937A (zh) * | 2013-03-12 | 2013-06-05 | 山东科技大学 | 一种基于移动终端的农作物病虫害信息实时采集和交互服务技术与*** |
US20140259898A1 (en) * | 2013-03-15 | 2014-09-18 | Stephen Jens | Selectively eradicating plants |
CN204482814U (zh) * | 2015-03-17 | 2015-07-22 | 李玉杰 | 一种适用于蔬菜大棚的病虫害自主检测处理装置 |
-
2016
- 2016-04-23 CN CN201610254139.8A patent/CN105850930A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1462913A (zh) * | 2003-05-15 | 2003-12-24 | 沈佐锐 | 温室生态健康的智能监控*** |
CN100493212C (zh) * | 2007-05-24 | 2009-05-27 | 中国科学院合肥物质科学研究院 | 大田作物病虫害智能预警*** |
CN101938512A (zh) * | 2010-08-13 | 2011-01-05 | 仲恺农业工程学院 | 基于物联网的农作物病虫害图像信息自动监测*** |
CN103139937A (zh) * | 2013-03-12 | 2013-06-05 | 山东科技大学 | 一种基于移动终端的农作物病虫害信息实时采集和交互服务技术与*** |
US20140259898A1 (en) * | 2013-03-15 | 2014-09-18 | Stephen Jens | Selectively eradicating plants |
CN204482814U (zh) * | 2015-03-17 | 2015-07-22 | 李玉杰 | 一种适用于蔬菜大棚的病虫害自主检测处理装置 |
Non-Patent Citations (1)
Title |
---|
田杰: "基于图像分析的小麦叶部病害识别方法研究", 《中国博士学位论文全文数据库信息科技辑》 * |
Cited By (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110167344A (zh) * | 2016-11-11 | 2019-08-23 | 生物生态服务提供商 | 用于检测飞行动物的***和方法 |
CN106779188A (zh) * | 2016-11-30 | 2017-05-31 | 深圳前海弘稼科技有限公司 | 一种种植设备中植物病虫害预测方法及装置 |
CN106780443A (zh) * | 2016-11-30 | 2017-05-31 | 深圳前海弘稼科技有限公司 | 作物害虫的预警方法和作物害虫的预警装置 |
CN106846462A (zh) * | 2016-12-30 | 2017-06-13 | 北京农业信息技术研究中心 | 基于三维模拟的昆虫识别装置及方法 |
CN106846462B (zh) * | 2016-12-30 | 2019-12-17 | 北京农业信息技术研究中心 | 基于三维模拟的昆虫识别装置及方法 |
CN107168367A (zh) * | 2017-06-08 | 2017-09-15 | 中科院合肥技术创新工程院 | 基于机器视觉业的精准喷药*** |
CN107272620A (zh) * | 2017-06-23 | 2017-10-20 | 深圳市盛路物联通讯技术有限公司 | 一种基于物联网的智能监控大棚的方法及装置 |
CN107301605A (zh) * | 2017-06-29 | 2017-10-27 | 深圳前海弘稼科技有限公司 | 作物虫害的控制方法及装置 |
CN107357271A (zh) * | 2017-06-30 | 2017-11-17 | 深圳前海弘稼科技有限公司 | 温室作物病虫害的防治方法、防治*** |
CN107357271B (zh) * | 2017-06-30 | 2018-07-17 | 深圳春沐源控股有限公司 | 温室作物病虫害的防治方法、防治*** |
WO2019126971A1 (zh) * | 2017-12-25 | 2019-07-04 | 仲恺农业工程学院 | 一种基于机器视觉的虫害监测方法 |
CN108040997A (zh) * | 2017-12-25 | 2018-05-18 | 仲恺农业工程学院 | 一种基于机器视觉的虫害监测方法 |
US10729117B2 (en) | 2017-12-25 | 2020-08-04 | Zhongkai University Of Agriculture And Engineer | Pest monitoring method based on machine vision |
CN108040997B (zh) * | 2017-12-25 | 2020-09-11 | 仲恺农业工程学院 | 一种基于机器视觉的虫害监测方法 |
IT201900002249A1 (it) * | 2019-02-15 | 2020-08-15 | Agrorobotica S R L | Sistema e metodo di predizione del rischio di attacco di insetti |
