CN106780443A - 作物害虫的预警方法和作物害虫的预警装置 - Google Patents

作物害虫的预警方法和作物害虫的预警装置 Download PDF

Info

Publication number
CN106780443A
CN106780443A CN201611082689.2A CN201611082689A CN106780443A CN 106780443 A CN106780443 A CN 106780443A CN 201611082689 A CN201611082689 A CN 201611082689A CN 106780443 A CN106780443 A CN 106780443A
Authority
CN
China
Prior art keywords
image
insect
mythimna separata
crop pest
default
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
CN201611082689.2A
Other languages
English (en)
Inventor
董黎晨
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.)
Shenzhen Qianhai Hongjia Technology Co Ltd
Original Assignee
Shenzhen Qianhai Hongjia 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 Shenzhen Qianhai Hongjia Technology Co Ltd filed Critical Shenzhen Qianhai Hongjia Technology Co Ltd
Priority to CN201611082689.2A priority Critical patent/CN106780443A/zh
Publication of CN106780443A publication Critical patent/CN106780443A/zh
Pending legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • G06T7/0012Biomedical image inspection
    • G06T7/0014Biomedical image inspection using an image reference approach
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30181Earth observation
    • G06T2207/30188Vegetation; Agriculture
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30242Counting objects in image

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Catching Or Destruction (AREA)

Abstract

本发明提供了一种作物害虫的预警方法和一种作物害虫的预警装置,其中,作物害虫的预警方法包括:根据预设的采集频率,采集粘虫板的粘虫图像;根据粘虫图像与预设的对比图像,确定粘虫图像中的害虫的增加量;根据害虫的增加量对应的预警等级,生成预警信息。通过本发明技术方案,一方面,实现了对作物害虫数量的自动统计与预警,简化了人工操作过程,另一方面,根据害虫的增加量的多少,确定对应的作物害虫等级,方便了用户根据不同的严重情况采取不同的措施,提升了用户的使用体验。

