CN115238237A - 虫情监测方法、装置及*** - Google Patents

虫情监测方法、装置及*** Download PDF

Info

Publication number
CN115238237A
CN115238237A CN202210646224.4A CN202210646224A CN115238237A CN 115238237 A CN115238237 A CN 115238237A CN 202210646224 A CN202210646224 A CN 202210646224A CN 115238237 A CN115238237 A CN 115238237A
Authority
CN
China
Prior art keywords
pest
monitoring
sample
monitoring point
target
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
CN202210646224.4A
Other languages
English (en)
Inventor
李文勇
吕佳威
杨占魁
郑腾飞
李明
孙传恒
杨信廷
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.)
Research Center of Information Technology of Beijing Academy of Agriculture and Forestry Sciences
Original Assignee
Research Center of Information Technology of Beijing Academy of Agriculture and Forestry Sciences
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 Research Center of Information Technology of Beijing Academy of Agriculture and Forestry Sciences filed Critical Research Center of Information Technology of Beijing Academy of Agriculture and Forestry Sciences
Priority to CN202210646224.4A priority Critical patent/CN115238237A/zh
Publication of CN115238237A publication Critical patent/CN115238237A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/02—Agriculture; Fishing; Forestry; Mining
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Pure & Applied Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Business, Economics & Management (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Physics (AREA)
  • General Engineering & Computer Science (AREA)
  • Marine Sciences & Fisheries (AREA)
  • Algebra (AREA)
  • Operations Research (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Multimedia (AREA)
  • Agronomy & Crop Science (AREA)
  • Animal Husbandry (AREA)
  • Probability & Statistics with Applications (AREA)
  • Mining & Mineral Resources (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Catching Or Destruction (AREA)

Abstract

本发明提供一种虫情监测方法、装置及***，该方法包括：将当前周期的目标图像中害虫的数量输入虫情估计模型，获取虫情估计模型输出的当前周期监测点处害虫发生数量的估计值，作为监测点当前周期的虫情监测结果；目标图像为设置于监测点处的粘虫板的图像；虫情估计模型，是基于样本粘虫板上捕获到的害虫的数量以及样本监测点处害虫发生数量的实际值，通过线性回归方法构建的；样本粘虫板设置于样本区域内的样本监测点处。本发明提供的虫情监测方法、装置及***，能基于线性回归方法，根据粘虫板捕获到的害虫的数量，更科学、更准确的估计粘虫板所在监测点处害虫发生数量，从而能依据虫情监测结果更科学的做出害虫防控策略，能减少杀虫剂的使用。

