CN113435316A - 智能驱鸟方法、装置、电子设备及存储介质 - Google Patents
智能驱鸟方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN113435316A CN113435316A CN202110711835.8A CN202110711835A CN113435316A CN 113435316 A CN113435316 A CN 113435316A CN 202110711835 A CN202110711835 A CN 202110711835A CN 113435316 A CN113435316 A CN 113435316A
- Authority
- CN
- China
- Prior art keywords
- image
- bird
- monitoring
- bird repelling
- target image
- 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
- 230000001846 repelling effect Effects 0.000 title claims abstract description 94
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000003860 storage Methods 0.000 title claims description 17
- 238000012544 monitoring process Methods 0.000 claims abstract description 101
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 26
- 238000007781 pre-processing Methods 0.000 claims abstract description 16
- 238000003384 imaging method Methods 0.000 claims description 30
- 239000013589 supplement Substances 0.000 claims description 29
- 238000012545 processing Methods 0.000 claims description 25
- 230000005855 radiation Effects 0.000 claims description 18
- 230000006870 function Effects 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000010606 normalization Methods 0.000 claims description 8
- 238000013527 convolutional neural network Methods 0.000 claims description 7
- 238000012549 training Methods 0.000 claims description 7
- 230000004913 activation Effects 0.000 claims description 4
- 238000005520 cutting process Methods 0.000 claims description 4
- 210000002569 neuron Anatomy 0.000 claims description 4
- 230000002940 repellent Effects 0.000 claims 1
- 239000005871 repellent Substances 0.000 claims 1
- 239000000126 substance Substances 0.000 claims 1
- 238000004519 manufacturing process Methods 0.000 abstract description 9
- 238000012272 crop production Methods 0.000 abstract description 3
- 241000271566 Aves Species 0.000 description 30
- 238000007726 management method Methods 0.000 description 8
- 230000001502 supplementing effect Effects 0.000 description 8
- 230000008569 process Effects 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 5
- 210000001015 abdomen Anatomy 0.000 description 3
- 230000006378 damage Effects 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 239000000047 product Substances 0.000 description 3
- 241000894007 species Species 0.000 description 3
- 235000005770 birds nest Nutrition 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 235000005765 wild carrot Nutrition 0.000 description 2
- 241001538365 Accipiter nisus Species 0.000 description 1
- 241000272184 Falconiformes Species 0.000 description 1
- 241000511338 Haliaeetus leucocephalus Species 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 244000052616 bacterial pathogen Species 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000001035 drying Methods 0.000 description 1
- 235000013601 eggs Nutrition 0.000 description 1
- 210000003746 feather Anatomy 0.000 description 1
