CN109063815A - 一种害虫识别统计装置、***及方法 - Google Patents
一种害虫识别统计装置、***及方法 Download PDFInfo
- Publication number
- CN109063815A CN109063815A CN201810538343.1A CN201810538343A CN109063815A CN 109063815 A CN109063815 A CN 109063815A CN 201810538343 A CN201810538343 A CN 201810538343A CN 109063815 A CN109063815 A CN 109063815A
- Authority
- CN
- China
- Prior art keywords
- pest
- shell
- infrared
- processor
- detection
- 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
- 241000607479 Yersinia pestis Species 0.000 title claims abstract description 311
- 238000000034 method Methods 0.000 title claims abstract description 22
- 238000001514 detection method Methods 0.000 claims abstract description 98
- 230000008054 signal transmission Effects 0.000 claims description 18
- 238000006243 chemical reaction Methods 0.000 claims description 15
- 230000005540 biological transmission Effects 0.000 claims description 6
- 238000007619 statistical method Methods 0.000 claims description 6
- 238000007689 inspection Methods 0.000 claims description 4
- 238000010801 machine learning Methods 0.000 claims description 4
- 238000005259 measurement Methods 0.000 claims description 3
- 241000894007 species Species 0.000 claims description 3
- 238000003860 storage Methods 0.000 abstract description 26
- 238000012544 monitoring process Methods 0.000 abstract description 10
- 239000010410 layer Substances 0.000 description 20
- 239000000523 sample Substances 0.000 description 7
- 239000011159 matrix material Substances 0.000 description 6
- 238000005457 optimization Methods 0.000 description 5
- 241000238631 Hexapoda Species 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000007423 decrease Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000002265 prevention Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000004140 cleaning Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000011897 real-time detection Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 230000009194 climbing Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000036544 posture Effects 0.000 description 1
- 239000002356 single layer Substances 0.000 description 1
- 230000002269 spontaneous effect Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06M—COUNTING MECHANISMS; COUNTING OF OBJECTS NOT OTHERWISE PROVIDED FOR
- G06M1/00—Design features of general application