Description

虫情监测方法、装置及***
技术领域
本发明涉及农业害虫防治技术领域，尤其涉及一种虫情监测方法、装置及***。
背景技术
虫害是农业生产和林业发展中的常见问题。虫害发生严重时，会导致农作物大面积的绝收或损失。因此，虫情监测对农林业的生产发展有着重要意义，是虫害防治的重要环节。
现有技术中，可以设置粘虫板作为诱捕器对害虫进行诱捕，并可以通过统计粘虫板诱捕到的害虫的数量，间接的估计粘虫板附近的害虫种群密度，作为虫情监测结果。
但是，现有技术中在基于粘虫板诱捕到的害虫的数量对粘虫板附近的害虫种群密度进行估计时，通常依赖于技术人员的经验，导致获得的虫情监测结果的主观性较强，准确率不高。
发明内容
本发明提供一种虫情监测方法、装置及***，用以解决现有技术中进行虫情监测的准确率不高的缺陷，实现更准确的进行虫情监测。
本发明提供一种虫情监测方法，包括：
获取目标区域中的监测点当前周期的目标数据；所述目标数据，包括：目标图像；所述目标图像为设置于所述监测点处的粘虫板的图像；
获取当前周期的目标图像中害虫的数量；
将所述数量输入虫情估计模型，获取所述虫情估计模型输出的当前周期所述监测点处害虫发生数量的估计值，作为所述监测点当前周期的虫情监测结果；
其中，所述虫情估计模型，是基于样本粘虫板上捕获到的害虫的数量以及样本监测点处害虫发生数量的实际值，通过线性回归方法构建的；所述样本粘虫板设置于样本区域内的样本监测点处。
根据本发明提供的一种虫情监测方法，在所述目标区域中的监测点的数量为多个的情况下，所述将所述数量输入虫情估计模型，获取所述虫情估计模型输出的当前周期所述监测点处害虫发生数量的估计值，作为所述监测点当前周期的虫情监测结果之后，还包括：
基于当前周期所述监测点处害虫发生数量的估计值和所述监测点的位置信息，获取所述目标区域的虫情监测结果；
其中，各所述监测点以星型拓扑的方式分布。
根据本发明提供的一种虫情监测方法，所述基于当前周期所述监测点处害虫发生数量的估计值和所述监测点的位置信息，获取所述目标区域的虫情监测结果，包括：
基于当前周期所述监测点处害虫发生数量的估计值、各目标历史周期所述监测点处害虫发生数量的估计值和所述监测点的位置信息，生成当前周期的第一虫情时空分布图，作为当前周期所述目标区域的虫情监测结果；
其中，所述第一虫情时空分布图，用于描述所述目标区域内害虫发生数量的估计值的时空分布；所述目标历史周期，为与所述当前周期的间隔时长不超过预设时长的历史周期。
根据本发明提供的一种虫情监测方法，在所述目标数据还包括所述监测点处的环境数据的情况下，所述基于当前周期所述监测点处害虫发生数量的估计值和所述监测点的位置信息，获取所述目标区域的虫情监测结果，包括：
基于当前周期所述监测点处的环境数据、当前周期所述监测点处害虫发生数量的估计值、各目标历史周期所述监测点处害虫发生数量的估计值、各所述目标历史周期所述监测点处的环境数据以及所述监测点的位置信息，生成当前周期的第二虫情时空分布图，作为当前周期所述目标区域的虫情监测结果；
其中，所述第二虫情时空分布图，用于描述所述目标区域内害虫发生数量的估计值和所述目标区域内环境数据的时空分布，以及所述目标区域内害虫发生数量的估计值与所述环境数据之间的响应关系。
根据本发明提供的一种虫情监测方法，所述基于当前周期所述监测点处的环境数据、当前周期所述监测点处害虫发生数量的估计值、各目标历史周期所述监测点处害虫发生数量的估计值、各所述目标历史周期所述监测点处的环境数据以及所述监测点的位置信息，生成当前周期的第二虫情时空分布图，作为当前周期所述目标区域的虫情监测结果之后，还包括：
基于所述第二虫情时空分布图像，对所述目标区域中的至少一个监测点的环境数据进行控制。
根据本发明提供的一种虫情监测方法，所述获取当前周期的目标图像中害虫的数量，包括：
将当前周期的目标图像输入害虫识别模型，获取所述害虫识别模型输出的当前周期的目标图像的害虫识别结果；
基于所述害虫识别结果，获取当前周期的目标图像中害虫的数量；
其中，所述害虫识别模型，是以样本图像为样本，以样本图像的害虫识别结果为样本标签进行训练后得到的；所述样本图像为样本粘虫板的图像；所述样本粘虫板设置于样本区域内的样本监测点处。
根据本发明提供的一种虫情监测方法，所述环境数据，包括：温度数据、湿度数据和光照强度数据中的至少一种。
本发明还提供一种虫情监测装置，包括：
数据获取模块，用于获取目标区域中的监测点当前周期的目标数据；所述目标数据，包括：目标图像；所述目标图像为设置于所述监测点处的粘虫板的图像；
害虫计数模块，用于获取当前周期的目标图像中害虫的数量；
虫情监测模块，用于将所述数量输入虫情估计模型，获取所述虫情估计模型输出的当前周期所述监测点处害虫发生数量的估计值，作为所述监测点当前周期的虫情监测结果；
其中，所述虫情估计模型，是基于样本粘虫板上捕获到的害虫的数量以及样本监测点处害虫发生数量的实际值，通过线性回归方法构建的；所述样本粘虫板设置于样本区域内的样本监测点处。
本发明还提供一种虫情监测***，包括：虫情监测处理器；还包括存储器及存储在所述存储器上并可在所述虫情监测处理器上运行的程序或指令，所述程序或指令被所述虫情监测处理器执行时执行如上任一项所述的虫情监测方法。
根据本发明提供的一种虫情监测***，还包括：数据采集装置；
所述数据采集装置，包括：固定装置和数据采集装置本体；所述数据采集装置本体，包括：图像传感器和中央处理器；所述中央处理器与所述图像传感器和所述虫情监测处理器电连接；
所述固定装置用于将所述数据采集装置本体固定于监测点处；
所述图像传感器用于采集设置于所述监测点处的粘虫板的图像作为目标图像，并将所述目标图像输入至所述中央处理器；
所述中央处理器，用于将所述目标图像发送至所述虫情监测处理器。
根据本发明提供的一种虫情监测***，所述数据采集装置本体，还包括：温度传感器、湿度传感器和光照传感器中的至少一种。
根据本发明提供的一种虫情监测***，所述固定装置包括绳索、吊环和水平指示泡；
所述数据采集装置本体通过所述绳索和所述吊环，与所述监测点上方的固定物连接；所述数据采集装置本体的高度可通过调节所述绳索的长度进行调节。
根据本发明提供的一种虫情监测***，所述数据采集装置本体，还包括：电源模块和天线。
本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述虫情监测方法。
本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述虫情监测方法。
本发明还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述虫情监测方法。
本发明提供的虫情监测方法、装置及***，通过获取目标区域中的监测点当前周期的目标图像，并进一步获取目标图像中害虫的数量之后，将上述数量输入虫情估计模型，获取虫情估计模型输出的当前周期监测点处害虫发生数量的估计值，作为监测点当前周期的虫情监测结果，目标图像为设置于上述监测点处的粘虫板的图像，上述虫情估计模型，是基于样本粘虫板上捕获到的害虫的数量以及样本监测点处害虫发生数量的实际值，通过线性回归方法构建的，上述样本粘虫板设置于样本区域内的样本监测点处，能基于线性回归方法，根据粘虫板捕获到的害虫的数量，更科学、更准确的估计粘虫板所在监测点处害虫发生数量，从而能依据虫情监测结果更科学的做出害虫防控策略，能减少杀虫剂的使用。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明提供的虫情监测方法的流程示意图；