- 229910001385 heavy metal Inorganic materials 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000004033 plastic Substances 0.000 description 1
- 238000004064 recycling Methods 0.000 description 1
- 239000005060 rubber Substances 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 239000010935 stainless steel Substances 0.000 description 1
- 229910001220 stainless steel Inorganic materials 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Catching Or Destruction (AREA)
Abstract
本发明涉及智能决策领域,提供一种智能驱鸟方法,首先获取监控图像,再基于图像锁定算法对监控图像进行预处理形成目标图像,而后将该目标图像与预存的样本数据进行类比以获取相似度值,若该相似度值不低于预设阈值,则启动驱鸟声鸣以完成驱鸟,如此兼容图像识别,多台设备间隔放置,可以全方位大面积防止鸟类的影响并监视农作物生产场地,方便工作人员的管理,制作成本较低,适合大批量生产与放置,覆盖范围广阔,极大降低户外驱鸟的难度,并且受自然灾害与恶劣天气影响较小,自成一体式的电能循环使用,拥有较长使用寿命,同时可以与其他户外农具相结合,如灌溉器、户外照明灯、农作物支架等,极大方便与扩展了设备的放置限制于场地影响。
Description
技术领域
本发明涉及智能决策领域,涉及一种智能方法,尤其涉及一种智能驱鸟方法、装置、电子设备及计算机可读存储介质。
背景技术
现有市场农业发展较快,尤其种植业发展关乎民生,但种植业发展周期长要求多样,且对生长环境有一定要求,在农作物生长及成熟期的时候会有外部环境的干扰,导致影响农作物产量。其中尤其是鸟类因素比较明显,种植业农作物大部分为户外平原或山地种植,导致有过多的鸟类飞来啄食,期间大量的鸟类会对农作物的产量进行消耗,同时由于鸟类的生活轨迹原因,会有一定几率携带病菌及虫卵等问题,间接影响着农作物的生长与产量。
因此会有驱逐鸟类的相应方法,据市场产品查询,如今市场也拥有许多驱鸟的方法及装置,比如声呐驱鸟、风力驱鸟、阳光彩带驱鸟、摆件驱鸟等,但是效果不强,成本较高,功能单一,互相之间并不兼容,且损耗较大,与农作物助产工具匹配度不高,而且户外设备不易管理,场地限制较多,不能更好的把握户外农作物的整体情况。不仅如此,现有技术中所涉及的驱鸟设备受自然灾害与气象的影响较大,极易造成设备的毁坏,增加维修成本。
因此,亟需一种能够提高驱鸟效率、便于修改及拆卸,降低设备损耗及使用,且自成一体式的智能驱鸟方法、装置。
发明内容
本发明提供一种能够提高驱鸟效率、便于修改及拆卸,降低设备损耗及使用,且自成一体式的智能驱鸟方法、装置、电子设备及计算机可读存储介质,其主要目的在于能够解决现有驱鸟装置效果不强、成本较高、功能单一、互相之间并不兼容,且损耗较大,与农作物助产工具匹配度不高,场地限制较多导致不易管理,不能更好的把握户外农作物的整体情况,且受自然灾害与气象的影响较大,极易造成设备的毁坏,增加维修成本的问题。
为实现上述目的,本发明提供的一种智能驱鸟方法,包括:
对农业环境进行实时监控以获取监控图像;
基于图像锁定算法对所述监控图像进行预处理形成目标图像;
将所述目标图像与预存的样本数据进行类比以获取相似度值;
若所述相似度值不低于预设阈值,则启动驱鸟声鸣以完成驱鸟。
可选地,所述对农业环境进行实时监控以获取监控图像,包括:
在预设的辐射范围内通过物体传感器检测在采集梯度中是否存在飞行物;其中,所述采集梯度包括第一采集梯度、第二采集梯度与第三采集梯度;
若在所述辐射范围内检测到存在飞行物,则判断所述飞行物的所属采集梯度,并通过光源传感器判断所述农业环境的亮度是否达到与所述采集梯度相对应的光源阈值;其中,若未达到光源阈值,则通过补光灯使所述亮度达到所述光源阈值,若已达到光源阈值,则通过成像元件获取监控数据;并且,所述补光灯包括第一补光灯、第二补光灯和第三补光灯;所述第一补光灯与所述第一采集梯度相对应,所述第二补光灯与所述第二采集梯度相对应,所述第三补光灯与所述第三采集梯度相对应;
对所述监控数据进行标准化处理以形成特征信息;
对所述特征信息进行图像化处理以形成监控图像。
可选地,所述对所述特征信息进行图像化处理以形成监控图像,包括:
对所述特征信息进行初步锁定,以将所述特征信息中包括的黑像素点锁定在第一区域中;
对所述第一区域进行截取形成第一数据;
将所述第一数据转换为图像模式以形成监控图像。
可选地,所述基于图像锁定算法对所述监控图像进行预处理形成目标图像,包括:
基于图像锁定算法对所述监控图像进行几何位置规范化处理以形成预设大小的规范图像;其中,所述图像锁定算法为:通过处理器中的预设规则将所述监控图像中的黑像素点集作为飞鸟雏形集合;以所述飞鸟雏形几何为中心按照预设大小向外辐射进行裁剪;
对所述规范图像进行图像灰度归一化处理以形成目标图像。
可选地,所述将所述目标图像与预存的样本数据进行类比以获取相似度值,包括:
通过卷积神经网络预训练飞行物识别模型;
将样本数据存储至所述飞行物识别模型以形成飞鸟识别模型;
将所述目标图像输入所述飞鸟识别模型,以使所述飞鸟识别模型类比所述目标图像中的飞鸟雏形集合与所述样本数据形成相似度值。
可选地,所述通过卷积神经网络预训练飞行物识别模型,包括:
接收输入的飞行物图像样本;
对所述飞行物图像样本进行归一化处理以获取预设尺寸的飞行物图像集;
将所述飞行物图像集依次经过预设数目的卷积层及全连接层进行处理以形成飞行物识别模型;其中,在所述卷基层中设置有预设数量的滤波器;所述滤波器包括激活函数,及滑动步长;并且,在所述全连接层中设置有预设数量的神经元。
可选地,还包括:将所述监控图像输送至客户端;其中,所述将所述监控图像输送至客户端,包括:
通过所述客户端向所述成像元件发送连接请求;
根据所述连接请求解析匹配密码,若所述匹配密码与预存的密码一致则通过所述连接请求建立所述客户端与所述成像元件的连接;
若所述成像元件获取到监控数据,则基于所述连接向所述客户端发送驱鸟提示,并向所述客户端发送监控图像。
为了解决上述问题,本发明还提供一种智能驱鸟装置,所述装置包括:
图像识别器,用于对农业环境进行实时监控以获取监控图像;
目标图像单元,用于基于图像锁定算法对所述监控图像进行预处理形成目标图像;
相似值计算单元,用于将所述目标图像与预存的样本数据进行类比以获取相似度值;
声鸣触发单元,用于判断所述相似度值大小,若所述相似度值不低于预设阈值,则启动驱鸟声鸣以完成驱鸟。
为了解决上述问题,本发明还提供一种电子设备,所述电子设备包括:
存储器,存储至少一个指令;及
处理器,执行所述存储器中存储的指令以实现上述所述的智能驱鸟方法中的步骤。