WO2020165701A1 (en) * | 2019-02-15 | 2020-08-20 | AGROROBOTICA S.r.l. | Insect attack risk prediction system and method |
CN110427922A (zh) * | 2019-09-03 | 2019-11-08 | 陈�峰 | 一种基于机器视觉和卷积神经网络病虫害识别***和方法 |
CN112034912A (zh) * | 2020-09-03 | 2020-12-04 | 山东锋士信息技术有限公司 | 一种基于实时反馈的温室作物病害防治方法 |
CN112055079A (zh) * | 2020-09-03 | 2020-12-08 | 华艺生态园林股份有限公司 | 一种基于云计算平台的病虫害监测预警*** |
CN112055079B (zh) * | 2020-09-03 | 2022-08-23 | 华艺生态园林股份有限公司 | 一种基于云计算平台的病虫害监测预警*** |
CN112507869A (zh) * | 2020-12-07 | 2021-03-16 | 广州博进信息技术有限公司 | 基于机器视觉的水下目标物行为观测和水体环境监测方法 |
CN112507869B (zh) * | 2020-12-07 | 2024-04-09 | 广州博进信息技术有限公司 | 基于机器视觉的水下目标物行为观测和水体环境监测方法 |
CN114342717A (zh) * | 2021-12-27 | 2022-04-15 | 深圳市金阳盛城市服务集团有限公司 | 一种虫害测报的方法、装置、设备及存储介质 |
CN116258373A (zh) * | 2023-03-15 | 2023-06-13 | 杭州盈禾嘉田科技有限公司 | 一种基于大数据的病虫害测报预警***及方法 |
CN116258373B (zh) * | 2023-03-15 | 2024-02-09 | 杭州盈禾嘉田科技有限公司 | 一种基于大数据的病虫害测报预警***及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105850930A (zh) | 基于机器视觉的病虫害预警***和方法 | |
Sun et al. | Northern maize leaf blight detection under complex field environment based on deep learning | |
RU2764872C2 (ru) | Распознавание сорняка в естественной среде | |
CN112990262B (zh) | 一种草原生态数据监测与智能决策一体化解决*** | |
CN104813993B (zh) | 基于机器视觉的微小农业害虫自动监测装置和方法 | |
CN101701906B (zh) | 基于近红外超光谱成像技术的仓储害虫检测方法和装置 | |
CN109325495B (zh) | 一种基于深度神经网络建模的作物图像分割***及方法 | |
CN111179216B (zh) | 一种基于图像处理与卷积神经网络的作物病害识别方法 | |
CN110532961B (zh) | 一种基于多尺度注意机制网络模型的语义交通信号灯检测方法 | |
CN109672863A (zh) | 一种基于图像识别的施工人员安全装备智能监测方法 | |
CN106332855A (zh) | 一种病虫害自动预警*** | |
CN102759528A (zh) | 一种农作物叶部病害检测方法 | |
CN111582234A (zh) | 基于uav和深度学习的大范围油茶林果智能检测与计数方法 | |
CN112613454A (zh) | 一种电力基建施工现场违章识别方法及*** | |
CN102915432A (zh) | 一种车载微机图像视频数据提取方法及装置 | |
CN116051996A (zh) | 一种基于多模态信息的二阶段农作物生长预测方法 | |
CN107609600A (zh) | 一种温室粘虫板害虫自动识别分类方法及*** | |
CN115661650A (zh) | 一种基于物联网数据监测的农场管理*** | |
CN108829762A (zh) | 基于视觉的小目标识别方法和装置 | |
CN114460080A (zh) | 一种水稻病虫智能监控*** | |
Zheng et al. | Real-time vegetables recognition system based on deep learning network for agricultural robots | |
CN114898405A (zh) | 基于边缘计算的便携式肉鸡异常监测*** | |
CN117292256A (zh) | 一种林业植物病虫害短期预测方法及*** | |
CN114414742A (zh) | 一种基于人工智能的城市绿化日常养护在线智能监测管理云*** | |
CN117197595A (zh) | 基于边缘计算的果树生育期识别方法、装置及管理平台 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160817 |