图2是本发明提供的虫情监测方法中获取目标图像的害虫技术结果的流程示意图；
图3是本发明提供的虫情监测装置的结构示意图；
图4是本发明提供的虫情监测***中数据采集装置的结构示意图；
图5是本发明提供的虫情监测***的结构示意图；
图6是本发明提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
在发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
需要说明的是，集成害虫管理是农业害虫治理过程中最为有效的方式。为了制定科学有效的害虫防治策略，需要实时准确的监测害虫的种群密度。传统的虫情监测方法中，最简单的方式之一就是将粘虫板作为诱捕器，基于粘虫板诱捕到的害虫的数量，间接地估计粘虫板附近当前的害虫种群密度，从而更好地做出防控决策，减少杀虫剂的使用。
但是，现有技术中在基于粘虫板诱捕到的害虫的数量对粘虫板附近的害虫种群密度进行估计时，通常依赖于技术人员的经验，导致获得的虫情监测结果的主观性较强，准确率不高。
对此，本发明提供一种虫情监测方法、装置及***。基于本发明提供的虫情监测方法，可以基于粘虫板诱捕到的害虫的数量，更准确、更科学的估计粘虫板附近的害虫种群密度，从而可以更科学的做出害虫防控策略，减少杀虫剂的使用。
图1是本发明提供的虫情监测方法的流程示意图。下面结合图1描述本发明的虫情监测方法。如图1所示，该方法包括：步骤101、获取目标区域中的监测点当前周期的目标数据；目标数据，包括：目标图像；目标图像，为设置于监测点处的粘虫板的图像。
需要说明的是，本发明实施例的执行主体为虫情监测装置。
具体地，目标区域为本发明提供的虫情监测方法的监测对象。基于本发明提供的虫情监测方法，可以对目标区域内害虫的种群密度进行监控。
目标区域可以是根据实际需求预先确定的。
可选地，目标区域可以为室内的区域，也可以为室外的区域。例如：目标区域可以为某一待监测的温室内的区域；或者，目标区域还可以为户外的某一农田区域或某一林场区域。
需要说明的是，目标区域内设置有至少一个监测点。目标区域内监测点的位置可以是基于先验知识预先确定的。例如：目标区域内监测点的位置可以是基于预设面积确定的，在目标区域内每70～80㎡设置一个监测点。本发明实施例中对目标区域内监测点的数量以及目标区域内监测点的位置不作具体限定。
对于目标区域内的每一监测点，上述每一监测点处可以设置有至少一个粘虫板。
需要说明的是，上述每一监测点处每一粘虫板的位置可以是基于先验知识预先确定的。本发明实施例中对上述每一监测点处粘虫板的数量以及每一粘虫板的位置不作具体限定。
技术人员可以利用具有图像采集功能的移动终端，采集设置于上述每一监测点处的每一粘虫板的图像作为原始图像，上述移动终端可以将采集到的原始图像发送至虫情监测装置；或者，虫情监测装置可以控制预先布设于田间的具有图像采集功能的终端，采集设置于上述每一监测点处的每一粘虫板的图像作为原始图像，上述终端可以将采集到的原始图像发送至田间虫情监测装置。
田间虫情监测装置接收到上述移动终端或预先布设于田间的电子设备发送的原始图像之后，可以直接将上述原始图像作为目标图像，还可以对上述原始图像进行图像预处理之后，将图像预处理之后的原始图像作为目标图像。
可选地，对上述原始图像进行的图像预处理，可以包括但不限于将上述原始图像的尺寸调整为预设尺寸、剔除过明、过暗的图像以及图像增强等。
需要说明的是，本发明实施例中终端可以是具有通信功能和图像采集功能的终端，例如：网络摄像头等；本发明实施例中的移动终端，可以是具有通信功能和图像采集功能，且可以在移动中使用的终端，例如：智能手机等。
可以理解的是，目标图像与监测点具有对应关系。对于任一监测点，该监测点对应的目标图像中，可以包括设置于该监测点的一个或多个粘虫板。因此，任一监测点对应的目标图像的数量可以为一张或多张。
可以理解的是，在目标区域内监测点的数量为多个的情况下，目标图像的数量为多个。
需要说明的是，本发明实施例中的监测点以及监测点对应的目标图像，为所有监测点和所有目标图像的统称。
需要说明的是，本发明实施例中可以通过上述方式周期性的获取目标图像，从而可以获取监测点当前周期的目标图像。
步骤102、获取当前周期的目标图像中害虫的数量。
具体地，本发明实施例中可以通过多种方式获取当前周期的目标图像中害虫的数量，例如：可以依赖于昆虫专家，通过目视解译的方式，获取当前周期的目标图像中害虫的数量；或者，还可以利用机器视觉和图像处理算法，获取当前周期的目标图像中害虫的数量。本发明实施例中对获取当前周期的目标图像中害虫的数量的具体方式不作限定。
步骤103、将数量输入虫情估计模型，获取虫情估计模型输出的当前周期监测点处害虫发生数量的估计值，作为监测点当前周期的虫情监测结果。
其中，虫情估计模型，是基于样本粘虫板上捕获到的害虫的数量以及样本监测点处害虫发生数量的实际值，通过线性回归方法构建的；样本粘虫板设置于样本区域内的样本监测点处。
具体地，获取当前周期目标图像中害虫的数量之后，可以将上述数量输入虫情估计模型。
上述虫情估计模型可以基于上述数量，对当前周期目标图像对应的监测点处的害虫发生数量进行估计，进而可以获取并输出当前周期上述监测点处害虫发生数量的估计值。
获取虫情估计模型输出的当前周期上述监测点处害虫发生数量的估计值之后，可以将上述估计值，作为监测点当前周期的虫情监测结果。
需要说明的是，上述虫情估计模型可以是通过如下方式构建的：步骤11、获取样本粘虫板上捕获到的害虫的数量。
需要说明的是，样本区域可以是基于先验知识预先确定的。样本区域内设置有至少一个样本监测点。本发明实施例中对样本区域内样本监测点的数量和具***置不作具体限定。
对于样本区域内的每一样本监测点，上述每一样本监测点处可以设置于至少一个样本粘虫板。可以理解的是，样本监测点和样本粘虫板之间存在对应关系。
对于样本区域内的任一样本监测点，可以通过多种方式获取设置于该样本监测点处的样本粘虫板上捕获到的害虫的数量。
例如：可以依赖于昆虫专家，通过目视解译的方式，获取设置于该样本监测点处的样本粘虫板上捕获到的害虫的数量；
又例如，还可以获取设置于该样本监测点处的样本粘虫板的图像作为样本图像，并利用机器视觉和图像处理算法，获取上述样本图像中害虫的数量，从而可以获取设置于该样本监测点处的样本粘虫板上捕获到的害虫的数量；
又例如，还可以获取设置于该样本监测点处的样本粘虫板的图像作为样本图像，并可以依赖于昆虫专家，通过目视解译的方式，获取上述样本图像中害虫的数量，从而可以获取设置于该样本监测点处的样本粘虫板上捕获到的害虫的数量。
其中，上述样本监测点处的样本粘虫板上捕获到的害虫的数量可以用
Figure BDA0003684187680000101
表示，i为大于零的正整数，i的最大值为N。
步骤12、获取样本监测点处害虫发生数量的实际值。
人工可以将白色底盘置于上述样本监测点处的植株叶片的下方，并人工拍打上述植株直至没有昆虫落入白色底盘中之后，人工统计上述白色底盘中的害虫数量，作为上述样本监测点处害虫发生数量的实际值。进而可以基于用户的输入，获取上述样本监测点处害虫发生数量的实际值。上述样本监测点处害虫发生数量的实际值可以用
Figure BDA0003684187680000111
表示。
步骤13、对样本粘虫板上捕获到的害虫的数量
Figure BDA0003684187680000112
和样本监测点处害虫发生数量的实际值
Figure BDA0003684187680000113
进行线性回归分析，构建虫情估计模型。
虫情估计模型可以用Mi＝k×Ai+b表示，其中，参数k和b可以通过最小二乘估计法计算得到，具体公式如下：