为了解决上述问题,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质中存储有至少一个指令,所述至少一个指令被电子设备中的处理器执行以实现上述所述的智能驱鸟方法。
本发明实施例首先对农业环境进行实时监控以获取监控图像,再基于图像锁定算法对监控图像进行预处理形成目标图像,而后将该目标图像与预存的样本数据进行类比以获取相似度值,若该相似度值不低于预设阈值,则启动驱鸟声鸣以完成驱鸟,如此兼容图像识别,多台设备间隔放置,可以全方位大面积防止鸟类的影响并监视农作物生产场地,并支持图像识别器的数据后台手机端与PC发送,方便工作人员的管理,制作成本较低,适合大批量生产与放置,覆盖范围广阔,极大降低户外驱鸟的难度,有针对性的进行驱鸟,并且方法放置简单,受自然灾害与恶劣天气影响较小,自成一体式的电能循环使用,拥有较长使用寿命,同时可以与其他户外农具相结合,如灌溉器、户外照明灯、农作物支架等,极大方便与扩展了设备的放置限制于场地影响。
附图说明
图1为本发明一实施例提供的智能驱鸟方法的流程示意图;
图2为本发明一实施例提供的智能驱鸟装置的模块示意图;
图3为本发明一实施例提供的实现智能驱鸟方法的电子设备的内部结构示意图;
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
目前市场上拥有许多驱鸟的方法及装置,比如声呐驱鸟、风力驱鸟、阳光彩带驱鸟、摆件驱鸟等,但是效果不强,成本较高,功能单一,互相之间并不兼容,且损耗较大,与农作物助产工具匹配度不高,而且户外设备不易管理,场地限制较多,不能更好的把握户外农作物的整体情况。不仅如此,现有技术与设备装置受自然灾害与气象的影响较大,极易造成设备的毁坏,增加维修成本;具体的,
1、市场上的驱鸟装置多为数据分离,驱鸟效率低;
2、没有客户端跟踪,对于驱鸟状况难以及时调整;
3、相互之间无法兼容致使损耗大;
4、受自然灾害与恶劣天气影响较大;
5、多位大型干鸟设备,受到场地影响较大。
为了解决上述问题,本发明提供一种智能驱鸟方法。参照图1所示,为本发明一实施例提供的智能驱鸟方法的流程示意图。该方法可以由一个装置执行,该装置可以由软件和/或硬件实现。
在本实施例中,智能驱鸟方法包括:
S1:对农业环境进行实时监控以获取监控图像;
S2:基于图像锁定算法对监控图像进行预处理形成目标图像;
S3:将目标图像与预存的样本数据进行类比以获取相似度值;
S4:若相似度值不低于预设阈值,则启动驱鸟声鸣以完成驱鸟。
在图1所示的实施例中,步骤S1为对农业环境进行实时监控以获取监控图像;其中,对农业环境进行实时监控以获取监控图像的步骤,包括:
S11:在预设的辐射范围内通过物体传感器检测在采集梯度中是否存在飞行物;其中,采集梯度包括第一采集梯度、第二采集梯度与第三采集梯度;
S12:若在辐射范围内检测到存在飞行物,则判断飞行物的所属采集梯度,并通过光源传感器判断农业环境的亮度是否达到与采集梯度相对应的光源阈值;其中,若未达到光源阈值,则通过补光灯使亮度达到所述光源阈值,若已达到光源阈值,则通过成像元件获取监控数据;并且,补光灯包括第一补光灯、第二补光灯和第三补光灯;第一补光灯与所述第一采集梯度相对应,第二补光灯与所述第二采集梯度相对应,第三补光灯与所述第三采集梯度相对应;
S13:对监控数据进行标准化处理以形成特征信息;
S14:对特征信息进行图像化处理以形成监控图像。
具体的,在步骤S11中,在预设的辐射范围内通过物体传感器检测在采集梯度中是否存在飞行物的过程中,
该辐射范围以成像元件采集监控数据时的中心点为原点,以该成像元件的镜片直径大小为直径;
该第一采集梯度、第二采集梯度与第三采集梯度为与辐射范围的中心点的连线距离;其中,比如,该第一采集梯度为距离辐射范围的中心点0-5米,第二采集梯度为距离辐射范围的中心点5-10米,第三采集梯度为距离辐射范围的中心点10-20米等;
在步骤S12中,该光源阈值与采集梯度相对应,采集梯度的距离越长,该光源阈值越高;
在步骤S13中,该特征信息为包含飞行物的监控数据,即包括黑像素点的监控数据;
在步骤S14中,对特征信息进行图像化处理以形成监控图像的步骤,包括:
S141:对该特征信息进行初步锁定,以将该特征信息中包括的黑像素点锁定在第一区域中;
S142:对该第一区域进行截取形成第一数据;
S143:将该第一数据转换为图像模式以形成监控图像;
比如,当农作物田地中出现了飞行物,首先物体传感器检测到有飞行物进入,而后确认飞行物的距离,并由光源传感器判断是否需要补光,当光线满足则触发快门是成像元件拍摄该飞行物以获取监控数据,其中该成像元件设置在图像采集器上,该物体传感器与光源传感器可以设置在图像采集器上,也可以单独设置并与图像采集器相连接,以准确地捕捉监控图像,在本实施例中,该光源传感器、物体传感器与成像元件集成为一体,并且该成像元件可以是电荷耦合元件或金属氧化物半导体元件等成像器件。
在图1所示的实施例中,步骤S2为基于图像锁定算法对监控图像进行预处理形成目标图像;其中,基于图像锁定算法对监控图像进行预处理形成目标图像的步骤,包括:
S21:基于图像锁定算法对监控图像进行几何位置规范化处理以形成预设大小的规范图像;其中,该图像锁定算法为:通过处理器中的预设规则将该监控图像中的黑像素点集作为飞鸟雏形集合;以该飞鸟雏形几何为中心按照预设大小向外辐射进行裁剪;
S22:对该规范图像进行图像灰度归一化处理以形成目标图像;
其中,该目标图像的具体规格不作限制,在本实施例中,经预处理后的目标图像的宽度width=100,高度height=120,飞鸟雏形集合的最左侧与最右侧距离目标图像的最左边沿和最右边沿的距离为10,飞鸟雏形集合的中心与目标图像的最上边沿和最下边沿的距离分别为20和40。
具体的,在步骤S1通过成像元件获取监控图像之后,再对该监控图像进行规范化处理,从而对包含有飞行物的图形进行识别处理。
在图1所示的实施例中,步骤S3为将该目标图像与预存的样本数据进行类比以获取相似度值;其中,将该目标图像与预存的样本数据进行类比以获取相似度值的步骤,包括:
S31:通过卷积神经网络预训练飞行物识别模型;
S32:将样本数据存储至飞行物识别模型以形成飞鸟识别模型;
S33:将目标图像输入飞鸟识别模型,以使飞鸟识别模型类比目标图像中的飞鸟雏形集合与样本数据形成相似度值。
其中,通过卷积神经网络预训练飞行物识别模型的步骤,包括:
S311:接收输入的飞行物图像样本;
S312:对该飞行物图像样本进行归一化处理以获取预设尺寸的飞行物图像集;
S313:将该飞行物图像集依次经过预设数目的卷积层及全连接层进行处理以形成飞行物识别模型;其中,在该卷基层中设置有预设数量的滤波器;该滤波器包括激活函数,及滑动步长;并且,在该全连接层中设置有预设数量的神经元。
在步骤S32中,将样本数据存储至飞行物识别模型以形成飞鸟识别模型,即将经常飞入农作物田地的飞鸟的图片输入至该飞行物识别模型中,该输入并不止是传统的输入,若在飞行物图像样本中包括有飞鸟的图像,也可以通过连接网络的方式在该飞行物识别模型中预选择经常飞入农作物田地的飞鸟的图片,以形成飞鸟识别模型;