Description

作物害虫的预警方法和作物害虫的预警装置
技术领域
本发明涉及种植技术领域,具体而言,涉及一种作物害虫的预警方法和一种作物害虫的预警装置。
背景技术
在相关技术中,在大棚中或在种植箱中,通过粘虫板粘连作物害虫,通过人工记录作物害虫数量,以评估作物害虫害的等级,在大棚或种植箱比较多的情况下,便利性差,耗时较长,影响了用户的使用体验。
发明内容
本发明正是基于上述技术问题至少之一,提出了一种新的作物害虫的预警方案,通过采集粘虫板的粘虫图像,以根据粘虫图像与预设的对比图像,确定粘虫图像中的害虫的增加量,并确定害虫的增加量所属的作物害虫数量阈值范围,以进一步根据作物害虫数量阈值范围对应的作物害虫等级,生成预警信息,一方面,实现了对作物害虫数量的自动统计与预警,简化了人工操作过程,另一方面,根据害虫的增加量的多少,确定对应的作物害虫等级,方便了用户根据不同的严重情况采取不同的措施,提升了用户的使用体验。
有鉴于此,本发明的第一方面提出了一种作物害虫的预警方法,包括:根据预设的采集频率,采集粘虫板的粘虫图像;根据粘虫图像与预设的对比图像,确定粘虫图像中的害虫的增加量;根据害虫的增加量对应的预警等级,生成预警信息。
在该技术方案中,通过采集粘虫板的粘虫图像,以根据粘虫图像与预设的对比图像,确定粘虫图像中的害虫的增加量,以根据害虫增加量对应的预警等级,生成预警信息,一方面,实现了对作物害虫数量的自动统计与预警,简化了人工操作过程,另一方面,根据作物害虫的增加量的多少,确定对应的预警等级,即严重程度,方便了用户根据不同的严重程度及时采取不同的措施,以降低作物害虫造成的损失,从而提升用户的使用体验。
在上述技术方案中,优选地,在根据预设的采集频率,采集粘虫板的粘虫图像前,还包括:预设害虫的增加量与预警等级的对应关系。
在该技术方案中,通过预设多个作物害虫数量阈值范围,以根据多个作物害虫数量阈值范围确定预警等级,数值比较高的阈值范围,对应的严重程度也越高,通过确定害虫的增加量属于哪个数量阈值范围,确定对应的预警等级,能够确定不同的严重等级,以进一步生成不同的预警信息,从而能够给用户不同的预警提示信息,使用户得到的预警信息更加直观与直接。
在上述任一项技术方案中,优选地,根据粘虫图像与预存的对比图像,确定粘虫图像中的害虫的增加量,具体包括以下步骤:在初次采集所述粘虫图像时,将所述粘虫板的空白图像作为所述预设的对比图像;生成粘虫图像的二值图像;对二值图像中灰度值为255的区域进行图像分割,以形成多个分割区域;统计多个分割区域的数量,以确定粘虫图像的中的作物害虫的数量,并作为害虫的增加量。
在该技术方案中,在将空白的粘虫板的图像作为预设的对比图像时,此时再经过预设时间段后,进行首次粘虫图像的采集,对采集到的粘虫图像进行二值化处理,具体地,将图像背景处理为黑色(灰度值为0),将作物害虫轮廓处理为白色(灰度值为255),从而能够生成多个白色轮廓区域,将多个具有白色轮廓的区域进行分割,从而形成多个分割区域,统计分隔区域的数量,即可确定粘虫图像中的作物害虫数量,以作为害虫的增加量,以进一步确定对应的预警等级,生成预警信息,在条件有限的前提下,可以通过进行单次粘虫图像的采集,与预设的对比图像为空白图像进行对比,能够简化采集过程,对比处理过程也相对简单。
在上述任一项技术方案中,优选地,根据粘虫图像与预存的对比图像,确定粘虫图像中的害虫的增加量,具体包括以下步骤:在初次采集粘虫图像时,将粘虫板的空白图像作为预设的对比图像;提取粘虫图像中的目标;根据预设的目标特征,对目标进行识别操作,以确定满足目标特征的目标;统计满足目标特征的数量,以作为害虫的增加量。