Figure BDA0003684187680000114
Figure BDA0003684187680000115
其中，
Figure BDA0003684187680000116
本发明实施例通过获取目标区域中的监测点当前周期的目标图像，并进一步获取目标图像中害虫的数量之后，将上述数量输入虫情估计模型，获取虫情估计模型输出的当前周期监测点处害虫发生数量的估计值，作为监测点当前周期的虫情监测结果，目标图像为设置于上述监测点处的粘虫板的图像，上述虫情估计模型，是基于样本粘虫板上捕获到的害虫的数量以及样本监测点处害虫发生数量的实际值，通过线性回归方法构建的，上述样本粘虫板设置于样本区域内的样本监测点处，能基于线性回归方法，根据粘虫板捕获到的害虫的数量，更科学、更准确的估计粘虫板所在监测点处害虫发生数量，从而能依据虫情监测结果更科学的做出害虫防控策略，能减少杀虫剂的使用。
基于上述各实施例的内容，在目标区域中的监测点的数量为多个的情况下，将数量输入虫情估计模型，获取虫情估计模型输出的当前周期监测点处害虫发生数量的估计值，作为监测点当前周期的虫情监测结果之后，还包括：基于当前周期监测点处害虫发生数量的估计值和监测点的位置信息，获取当前周期目标区域的虫情监测结果。
其中，各监测点呈星型拓扑结构的分布。
需要说明的是，传统的虫情监测为定点监测，基于传统的害虫监测装置，只能反应目标区域内局部区域的虫情，无法对整个目标区域的虫情进行全面估计，从而无法对目标区域整体进行综合的害虫防治。若在目标区域的不同位置部署多个传统的害虫监测装置，存在两方面的不足：首先，由于传统的害虫监测装置体积较大，在目标区域中的不同位置安装多台大型设备，需要占据很大的作业空间，从而会对农事操作造成较大的影响；其次，传统的害虫监测装置造价较高，在目标区域中的不同位置安装多台传统的害虫监测装置所需投入的设备成本较高，并且每台传统的害虫监测装置都需要与后台直接通讯，通讯费成本也较高。
具体地，本发明实施例中目标区域中的监测点的数量为多个，且各监测点以星型拓扑结构分布，可以使得各监测点均匀的分布于目标区域中。
获取目标区域中的每一监测点当前周期的目标图像之后，可以基于上述方式获取每一当前周期的目标图像中害虫的数量。将上述每一当前周期的目标图像中害虫的数量输入虫情估计模型，可以获取每一监测点处当前周期害虫发生数量的估计值，从而可以在无需布设多台大型害虫监测装置的情况下，实现对每一监测点周期性的虫情监测。
获取当前周期各监测点处害虫发生数量的估计值之后，结合各监测点的位置信息，可以通过数值计算、数理统计等方法，获取目标区域当前周期的虫情监测结果，从而可以实现对目标区域全局周期性的虫情监测。
本发明实施例在目标区域中监测点的数量为多个，且各监测点呈星型拓扑结构分布的情况下，基于当前周期监测点处害虫发生数量的估计值和监测点的位置信息，获取目标区域当前周期的虫情监测结果，能通过分布式监测，在无需布设多台大型害虫监测装置的情况下，实现对目标区域全局周期性的虫情监测，能降低成本投入，能通过网络拓扑结构实现数据的统一传输与融合分析，获取到的目标区域的虫情监测结果准确率较高。
基于上述各实施例的内容，基于当前周期监测点处害虫发生数量的估计值和监测点的位置信息，获取目标区域的虫情监测结果，包括：基于当前周期监测点处害虫发生数量的估计值、各目标历史周期监测点处害虫发生数量的估计值和监测点的位置信息，生成当前周期的第一虫情时空分布图，作为当前周期目标区域的虫情监测结果。
其中，第一虫情时空分布图，用于描述目标区域内害虫发生数量的估计值的时空分布；目标历史周期，为与当前周期的间隔时长不超过预设时长的历史周期。
具体地，获取当前周期目标区域中每一监测点处害虫发生数量的估计值之后，可以基于当前周期每一监测点处害虫发生数量的估计值、各目标历史周期每一监测点处害虫发生数量的估计值以及每一监测点的位置信息，获取过去的一段时间内，目标区域内每一监测点处害虫发生数量的估计值随时间变化而变化的情况。
基于过去的一段时间内，目标区域内每一监测点处害虫发生数量的估计值随时间变化而变化的情况，可以生成当前周期的第一虫情时空分布图，作为当前周期目标区域的虫情监测结果。
需要说明的是，可以根据实际情况确定预设时长的具体取值，例如：在上述预设时长可以为24小时的情况下，目标历史周期为当前周期之前24之内的历史周期，相应地，当前周期的第一虫情时空分布图，可以用于当前周期之前24小时之内目标区域内害虫发生数量的估计值的时空分布。本发明实施例中对上述预设时长的具体取值不作限定。
本发明实施例通过基于当前周期每一监测点处害虫发生数量的估计值、各目标历史周期每一监测点处害虫发生数量的估计值以及每一监测点的位置信息，生成当前周期的第一时空分布图，作为当前周期目标区域的虫情监测结果，能更直观、更清晰的展示目标区域当前周期的虫情监测结果。
基于上述各实施例的内容，在目标数据还包括监测点处的环境数据的情况下，基于当前周期监测点处害虫发生数量的估计值和监测点的位置信息，获取当前周期目标区域的虫情监测结果，包括：基于当前周期监测点处的环境数据、当前周期监测点处害虫发生数量的估计值、各目标历史周期监测点处害虫发生数量的估计值、各目标历史周期监测点处的环境数据以及监测点的位置信息，生成当前周期的第二虫情时空分布图，作为当前周期目标区域的虫情监测结果。
其中，第二虫情时空分布图，用于描述目标区域内害虫发生数量的估计值和目标区域内环境数据的时空分布，以及目标区域内害虫发生数量的估计值与环境数据之间的响应关系。
需要说明的是，在传统的虫情监测方法中，通常难以掌握监测点处的害虫发生数量与环境参数之间关系，进而难以通过环境调节实现害虫的绿色防控。
具体地，本发明实施例中可以通过多种方式周期性的获取目标区域中每一监测点处的环境数据，例如：可以利用设置于上述每一监测点处的温度传感器，获取当前周期每一监测点处的温度；或者，还可以利用设置于每一监测点处的湿度传感器，获取当前周期每一监测点处的湿度；又或者，还可以利用设置于每一监测点处的光照传感器，获取当前周期每一监测点处的光照强度。
需要说明的是，环境数据的具体类型可以根据实际情况确定，例如：环境数量可以包括温度数据、湿度数据以及光照强度数据等。本发明实施例中对环境数据的具体类型不作限定。
基于上述各实施例的内容，环境数据，包括：温度数据、湿度数据和光照强度数据中的至少一种。
获取当前周期目标区域中每一监测点处的环境数据和害虫发生数量的估计值之后，可以基于当前周期目标区域中每一监测点处害虫发生数量的估计值、当前周期每一监测点处的环境数据、各目标历史周期每一监测点处害虫发生数量的估计值、各目标历史周期每一监测点处的环境数据以及每一监测点的位置信息，获取过去的一段时间内，目标区域内每一监测点处害虫发生数量的估计值随时间变化而变化的情况，每一监测点处的环境数据随时间变化而变化的情况，以及每一监测点处害虫发生数量的估计值与每一监测点处的环境数据之间的响应关系，进而可以获取目标区域内的害虫发生数量的估计值和环境数据随时间和位置的变化而变化的情况，以及目标区域内的害虫发生数量的估计值随环境数据的变化而变化的情况。
基于过去的一段时间内，目标区域内的害虫发生数量的估计值和环境数据随时间和位置的变化而变化的情况，以及目标区域内的害虫发生数量的估计值随环境数据的变化而变化的情况，可以生成当前周期的第二虫情时空分布图，作为当前周期目标区域的虫情监测结果。