在步骤S33中,该飞鸟模型已经为成熟的能够识别飞鸟的模型,当将步骤S2中获取的目标图像输入该飞鸟识别模型,该飞鸟模型会以已训练的神经网络参数对应出飞鸟的模板(样本数据的图像),而后将该飞鸟的模板与目标数据进行类比以获取相似度值。
在图1所示的实施例中,步骤S4为若该相似度值不低于预设阈值,则启动驱鸟声鸣以完成驱鸟;其中,若该相似度值不低于预设阈值,则启动驱鸟声鸣以完成驱鸟的步骤,包括:
S41:判断相似度值是否不低于预设阈值;该预设阈值的具体数值不作限制,可根据现场的农作物田的飞鸟情况而定,在本实施例中,若飞鸟过多则将该预设阈值的值设置的越低,如此能够全面的捕捉飞鸟的踪影,若飞鸟过少则将该阈值的值设置的越高,从而降低运算量;
S42:若相似度值不低于预设阈值,则通过触发指令触发预存储在存储器的音频以启动驱鸟声鸣完成驱鸟;该音频为根据鸟类的体型大小和物种等下载或录制针对不同鸟类的音频(比如相应天敌的叫声),或者直接利用鞭炮声、狗叫声、枪声等其他类型的驱鸟音频,统一存储在存储器中。
此外,还包括:
S5:将监控图像输送至客户端;该客户端为终端,其可以为手机端也可以为PC端,以使农作物田主可以实时监控农作物田的状况;
其中,将监控图像输送至客户端的步骤,包括:
S51:通过客户端向成像元件发送连接请求;可以通过无线连接的方式,也可以通过有线连接的方式;
S52:根据连接请求解析匹配密码,若匹配密码与预存的密码一致则通过连接请求建立客户端与成像元件的连接;
S53:在建立了连接的基础上,若成像元件获取到监控数据,则向客户端发送驱鸟提示,并向客户端发送监控图像;
在步骤S51中,该连接请求并不是单纯的字符,在生成该连接请求时,需要获取客户端的输入密码,该密码为与成像元件一一对应的密码;
在步骤S52中,该客户端与该成像元件已经连接则一直连接,若需要断开连接,则需要在客户端进行断开申请。
并且,该客户端也可收集到发出该监控数据时农作物田的音频,具体实现方法在此不做赘述。
本发明提供的智能驱鸟方法,首先对农业环境进行实时监控以获取监控图像,再基于图像锁定算法对监控图像进行预处理形成目标图像,而后将该目标图像与预存的样本数据进行类比以获取相似度值,若该相似度值不低于预设阈值,则启动驱鸟声鸣以完成驱鸟,如此兼容图像识别,多台设备间隔放置,可以全方位大面积防止鸟类的影响并监视农作物生产场地,并支持图像识别器的数据后台手机端与PC发送,方便工作人员的管理,制作成本较低,适合大批量生产与放置,覆盖范围广阔,极大降低户外驱鸟的难度,有针对性的进行驱鸟,并且方法放置简单,受自然灾害与恶劣天气影响较小,自成一体式的电能循环使用,拥有较长使用寿命,同时可以与其他户外农具相结合,如灌溉器、户外照明灯、农作物支架等,极大方便与扩展了设备的放置限制于场地影响。
如上所述,在图1所示的实施例中,本发明提供的智能驱鸟方法具有如下好处:①在预设的辐射范围内通过物体传感器检测在采集梯度中是否存在飞行物,能够在特定的距离内捕捉并判断是否存在飞行物;②若在辐射范围内检测到存在飞行物,则判断飞行物的所属采集梯度,并通过光源传感器判断农业环境的亮度是否达到与采集梯度相对应的光源阈值,若未达到光源阈值,则通过补光灯使亮度达到光源阈值,通过补光的方式使每一帧图像都能够清晰可见,以便于识别飞行物是否为鸟类;③将音频预存储至存储器,若相似度值不低于预设阈值,则通过触发指令触发音频以启动驱鸟声鸣完成驱鸟,即若将飞行物判断为鸟类,则自动进行声鸣驱赶,全程无人工参与,全自动操作,并且多次判断,驱逐精度高;④自动的针对三个维度进行目标图像的预处理,从而提高鸟类识别精度,以防止当出现空中农业喷洒器或灌溉器飞过时,无端进行蜂鸣赶鸟。
如图2所示,本发明提供一种智能驱鸟装置100,本发明可以安装于电子设备中。根据实现的功能,该智能驱鸟装置100可以包括图像识别器101、目标图像单元102、相似值计算单元103、声鸣触发单元104。本发明所述模块也可以称之为单元,是指一种能够被电子设备处理器所执行,并且能够完成固定功能的一系列计算机程序段,其存储在电子设备的存储器中。
在本实施例中,关于各模块/单元的功能如下:
图像识别器101,用于对农业环境进行实时监控以获取监控图像;
目标图像单元102,用于基于图像锁定算法对监控图像进行预处理形成目标图像;
相似值计算单元103,用于将目标图像与预存的样本数据进行类比以获取相似度值;
声鸣触发单元104,用于判断相似度值大小,若相似度值不低于预设阈值,则启动驱鸟声鸣以完成驱鸟。
其中,图像识别器101对农业环境进行实时监控以获取监控图像的步骤,包括:
S11:在预设的辐射范围内通过物体传感器检测在采集梯度中是否存在飞行物;其中,采集梯度包括第一采集梯度、第二采集梯度与第三采集梯度;
S12:若在辐射范围内检测到存在飞行物,则判断飞行物的所属采集梯度,并通过光源传感器判断农业环境的亮度是否达到与采集梯度相对应的光源阈值;其中,若未达到光源阈值,则通过补光灯使亮度达到所述光源阈值,若已达到光源阈值,则通过成像元件获取监控数据;并且,补光灯包括第一补光灯、第二补光灯和第三补光灯;第一补光灯与第一采集梯度相对应,第二补光灯与第二采集梯度相对应,第三补光灯与第三采集梯度相对应;
对监控数据进行标准化处理以形成特征信息;
对特征信息进行图像化处理以形成监控图像。
目标图像单元102基于图像锁定算法对监控图像进行预处理形成目标图像的步骤,包括:
基于图像锁定算法对监控图像进行几何位置规范化处理以形成预设大小的规范图像;其中,该图像锁定算法为:通过处理器中的预设规则将该监控图像中的黑像素点集作为飞鸟雏形集合;以该飞鸟雏形几何为中心按照预设大小向外辐射进行裁剪;
对该规范图像进行图像灰度归一化处理以形成目标图像
相似值计算单元103将该目标图像与预存的样本数据进行类比以获取相似度值的步骤,包括:
通过卷积神经网络预训练飞行物识别模型;
将样本数据存储至飞行物识别模型以形成飞鸟识别模型;
将目标图像输入飞鸟识别模型,以使飞鸟识别模型类比目标图像中的飞鸟雏形集合与样本数据形成相似度值。
接收输入的飞行物图像样本;
对该飞行物图像样本进行归一化处理以获取预设尺寸的飞行物图像集;
将该飞行物图像集依次经过预设数目的卷积层及全连接层进行处理以形成飞行物识别模型;其中,在该卷基层中设置有预设数量的滤波器;该滤波器包括激活函数,及滑动步长;并且,在该全连接层中设置有预设数量的神经元。
声鸣触发单元104用于判断相似度值大小,若相似度值不低于预设阈值,则启动驱鸟声鸣以完成驱鸟,包括:
判断相似度值是否不低于预设阈值;该预设阈值的具体数值不作限制,可根据现场的农作物田的飞鸟情况而定,在本实施例中,若飞鸟过多则将该预设阈值的值设置的越低,如此能够全面的捕捉飞鸟的踪影,若飞鸟过少则将该阈值的值设置的越高,从而降低运算量;
若相似度值不低于预设阈值,则通过触发指令触发预存储在存储器的音频以启动驱鸟声鸣完成驱鸟;该音频为根据鸟类的体型大小和物种等下载或录制针对不同鸟类的音频(比如相应天敌的叫声),或者直接利用鞭炮声、狗叫声、枪声等其他类型的驱鸟音频,统一存储在存储器中。