在该技术方案中,通过目标提取的方式,统计害虫的数量,具体包括以下过程:(1)对粘虫图像中的目标进行提取,常见方法有高斯背景建模、帧差法、三帧差法等;(2)对提取的目标进行识别(模式识别、特征点分析),比如根据预存的害虫图像识别;(3)数目统计,根据识别的结果,对目标进行数目统计。
在上述任一项技术方案中,优选地,根据粘虫图像与预存的对比图像,确定粘虫图像中的害虫的增加量,具体还包括以下步骤:在采集到至少两个粘虫图像时,将上一次采集的粘虫图像确定为预设的对比图像;对粘虫图像与预设的对比图像执行同一位置像素相减操作,生成差异图像;根据预设的数量识别算法,确定差异图像中的作物害虫数量,以作为害虫的增加量。
在该技术方案中,根据预设的采集频率采集粘虫图像,比如按照1次/天的采集频率采集粘虫图像,在第二次图像采集操作完成后,将第二次采集到的图像作为粘虫图像,将第一次采集到的图像作为预设的对比图像,通过对粘虫图像与预设的对比图像进行同一位置像素相减操作,从而生成差异图像,然后根据预设的数量识别算法,确定差异图像中的作物害虫数量,以作为害虫的增加量,从而能够在多次采集到粘虫图像进行对比后,一方面,方便对作物害虫的增长趋势或减少趋势进行跟踪,另一方面,能够在确定害虫的增加量的同时,对作物害虫执行对应的杀虫操作,以根据每次害虫的增加量确定杀虫操作的效果。
具体地,比如,在检测到具有作物害虫时,可以定时喷洒杀虫农药,根据每日害虫的增加量,可以确定杀虫农药的效果,以确定是否更换杀虫农药,在检测到害虫的增加量越来越多时,则可以通过进一步分析增加的原因,制定有效的对应措施。
预设的数量识别算法,可以采用上述的二值化统计方式进行数量识别,也可以采用目标提取的方式进行数量识别。
另外,为了提升识别的准确率,还可以对粘虫图像、差异图像等进行锐化处理等。
在上述任一项技术方案中,优选地,还包括:根据预设的作物害虫的类型库,在容差范围内,识别粘虫图像中的作物害虫的类型;根据作物害虫的类型,生成害虫类型预警信息。
在该技术方案中,通过预设作物害虫类型库,在采集到粘虫图像时,通过提取作物害虫图像中的作物害虫轮廓、颜色等特征信息,在容差范围内,与作物害虫库中预存的各种害虫的特征进行对比,以确定作物害虫的类型,从而根据作物害虫类型生成作物害虫类型预警信息,从而方便了用户根据不同的作物害虫的类型采取不同的对应措施,能够降低作物害虫造成的损失,进一步提升用户的使用体验。
本发明的第二方面还提出了一种作物害虫的预警装置,包括:采集单元,用于根据预设的采集频率,采集粘虫板的粘虫图像;确定单元,用于根据所述粘虫图像与预设的对比图像,确定所述粘虫图像中害虫的增加量;预警单元,用于根据所述害虫的增加量对应的预警等级,生成预警信息。
在该技术方案中,通过采集粘虫板的粘虫图像,以根据粘虫图像与预设的对比图像,确定粘虫图像中的害虫的增加量,以根据害虫增加量对应的预警等级,生成预警信息,一方面,实现了对作物害虫数量的自动统计与预警,简化了人工操作过程,另一方面,根据作物害虫的增加量的多少,确定对应的预警等级,即严重程度,方便了用户根据不同的严重程度及时采取不同的措施,以降低作物害虫造成的损失,从而提升用户的使用体验。
在上述任一项技术方案中,优选地,还包括:预设单元,用于预设害虫的增加量与预警等级的对应关系。
在该技术方案中,通过预设多个作物害虫数量阈值范围,以根据多个作物害虫数量阈值范围确定预警等级,数值比较高的阈值范围,对应的严重程度也越高,通过确定害虫的增加量属于哪个数量阈值范围,确定对应的预警等级,能够确定不同的严重等级,以进一步生成不同的预警信息,从而能够给用户不同的预警提示信息,使用户得到的预警信息更加直观与直接。
在上述任一项技术方案中,优选地,确定单元还用于:在初次采集所述粘虫图像时,将所述粘虫板的空白图像作为所述预设的对比图像;确定单元还包括:生成单元,用于生成粘虫图像的二值图像;分割单元,用于对二值图像中灰度值为255的区域进行图像分割,以形成多个分割区域;统计单元,用于统计多个分割区域的数量,以确定粘虫图像的中的作物害虫数量,并作为害虫的增加量。