- G06M1/27—Design features of general application for representing the result of count in the form of electric signals, e.g. by sensing markings on the counter drum
- G06M1/272—Design features of general application for representing the result of count in the form of electric signals, e.g. by sensing markings on the counter drum using photoelectric means
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Catching Or Destruction (AREA)
Abstract
本发明公开一种害虫识别统计装置,包括外壳;设于外壳上部的至少一个害虫进孔;设于外壳下部的至少一个害虫出孔;设于外壳的所述至少一个害虫进孔和至少一个害虫出孔间的多个红外模组,所述多个红外模组分多层设置,用于对从害虫进孔进入的害虫进行多方向红外检测得到害虫检测信息以进行害虫的种类识别,本发明还公开了一种害虫识别统计***和方法,本发明可实现实时的对粮库内储粮害虫发生的种类进行智能识别以及害虫检测数据库的动态扩充,提高了储粮害虫的在线监控水平。
Description
技术领域
本发明涉及农业技术领域。更具体地,涉及一种害虫识别统计装置、***及方法。
背景技术
虫害是导致我国粮食产后储藏损失的重要因素之一,不仅造成经济损失,还容易导致食品安全问题。实时监测粮仓内的储粮害虫发生情况对于保证储粮安全与质量,减少储藏损失具有重要意义。传统的储粮害虫检测方法主要包括:直观检查法、取样检查法和诱集检查法,需要管理人员进入粮仓中进行扦插采样或人工处理检测装置中的害虫,从而对粮仓内害虫的发生发展情况进行及时了解。传统的检测方法需要大量的人力成本,且不具有实时性。随着科学技术的发展,新的害虫检测方法不断被提出。目前,已有的害虫在线智能检测装置多是通过采集粮仓内部害虫诱捕器的诱捕结果图像进行害虫的检测。害虫图像智能识别的性能受图像的清晰程度、明暗程度和害虫的各种姿态等因素的影响十分严重。此外,由于图像智能识别的处理需要耗费大量的运算内存,导致害虫图像的智能识别算法多是部署在云端服务器中,不易移植至检测装置上。
发明内容
本发明的一个目的在于提供一种害虫识别统计装置,可对害虫进行多方向检测,得到多维数据以识别害虫种类,害虫的识别准确度高,不易受害虫形态影响。本发明的另一个目的在于提供一种害虫识别统计***。本发明的另一个目的在于提供一种害虫识别统计方法。
为达到上述目的,本发明采用下述技术方案:
本发明一方面公开了一种害虫识别统计装置,包括
外壳;
设于外壳上部的至少一个害虫进孔;
设于外壳下部的至少一个害虫出孔;
设于外壳的所述至少一个害虫进孔和至少一个害虫出孔间的多个红外模组,所述多个红外模组分至少一层设置,用于对从害虫进孔进入的害虫进行多方向红外检测得到害虫检测信息以进行害虫的种类识别。
优选地,所述外壳包括自上向下依次连接的第一壳体、第二壳体和第三壳体;
所述第一壳体上设有所述至少一个害虫进孔;
所述第二壳体上设有所述多个红外模组;
所述第三壳体上设有所述至少一个害虫出孔。
优选地,所述第一壳体、第二壳体和第三壳体可拆卸地连接。
优选地,所述第二壳体内形成有倒锥形的下落通道,所述下落通道表面的倾斜角度大于等于45度。
优选地,至少一个红外模组发出的红外光的方向与同层或其他层的红外模组发出的红外光的方向均不同。
优选地,分多层设置的多个上述红外模组的各层平面平行或至少两层平面形成有夹角。
本发明另一方面还公开了一种害虫识别统计***,包括至少一个如上所述的害虫识别统计装置以及与每一个所述装置信号连接的处理器;
所述处理器接收至少一个所述装置传输的所述害虫检测信息并处理得到害虫检测数据,并根据所述害虫检测数据进行害虫的种类识别。
优选地,
所述处理器进一步用于在害虫种类识别后累计各类害虫的数量。
优选地,
所述处理器为至少一个,每个所述害虫识别统计装置上设有一个所述处理器;
所述处理器包括与外部终端连接的信号传输模块,所述处理器通过所述信号传输模块将害虫的种类识别结果传输至外部终端或远程服务器。
优选地,
所述处理器包括处理器主体和信号转换模块,所述处理器主体设于外部终端或服务器中;
每个所述害虫识别统计装置上进一步设有与多个红外模组电连接的所述信号转换模块和信号传输模块;
所述信号转换模块用于接收至少一个所述装置传输的所述害虫检测信息并处理得到害虫检测数据;
所述信号传输模块用于将所述信号转换模块输出的害虫检测数据传输至外部终端或服务器中的处理器主体,所述处理器主体用于根据所述害虫检测数据进行害虫的种类识别。
本发明还一方面公开了一种害虫识别统计方法,包括
害虫从至少一个害虫进孔进入识别统计装置;
通过至少一层设置的多个红外模组对害虫进行多方向红外检测得到与每个害虫对应的害虫检测信息;
对所述害虫检测信息进行处理得到一组害虫检测数据;
根据所述害虫检测数据进行害虫的种类识别。
优选地,所述方法进一步包括在害虫种类识别后累计各类害虫的数量的步骤。
优选地,所述方法进一步包括:
在对害虫进行种类识别之前,
通过所述分多层设置的多个红外模组采集已知种类的靶标害虫的所述害虫检测信息形成样本数据;
根据所述样本数据通过机器学习方法得到害虫检测模型以对实时的害虫进行种类识别。
本发明的有益效果如下:
本发明通过在害虫识别统计装置上分层设置多个红外模组,使害虫在装置的下降过程中,可对害虫下降过程进行连续检测,且当多层红外模组时,可从害虫的不同方向对害虫进行形状检测,采集每个红外模组的输出信息,形成与每一个害虫对应的害虫检测数据并进行处理,以对每一个害虫种类进行识别,可提高识别害虫的准确性,降低害虫不同形态对于害虫种类识别的影响,为工作人员提供了可靠的粮情数据,以便及时采取害虫防治措施。且能够实现储粮害虫种类的智能识别,为粮仓内储粮害虫发生发展情况的智能检测和防治的研究提供了有效的数据支撑。
附图说明
下面结合附图对本发明的具体实施方式作进一步详细的说明。
图1示出本发明一种害虫识别统计装置一个具体实施例的示意图。
图2a-2b示出本发明一种害虫识别统计装置具体实施例中多层红外模组的设置示意图。
图3a-3c示出本发明一种害虫识别统计装置具体实施例中一层红外模组的设置示意图。
图4示出本发明一种害虫识别统计***一个具体实施例的示意图。
附图标记:
11、第一壳体,12、第二壳体,13、第三壳体,111、害虫进孔,121、下落通道,14、害虫检测区域,141、红外发射端,142、红外接收端,131、害虫出孔,2、外部终端,3、外部终端,4、服务器。
具体实施方式
为了更清楚地说明本发明,下面结合优选实施例和附图对本发明做进一步的说明。附图中相似的部件以相同的附图标记进行表示。本领域技术人员应当理解,下面所具体描述的内容是说明性的而非限制性的,不应以此限制本发明的保护范围。
根据本发明的一个方面,公开了一种害虫识别统计装置的一个具体实施例。如图1所示,本实施例中,害虫识别统计装置包括外壳、设于外壳上部的至少一个害虫进孔111、设于外壳下部的至少一个害虫出孔131以及设于外壳的所述至少一个害虫进孔111和至少一个害虫出孔131间的多个红外模组。其中,所述多个红外模组可分至少一层设置,本实施例中分多层设置,至少一层设置的红外模组可对从害虫进孔111进入的害虫进行多方向红外检测得到害虫检测信息,以进行害虫的种类识别。
作为可选地实施方式,本实施例中,害虫识别统计装置包括自上向下依次连接的第一壳体11、第二壳体12和第三壳体13。其中,所述第一壳体11上设有所述害虫进孔111,所述第二壳体12包括设置所述多个红外模组的害虫检测区域14,所述第三壳体13上设有所述害虫出孔131。本实施例中,该害虫检测区域14为第二外壳内形成的中空的圆柱形区域,圆柱形的上、下两面上开口,分别与害虫进孔111和害虫出口连通。所述装置的外壳和害虫检测区域14并不限定为圆柱形,也可采用如方形等其他形状,本实施例仅作示例性说明,本发明对此并不作限定。
在优选地实施方式中,所述第二壳体12内进一步形成有下落通道121,该下落通道121形成在所述第一壳体11和第二壳体12的害虫检测区域14间,使通过害虫进孔111进入装置的害虫可掉落在该下落通道121上,并下滑进入害虫检测区域14,通过害虫检测区域14设置的多个红外模组对害虫进行检测。优选地,所述下落通道121形成为倒锥形的表面,倒锥形的下端开口,并与害虫检测区域14连通。优选地,所述下落通道121内的表面的倾斜角度大于等于45度,以便于害虫从下落通道121下落至检测区域,防止害虫向上爬影响害虫统计和种类识别。
在优选地实施方式中,所述第一壳体11、第二壳体12和第三壳体13可拆卸连接,更优选地,可使第一壳体11和第二壳体12以及第二壳体12和第三壳体13通过螺纹或卡扣等连接方式实现连接,以便对装置进行组装和拆分清理。
其中,害虫进孔111和害虫出孔131为粮食中的害虫进出提供了通道,优选地,害虫进孔111和害虫出孔131的孔径的保证害虫可自由进出的前提下需合理控制大小,以防止大量粮食随害虫进入到装置内部,为害虫的统计识别引入干扰因素。害虫进孔111和害虫出孔131优选地可设置多个,以便于害虫进入装置内。进一步地,第一壳体11内还可设置诱捕装置,可将害虫诱捕进入装置内。
在可选地实施方式中,多个红外模组也可以设在一层中,对害虫进行不同方向的红外检测。在本实施例中,多个红外模组分多层设置,分多层设置的多个红外模组可对从害虫进孔111进入的害虫进行多方向红外检测得到害虫检测信息,可通过外部的处理器对害虫检测信息进行处理得到害虫检测数据,以进行害虫的种类识别,分多层设置的多个红外模组解决了单层设置多个红外模组的空间限制问题,分多层设置可设置更多红外模组,另一方面,还能够从不同方向对害虫进行红外检测,扩充了害虫检测数据的维度,使害虫种类识别更准确。
其中,每个红外模组包括红外发射端141和红外接收端142,本实施例中,如图3a所示,在第二外壳上相对设置一个红外模组的红外发射端141和红外接收端142,使红外接收端142可接收红外发射端141发射的红外光,当害虫进入到检测区域,害虫会阻挡红外发射端141发射的红外光,引起红外发射端141和红外接收端142间遮光率变化,红外模组的输出电流或电压值改变,从而处理器可根据红外模组的输出电流或电压信息进行害虫的种类识别和计数。
在可选地实施方式中,多个红外模组可分多层设置,其中,多层红外模组可相互平行,例如,如图2a所示。当然,如图2b所示,两层红外模组所在的平面可形成有一定夹角,即使其中至少一层为倾斜设置,以提高形成的害虫红外点阵数据的信息量,从而提高储粮害虫识别的准确度。