还包括实时监控单元,该监控单元用于将监控图像输送至客户端,监控图像输送至客户端的步骤,包括:
通过客户端向成像元件发送连接请求;可以通过无线连接的方式,也可以通过有线连接的方式;
根据连接请求解析匹配密码,若匹配密码与预存的密码一致则通过连接请求建立客户端与成像元件的连接;
在建立了连接的基础上,若成像元件获取到监控数据,则向客户端发送驱鸟提示,并向客户端发送监控图像。
此外,本发明提供的智能驱鸟装置,鸟型外壳,图像识别器101设置在鸟型外壳上;在鸟型外壳上还设置有处理器,目标图像单元102、相似值计算单元103、声鸣触发单元104集成在处理器中,该处理器连接有扬声设备;并且,在该鸟型外壳的两侧翅膀上设置有凹槽,且,在该凹槽中设置有太阳能充电板;该太阳能充电板用于为该图像识别器101、该扬声设备提供电能。
具体的,在本实施例中,该鸟型模具为鹰型,但不限于老鹰等的形态为放置模具,外型可根据实际情况适当改变,改变类型一般为一般鸟类的天敌:猫头鹰、鹰隼、雀鹰、秃鹫等物种;模具的材质可选用塑料、木头、橡胶、不锈钢、重金属等长时间保存的的材料;鸟模(鹰型外壳)的两侧翅膀部分有相应的凹槽,放置或绑定购置的太阳能充电板,其电线可放置于模具的腹部中空内,直接连接颈部图像识别器为其提供所需电源,自成一体式的电能循环使用;鸟模的尾巴羽毛下方放置扩音器或者小型音响等,用以连接脖颈部的图像器识别进行声音的外放,还可以通过腹部中空的太阳能充电板的电线提供为其提供电源,用以支撑当飞鸟来袭时候的驱鸟声音或音频的扩大外放;在鸟模具双脚的后方有一竖行的金属长棍,棍体可采用实心或空心方式,实心棍支持图像识别器的无线信息发送,空心棍支持图像识别器的有限信息传输,整体长棍用于固定整个模具的位置和放置,也可以集成或安装在其他器具或者树木田地中,固定的支撑棍长度可以调节设计,相对灵活;
该固定统一的标准化驱鸟模具(鹰型外壳),可以兼容放置相关驱鸟道具和设备,可以较好的放置图像识别器、扩音器具、太阳能充电板等多种设备及装置,而各个设备的线路放置于鸟模中空腹部内,有效保护电线的安全及不受外界环境的影响,这与市场单一功能的装置形成了鲜明的对比,并且在保护组装的其他装置或设备方面,内里可以形成自我的循环,完成全自动驱鸟。
如上所述,本发明提供的智能驱鸟装置100,首先通过图像识别器101对农业环境进行实时监控以获取监控图像,再通过目标图像单元102基于图像锁定算法对监控图像进行预处理形成目标图像,而后通过相似值计算单元103 将该目标图像与预存的样本数据进行类比以获取相似度值,在通过声鸣触发单元104判断相似值的大小,若该相似度值不低于预设阈值,则启动驱鸟声鸣以完成驱鸟,如此兼容图像识别,多台设备间隔放置,可以全方位大面积防止鸟类的影响并监视农作物生产场地,并支持图像识别器的数据后台手机端与PC发送,方便工作人员的管理,制作成本较低,适合大批量生产与放置,覆盖范围广阔,极大降低户外驱鸟的难度,有针对性的进行驱鸟,并且方法放置简单,受自然灾害与恶劣天气影响较小,自成一体式的电能循环使用,拥有较长使用寿命,同时可以与其他户外农具相结合,如灌溉器、户外照明灯、农作物支架等,极大方便与扩展了设备的放置限制于场地影响,此外兼具驱鸟外形模具容器(鸟型模具),可以极大限度兼容现有驱鸟技术和设备,多功能组装机集合,方便工作人员的修改及拆卸,降低设备损耗及使用。
本发明提供的智能驱鸟装置100具有如下好处:①在预设的辐射范围内通过物体传感器检测在采集梯度中是否存在飞行物,能够在特定的距离内捕捉并判断是否存在飞行物;②若在辐射范围内检测到存在飞行物,则判断飞行物的所属采集梯度,并通过光源传感器判断农业环境的亮度是否达到与采集梯度相对应的光源阈值,若未达到光源阈值,则通过补光灯使亮度达到所述光源阈值,通过补光的方式使每一帧图像都能够清晰可见,以便于识别飞行物是否为鸟类;③将音频预存储至存储器,若相似度值不低于所述预设阈值,则通过触发指令触发音频以启动驱鸟声鸣完成驱鸟,即若将飞行物判断为鸟类,则自动进行声鸣驱赶,全程无人工参与,全自动操作,并且多次判断,驱逐精度高;④自动的针对三个维度进行目标图像的预处理,从而提高鸟类识别精度,以防止当出现空中农业喷洒器或灌溉器飞过时,无端进行蜂鸣赶鸟;⑤驱鸟外形模具容器,可以极大限度兼容现有驱鸟技术和设备,多功能组装机集合,方便工作人员的修改及拆卸,降低设备损耗及使用。
如图3所示,本发明提供一种智能驱鸟方法的电子设备1。
该电子设备1可以包括处理器10、存储器11和总线,还可以包括存储在存储器11中并可在所述处理器10上运行的计算机程序,如智能驱鸟程序12。
其中,所述存储器11至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如:SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备1的内部存储单元,例如该电子设备1的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备1的外部存储设备,例如电子设备1上配备的插接式移动硬盘、智能存储卡(Smart Media Card,SMC)、安全数字 (SecureDigital,SD)卡、闪存卡(Flash Card)等。进一步地,所述存储器 11还可以既包括电子设备1的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备1的应用软件及各类数据,例如智能驱鸟程序的代码等,还可以用于暂时地存储已经输出或者将要输出的数据。
所述处理器10在一些实施例中可以由集成电路组成,例如可以由单个封装的集成电路所组成,也可以是由多个相同功能或不同功能封装的集成电路所组成,包括一个或者多个中央处理器(Central Processing unit,CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10 是所述电子设备的控制核心(Control Unit),利用各种接口和线路连接整个电子设备的各个部件,通过运行或执行存储在所述存储器11内的程序或者模块(例如智能驱鸟程序等),以及调用存储在所述存储器11内的数据,以执行电子设备1的各种功能和处理数据。
所述总线可以是外设部件互连标准(peripheral component interconnect,简称PCI)总线或扩展工业标准结构(extended industry standard architecture,简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
图3仅示出了具有部件的电子设备,本领域技术人员可以理解的是,图3 示出的结构并不构成对所述电子设备1的限定,可以包括比图示更少或者更多的部件,或者组合某些部件,或者不同的部件布置。
例如,尽管未示出,所述电子设备1还可以包括给各个部件供电的电源 (比如电池),优选地,电源可以通过电源管理装置与所述至少一个处理器10 逻辑相连,从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备1还可以包括多种传感器、蓝牙模块、Wi-Fi模块等,在此不再赘述。
