CN107784020A - 一种动植物昆虫品种识别方法 - Google Patents

一种动植物昆虫品种识别方法 Download PDF

Info

Publication number
CN107784020A
CN107784020A CN201610786824.5A CN201610786824A CN107784020A CN 107784020 A CN107784020 A CN 107784020A CN 201610786824 A CN201610786824 A CN 201610786824A CN 107784020 A CN107784020 A CN 107784020A
Authority
CN
China
Prior art keywords
picture
animals
server
match
matching
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
Application number
CN201610786824.5A
Other languages
English (en)
Inventor
司邦杰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Individual
Original Assignee
Individual
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Individual filed Critical Individual
Priority to CN201610786824.5A priority Critical patent/CN107784020A/zh
Publication of CN107784020A publication Critical patent/CN107784020A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content

Landscapes

  • Engineering & Computer Science (AREA)
  • Library & Information Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种动植物昆虫品种识别方法，其特征在于：使用拍摄设备进行动物或植物或昆虫图片采集；获取包含有动物或植物或昆虫的特征元素的采集照片；将采集图像自动或手动上传服务器，服务器根据图片的特征信息与数据库内图片进行对比匹配；判断匹配相识度是否达到预设识别率；若确认识别匹配成功，会对拍摄者提供此次识别图片的信息；若确认识别匹配失败，服务器会根据此次匹配数据提供6张相识度极高的图片，供图像拍摄者选择；本发明相比现有技术具有以下优点：可以解决各类人群对不认知的动植物昆虫，进行识别、科普、了解动植物昆虫的天性、生长区域等各类信息解决了先有技术中识别准确率不足的技术,识别率达99%。

