CN106776486A - 一种基于计算机的鸟类数量预估方法 - Google Patents

一种基于计算机的鸟类数量预估方法 Download PDF

Info

Publication number
CN106776486A
CN106776486A CN201611216133.8A CN201611216133A CN106776486A CN 106776486 A CN106776486 A CN 106776486A CN 201611216133 A CN201611216133 A CN 201611216133A CN 106776486 A CN106776486 A CN 106776486A
Authority
CN
China
Prior art keywords
image
objective body
computer based
birds
predictor method
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
CN201611216133.8A
Other languages
English (en)
Inventor
楚照荣
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.)
Chongqing Xichu Zhijie Technology Co Ltd
Original Assignee
Chongqing Xichu Zhijie Technology Co Ltd
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 Chongqing Xichu Zhijie Technology Co Ltd filed Critical Chongqing Xichu Zhijie Technology Co Ltd
Priority to CN201611216133.8A priority Critical patent/CN106776486A/zh
Publication of CN106776486A publication Critical patent/CN106776486A/zh
Pending legal-status Critical Current

Links

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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30242—Counting objects in image

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Probability & Statistics with Applications (AREA)
  • Software Systems (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Algebra (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Databases & Information Systems (AREA)
  • Operations Research (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Image Analysis (AREA)
  • Catching Or Destruction (AREA)

Abstract

本发明公开了一种基于计算机的鸟类数量预估方法，涉及生态保护领域，包括如下步骤：S1、分别控制飞行器飞行至N个指定空域，并采集各个指定空域上方的第一图像Fi和指定空域下方的第二图像Gi；S2、对第一图像Fi和第二图像Gi进行识别，获取第一图像Fi上识别的目标体第一数量Si，获取第二图像Gi上识别的目标体第二数量Ti；S3、求解目标体种群数量预估值W；本发明通过识别飞行器上方飞翔的鸟儿数量和下方飞翔或栖息的鸟儿数量，采用不同的权重加权，并通过识别到的种群数量与识别率c求积估计种群数量。本发明可以有效预测目标种群数量，以便达到目标种群数量管控。