进一步地,所述电子设备1还可以包括网络接口,可选地,所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等),通常用于在该电子设备1与其他电子设备之间建立通信连接。
可选地,该电子设备1还可以包括用户接口,用户接口可以是显示器 (Display)、输入单元(比如键盘(Keyboard)),可选地,用户接口还可以是标准的有线接口、无线接口。可选地,在一些实施例中,显示器可以是LED 显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode,有机发光二极管)触摸器等。其中,显示器也可以适当的称为显示屏或显示单元,用于显示在电子设备1中处理的信息以及用于显示可视化的用户界面。
应该了解,所述实施例仅为说明之用,在专利申请范围上并不受此结构的限制。
所述电子设备1中的所述存储器11存储的智能驱鸟程序12是多个指令的组合,在所述处理器10中运行时,可以实现:
对农业环境进行实时监控以获取监控图像;
基于图像锁定算法对监控图像进行预处理形成目标图像;
将目标图像与预存的样本数据进行类比以获取相似度值;
若相似度值不低于预设阈值,则启动驱鸟声鸣以完成驱鸟。
具体地,所述处理器10对上述指令的具体实现方法可参考图1对应实施例中相关步骤的描述,在此不赘述。需要强调的是,为进一步保证上述智能驱鸟的私密和安全性,上述智能驱鸟的数据存储于本服务器集群所处区块链的节点中。
进一步地,所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)。
本发明实施例还提供一种计算机可读存储介质,所述存储介质可以是非易失性的,也可以是易失性的,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时实现:
对农业环境进行实时监控以获取监控图像;
基于图像锁定算法对监控图像进行预处理形成目标图像;
将目标图像与预存的样本数据进行类比以获取相似度值;
若相似度值不低于预设阈值,则启动驱鸟声鸣以完成驱鸟。
具体地,所述计算机程序被处理器执行时具体实现方法可参考实施例智能驱鸟方法中相关步骤的描述,在此不赘述。
在本发明所提供的几个实施例中,应该理解到,所揭露的设备,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。
因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain),本质上是一个去中心化的数据库,是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了一批次网络交易的信息,用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
此外,显然“包括”一词不排除其他单元或步骤,单数不排除复数。***权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称,而并不表示任何特定的顺序。
最后应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或等同替换,而不脱离本发明技术方案的精神和范围。
Claims (10)
1.一种智能驱鸟方法,其特征在于,包括:
对农业环境进行实时监控以获取监控图像;
基于图像锁定算法对所述监控图像进行预处理形成目标图像;
将所述目标图像与预存的样本数据进行类比以获取相似度值;
若所述相似度值不低于预设阈值,则启动驱鸟声鸣以完成驱鸟。
2.如权利要求1所述的智能驱鸟方法,其特征在于,所述对农业环境进行实时监控以获取监控图像,包括:
在预设的辐射范围内通过物体传感器检测在采集梯度中是否存在飞行物;其中,所述采集梯度包括第一采集梯度、第二采集梯度与第三采集梯度;
若在所述辐射范围内检测到存在飞行物,则判断所述飞行物的所属采集梯度,并通过光源传感器判断所述农业环境的亮度是否达到与所述采集梯度相对应的光源阈值;其中,若未达到光源阈值,则通过补光灯使所述亮度达到所述光源阈值,若已达到光源阈值,则通过成像元件获取监控数据;并且,所述补光灯包括第一补光灯、第二补光灯和第三补光灯;所述第一补光灯与所述第一采集梯度相对应,所述第二补光灯与所述第二采集梯度相对应,所述第三补光灯与所述第三采集梯度相对应;
对所述监控数据进行标准化处理以形成特征信息;
对所述特征信息进行图像化处理以形成监控图像。
3.如权利要求2所述的智能驱鸟方法,其特征在于,所述对所述特征信息进行图像化处理以形成监控图像,包括:
对所述特征信息进行初步锁定,以将所述特征信息中包括的黑像素点锁定在第一区域中;
对所述第一区域进行截取形成第一数据;
将所述第一数据转换为图像模式以形成监控图像。
4.如权利要求3所述的智能驱鸟方法,其特征在于,所述基于图像锁定算法对所述监控图像进行预处理形成目标图像,包括:
基于图像锁定算法对所述监控图像进行几何位置规范化处理以形成预设大小的规范图像;其中,所述图像锁定算法为:通过处理器中的预设规则将所述监控图像中的黑像素点集作为飞鸟雏形集合;以所述飞鸟雏形几何为中心按照预设大小向外辐射进行裁剪;
对所述规范图像进行图像灰度归一化处理以形成目标图像。
5.如权利要求4所述的智能驱鸟方法,其特征在于,所述将所述目标图像与预存的样本数据进行类比以获取相似度值,包括:
通过卷积神经网络预训练飞行物识别模型;
将样本数据存储至所述飞行物识别模型以形成飞鸟识别模型;
将所述目标图像输入所述飞鸟识别模型,以使所述飞鸟识别模型类比所述目标图像中的飞鸟雏形集合与所述样本数据形成相似度值。
6.如权利要求5所述的智能驱鸟方法,其特征在于,所述通过卷积神经网络预训练飞行物识别模型,包括:
接收输入的飞行物图像样本;
对所述飞行物图像样本进行归一化处理以获取预设尺寸的飞行物图像集;
将所述飞行物图像集依次经过预设数目的卷积层及全连接层进行处理以形成飞行物识别模型;其中,在所述卷基层中设置有预设数量的滤波器;所述滤波器包括激活函数,及滑动步长;并且,在所述全连接层中设置有预设数量的神经元。
7.如权利要求6所述的智能驱鸟方法,其特征在于,还包括:将所述监控图像输送至客户端;其中,所述将所述监控图像输送至客户端,包括:
通过所述客户端向所述成像元件发送连接请求;
根据所述连接请求解析匹配密码,若所述匹配密码与预存的密码一致则通过所述连接请求建立所述客户端与所述成像元件的连接;
若所述成像元件获取到监控数据,则基于所述连接向所述客户端发送驱鸟提示,并向所述客户端发送监控图像。
8.一种智能驱鸟装置,其特征在于,所述装置包括:
图像识别器,用于对农业环境进行实时监控以获取监控图像;
目标图像单元,用于基于图像锁定算法对所述监控图像进行预处理形成目标图像;
相似值计算单元,用于将所述目标图像与预存的样本数据进行类比以获取相似度值;
声鸣触发单元,用于判断所述相似度值大小,若所述相似度值不低于预设阈值,则启动驱鸟声鸣以完成驱鸟。