Description

一种动植物昆虫品种识别方法
技术领域
本发明涉及图像识别领域技，尤其涉及的是一种动植物昆虫图像辨别品种的方法。
背景技术
随着人们生活水平的提高，户外郊游成为用户消遣的一种常见方式，在郊游途中，用户总会看到长相各异的动植物昆虫，如植物叶子、花朵以及果实，对于公园、动物园或植物园，通常会设置标志牌的方式对动植物昆虫进行简单介绍，人们在生活娱乐中对于很多感兴趣动植物昆虫的名字、生长环境、生长周期等信息了解不多甚至根本不认识，因此用户通常会苦于不知道动植物昆虫的名字，进而不能获取动植物昆虫的相关信息。
发明内容
本发明的目的在于克服现有技术的不足，提供了一种动植物昆虫品种识别方法，用以快速为用户提供动植物昆虫的相关信息，以便拍摄者进行科普了解。
本发明是通过以下技术方案实现的，一种动植物昆虫品种识别方法，其特征在于：
使用拍摄设备进行动物或植物或昆虫图片采集；
获取包含有动物或植物或昆虫的特征元素的采集照片；
将采集图像自动或手动上传服务器，服务器根据图片的特征信息与数据库内图片进行对比匹配；
判断匹配相识度是否达到预设识别率；
若确认识别匹配成功，会对拍摄者提供此次识别图片的信息；
若确认识别匹配失败，服务器会根据此次匹配数据提供6张相识度极高的图片，供图像拍摄者选择，确认选择，服务器会根据此次选择图片从数据库获取信息，提供给拍摄者，进行科普、学习。
优选的，服务器将匹配失败的照片进行保存记录于所述数据库内图片，记录成功后会根据图像内特征，服务器会自动在网络中数百万张图片中快速匹配与上传图片类似的特征图像，匹配相识度极高图片达到一定数量会进行保存；随后进行二次匹配数据库内的图片。
优选的，所述二次匹配数据库内的图片，原图、网络匹配相识度极高图像，会同时匹配数据库内图片，匹配相识度达到预设对比率后，服务器会确认匹配，同时把此次匹配图片进行储存以便下次匹配；确认成功后会把此次图片进行后台数据库保存、分类、命名，以便下一次识别此类动物或植物或昆虫的匹配，增加识别率。
优选的，所述采集照片包含至少两个可识别特征元素。
优选的，所述图片信息，包括名字、生长环境、生长周期、可否食用、天敌等信息以便拍摄者进行科普了解。
优选的，所述拍摄设备可选用手机。
本发明相比现有技术具有以下优点：可以解决户外求生、户外游玩、学生和各类人群对不认知的动植物昆虫，进行识别、科普、了解动植物昆虫的天性、天敌、生长区域、等各类信息解决了先有技术中识别准确率不足，识别不成功、无法识别、识别率低下的技术,识别率达99%。
附图说明
图1是本实施例提供的一种动植物昆虫品种识别方法的流程示意图。
具体实施方式
下面对本发明的实施例作详细说明，本实施例在以本发明技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。
如图1所示，本实施例提供的一种动植物昆虫品种识别方法，其特征在于：
使用拍摄设备进行动物或植物或昆虫图片采集S102；
获取包含有动物或植物或昆虫的特征元素的采集照片；
将采集图像自动或手动上传服务器，服务器根据图片的特征信息与数据库内图片进行对比匹配S103；
判断匹配相识度是否达到预设识别率S104；
若确认识别匹配成功S105，会对拍摄者提供此次识别图片的信息；
若确认识别匹配失败S106，服务器会根据此次匹配数据提供6张相识度极高的图片，供图像拍摄者选择，确认选择，服务器会根据此次选择图片从数据库获取信息，提供给拍摄者，进行科普、学习。
优选的，服务器将匹配失败的照片进行保存记录于所述数据库内图片，记录成功后会根据图像内特征，服务器会自动在网络中数百万张图片中快速匹配与上传图片类似的特征图像，匹配相识度极高图片达到一定数量会进行保存；随后进行二次匹配数据库内的图片。
优选的，所述二次匹配数据库内的图片，原图、网络匹配相识度极高图像，会同时匹配数据库内图片，匹配相识度达到预设对比率后，服务器会确认匹配，同时把此次匹配图片进行储存以便下次匹配；确认成功后会把此次图片进行后台数据库保存、分类、命名，以便下一次识别此类动物或植物或昆虫的匹配，增加识别率。
优选的，所述采集照片包含至少两个可识别特征元素。
优选的，所述图片信息，包括名字、种类、习性、生长环境、生长周期、可否食用、天敌等信息以便拍摄者进行科普了解。
优选的，所述拍摄设备可选用手机。
实施例一：
1.拍摄一张泰迪犬图像并上传识别***；
2.采集图像以后会上传服务器，服务器会根据图片的特征，信息进行记录；
3.识别***会根据泰迪犬的特征与网络中图片进行匹配，如：形状、毛发、爪、口鼻、尾巴、等等，匹配相识度极高的图片一定数量后，原图和网络匹配相识度极高图片与数据库中图片进行二次匹配。数据库与图片识别相识度达到一定数值，服务器会确认识别成功；
4.确认成功后会把此次图片进行后台数据库保存、分类、命名，以便下一次识别此类泰迪犬；
5.确认匹配成功，会对拍摄动植物昆虫图像者，提供此次识别图片的信息，如名字、种类、习性等相关信息以便拍摄者进行了解科普，
6.如果匹配失败，识别失败。服务器会根据此次匹配数据提供6张相识度极高的图片，供图像拍摄者选择，一旦确认选择，服务器会根据此次选择图片从数据库获取信息，提供给拍摄者，进行科普、学习。同时把此次识别图片进行保存记录，以便下次识别匹配增加识率。
实施例二：
比如两种相识度相近的植物，如榆叶梅与樱花，花朵的颜色比较相近，形状也接近，用户可能对两种花识别不出来甚至不认识，本实施例二中，植物品种信息可以包括：该种植物的名字以及种类、花期、原产地、用途等相关资料信息，在用户获知到植物品种信息后，可以对植物有了更深刻的了解，进而增加对大自然的热爱。
1.拍摄一张樱花图像并上传识别***；
2.采集图像以后会上传服务器，服务器会根据图片的特征，信息进行记录；
3.识别***会根据樱花的特征与网络中图片进行匹配，如：包括植物的叶子、花朵、果实、树干中的两个等等，匹配相识度极高的图片一定数量后，原图和网络匹配相识度极高图片与数据库中图片进行二次匹配。数据库与图片识别相识度达到一定数值，服务器会确认识别成功；
4.确认成功后会把此次图片进行后台数据库保存、分类、命名，以便下一次识别此类樱花；
5.确认匹配成功，会对拍摄动植物昆虫图像者，提供此次识别图片的信息，如名字、生长周期、生长环境等相关信息以便拍摄者进行了解科普，
6.如果匹配失败，识别失败。服务器会根据此次匹配数据提供6张相识度极高的图片，供图像拍摄者选择，一旦确认选择，服务器会根据此次选择图片从数据库获取信息，提供给拍摄者，进行科普、学习。同时把此次识别图片进行保存记录，以便下次识别匹配增加识率。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种动植物昆虫品种识别方法，其特征在于：
使用拍摄设备进行动物或植物或昆虫图片采集；
获取包含有动物或植物或昆虫的特征元素的采集照片；
将采集图像自动或手动上传服务器，服务器根据图片的特征信息与数据库内图片进行对比匹配；
判断匹配相识度是否达到预设识别率；
若确认识别匹配成功，会对拍摄者提供此次识别图片的信息；
若确认识别匹配失败，服务器会根据此次匹配数据提供6张相识度极高的图片，供图像拍摄者选择，确认选择，服务器会根据此次选择图片从数据库获取信息，提供给拍摄者，进行科普、学习。
2.根据权利要求1所述的一种动植物昆虫品种识别方法，其特征在于：服务器将匹配失败的照片进行保存记录于所述数据库内图片，记录成功后会根据图像内特征，服务器会自动在网络中数百万张图片中快速匹配与上传图片类似的特征图像，匹配相识度极高图片达到一定数量会进行保存；随后进行二次匹配数据库内的图片。
3.根据权利要求1所述的一种动植物昆虫品种识别方法，其特征在于：所述二次匹配数据库内的图片，原图、网络匹配相识度极高图像，会同时匹配数据库内图片，匹配相识度达到预设对比率后，服务器会确认匹配，同时把此次匹配图片进行储存以便下次匹配；确认成功后会把此次图片进行后台数据库保存、分类、命名，以便下一次识别此类动物或植物或昆虫的匹配，增加识别率。
4.根据权利要求1所述的一种动植物昆虫品种识别方法，其特征在于：所述采集照片包含至少两个可识别特征元素。
5.根据权利要求1所述的一种动植物昆虫品种识别方法，其特征在于：所述图片信息，包括名字、生长环境、生长周期、可否食用、天敌等信息以便拍摄者进行科普了解。
6.根据权利要求1所述的一种动植物昆虫品种识别方法，其特征在于：所述拍摄设备可选用手机。
CN201610786824.5A 2016-08-31 2016-08-31 一种动植物昆虫品种识别方法 Pending CN107784020A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610786824.5A CN107784020A (zh) 2016-08-31 2016-08-31 一种动植物昆虫品种识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610786824.5A CN107784020A (zh) 2016-08-31 2016-08-31 一种动植物昆虫品种识别方法