需要说明的是，可以根据实际情况确定预设时长的具体取值，例如：在上述预设时长可以为24小时的情况下，目标历史周期为当前周期之前24小时之内的历史周期，相应地，当前周期的第二虫情时空分布图，可以用于当前周期之前24小时之内目标区域内害虫发生数量的估计值和目标区域内环境数据的时空分布，以及目标区域内害虫发生数量的估计值与目标区域内环境数据之间的映射关系。本发明实施例中对上述预设时长的具体取值不作限定。
本发明实施例通过基于当前周期每一监测点处害虫发生数量的估计值、当前周期每一监测点处的环境数据、各目标历史周期每一监测点处害虫发生数量的估计值、各目标历史周期每一监测点处的环境数据以及每一监测点的位置信息，生成当前周期的第二时空分布图，作为当前周期目标区域的虫情监测结果，能更直观、更清晰的展示目标区域当前周期的虫情监测结果，并能定量的反应虫情与环境数据之间的响应关系，能为更科学的害虫防控提供数据基础。
基于上述各实施例的内容，基于当前周期监测点处的环境数据、当前周期监测点处害虫发生数量的估计值、各目标历史周期监测点处害虫发生数量的估计值、各目标历史周期监测点处的环境数据以及监测点的位置信息，生成当前周期的第二虫情时空分布图，作为当前周期目标区域的虫情监测结果之后，还包括：基于第二虫情时空分布图，对目标区域中的至少一个监测点的环境数据进行控制。
具体地，基于第二虫情时空分布图像，可以获取环境数据对害虫发生数量的影响，进而可以基于上述影响，对目标区域中的至少一个监测点的环境数据进行控制，从而可以更准确、更高效的进行害虫防治。
本发明实施例通过基于第二虫情时空分布图，对目标区域中的至少一个监测点的环境参数进行控制，能基于虫情与环境数据之间的响应关系，对目标区域中的局部区域的环境数据进行控制，能通过控制目标区域局部的环境数据，实现更精准、更高效的害虫绿色防治。
基于上述各实施例的内容，获取当前周期的目标图像中害虫的数量，包括：将当前周期的目标图像输入害虫识别模型，获取害虫识别模型输出的当前周期的目标图像的害虫识别结果。
其中，害虫识别模型，是以样本图像为样本，以样本图像的害虫识别结果为样本标签进行训练后得到的；样本图像为样本粘虫板的图像；样本粘虫板设置于样本区域内的样本监测点处。
图2是本发明提供的虫情监测方法中获取目标图像的害虫技术结果的流程示意图。如图2所示，害虫识别模型的训练过程可以具体包括：采集原始样本图像。利用具有图像采集功能的移动终端，技术人员可以采集设置于样本区域内每一样本监测点处的每一粘虫板的图像作为原始样本图像；或者，还可以控制预先布设于田间的具有图像采集功能的终端，采集设置于样本区域内每一样本监测点处的每一粘虫板的图像作为原始样本图像。
数据预处理。获取原始样本图像之后，可以对上述原始样本图像进行数据预处理，并可以将数据预处理之后的原始样本图像作为样本图像。
对上述原始样本图像进行的图像预处理，可以包括但不限于将上述原始样本图像的尺寸调整为预设尺寸、剔除过明、过暗的图像以及图像增强等。
标记样本图像。获取样本图像之后，可以对样本图像中的靶标害虫进行标记，并可以将标记后的样本图像，作为样本图像的害虫识别结果。
模型训练。获取样本图像和样本图像的害虫识别结果之后，可以以样本图像为样本，以样本图像的害虫识别结果为样本标签，对害虫识别模型进行训练，获得训练好的害虫识别模型。
获取当前周期的目标图像之后，可以将当前周期的目标图像输入训练好的害虫识别模型，可以获得上述训练好的害虫识别模型输出的当前周期的目标图像的害虫识别结果。
需要说明的是，Faster-RCNN网络架构采用单独的卷积神经网络(RPN)来进行区域候选，极大的提高了生成区域候选的速度，使得网络可以实现端到端的训练，并且，Faster-RCNN网络架构通过和RPN共享卷积权重，可以有效的减少模型的计算量。基于Faster-RCNN网络架构的上述优点，本发明实施例中的害虫识别模型可以是基于Faster-RCNN网络架构构建的。
相应地，在基于样本图像和样本图像的害虫计数结果对害虫识别模型进行训练的过程中，可以根据靶标害虫的尺寸大小，调整基于Faster-RCNN网络架构构建的害虫识别模型中的锚框大小、真值与预测值之间交叉框的阈值(IoU)。
基于害虫识别结果，获取当前周期的目标图像中害虫的数量。
具体地，获取当前周期的目标图像的害虫识别结果之后，可以对上述害虫识别结果进行数理统计，从而可以获取当前周期的目标图像中害虫的数量。
本发明实施例通过将当前周期的目标图像输入害虫识别模型，获取上述害虫识别模型输出的当前周期的目标图像的害虫识别结果，基于上述害虫识别结果，获取当前周期的目标图像中害虫的数量，上述害虫识别模型是基于样本图像和样本图像的害虫识别结果训练得到的，能更简单、更高效以及更准确的获取当前周期的目标图像中害虫的数量。
图3是本发明提供的虫情监测装置的结构示意图。下面结合图3对本发明提供的虫情监测装置进行描述，下文描述的虫情监测装置与上文描述的本发明提供的虫情监测方法可相互对应参照。如图3所示，该装置包括：数据获取模块301、害虫计数模块302和虫情监测模块303。
数据获取模块301，用于获取目标区域中的监测点当前周期的目标数据；目标数据，包括：目标图像；目标图像为设置于监测点处的粘虫板的图像。
害虫计数模块302，用于获取当前周期的目标图像中害虫的数量。
虫情监测模块303，用于将数量输入虫情估计模型，获取虫情估计模型输出的当前周期监测点处害虫发生数量的估计值，作为监测点当前周期的虫情监测结果。
其中，虫情估计模型，是基于样本粘虫板上捕获到的害虫的数量以及样本监测点处害虫发生数量的实际值，通过线性回归方法构建的；样本粘虫板设置于样本区域内的样本监测点处。
具体地，数据获取模块301、害虫计数模块302和虫情监测模块303电连接。
本发明实施例中的虫情监测装置，通过获取目标区域中的监测点当前周期的目标图像，并进一步获取目标图像中害虫的数量之后，将上述数量输入虫情估计模型，获取虫情估计模型输出的当前周期监测点处害虫发生数量的估计值，作为监测点当前周期的虫情监测结果，目标图像为设置于上述监测点处的粘虫板的图像，上述虫情估计模型，是基于样本粘虫板上捕获到的害虫的数量以及样本监测点处害虫发生数量的实际值，通过线性回归方法构建的，上述样本粘虫板设置于样本区域内的样本监测点处，能基于线性回归方法，根据粘虫板捕获到的害虫的数量，更科学、更准确的估计粘虫板所在监测点处害虫发生数量，从而能依据虫情监测结果更科学的做出害虫防控策略，能减少杀虫剂的使用。
基于上述各实施例的内容，一种虫情监测***，包括：虫情监测处理器；还包括存储器及存储在存储器上并可在虫情监测处理器上运行的程序或指令，程序或指令被虫情监测处理器执行时执行如上的虫情监测方法。
具体地，虫情监测处理器可以基于粘虫板诱捕到的害虫的数量，更准确、更科学的估计粘虫板附近的害虫种群密度，从而可以更科学的做出害虫防控策略，减少杀虫剂的使用。
虫情监测处理执行如上的虫情监测方法的具体过程，可以参见上述各实施例的内容，本发明实施例中不再赘述。
本发明实施例中的虫情监测***，通过获取目标区域中的监测点当前周期的目标图像，并进一步获取目标图像中害虫的数量之后，将上述数量输入虫情估计模型，获取虫情估计模型输出的当前周期监测点处害虫发生数量的估计值，作为监测点当前周期的虫情监测结果，目标图像为设置于上述监测点处的粘虫板的图像，上述虫情估计模型，是基于样本粘虫板上捕获到的害虫的数量以及样本监测点处害虫发生数量的实际值，通过线性回归方法构建的，上述样本粘虫板设置于样本区域内的样本监测点处，能基于线性回归方法，根据粘虫板捕获到的害虫的数量，更科学、更准确的估计粘虫板所在监测点处害虫发生数量，从而能依据虫情监测结果更科学的做出害虫防控策略，能减少杀虫剂的使用。
图4是本发明提供的虫情监测***中数据采集装置的结构示意图。如图4所示，虫情监测***，还包括：数据采集装置401；