9.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如权利要求1至7中任一所述的智能驱鸟方法中的步骤。
10.一种计算机可读存储介质,存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7中任一所述的智能驱鸟方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110711835.8A CN113435316A (zh) | 2021-06-25 | 2021-06-25 | 智能驱鸟方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110711835.8A CN113435316A (zh) | 2021-06-25 | 2021-06-25 | 智能驱鸟方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113435316A true CN113435316A (zh) | 2021-09-24 |
Family
ID=77755293
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110711835.8A Pending CN113435316A (zh) | 2021-06-25 | 2021-06-25 | 智能驱鸟方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113435316A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113741540A (zh) * | 2021-09-27 | 2021-12-03 | 四川九强通信科技有限公司 | 一种低空无人机反制用多无人机图像传输信号的识别方法 |
CN115500342A (zh) * | 2022-09-23 | 2022-12-23 | 国网河北省电力有限公司衡水供电分公司 | 驱鸟装置、方法、终端及存储介质 |
CN117076941A (zh) * | 2023-07-13 | 2023-11-17 | 国网山东省电力公司泰安供电公司 | 一种光缆鸟害监测方法、***、电子设备及可读存储介质 |
CN117953433A (zh) * | 2024-03-26 | 2024-04-30 | 北京创元成业科技有限公司 | 一种基于图像数据处理的驱鸟器运行监管方法及*** |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015170776A1 (ja) * | 2014-05-07 | 2015-11-12 | 日本電気株式会社 | 物体検出装置、物体検出方法および物体検出システム |
JP2016119614A (ja) * | 2014-12-22 | 2016-06-30 | 日本電気株式会社 | 動体検知装置、動体検知方法および動体検知プログラム |
CN107689166A (zh) * | 2017-10-16 | 2018-02-13 | 哈工大机器人集团重庆普耀信息产业发展有限公司 | 一种机场飞行区监控管理***及管理方法 |
CN108184071A (zh) * | 2017-12-13 | 2018-06-19 | 阜阳市颍东区兴牧禽业专业合作社 | 果树种植场地监护平台 |
CN108540762A (zh) * | 2017-03-01 | 2018-09-14 | 武汉摩菲智能科技有限公司 | 人工智能安防相机***和安防方法 |
CN109077050A (zh) * | 2018-08-23 | 2018-12-25 | 武汉腾路智行科技有限公司 | 一种基于机器视觉的驱鸟*** |
CN109878552A (zh) * | 2019-03-26 | 2019-06-14 | 广州地铁集团有限公司 | 基于机器视觉的轨道交通站台门与列车间异物监测装置 |
CN109977876A (zh) * | 2019-03-28 | 2019-07-05 | 腾讯科技(深圳)有限公司 | 图像识别方法、装置、计算设备、***和存储介质 |
WO2019205369A1 (zh) * | 2018-04-28 | 2019-10-31 | 平安科技(深圳)有限公司 | 电子装置、基于人脸图像与声纹信息的身份识别方法及存储介质 |
CN111709372A (zh) * | 2020-06-18 | 2020-09-25 | 深圳市赛为智能股份有限公司 | 驱鸟方法、装置、计算机设备及存储介质 |
CN111813997A (zh) * | 2020-09-08 | 2020-10-23 | 平安国际智慧城市科技股份有限公司 | 入侵分析方法、装置、设备及存储介质 |
CN112115970A (zh) * | 2020-08-12 | 2020-12-22 | 南京理工大学 | 一种基于层次回归的轻量级图像探测农业驱鸟方法及*** |
CN112237183A (zh) * | 2020-10-14 | 2021-01-19 | 国网山东省电力公司潍坊供电公司 | 一种可监测的超声波闭环驱鸟装置及驱鸟方法 |
CN112258525A (zh) * | 2020-10-30 | 2021-01-22 | 西安费斯达自动化工程有限公司 | 一种基于鸟类高帧频序列图像丰度统计和种群识别算法 |
CN112868639A (zh) * | 2021-01-29 | 2021-06-01 | 中节能太阳能科技(镇江)有限公司 | 一种基于智能控制的驱鸟安防一体设备及方法 |
CN112911204A (zh) * | 2019-12-03 | 2021-06-04 | 宇龙计算机通信科技(深圳)有限公司 | 监控方法、装置、存储介质和电子设备 |
-
2021
- 2021-06-25 CN CN202110711835.8A patent/CN113435316A/zh active Pending
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015170776A1 (ja) * | 2014-05-07 | 2015-11-12 | 日本電気株式会社 | 物体検出装置、物体検出方法および物体検出システム |
JP2016119614A (ja) * | 2014-12-22 | 2016-06-30 | 日本電気株式会社 | 動体検知装置、動体検知方法および動体検知プログラム |
CN108540762A (zh) * | 2017-03-01 | 2018-09-14 | 武汉摩菲智能科技有限公司 | 人工智能安防相机***和安防方法 |
CN107689166A (zh) * | 2017-10-16 | 2018-02-13 | 哈工大机器人集团重庆普耀信息产业发展有限公司 | 一种机场飞行区监控管理***及管理方法 |