进一步地,在其他实施方式中,多层红外模组中的其中一层中,至少存在一个红外模组发出的红外光的方向与其他层的红外模组发出的红外光的方向均不同,以使多个红外模组的设置可采集到更多有效的害虫红外点阵数据,防止一个角度的多次采集,使数据有效性降低。
在可选实施方式中,每层中红外模组可设置一个,如图3a所示,在其他实施方式中,也可以包括两个红外模组,如图3b所示,两个红外模组的红外发射端141可呈90度设置,两个红外模组发出的红外光方向相互垂直,可从两个方向对害虫形状进行识别,提高害虫种类识别的准确度。在其他实施方式中,也可采用两层以上设置的多个红外模组,每层可设置至少一个红外模组,更优选地,各层的红外模组发出的红外光方向可设置为不同方向,进行错位分布,以得到更多与害虫不同方向外形对应的红外检测信息,可形成红外点阵数据的害虫检测数据,提高害虫种类识别和害虫自动化识别的准确度,通过对害虫种类和精准识别,以实现对粮食储存状态的更好地监控。设有红外模组的层数越多、每一层的红外模组设置越密集,害虫红外点阵数据采集的精度越高,储粮害虫智能识别准确度就会越高。其中,每一层的多组红外模组可均匀分布在害虫检测区域14周围,例如,如图3c所示,可设置三个红外模组,其中,相邻两个红外模组的红外发射端141或红外接收端142间的夹角为120度,便于对外形各侧差异较大的害虫进行识别。
作为可选地实施方式,所述第三外壳下部设有害虫出孔131,可通过该害虫出孔131离开装置,对害虫进行释放,防止堵塞和人工清理的不便。
在可选实施方式中,害虫识别统计装置中还可以设置温度传感器和/或湿度传感器,以检测粮仓中的温度或湿度,为粮情分析提供环境参数,便于结合害虫的识别统计结果进行综合分析。
基于本发明的另一方面,如图4所示,本实施例还公开了一种害虫识别统计***,该***包括如上所述的害虫识别统计装置以及与每一个所述装置信号连接的处理器。本实施例中,所述***进一步还包括外部终端2外部终端2和服务器3,处理器可设置于所述外部终端2或服务器3中。其中,所述处理器接收至少一个所述装置传输的所述害虫检测信息并处理得到害虫检测数据,并根据所述害虫检测数据进行害虫的种类识别。
在优选地实施方式中,所述处理器进一步还在害虫种类识别后累计各类害虫的数量,以便于统计一定时间内的各种害虫的数量,进而分析粮仓内的储粮情况。
所述处理器中进一步可包括与所述多个红外模组电连接的模数转换器,模数转换器可将所述害虫检测信息转换为害虫检测数据并传输至处理器以进行害虫的识别统计。
其中,通过模数转换器将多个红外模组的输出电流或电压转换为时间序列,处理器将多个时间序列形成红外点阵数据,该红外点阵数据为害虫在本装置内部的下降过程导致的红外光电传感器输出的随时间连续的变化。优选地,得到的每个时间序列包含不少于10个数据。通过设置多个红外模组,同时获得多路时间序列,构成红外点阵数据。
红外点阵数据既是时间上的数据也是空间上的数据,在装置中每通过一个害虫,便能得到一组红外点阵数据(由多路时间序列构成)。为研究能够对进入本装置中的储粮害虫的智能识别算法,建立储粮害虫红外点阵数据集。通过人工向本装置中投入靶标害虫,进行红外点阵数据的采集。构建与不同种类害虫对应的红外点阵数据集,可通过机器学习的方法根据形成的红外点阵数据集得到害虫检测模型以对害虫进行种类识别,通过对害虫红外数据的采集可不断优化害虫检测模型,用户可通过外部终端对害虫检测模型进行在线维护和升级优化。
在一种害虫对应的红外点阵数据中,通过特征提取算法,从红外点阵数据中得到害虫的体积、不平滑度等特征,进而训练分类器对害虫的种类进行识别。通过对一段时间区间内掉入本装置的害虫识别结果进行统计分析,得到该时间区间内捕获到害虫个数,对害虫进行计数。基于红外点阵数据的储粮害虫智能识别方法可以运行在本装置中基于嵌入式操作***的处理器上,也可以通过远程进行害虫的智能识别和技术,具有足够的安全性和稳定性。
在一个实施方式中,所述处理器可设置为至少一个,每个所述害虫识别统计装置上设有一个所述处理器。
此时,所述处理器中进一步还需包括与外部终端2或服务器3连接的信号传输模块,从而所述处理器可通过所述信号传输模块将害虫的种类识别结果传输至外部终端2或服务器3。其中,信号传输模块可通过无线进行信号传输,也可通过有线进行信号传输。两种方式中,有线方式进行信号传输采用不受挂载点工作状况影响的总线连接方式,可方便地增加新节点或摘除已损坏节点。当装置的处理器须与服务器通信时,可通过总线连接至外部终端后,通过外部终端与服务器通信。无线方式进行信号传输的成本稍高,但应用更加灵活。该连接方式同样不受挂载点工作状况影响。当装置的处理器须与服务器通信时,可直接通过无线网络与服务器通信。
在另一个实施方式中,所述处理器可设于外部终端2或服务器3中,处理器可设置一个,也可以设置多个。所述处理器包括处理器主体和信号转换模块,所述处理器主体设于外部终端或服务器中,信号转换模块可设于所述装置中。即每个所述害虫识别统计装置上设有与多个红外模组电连接的所述信号转换模块和信号传输模块。
具体的,所述信号转换模块可接收至少一个所述装置传输的所述害虫检测信息并处理得到害虫检测数据。所述信号传输模块可将所述信号转换模块输出的害虫检测数据传输至外部终端或服务器中的处理器主体,所述处理器主体可根据所述害虫检测数据进行害虫的种类识别。
一个或多个处理器可与设于粮食中的害虫识别统计装置进行通信,优选地,可在所述害虫识别统计装置上设置信号传输模块,信号传输模块可通过有线或无线地方式将所述信号转换模块输出的红外害虫检测数据传输至外部终端2或服务器3的处理器中。优选地,所述信号转换模块可采用模数转换器。