Description

一种基于计算机的鸟类数量预估方法
技术领域
本发明涉及生态保护领域，特别是涉及一种基于计算机的鸟类数量预估方法。
背景技术
随着社会的发展，人类越来越了解人与自然的关系，也越来越注重生态环境。众所周知，在生态链中，一个物种的数量波动较大，对生态链具有破坏重要。一方面，树林中的鸟儿数量不能过多，过多食物不足，则造成农作物生产受损。另一方面，树林的鸟儿数量不能过少，鸟儿过少则造成虫害不能得到很好地控制。对于农林而言，一般是常用定期捕鸟的方法管控鸟类数量。但是，在现有技术中，还没有很好的方法对树林中鸟类种群数量进行判断。
发明内容
有鉴于现有技术的上述缺陷，本发明所要解决的技术问题是提供一种基于飞行器的树林鸟儿数量预估方法，旨在有效评估鸟类种群数量。
为实现上述目的，本发明提供了一种基于计算机的鸟类数量预估方法，包括如下步骤：
S1、分别控制飞行器飞行至N个指定空域，并采集各个所述指定空域上方的第一图像Fi和所述指定空域下方的第二图像Gi；所述N为正整数；
S2、对所述第一图像Fi和第二图像Gi进行识别，获取所述第一图像Fi上识别的目标体第一数量Si，获取所述第二图像Gi上识别的目标体第二数量Ti；
S3、求解目标体种群数量预估值W；所述所述a为空域上方识别到的目标体加权系数，所述b为空域下方识别到的目标体加权系数，所述c为所述目标体的识别率。
在该技术方案中，通过识别飞行器上方飞翔的鸟儿数量和下方飞翔或栖息的鸟儿数量，由于上方飞翔的目标体和目标体飞翔的鸟儿识别率不同，一般下方由于树林的遮挡以及混淆，下方目标体识别率较低，故而二者权重不同，采用不同的权重加权。此外，一般而言，识别到的目标体数量和种群数量呈比例关系，种群数量越多，可认为识别到的目标体也越多。通过识别到的种群数量与识别率c求积估计种群数量。采用该方案可以有效预测目标种群数量，以便达到目标种群数量管控。
进一步而言，所述a、b、c为经验预设值；所述c≥1，所述a+b≥1。
在该技术方案中，对a、b、c进行经验预设，提高种群数量预测准确性。
进一步而言，所述指定空域的高度高于所述目标体栖息环境，且低于所述目标体的常规飞翔高度。
在该技术方案中，飞行器飞行的高度介于目标体栖息环境和飞翔高度之间,适用于高空飞翔的鸟类种群数量预测，采用该方法避免飞翔高度过高，节约飞行器能量。
进一步而言，所述指定空域的高度高于所述目标体的常规飞翔高度。
在该技术方案中，飞行器飞行高度要高于目标体，适用于低空飞翔鸟儿检测，当然此时也可能存在少量鸟类突发地飞行在高空，并不影响本发明。采用该方法同一图像中采集的画面较大，提高采集率，提高工作效率。
进一步而言，所述飞行器为类鸟类飞行器。在该技术方案中，采用类鸟类飞行器，避免惊吓到鸟儿。
本发明的有益效果是：通过识别飞行器上方飞翔的鸟儿数量和下方飞翔或栖息的鸟儿数量，由于上方飞翔的目标体和目标体飞翔的鸟儿识别率不同，一般下方由于树林的遮挡以及混淆，下方目标体识别率较低，故而二者权重不同，采用不同的权重加权。此外，一般而言，识别到的目标体数量和种群数量呈比例关系，种群数量越多，可认为识别到的目标体也越多。通过识别到的种群数量与识别率c求积估计种群数量。本发明可以有效预测目标种群数量，以便达到目标种群数量管控。
附图说明
图1是本发明一具体实施方式的流程示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步说明：
如图1所示，在本发明第一实施例中，提供一种基于计算机的鸟类数量预估方法，包括如下步骤：
S1、分别控制飞行器飞行至N个指定空域，并采集各个所述指定空域上方的第一图像Fi和所述指定空域下方的第二图像Gi；所述N为正整数；
S2、对所述第一图像Fi和第二图像Gi进行识别，获取所述第一图像Fi上识别的目标体第一数量Si，获取所述第二图像Gi上识别的目标体第二数量Ti；
S3、求解目标体种群数量预估值W；所述所述a为空域上方识别到的目标体加权系数，所述b为空域下方识别到的目标体加权系数，所述c为所述目标体的识别率。
在本发明中，所述a、b、c为经验预设值；所述c≥1，所述a+b≥1。具体而言，a、b、c可以有农业工作者通过经验进行确定。若不精确，也可以在实际生产生活中进行修正。
在一实施例中，所述指定空域的高度高于所述目标体栖息环境，且低于所述目标体的常规飞翔高度。值得一提的是，该策略主要是针对高空飞翔的鸟类，一方面飞行器高度无需过高，另一方面，空中的鸟类较容易识别，树林中的鸟类识别会发生缺失。二者的权重不同a、b不同。
在另一实施例中，所述指定空域的高度高于所述目标体的常规飞翔高度。
在本发明中，飞行器可以为普通飞行器，如无人机、四轴飞行器。实际上，为了避免飞行器惊吓到鸟类，而影响鸟类图像采集，在本实施例中，所述飞行器为类鸟类飞行器。
以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。

Claims (5)

1.一种基于计算机的鸟类数量预估方法，其特征在于，包括如下步骤：
S1、分别控制飞行器飞行至N个指定空域，并采集各个所述指定空域上方的第一图像Fi和所述指定空域下方的第二图像Gi；所述N为正整数；
S2、对所述第一图像Fi和第二图像Gi进行识别，获取所述第一图像Fi上识别的目标体第一数量Si，获取所述第二图像Gi上识别的目标体第二数量Ti；
S3、求解目标体种群数量预估值W；所述所述a为空域上方识别到的目标体加权系数，所述b为空域下方识别到的目标体加权系数，所述c为所述目标体的识别率。
2.如权利要求1所述的一种基于计算机的鸟类数量预估方法，其特征在于：所述a、b、c为经验预设值；所述c≥1，所述a+b≥1。
3.如权利要求1所述的一种基于计算机的鸟类数量预估方法，其特征在于：所述指定空域的高度高于所述目标体栖息环境，且低于所述目标体的常规飞翔高度。
4.如权利要求1所述的一种基于计算机的鸟类数量预估方法，其特征在于：所述指定空域的高度高于所述目标体的常规飞翔高度。
5.如权利要求1所述的一种基于计算机的鸟类数量预估方法，其特征在于：所述飞行器为类鸟类飞行器。
CN201611216133.8A 2016-12-26 2016-12-26 一种基于计算机的鸟类数量预估方法 Pending CN106776486A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201611216133.8A CN106776486A (zh) 2016-12-26 2016-12-26 一种基于计算机的鸟类数量预估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201611216133.8A CN106776486A (zh) 2016-12-26 2016-12-26 一种基于计算机的鸟类数量预估方法

Publications (1)

Publication Number Publication Date
CN106776486A true CN106776486A (zh) 2017-05-31

Family

ID=58925760

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611216133.8A Pending CN106776486A (zh) 2016-12-26 2016-12-26 一种基于计算机的鸟类数量预估方法