CN108184071A (zh) * | 2017-12-13 | 2018-06-19 | 阜阳市颍东区兴牧禽业专业合作社 | 果树种植场地监护平台 |
WO2019205369A1 (zh) * | 2018-04-28 | 2019-10-31 | 平安科技(深圳)有限公司 | 电子装置、基于人脸图像与声纹信息的身份识别方法及存储介质 |
CN109077050A (zh) * | 2018-08-23 | 2018-12-25 | 武汉腾路智行科技有限公司 | 一种基于机器视觉的驱鸟*** |
CN109878552A (zh) * | 2019-03-26 | 2019-06-14 | 广州地铁集团有限公司 | 基于机器视觉的轨道交通站台门与列车间异物监测装置 |
CN109977876A (zh) * | 2019-03-28 | 2019-07-05 | 腾讯科技(深圳)有限公司 | 图像识别方法、装置、计算设备、***和存储介质 |
CN112911204A (zh) * | 2019-12-03 | 2021-06-04 | 宇龙计算机通信科技(深圳)有限公司 | 监控方法、装置、存储介质和电子设备 |
CN111709372A (zh) * | 2020-06-18 | 2020-09-25 | 深圳市赛为智能股份有限公司 | 驱鸟方法、装置、计算机设备及存储介质 |
CN112115970A (zh) * | 2020-08-12 | 2020-12-22 | 南京理工大学 | 一种基于层次回归的轻量级图像探测农业驱鸟方法及*** |
CN111813997A (zh) * | 2020-09-08 | 2020-10-23 | 平安国际智慧城市科技股份有限公司 | 入侵分析方法、装置、设备及存储介质 |
CN112237183A (zh) * | 2020-10-14 | 2021-01-19 | 国网山东省电力公司潍坊供电公司 | 一种可监测的超声波闭环驱鸟装置及驱鸟方法 |
CN112258525A (zh) * | 2020-10-30 | 2021-01-22 | 西安费斯达自动化工程有限公司 | 一种基于鸟类高帧频序列图像丰度统计和种群识别算法 |
CN112868639A (zh) * | 2021-01-29 | 2021-06-01 | 中节能太阳能科技(镇江)有限公司 | 一种基于智能控制的驱鸟安防一体设备及方法 |
Non-Patent Citations (1)
Title |
---|
清雅堂2006: "既能安防监视,又能主动防御—360智能摄像机红色警戒版", pages 1 - 27, Retrieved from the Internet <URL:https://baijiahao.***.com/s?id=1658310407155624847&wfr=spider&for=pc> * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113741540A (zh) * | 2021-09-27 | 2021-12-03 | 四川九强通信科技有限公司 | 一种低空无人机反制用多无人机图像传输信号的识别方法 |
CN115500342A (zh) * | 2022-09-23 | 2022-12-23 | 国网河北省电力有限公司衡水供电分公司 | 驱鸟装置、方法、终端及存储介质 |
CN117076941A (zh) * | 2023-07-13 | 2023-11-17 | 国网山东省电力公司泰安供电公司 | 一种光缆鸟害监测方法、***、电子设备及可读存储介质 |
CN117953433A (zh) * | 2024-03-26 | 2024-04-30 | 北京创元成业科技有限公司 | 一种基于图像数据处理的驱鸟器运行监管方法及*** |
CN117953433B (zh) * | 2024-03-26 | 2024-06-04 | 北京创元成业科技有限公司 | 一种基于图像数据处理的驱鸟器运行监管方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113435316A (zh) | 智能驱鸟方法、装置、电子设备及存储介质 | |
US10028452B2 (en) | Horticultural monitoring system | |
CN113439727B (zh) | 大棚农作物的除虫方法、装置、设备及存储介质 | |
WO2020007363A1 (zh) | 识别目标数量的方法、装置及计算机可读存储介质 | |
CN109034837B (zh) | 多码溯源防伪的方法及*** | |
CN107463958A (zh) | 昆虫识别预警方法及*** | |
WO2021250444A1 (en) | Insect monitoring system and method | |
CN108229351B (zh) | 一种动物养殖方法、动物养殖装置及电子设备 | |
CN110321956B (zh) | 一种基于人工智能的牧草病虫害治理方法及装置 | |
CN107346424A (zh) | 灯诱昆虫识别计数方法及*** | |
CN110850775A (zh) | 一种用于智慧农业的环境数据无线监测***及其工作方法 | |
CN108664878A (zh) | 基于卷积神经网络的猪只身份识别方法 | |
CN103250651B (zh) | 一种智能化妊娠母猪饲养管理*** | |
CN108647671A (zh) | 一种光学标识视觉识别方法及基于该方法的无人售货柜 | |
Arvind et al. | Edge computing based smart aquaponics monitoring system using deep learning in IoT environment | |
CN110063326A (zh) | 基于卷积神经网络的智能驱鸟方法 | |
CN104007733B (zh) | 一种对农业集约化生产进行监控的***及方法 | |
CN109461151A (zh) | 一种牲畜数量清点的方法、装置及*** | |
CN115661650A (zh) | 一种基于物联网数据监测的农场管理*** | |
CN109409209A (zh) | 一种人体行为识别方法与装置 | |
CN117522365A (zh) | 一种城市园林智能管养*** | |
CN111652717A (zh) | 畜牧业信贷风险评估方法及装置 | |
CN217985244U (zh) | 一种基于rfid的视频监控设备 | |
CN206224607U (zh) | 农业用病虫害视频图像监控诊断*** | |
TWI720842B (zh) | 智慧型竹筍栽培採收監控系統及方法 |
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 |