在该技术方案中,在将空白的粘虫板的图像作为预设的对比图像时,此时再经过预设时间段后,进行首次粘虫图像的采集,对采集到的粘虫图像进行二值化处理,具体地,将图像背景处理为黑色(灰度值为0),将作物害虫轮廓处理为白色(灰度值为255),从而能够生成多个白色轮廓区域,将多个具有白色轮廓的区域进行分割,从而形成多个分割区域,统计分隔区域的数量,即可确定粘虫图像中的作物害虫数量,以作为害虫的增加量,以进一步确定对应的预警等级,生成预警信息,在条件有限的前提下,可以通过进行单次粘虫图像的采集,与预设的对比图像为空白图像进行对比,能够简化采集过程,对比处理过程也相对简单。
在上述任一项技术方案中,优选地,确定单元还用于:在初次采集粘虫图像时,将粘虫板的空白图像作为预设的对比图像;确定单元还包括:提取单元,用于提取粘虫图像中的目标;第一识别单元,用于根据预设的目标特征,对目标进行识别操作,以确定满足目标特征的目标;统计单元还用于:统计满足目标特征的数量,以作为害虫的增加量。
在该技术方案中,通过目标提取的方式,统计害虫的数量,具体包括以下过程:(1)对粘虫图像中的目标进行提取,常见方法有高斯背景建模、帧差法、三帧差法等;(2)对提取的目标进行识别(模式识别、特征点分析),比如根据预存的害虫图像识别;(3)数目统计,根据识别的结果,对目标进行数目统计。
在上述任一项技术方案中,优选地,确定单元还用于:在采集到至少两个粘虫图像时,将上一次采集的粘虫图像确定为预设的对比图像;生成单元还用于:对粘虫图像与预设的对比图像执行同一位置像素相减操作,生成差异图像;确定单元还用于:根据预设的数量识别算法,确定差异图像中的作物害虫数量,以作为害虫的增加量。
在该技术方案中,根据预设的采集频率采集粘虫图像,比如按照1次/天的采集频率采集粘虫图像,在第二次图像采集操作完成后,将第二次采集到的图像作为粘虫图像,将第一次采集到的图像作为预设的对比图像,通过对粘虫图像与预设的对比图像进行同一位置像素相减操作,从而生成差异图像,然后根据预设的数量识别算法,确定差异图像中的作物害虫数量,以作为害虫的增加量,从而能够在多次采集到粘虫图像进行对比后,一方面,方便对作物害虫的增长趋势或减少趋势进行跟踪,另一方面,能够在确定害虫的增加量的同时,对作物害虫执行对应的杀虫操作,以根据每次害虫的增加量确定杀虫操作的效果。
具体地,比如,在检测到具有作物害虫时,可以定时喷洒杀虫农药,根据每日害虫的增加量,可以确定杀虫农药的效果,以确定是否更换杀虫农药,在检测到害虫的增加量越来越多时,则可以通过进一步分析增加的原因,制定有效的对应措施。
预设的数量识别算法,可以采用上述的二值化统计方式进行数量识别,也可以采用目标提取的方式进行数量识别。
另外,为了提升识别的准确率,还可以对粘虫图像、差异图像等进行锐化处理等。
在上述任一项技术方案中,优选地,还包括:第二识别单元,用于根据预设的作物害虫的类型库,在容差范围内,识别粘虫图像中的作物害虫的类型;预警单元还用于:根据作物害虫额类型,生成害虫类型预警信息。
在该技术方案中,通过预设作物害虫的类型库,在采集到粘虫图像时,通过提取作物害虫图像中的作物害虫轮廓、颜色等信息,在容差范围内,与作物害虫库中的作物害虫进行对比,以确定作物害虫的类型,从而根据作物害虫类型生成作物害虫类型预警信息,从而方便了用户根据不同的作物害虫类型采取不同的对应措施,能够降低作物害虫造成的损失,进一步提升用户的使用体验。