***中设于装置上或外部的处理器对红外点阵数据进行处理,对害虫种类进行识别,判断进入装置的是否为储粮害虫,输出该害虫的种类。以此识别结果为基础,对一段时间区间内落入该装置的储粮害虫的个数进行统计。该装置每采集到一组害虫的害虫检测信息后,可通过处理器根据害虫检测信息进行害虫的种类识别,并将识别结果、红外点阵数据和相关环境数据存储在外部终端2或服务器3中。管理员可根据存储的数据,结合先前数据库中的数据进一步优化识别算法和害虫识别模型,进而形成整个***不断迭代优化的良性循环。
本发明的害虫识别统计***可实现对大型粮仓中粮堆内部不同位置、不同深度的多点在线害虫发生情况的全自动在线实时监测,减少了人工劳作复杂度,极大提升了自动化监测的水平。可实时、自动化地检测粮堆中害虫的发生情况,并可实现储粮害虫种类的智能识别,为粮仓内储粮害虫发生发展情况的智能检测和防治的研究提供了有效的数据支撑。且本发明可进行害虫种类的识别,建立害虫检测模型,并可通过对害虫的准确识别,对害虫检测数据集动态扩充,以更新害虫检测模型,实现害虫识别检测***的优化和升级,大大地提高了存储监测水平。
本***在具体使用时,首先使至少一种靶标害虫通过害虫进孔进入害虫识别统计装置内;通过多个红外模组对所述至少一种靶标害虫进行多方向红外检测得到与每一种靶标害虫对应的一组害虫检测信息并处理得到检测数据;处理得到的检测数据形成红外点阵数据,对所述红外点阵数据进行特征提取得到害虫检测模型;将害虫识别统计装置***粮食中,使至少部分害虫入口置于粮食中;对进入害虫识别统计装置中的害虫进行红外实时检测得到检测信息并传输至处理器;所述处理器根据实时检测得到的检测信息得到红外点阵数据的检测数据,根据所述检测数据进行害虫的识别统计。
根据本发明的还一方面,公开了一种害虫识别统计方法,所述方法包括:使害虫从至少一个害虫进孔进入识别统计装置;通过分多层设置的多个红外模组对害虫进行多方向红外检测得到与每个害虫对应的害虫检测信息;对所述害虫检测信息进行处理得到一组害虫检测数据;根据所述害虫检测数据进行害虫的种类识别。
所述方法进一步还可包括在害虫种类识别后累计各类害虫的数量的步骤。
所述方法进一步还可包括:在对害虫进行种类识别之前,通过所述分多层设置的多个红外模组采集已知种类的靶标害虫的所述害虫检测信息形成样本数据;根据所述样本数据通过机器学习方法得到害虫检测模型以对实时的害虫进行种类识别。
本发明公开的基于红外传感器和大数据分析的粮库害虫实时在线监测设备和智能***相结合的技术方案,包括探管式储粮害虫信息采集装置设计、害虫红外点阵数据及相关环境数据的采集上传技术、害虫红外点阵数据集建设方法、基于嵌入式***的害虫红外点阵数据智能识别方法、基于大数据挖掘的害虫数据智能管理外部终端2软件和智能识别算法实时在线优化、升级的技术方案。探管式储粮害虫信息采集装置在储粮害虫进入装置后,对害虫下降过程中的红外点阵数据和采集时间、采集装置在粮库中位置以及该采集位置的环境信息进行数据采集,数据采集完成后,将储粮害虫自然释放。基于采集到的害虫红外点阵数据,利用装置内嵌入的数据处理及控制模块进行储粮害虫数量和种类的识别。识别完成后,实时上传采集到的数据及识别结果到外部终端2软件。外部终端2软件进行害虫数据的智能管理,为害虫智能识别算法的优化和更新提供数据基础。采用本发明不需粮食保管人员进入粮库进行扦插采样或人工处理探管内的害虫,即可对粮堆内部的储粮害虫的发生情况进行及时的了解。通过此种基于红外传感器和大数据分析的粮库害虫监测设备和智能***相结合的技术方案可以实时在线进行粮堆内储粮害虫的监测,提高粮库管理智能化的水平,为储粮害虫的监测和防治提供有效的技术支持。此外,本发明可实现储粮害虫种类的智能识别,且根据不断上传的害虫红外点阵数据,完成数据集的扩充,更新害虫智能识别算法。
显然,本发明的上述实施例仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定,对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动,这里无法对所有的实施方式予以穷举,凡是属于本发明的技术方案所引伸出的显而易见的变化或变动仍处于本发明的保护范围之列。
Claims (13)
1.一种害虫识别统计装置,其特征在于,包括
外壳;
设于外壳上部的至少一个害虫进孔;
设于外壳下部的至少一个害虫出孔;
设于外壳的所述至少一个害虫进孔和至少一个害虫出孔间的多个红外模组,所述多个红外模组分至少一层设置,用于对从害虫进孔进入的害虫进行多方向红外检测得到害虫检测信息以进行害虫的种类识别。
2.根据权利要求1所述的装置,其特征在于,所述外壳包括自上向下依次连接的第一壳体、第二壳体和第三壳体;
所述第一壳体上设有所述至少一个害虫进孔;
所述第二壳体上设有所述多个红外模组;
所述第三壳体上设有所述至少一个害虫出孔。
3.根据权利要求2所述的装置,其特征在于,所述第一壳体、第二壳体和第三壳体可拆卸地连接。
4.根据权利要求2所述的装置,其特征在于,所述第二壳体内形成有倒锥形的下落通道,所述下落通道表面的倾斜角度大于等于45度。
5.根据权利要求1所述的装置,其特征在于,至少一个红外模组发出的红外光的方向与同层或其他层的红外模组发出的红外光的方向均不同。
6.根据权利要求1所述的装置,其特征在于,分多层设置的多个上述红外模组的各层平面平行或至少两层平面形成有夹角。