数据采集装置401，包括：固定装置402和数据采集装置本体403；数据采集装置本体，包括：中央处理器404和图像传感器405；中央处理器404与图像传感器和虫情监测处理器电连接；
固定装置402用于将数据采集装置本体403固定于监测点处；
图像传感器405用于采集设置于监测点处的粘虫板406的图像作为目标图像，并将目标图像输入至中央处理器404；
中央处理器404，用于将目标图像发送至虫情监测处理器。
需要说明的是，本发明实施例中目标区域内的一个监测点布设一台数据采集装置401，用于该监测点的现场数据采集。因此，在目标区域中的监测点的数量为多个的情况下，虫情监测***中的数据采集装置401的数量亦为多个。
数据采集装置401中的固定装置402，可以通过悬挂、支撑等方式将数据采集装置本体403固定于监测点处，例如：在监测点位于室内的情况下，固定装置402可以通过悬挂的方式，将数据采集装置本体403悬挂于监测点上方的顶棚；或者，在监测点位于室外的情况下，固定装置402可以通过支架支撑的方式，将数据采集装置本体403固定于监测点处。本发明实施例中的固定装置402的具体结构不作限定。
本发明实施例中的虫情监测***包括至少一个数据采集装置，能基于上述数据采集装置，实现目标区域中分布式的数据采集，能提升虫情监测***在实际应用中的便捷度和数据采集的充分性。
基于上述各实施例的内容，数据采集装置本体403，还包括：温度传感器407、湿度传感器408和光照强度传感器409中的至少一种。
具体地，数据采集装置本体403中的温度传感器可以用于获取监测点处的温度数据，并可以将获取到温度数据发送至中央处理器404。
数据采集装置本体403中的湿度传感器可以用于获取监测点处的湿度数据，并可以将获取到湿度数据发送至中央处理器404。
数据采集装置本体403中的光照强度传感器可以用于获取监测点处的光照强度数据，并可以将获取到光照强度数据发送至中央处理器404。
中央处理器404可以将接收到的温度数据、湿度数据和光照强度数据发送至虫情监测处理器。
本发明实施例中的数据采集装置本体，包括温度传感器、湿度传感器或光照强度传感器中的至少一种，能解决由于安装占用空间、害虫数量采集与环境数据采集分离的问题，能进一步降低设备投入成本和实现一体化监测。
基于上述各实施例的内容，固定装置402，包括：绳索410、吊环411和水平指示泡412。
具体地，数据采集装置本体403通过绳索410和吊环411，与监测点上方的固定物414连接；
数据采集装置本体403的高度可通过调节绳索410的长度进行调节。
水平指示泡412可用于确定数据采集装置本体403处于水平状态。
在监测点位于室内的情况下，固定装置402可以利用绳索410和吊环411，将数据采集装置本体403悬挂于监测点上方的固定物414(例如：顶棚)。
本发明实施例中的固定装置包括绳索、吊环和水平指示泡，能通过悬挂的方式将数据采集装置本体固定于监测点的上方，能在不占用地面空间的情况下，完成分布式的数据采集。
基于上述各实施例的内容，数据采集装置本体403，还包括：电源模块415和天线413。
中央处理器404接收到的目标图像、温度数据、湿度数据以及光照强度数据可以通过天线413发送至虫情监测处理器。
电源模块415可以为数据采集装置本体403中的各部件供电。
图5是本发明提供的虫情监测***的结构示意图。如图5所示，本发明实施例中的虫情监测***，可以包括用于现场数据采集的现场端、用于后台计算的后台端以及用于用户交互的客户端组成。
现场端是指田间现场的部署架构，由设置于每一监测点处的数据采集装置构成，每一数据采集装置采集到的目标图像和环境数据通过现场路由器进行汇聚后，利用互联网发送到后台端的虫情监测处理器。
需要说明的是，每个监测点对应的目标图像和环境数据的采集周期可以通过后台端进行远程设置。
后台端由后台路由器和虫情监测处理器构成，后台路由器负责接收来自现场端发送过来的数据，并将数据存于虫情监测处理器的数据库中；虫情监测处理器负责存储原始数据、执行处理数据的算法、存储处理后的数据。
客户端主要指客户端***，用户可以通过手机或者电脑登陆客户端***查看粘虫板图像、害虫计数结果、环境参数，以及随时间变化趋势等信息。
相较传统的定点虫情监测方法，本发明提出了一种分布式的虫情监测***，多点采集数据，并通过统一的路由上传至后台服务器。
图6示例了一种电子设备的实体结构示意图，如图6所示，该电子设备可以包括：处理器(processor)610、通信接口(Communications Interface)620、存储器(memory)630和通信总线640，其中，处理器610，通信接口620，存储器630通过通信总线640完成相互间的通信。处理器610可以调用存储器630中的逻辑指令，以执行虫情监测方法，该方法包括：获取目标区域中的监测点当前周期的目标数据；目标数据，包括：目标图像；目标图像为设置于监测点处的粘虫板的图像；获取当前周期的目标图像中害虫的数量；将数量输入虫情估计模型，获取虫情估计模型输出的当前周期监测点处害虫发生数量的估计值，作为监测点当前周期的虫情监测结果；其中，虫情估计模型，是基于样本粘虫板上捕获到的害虫的数量以及样本监测点处害虫发生数量的实际值，通过线性回归方法构建的；样本粘虫板设置于样本区域内的样本监测点处。
此外，上述的存储器630中的逻辑指令可以通过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。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，计算机程序可存储在非暂态计算机可读存储介质上，所述计算机程序被处理器执行时，计算机能够执行上述各方法所提供的虫情监测方法，该方法包括：获取目标区域中的监测点当前周期的目标数据；目标数据，包括：目标图像；目标图像为设置于监测点处的粘虫板的图像；获取当前周期的目标图像中害虫的数量；将数量输入虫情估计模型，获取虫情估计模型输出的当前周期监测点处害虫发生数量的估计值，作为监测点当前周期的虫情监测结果；其中，虫情估计模型，是基于样本粘虫板上捕获到的害虫的数量以及样本监测点处害虫发生数量的实际值，通过线性回归方法构建的；样本粘虫板设置于样本区域内的样本监测点处。
又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各方法提供的虫情监测方法，该方法包括：获取目标区域中的监测点当前周期的目标数据；目标数据，包括：目标图像；目标图像为设置于监测点处的粘虫板的图像；获取当前周期的目标图像中害虫的数量；将数量输入虫情估计模型，获取虫情估计模型输出的当前周期监测点处害虫发生数量的估计值，作为监测点当前周期的虫情监测结果；其中，虫情估计模型，是基于样本粘虫板上捕获到的害虫的数量以及样本监测点处害虫发生数量的实际值，通过线性回归方法构建的；样本粘虫板设置于样本区域内的样本监测点处。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元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。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
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，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (15)