通过以上技术方案,通过采集粘虫板的粘虫图像,以根据粘虫图像与预设的对比图像,确定粘虫图像中的害虫的增加量,并确定害虫的增加量所属的作物害虫数量阈值范围,以进一步根据作物害虫数量阈值范围对应的作物害虫等级,生成预警信息,一方面,实现了对作物害虫数量的自动统计与预警,简化了人工操作过程,另一方面,根据害虫的增加量的多少,确定对应的作物害虫等级,方便了用户根据不同的严重情况采取不同的措施,提升了用户的使用体验。
附图说明
图1示出了根据本发明的一个实施例的作物害虫的预警方法的示意流程图;
图2示出了根据本发明的实施例的作物害虫的预警装置的示意框图;
图3示出了根据本发明的另一个实施例的作物害虫的预警方法的示意流程图;
图4示出了根据本发明的实施例的采用作物害虫的预警方案的种植箱的示意图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点,下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是,本发明还可以采用第三方不同于在此描述的第三方方式来实施,因此,本发明的保护范围并不受下面公开的具体实施例的限制。
图1示出了根据本发明的一个实施例的作物害虫的预警方法的示意流程图。
如图1所示,根据本发明的一个实施例的作物害虫的预警方法,包括:步骤102,根据预设的采集频率,采集粘虫板的粘虫图像;步骤104,根据粘虫图像与预设的对比图像,确定粘虫图像中的害虫的增加量;步骤106,根据害虫的增加量对应的预警等级,生成预警信息。
在该技术方案中,通过采集粘虫板的粘虫图像,以根据粘虫图像与预设的对比图像,确定粘虫图像中的害虫的增加量,以根据害虫增加量对应的预警等级,生成预警信息,一方面,实现了对作物害虫数量的自动统计与预警,简化了人工操作过程,另一方面,根据作物害虫的增加量的多少,确定对应的预警等级,即严重程度,方便了用户根据不同的严重程度及时采取不同的措施,以降低作物害虫造成的损失,从而提升用户的使用体验。
在上述技术方案中,优选地,在根据预设的采集频率,采集粘虫板的粘虫图像前,还包括:预设害虫的增加量与预警等级的对应关系。
在该技术方案中,通过预设多个作物害虫数量阈值范围,以根据多个作物害虫数量阈值范围确定预警等级,数值比较高的阈值范围,对应的严重程度也越高,通过确定害虫的增加量属于哪个数量阈值范围,确定对应的预警等级,能够确定不同的严重等级,以进一步生成不同的预警信息,从而能够给用户不同的预警提示信息,使用户得到的预警信息更加直观与直接。
在上述任一项技术方案中,优选地,根据粘虫图像与预存的对比图像,确定粘虫图像中的害虫的增加量,具体包括以下步骤:在初次采集所述粘虫图像时,将所述粘虫板的空白图像作为所述预设的对比图像;生成粘虫图像的二值图像;对二值图像中灰度值为255的区域进行图像分割,以形成多个分割区域;统计多个分割区域的数量,以确定粘虫图像的中的作物害虫的数量,并作为害虫的增加量。
在该技术方案中,在将空白的粘虫板的图像作为预设的对比图像时,此时再经过预设时间段后,进行首次粘虫图像的采集,对采集到的粘虫图像进行二值化处理,具体地,将图像背景处理为黑色(灰度值为0),将作物害虫轮廓处理为白色(灰度值为255),从而能够生成多个白色轮廓区域,将多个具有白色轮廓的区域进行分割,从而形成多个分割区域,统计分隔区域的数量,即可确定粘虫图像中的作物害虫数量,以作为害虫的增加量,以进一步确定对应的预警等级,生成预警信息,在条件有限的前提下,可以通过进行单次粘虫图像的采集,与预设的对比图像为空白图像进行对比,能够简化采集过程,对比处理过程也相对简单。
在上述任一项技术方案中,优选地,根据粘虫图像与预存的对比图像,确定粘虫图像中的害虫的增加量,具体包括以下步骤:在初次采集粘虫图像时,将粘虫板的空白图像作为预设的对比图像;提取粘虫图像中的目标;根据预设的目标特征,对目标进行识别操作,以确定满足目标特征的目标;统计满足目标特征的数量,以作为害虫的增加量。