7.一种害虫识别统计***,其特征在于,包括至少一个如权利要求1-6任一项所述的害虫识别统计装置以及与每一个所述装置信号连接的处理器;
所述处理器接收至少一个所述装置传输的所述害虫检测信息并处理得到害虫检测数据,并根据所述害虫检测数据进行害虫的种类识别。
8.根据权利要求7所述的***,其特征在于,
所述处理器进一步用于在害虫种类识别后累计各类害虫的数量。
9.根据权利要求7所述的***,其特征在于,
所述处理器为至少一个,每个所述害虫识别统计装置上设有一个所述处理器;
所述处理器包括与外部终端连接的信号传输模块,所述处理器通过所述信号传输模块将害虫的种类识别结果传输至外部终端或远程服务器。
10.根据权利要求7所述的***,其特征在于,
所述处理器包括处理器主体和信号转换模块,所述处理器主体设于外部终端或服务器中;
每个所述害虫识别统计装置上进一步设有与多个红外模组电连接的所述信号转换模块和信号传输模块;
所述信号转换模块用于接收至少一个所述装置传输的所述害虫检测信息并处理得到害虫检测数据;
所述信号传输模块用于将所述信号转换模块输出的害虫检测数据传输至外部终端或服务器中的处理器主体,所述处理器主体用于根据所述害虫检测数据进行害虫的种类识别。
11.一种害虫识别统计方法,其特征在于,包括
害虫从至少一个害虫进孔进入识别统计装置;
通过至少一层设置的多个红外模组对害虫进行多方向红外检测得到与每个害虫对应的害虫检测信息;
对所述害虫检测信息进行处理得到一组害虫检测数据;
根据所述害虫检测数据进行害虫的种类识别。
12.根据权利要求11所述的害虫识别统计方法,其特征在于,所述方法进一步包括在害虫种类识别后累计各类害虫的数量的步骤。
13.根据权利要求11所述的害虫识别统计方法,其特征在于,所述方法进一步包括:
在对害虫进行种类识别之前,
通过所述分多层设置的多个红外模组采集已知种类的靶标害虫的所述害虫检测信息形成样本数据;
根据所述样本数据通过机器学习方法得到害虫检测模型以对实时的害虫进行种类识别。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810538343.1A CN109063815A (zh) | 2018-05-30 | 2018-05-30 | 一种害虫识别统计装置、***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810538343.1A CN109063815A (zh) | 2018-05-30 | 2018-05-30 | 一种害虫识别统计装置、***及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109063815A true CN109063815A (zh) | 2018-12-21 |
Family
ID=64819815
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810538343.1A Pending CN109063815A (zh) | 2018-05-30 | 2018-05-30 | 一种害虫识别统计装置、***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109063815A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109584527A (zh) * | 2018-12-24 | 2019-04-05 | 长春吉大赛恩科技有限公司 | 储粮害虫监测预警*** |
CN110338160A (zh) * | 2019-04-06 | 2019-10-18 | 云南省烟草公司大理州公司 | 一种昆虫动态监测调查法 |
CN110659557A (zh) * | 2019-07-29 | 2020-01-07 | 北京邮电大学 | 害虫识别方法及***、终端设备、计算机设备及介质 |
CN112309407A (zh) * | 2020-09-23 | 2021-02-02 | 北京农业智能装备技术研究中心 | 一种天牛发生测报***及方法 |
CN112712158A (zh) * | 2020-12-25 | 2021-04-27 | 中科绿控科技有限公司 | 一种基于红外感应的昆虫计数方法及装置 |
CN112741057A (zh) * | 2020-12-25 | 2021-05-04 | 广州瑞丰生物科技有限公司 | 昆虫的诱捕***、方法、电子设备和存储介质 |
CN114740162A (zh) * | 2022-04-22 | 2022-07-12 | 徐玉龙 | 一种常规果树研究用植物害虫攀爬周期的调查实验设备 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5646404A (en) * | 1995-02-17 | 1997-07-08 | The United States Of America As Represented By The Secretary Of Agriculture | Electronic grain probe insect counter (EGPIC) |