Publications (1)

Publication Number Publication Date
CN107784020A true CN107784020A (zh) 2018-03-09

Family

ID=61451173

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610786824.5A Pending CN107784020A (zh) 2016-08-31 2016-08-31 一种动植物昆虫品种识别方法

Country Status (1)

Country Link
CN (1) CN107784020A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109840549A (zh) * 2019-01-07 2019-06-04 武汉南博网络科技有限公司 一种病虫害识别方法和装置
CN110674805A (zh) * 2019-10-11 2020-01-10 杭州睿琪软件有限公司 昆虫识别方法及***
CN111783667A (zh) * 2020-07-02 2020-10-16 南阳理工学院 一种中医药识别***及其使用方法
CN112036499A (zh) * 2020-09-04 2020-12-04 西南民族大学 一种基于卷积神经网络的中药材识别方法
CN112183256A (zh) * 2020-09-16 2021-01-05 广东中鹏热能科技有限公司 基于图形图像识别技术对单照片多闸阀开度识别的方法

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102231188A (zh) * 2011-07-05 2011-11-02 上海合合信息科技发展有限公司 结合文字识别和图像匹配的名片识别方法
CN102332262A (zh) * 2011-09-23 2012-01-25 哈尔滨工业大学深圳研究生院 基于音频特征的歌曲智能识别方法
CN102508901A (zh) * 2011-11-07 2012-06-20 康佳集团股份有限公司 基于内容的海量图像检索方法和***
CN102739856A (zh) * 2012-05-31 2012-10-17 西安电子科技大学 基于手掌图像信息的手机解锁***及解锁方法
CN103279747A (zh) * 2013-05-31 2013-09-04 四川长虹电器股份有限公司 基于云端识别的手机指纹识别***及方法
CN103886096A (zh) * 2014-04-03 2014-06-25 江苏物联网研究发展中心 基于图片的远程虫害识别方法
CN103902996A (zh) * 2014-03-31 2014-07-02 合肥晶奇电子科技有限公司 一种多元化植物识别手机app设计方法
CN104333730A (zh) * 2014-11-26 2015-02-04 北京奇艺世纪科技有限公司 一种视频通信方法及装置
CN104794149A (zh) * 2015-01-27 2015-07-22 腾讯科技（深圳）有限公司 一种网络信息搜索方法、服务器、用户终端以及***
CN104850636A (zh) * 2015-05-25 2015-08-19 上海卓易科技股份有限公司 移动终端上动植物识别方法及***
CN105203456A (zh) * 2015-10-28 2015-12-30 小米科技有限责任公司 植物品种识别方法及装置
CN105243390A (zh) * 2015-09-25 2016-01-13 河南科技学院 昆虫图像检测方法以及昆虫分类方法
CN105468772A (zh) * 2015-12-10 2016-04-06 广东欧珀移动通信有限公司 一种应用于移动终端的图片搜索方法及移动终端