1.一种虫情监测方法，其特征在于，包括：
获取目标区域中的监测点当前周期的目标数据；所述目标数据，包括：目标图像；所述目标图像为设置于所述监测点处的粘虫板的图像；
获取当前周期的目标图像中害虫的数量；
将所述数量输入虫情估计模型，获取所述虫情估计模型输出的当前周期所述监测点处害虫发生数量的估计值，作为所述监测点当前周期的虫情监测结果；
其中，所述虫情估计模型，是基于样本粘虫板上捕获到的害虫的数量以及样本监测点处害虫发生数量的实际值，通过线性回归方法构建的；所述样本粘虫板设置于样本区域内的样本监测点处。
2.根据权利要求1所述的虫情监测方法，其特征在于，在所述目标区域中的监测点的数量为多个的情况下，所述将所述数量输入虫情估计模型，获取所述虫情估计模型输出的当前周期所述监测点处害虫发生数量的估计值，作为所述监测点当前周期的虫情监测结果之后，还包括：
基于当前周期所述监测点处害虫发生数量的估计值和所述监测点的位置信息，获取所述目标区域的虫情监测结果；
其中，各所述监测点以星型拓扑的方式分布。
3.根据权利要求2所述的虫情监测方法，其特征在于，所述基于当前周期所述监测点处害虫发生数量的估计值和所述监测点的位置信息，获取所述目标区域的虫情监测结果，包括：
基于当前周期所述监测点处害虫发生数量的估计值、各目标历史周期所述监测点处害虫发生数量的估计值和所述监测点的位置信息，生成当前周期的第一虫情时空分布图，作为当前周期所述目标区域的虫情监测结果；
其中，所述第一虫情时空分布图，用于描述所述目标区域内害虫发生数量的估计值的时空分布；所述目标历史周期，为与所述当前周期的间隔时长不超过预设时长的历史周期。
4.根据权利要求2所述的虫情监测方法，其特征在于，在所述目标数据还包括所述监测点处的环境数据的情况下，所述基于当前周期所述监测点处害虫发生数量的估计值和所述监测点的位置信息，获取所述目标区域的虫情监测结果，包括：
基于当前周期所述监测点处的环境数据、当前周期所述监测点处害虫发生数量的估计值、各目标历史周期所述监测点处害虫发生数量的估计值、各所述目标历史周期所述监测点处的环境数据以及所述监测点的位置信息，生成当前周期的第二虫情时空分布图，作为当前周期所述目标区域的虫情监测结果；
其中，所述第二虫情时空分布图，用于描述所述目标区域内害虫发生数量的估计值和所述目标区域内环境数据的时空分布，以及所述目标区域内害虫发生数量的估计值与所述环境数据之间的响应关系。
5.根据权利要求4所述的虫情监测方法，其特征在于，所述基于当前周期所述监测点处的环境数据、当前周期所述监测点处害虫发生数量的估计值、各目标历史周期所述监测点处害虫发生数量的估计值、各所述目标历史周期所述监测点处的环境数据以及所述监测点的位置信息，生成当前周期的第二虫情时空分布图，作为当前周期所述目标区域的虫情监测结果之后，还包括：
基于所述第二虫情时空分布图像，对所述目标区域中的至少一个监测点的环境数据进行控制。
6.根据权利要求1至5任一所述的虫情监测方法，其特征在于，所述获取当前周期的目标图像中害虫的数量，包括：
将当前周期的目标图像输入害虫识别模型，获取所述害虫识别模型输出的当前周期的目标图像的害虫识别结果；
基于所述害虫识别结果，获取当前周期的目标图像中害虫的数量；
其中，所述害虫识别模型，是以样本图像为样本，以样本图像的害虫识别结果为样本标签进行训练后得到的；所述样本图像为样本粘虫板的图像；所述样本粘虫板设置于样本区域内的样本监测点处。
7.根据权利要求4或5所述的虫情监测方法，其特征在于，所述环境数据，包括：温度数据、湿度数据和光照强度数据中的至少一种。
8.一种虫情监测装置，其特征在于，包括：
数据获取模块，用于获取目标区域中的监测点当前周期的目标数据；所述目标数据，包括：目标图像；所述目标图像为设置于所述监测点处的粘虫板的图像；
害虫计数模块，用于获取当前周期的目标图像中害虫的数量；
虫情监测模块，用于将所述数量输入虫情估计模型，获取所述虫情估计模型输出的当前周期所述监测点处害虫发生数量的估计值，作为所述监测点当前周期的虫情监测结果；
其中，所述虫情估计模型，是基于样本粘虫板上捕获到的害虫的数量以及样本监测点处害虫发生数量的实际值，通过线性回归方法构建的；所述样本粘虫板设置于样本区域内的样本监测点处。
9.一种虫情监测***，其特征在于，包括：虫情监测处理器；还包括存储器及存储在所述存储器上并可在所述虫情监测处理器上运行的程序或指令，所述程序或指令被所述虫情监测处理器执行时执行如权利要求1至7任一项所述的虫情监测方法。
10.根据权利要求9所述的虫情监测***，其特征在于，还包括：数据采集装置；
所述数据采集装置，包括：固定装置和数据采集装置本体；所述数据采集装置本体，包括：图像传感器和中央处理器；所述中央处理器与所述图像传感器和所述虫情监测处理器电连接；
所述固定装置用于将所述数据采集装置本体固定于监测点处；
所述图像传感器用于采集设置于所述监测点处的粘虫板的图像作为目标图像，并将所述目标图像输入至所述中央处理器；
所述中央处理器，用于将所述目标图像发送至所述虫情监测处理器。
11.根据权利要求10所述的虫情监测***，其特征在于，所述数据采集装置本体，还包括：温度传感器、湿度传感器和光照传感器中的至少一种。
12.根据权利要求10所述的虫情监测***，其特征在于，所述固定装置包括绳索、吊环和水平指示泡；
所述数据采集装置本体通过所述绳索和所述吊环，与所述监测点上方的固定物连接；所述数据采集装置本体的高度可通过调节所述绳索的长度进行调节。
13.根据权利要求10至12任一所述的虫情监测***，其特征在于，所述数据采集装置本体，还包括：电源模块和天线。
14.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任一项所述虫情监测方法。
15.一种非暂态计算机可读存储介质，其上存储有计算机程序，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任一项所述虫情监测方法。
CN202210646224.4A 2022-06-08 2022-06-08 虫情监测方法、装置及*** Pending CN115238237A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210646224.4A CN115238237A (zh) 2022-06-08 2022-06-08 虫情监测方法、装置及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210646224.4A CN115238237A (zh) 2022-06-08 2022-06-08 虫情监测方法、装置及***