CN103299969A (zh) * | 2013-06-09 | 2013-09-18 | 浙江大学 | 一种害虫诱捕装置和害虫远程识别监控*** |
CN103631470A (zh) * | 2013-12-13 | 2014-03-12 | 中国人民解放军国防科学技术大学 | 基于红外反射式光电探测点阵的隔空输入***与输入方法 |
CN103914733A (zh) * | 2014-03-31 | 2014-07-09 | 北京市农林科学院 | 一种害虫诱捕计数装置及计数*** |
CN203812266U (zh) * | 2014-03-31 | 2014-09-03 | 北京市农林科学院 | 一种害虫诱捕计数装置 |
CN105606532A (zh) * | 2015-12-24 | 2016-05-25 | 北京农业智能装备技术研究中心 | 害虫计数与种类识别装置 |
CN105652683A (zh) * | 2016-03-17 | 2016-06-08 | 云丁网络技术(北京)有限公司 | 基于人体红外特征识别人体的能源控制方法及其*** |
CN105938571A (zh) * | 2016-04-19 | 2016-09-14 | 北京农业信息技术研究中心 | 害虫识别计数***及方法 |
US20170112116A1 (en) * | 2014-09-24 | 2017-04-27 | Shanghai Xingrang Industrial Co., Ltd. | Computer intelligent imaging-based system for automatic pest identification and pest-catching monitoring |
CN107094729A (zh) * | 2017-05-22 | 2017-08-29 | 常州大学 | 粮仓内部害虫的机器视觉检测设备及计数方法 |
CN107543829A (zh) * | 2016-06-29 | 2018-01-05 | 北京邮电大学 | 储粮害虫检测*** |
CN206892918U (zh) * | 2017-07-04 | 2018-01-16 | 珠江水利委员会珠江水利科学研究院 | 基于光栅的鱼道过鱼计数*** |
CN207136014U (zh) * | 2017-06-20 | 2018-03-27 | 孙国胜 | 一种虫害预警*** |
CN208421879U (zh) * | 2018-05-30 | 2019-01-22 | 北京邮电大学 | 一种害虫识别统计装置及*** |
-
2018
- 2018-05-30 CN CN201810538343.1A patent/CN109063815A/zh active Pending
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5646404A (en) * | 1995-02-17 | 1997-07-08 | The United States Of America As Represented By The Secretary Of Agriculture | Electronic grain probe insect counter (EGPIC) |
CN103299969A (zh) * | 2013-06-09 | 2013-09-18 | 浙江大学 | 一种害虫诱捕装置和害虫远程识别监控*** |
CN103631470A (zh) * | 2013-12-13 | 2014-03-12 | 中国人民解放军国防科学技术大学 | 基于红外反射式光电探测点阵的隔空输入***与输入方法 |
CN103914733A (zh) * | 2014-03-31 | 2014-07-09 | 北京市农林科学院 | 一种害虫诱捕计数装置及计数*** |
CN203812266U (zh) * | 2014-03-31 | 2014-09-03 | 北京市农林科学院 | 一种害虫诱捕计数装置 |
US20170112116A1 (en) * | 2014-09-24 | 2017-04-27 | Shanghai Xingrang Industrial Co., Ltd. | Computer intelligent imaging-based system for automatic pest identification and pest-catching monitoring |
CN105606532A (zh) * | 2015-12-24 | 2016-05-25 | 北京农业智能装备技术研究中心 | 害虫计数与种类识别装置 |
CN105652683A (zh) * | 2016-03-17 | 2016-06-08 | 云丁网络技术(北京)有限公司 | 基于人体红外特征识别人体的能源控制方法及其*** |
CN105938571A (zh) * | 2016-04-19 | 2016-09-14 | 北京农业信息技术研究中心 | 害虫识别计数***及方法 |
CN107543829A (zh) * | 2016-06-29 | 2018-01-05 | 北京邮电大学 | 储粮害虫检测*** |
CN107094729A (zh) * | 2017-05-22 | 2017-08-29 | 常州大学 | 粮仓内部害虫的机器视觉检测设备及计数方法 |