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102231188A (zh) * 2011-07-05 2011-11-02 上海合合信息科技发展有限公司 结合文字识别和图像匹配的名片识别方法
CN102332262A (zh) * 2011-09-23 2012-01-25 哈尔滨工业大学深圳研究生院 基于音频特征的歌曲智能识别方法
CN102508901A (zh) * 2011-11-07 2012-06-20 康佳集团股份有限公司 基于内容的海量图像检索方法和***
CN102739856A (zh) * 2012-05-31 2012-10-17 西安电子科技大学 基于手掌图像信息的手机解锁***及解锁方法
CN103279747A (zh) * 2013-05-31 2013-09-04 四川长虹电器股份有限公司 基于云端识别的手机指纹识别***及方法
CN103902996A (zh) * 2014-03-31 2014-07-02 合肥晶奇电子科技有限公司 一种多元化植物识别手机app设计方法
CN103886096A (zh) * 2014-04-03 2014-06-25 江苏物联网研究发展中心 基于图片的远程虫害识别方法
CN104333730A (zh) * 2014-11-26 2015-02-04 北京奇艺世纪科技有限公司 一种视频通信方法及装置
CN104794149A (zh) * 2015-01-27 2015-07-22 腾讯科技（深圳）有限公司 一种网络信息搜索方法、服务器、用户终端以及***
CN104850636A (zh) * 2015-05-25 2015-08-19 上海卓易科技股份有限公司 移动终端上动植物识别方法及***
CN105243390A (zh) * 2015-09-25 2016-01-13 河南科技学院 昆虫图像检测方法以及昆虫分类方法
CN105203456A (zh) * 2015-10-28 2015-12-30 小米科技有限责任公司 植物品种识别方法及装置
CN105468772A (zh) * 2015-12-10 2016-04-06 广东欧珀移动通信有限公司 一种应用于移动终端的图片搜索方法及移动终端

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109840549A (zh) * 2019-01-07 2019-06-04 武汉南博网络科技有限公司 一种病虫害识别方法和装置
CN109840549B (zh) * 2019-01-07 2021-04-27 武汉南博网络科技有限公司 一种病虫害识别方法和装置
CN110674805A (zh) * 2019-10-11 2020-01-10 杭州睿琪软件有限公司 昆虫识别方法及***
CN110674805B (zh) * 2019-10-11 2022-04-15 杭州睿琪软件有限公司 昆虫识别方法及***
US11663802B2 (en) 2019-10-11 2023-05-30 Hangzhou Glority Software Limited Insect identification method and system
CN111783667A (zh) * 2020-07-02 2020-10-16 南阳理工学院 一种中医药识别***及其使用方法
CN112036499A (zh) * 2020-09-04 2020-12-04 西南民族大学 一种基于卷积神经网络的中药材识别方法
CN112183256A (zh) * 2020-09-16 2021-01-05 广东中鹏热能科技有限公司 基于图形图像识别技术对单照片多闸阀开度识别的方法

Similar Documents

Publication Publication Date Title
CN107784020A (zh) 一种动植物昆虫品种识别方法
van Vliet et al. The European phenology network
KR101357890B1 (ko) 원격어항관리시스템
CN102647579B (zh) 移动终端装置、观测管理***以及观测管理方法
Ise et al. Identifying 3 moss species by deep learning, using the" chopped picture" method
CN106768081A (zh) 一种判断果蔬生长状态的方法及***
KR20000059170A (ko) 인터넷을 통한 원격 양육 방법
Wilkie et al. Animals' perception and memory for places
Amalin et al. Predatory behavior of three species of sac spiders attacking citrus leafminer
EP3979214A1 (de) Bekämpfung von schadorganismen
WO2023071869A1 (zh) 植物推荐方法、可读存储介质和电子设备
JP2013162799A (ja) 観測管理システム、観測装置、携帯端末装置並びにプログラム
Kiser Animal Economies the Lives of St. Francis in Their Medieval Contexts
CN107889653A (zh) 一种具有联网在线显示功能的智能花盆
CN113506183A (zh) 农业景观鸟类物种田间调查记录客户端***
CN207911458U (zh) 一种具有联网在线显示功能的智能花盆
CN110517570A (zh) 昆虫标本展示框科教工艺品的制作方法
Satterlee et al. Sparking Interest in Nature--Family Style.
US20030017441A1 (en) Field guide systems and methods for identifying features of nature
Dickenson Lady Gwillim and the birds of Madras
Takagi et al. Proposal and evaluation of a method for automatically classifying images of agricultural work and animals acquired with motion sensor cameras
Andrew Animal and artificial bait preference of Silphidae and a citizen science project on the American burying beetle, Nicrophorus americanus
Apps NEBLINETM
County 4-H FAIRBOOK
Smith changing seasons

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20180309