Publications (1)

Publication Number Publication Date
CN115238237A true CN115238237A (zh) 2022-10-25

Family

ID=83669578

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210646224.4A Pending CN115238237A (zh) 2022-06-08 2022-06-08 虫情监测方法、装置及***

Country Status (1)

Country Link
CN (1) CN115238237A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117237820A (zh) * 2023-09-26 2023-12-15 中化现代农业有限公司 害虫危害程度的确定方法、装置、电子设备和存储介质
CN117272028A (zh) * 2023-10-19 2023-12-22 中国铁塔股份有限公司吉林省分公司 基于物联网态势感知的虫情监测方法及***

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117237820A (zh) * 2023-09-26 2023-12-15 中化现代农业有限公司 害虫危害程度的确定方法、装置、电子设备和存储介质
CN117272028A (zh) * 2023-10-19 2023-12-22 中国铁塔股份有限公司吉林省分公司 基于物联网态势感知的虫情监测方法及***
CN117272028B (zh) * 2023-10-19 2024-01-26 中国铁塔股份有限公司吉林省分公司 基于物联网态势感知的虫情监测方法及***

Similar Documents

Publication Publication Date Title
CN113095555B (zh) 基于物联网的农作物病虫害监控方法、***及存储介质
CN115238237A (zh) 虫情监测方法、装置及***
CN108073908B (zh) 害虫识别方法及装置、计算机装置及存储介质
CN110545531A (zh) 一种基于大数据和云计算的农作物长势监控方法与***
EP3482630B1 (en) Method, system and computer program for performing a pest forecast
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
CN111767802B (zh) 一种对象异常状态的检测方法和装置
CN110728259B (zh) 一种基于深度图像的鸡群体重监测***
CN103760847A (zh) 一种虫害远程监控***及方法
CN107463958A (zh) 昆虫识别预警方法及***
CN106332855A (zh) 一种病虫害自动预警***
CN104381231A (zh) 一种基于图像的野外虫情监测装置
CN115185220A (zh) 一种基于物联网的农林病虫害监控***
KR101810877B1 (ko) 과일 수확 시기 예측 시스템 및 그 방법
EP3917315A1 (en) Systems and methods for measuring beehive strength
CN110414422A (zh) 食品品质的检测方法及装置
CN115526521A (zh) 一种用于植物工厂的植物生长状态监控报警***
CN114723667A (zh) 一种农业精细化种植及灾害预防控制***
CN116630663A (zh) 一种基于物联网的智能施药方法及***
CN114158548B (zh) 一种昆虫生物信息对抗***
CN115342859A (zh) 一种多功能粮情检测***及检测方法
CN113349188B (zh) 一种基于云端杀草谱的草坪及牧草精准除草方法
CN116295662B (zh) 作物生长状态的监测方法、装置、电子设备及介质
CN109828623B (zh) 温室作物情景感知的生产管理方法及装置
CN111080616A (zh) 一种烟叶病虫害监测***

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