CN207136014U (zh) * | 2017-06-20 | 2018-03-27 | 孙国胜 | 一种虫害预警*** |
CN206892918U (zh) * | 2017-07-04 | 2018-01-16 | 珠江水利委员会珠江水利科学研究院 | 基于光栅的鱼道过鱼计数*** |
CN208421879U (zh) * | 2018-05-30 | 2019-01-22 | 北京邮电大学 | 一种害虫识别统计装置及*** |
Non-Patent Citations (1)
Title |
---|
陈梅香;杨信廷;石宝才;李文勇;杜晓伟;李明;孙传恒;: "害虫自动识别与计数技术研究进展与展望", 环境昆虫学报, no. 01, pages 178 - 185 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109584527A (zh) * | 2018-12-24 | 2019-04-05 | 长春吉大赛恩科技有限公司 | 储粮害虫监测预警*** |
CN110338160A (zh) * | 2019-04-06 | 2019-10-18 | 云南省烟草公司大理州公司 | 一种昆虫动态监测调查法 |
CN110659557A (zh) * | 2019-07-29 | 2020-01-07 | 北京邮电大学 | 害虫识别方法及***、终端设备、计算机设备及介质 |
CN112309407A (zh) * | 2020-09-23 | 2021-02-02 | 北京农业智能装备技术研究中心 | 一种天牛发生测报***及方法 |
CN112712158A (zh) * | 2020-12-25 | 2021-04-27 | 中科绿控科技有限公司 | 一种基于红外感应的昆虫计数方法及装置 |
CN112741057A (zh) * | 2020-12-25 | 2021-05-04 | 广州瑞丰生物科技有限公司 | 昆虫的诱捕***、方法、电子设备和存储介质 |
CN114740162A (zh) * | 2022-04-22 | 2022-07-12 | 徐玉龙 | 一种常规果树研究用植物害虫攀爬周期的调查实验设备 |
CN114740162B (zh) * | 2022-04-22 | 2023-08-22 | 徐玉龙 | 一种常规果树研究用植物害虫攀爬周期的调查实验设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109063815A (zh) | 一种害虫识别统计装置、***及方法 | |
CN103914733B (zh) | 一种害虫诱捕计数装置及计数*** | |
Zhou et al. | Strawberry maturity classification from UAV and near-ground imaging using deep learning | |
CN105938571B (zh) | 害虫识别计数***及方法 | |
CN111460990B (zh) | 一种基于大数据的高寒牧区草原虫害监测预警***及方法 | |
CN110728332A (zh) | 一种基于物联网的农业数据分析方法及*** | |
US20090046890A1 (en) | Method and system for digital image analysis of ear traits | |
CN106596412A (zh) | 利用无人机携带多光谱光源进行植物生长监测的方法 | |
CN109029588A (zh) | 一种基于气候影响的农作物长势预测方法 | |
CN113050473A (zh) | 一种智慧农业用虫情远程监控*** | |
CN208421879U (zh) | 一种害虫识别统计装置及*** | |
CN113940326A (zh) | 一种基于物联网的害虫防控*** | |
CN112106747A (zh) | 一种智慧农业虫害远程自动监控*** | |
JP7510961B2 (ja) | 自動胞子トラップ | |
EP3868202B1 (en) | Method and apparatus for determining an index of insect biodiversity | |
CN104886022B (zh) | 一种可调节高度的害虫测报装置和方法 | |
CN106650822A (zh) | 病虫害识别方法及装置 | |
CN114460080A (zh) | 一种水稻病虫智能监控*** | |
CN114898238A (zh) | 一种野生动物遥感识别方法及装置 | |
CN114279490A (zh) | 一种用于大田作物病虫害监测设备及方法 | |
CN108462855A (zh) | 一种可实时观测杀虫状况的杀虫灯远程视频监测*** | |
CN209000031U (zh) | 一种基于数字图像处理的粮仓害虫识别报警*** | |
CN107064089A (zh) | 一种基于物联网的辣椒苗疫病早期监测装置和方法 | |
CN109781729A (zh) | 一种葡萄生理情况在线监控*** | |
CN108628266A (zh) | 基于大数据分析的智能养殖大棚监测*** |
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 |