Country Status (1)

Country Link
CN (1) CN106776486A (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103482064A (zh) * 2013-09-18 2014-01-01 南京航空航天大学 仿生扑翼飞行器
CN103913740A (zh) * 2014-04-16 2014-07-09 中国民航科学技术研究院 一种基于空域分布特征的飞鸟群目标跟踪方法
CN103921941A (zh) * 2013-12-25 2014-07-16 卢仁华 仿鸟飞行器
CN104269054A (zh) * 2014-09-20 2015-01-07 无锡北斗星通信息科技有限公司 基于无人机测量的路段交通指数估算系统
CN104469283A (zh) * 2014-10-22 2015-03-25 中国人民解放军理工大学 一种微型无人机载实时全景成像系统及设备
CN105120240A (zh) * 2015-09-22 2015-12-02 成都时代星光科技有限公司 高倍变焦无人机空中高清多维实时侦查传输监控装置
CN105184257A (zh) * 2015-09-08 2015-12-23 北京航空航天大学 目标检测方法与装置
CN105739335A (zh) * 2015-12-29 2016-07-06 中国民航科学技术研究院 一种机场鸟类探测预警与驱赶联动系统

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103482064A (zh) * 2013-09-18 2014-01-01 南京航空航天大学 仿生扑翼飞行器
CN103921941A (zh) * 2013-12-25 2014-07-16 卢仁华 仿鸟飞行器
CN103913740A (zh) * 2014-04-16 2014-07-09 中国民航科学技术研究院 一种基于空域分布特征的飞鸟群目标跟踪方法
CN104269054A (zh) * 2014-09-20 2015-01-07 无锡北斗星通信息科技有限公司 基于无人机测量的路段交通指数估算系统
CN104469283A (zh) * 2014-10-22 2015-03-25 中国人民解放军理工大学 一种微型无人机载实时全景成像系统及设备
CN105184257A (zh) * 2015-09-08 2015-12-23 北京航空航天大学 目标检测方法与装置
CN105120240A (zh) * 2015-09-22 2015-12-02 成都时代星光科技有限公司 高倍变焦无人机空中高清多维实时侦查传输监控装置
CN105739335A (zh) * 2015-12-29 2016-07-06 中国民航科学技术研究院 一种机场鸟类探测预警与驱赶联动系统

Similar Documents

Publication Publication Date Title
Mamdouh et al. YOLO-based deep learning framework for olive fruit fly detection and counting
Thapa et al. The plant pathology 2020 challenge dataset to classify foliar disease of apples
Bauer et al. The grand challenges of migration ecology that radar aeroecology can help answer
Yu et al. Detection of broadleaf weeds growing in turfgrass with convolutional neural networks
Jung et al. Adaptability and vulnerability of high flying Neotropical aerial insectivorous bats to urbanization
Horvitz et al. The gliding speed of migrating birds: slow and safe or fast and risky?
CN107444665A (zh) 一种无人机自主降落方法
US20220104474A1 (en) Smart mosquito trap for mosquito classification
Ligot et al. Managing understory light to maintain a mixture of species with different shade tolerance
Shepard et al. Wind prevents cliff-breeding birds from accessing nests through loss of flight control
Kirkeby et al. The range of attraction for light traps catching Culicoides biting midges (Diptera: Ceratopogonidae)
CN106332855A (zh) 一种病虫害自动预警系统
CN109871613A (zh) 一种森林火灾判别模型获取方法及预测应用
Khuzaimah et al. Application and potential of drone technology in oil palm plantation: Potential and limitations
Rustia et al. Edge-based wireless imaging system for continuous monitoring of insect pests in a remote outdoor mango orchard
CN106776486A (zh) 一种基于计算机的鸟类数量预估方法
Miller Movement ecology of golden eagles (Aquila chrysaetos) in eastern North America
Mazare et al. Pests detection system for agricultural crops using intelligent image analysis
Hawkes et al. Bat activity correlated with migratory insect bioflows in the Pyrenees
Arnett et al. Patterns of pre-construction bat activity at a proposed wind facility in northwest Massachusetts
Tang et al. sUAS and Machine Learning Integration in Waterfowl Population Surveys
Wang et al. Predator-prey biogeography-based optimization for bio-inspired visual attention
Puyravaud et al. Modelling harvest of Asian elephants Elephas maximus on the basis of faulty assumptions promotes inappropriate management solutions
Cline et al. Evaluating unoccupied aerial vehicles for estimating relative abundance of muskrats
Lao Investigating the effects of weather, artificial lighting, and polarized light on bird-building collisions in the downtown area of a major US city

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20170531

RJ01 Rejection of invention patent application after publication