在该技术方案中,通过目标提取的方式,统计害虫的数量,具体包括以下过程:(1)对粘虫图像中的目标进行提取,常见方法有高斯背景建模、帧差法、三帧差法等;(2)对提取的目标进行识别(模式识别、特征点分析),比如根据预存的害虫图像识别;(3)数目统计,根据识别的结果,对目标进行数目统计。
在上述任一项技术方案中,优选地,根据粘虫图像与预存的对比图像,确定粘虫图像中的害虫的增加量,具体还包括以下步骤:在采集到至少两个粘虫图像时,将上一次采集的粘虫图像确定为预设的对比图像;对粘虫图像与预设的对比图像执行同一位置像素相减操作,生成差异图像;根据预设的数量识别算法,确定差异图像中的作物害虫数量,以作为害虫的增加量。
在该技术方案中,根据预设的采集频率采集粘虫图像,比如按照1次/天的采集频率采集粘虫图像,在第二次图像采集操作完成后,将第二次采集到的图像作为粘虫图像,将第一次采集到的图像作为预设的对比图像,通过对粘虫图像与预设的对比图像进行同一位置像素相减操作,从而生成差异图像,然后根据预设的数量识别算法,确定差异图像中的作物害虫数量,以作为害虫的增加量,从而能够在多次采集到粘虫图像进行对比后,一方面,方便对作物害虫的增长趋势或减少趋势进行跟踪,另一方面,能够在确定害虫的增加量的同时,对作物害虫执行对应的杀虫操作,以根据每次害虫的增加量确定杀虫操作的效果。
具体地,比如,在检测到具有作物害虫时,可以定时喷洒杀虫农药,根据每日害虫的增加量,可以确定杀虫农药的效果,以确定是否更换杀虫农药,在检测到害虫的增加量越来越多时,则可以通过进一步分析增加的原因,制定有效的对应措施。
预设的数量识别算法,可以采用上述的二值化统计方式进行数量识别,也可以采用目标提取的方式进行数量识别。
另外,为了提升识别的准确率,还可以对粘虫图像、差异图像等进行锐化处理等。
在上述任一项技术方案中,优选地,还包括:根据预设的作物害虫的类型库,在容差范围内,识别粘虫图像中的作物害虫的类型;根据作物害虫的类型,生成害虫类型预警信息。
在该技术方案中,通过预设作物害虫类型库,在采集到粘虫图像时,通过提取作物害虫图像中的作物害虫轮廓、颜色等特征信息,在容差范围内,与作物害虫库中预存的各种害虫的特征进行对比,以确定作物害虫的类型,从而根据作物害虫类型生成作物害虫类型预警信息,从而方便了用户根据不同的作物害虫的类型采取不同的对应措施,能够降低作物害虫造成的损失,进一步提升用户的使用体验。
图2示出了根据本发明的实施例的作物害虫的预警装置的示意框图。
如图2所示,根据本发明的实施例的作物害虫的预警装置200,包括:采集单元202,用于根据预设的采集频率,采集粘虫板的粘虫图像;确定单元204,用于根据所述粘虫图像与预设的对比图像,确定所述粘虫图像中害虫的增加量;预警单元206,用于根据所述害虫的增加量对应的预警等级,生成预警信息。
在该技术方案中,通过采集粘虫板的粘虫图像,以根据粘虫图像与预设的对比图像,确定粘虫图像中的害虫的增加量,以根据害虫增加量对应的预警等级,生成预警信息,一方面,实现了对作物害虫数量的自动统计与预警,简化了人工操作过程,另一方面,根据作物害虫的增加量的多少,确定对应的预警等级,即严重程度,方便了用户根据不同的严重程度及时采取不同的措施,以降低作物害虫造成的损失,从而提升用户的使用体验。
在上述任一项技术方案中,优选地,还包括:预设单元208,用于预设害虫的增加量与预警等级的对应关系。
在该技术方案中,通过预设多个作物害虫数量阈值范围,以根据多个作物害虫数量阈值范围确定预警等级,数值比较高的阈值范围,对应的严重程度也越高,通过确定害虫的增加量属于哪个数量阈值范围,确定对应的预警等级,能够确定不同的严重等级,以进一步生成不同的预警信息,从而能够给用户不同的预警提示信息,使用户得到的预警信息更加直观与直接。
在上述任一项技术方案中,优选地,确定单元204还用于:在初次采集所述粘虫图像时,将所述粘虫板的空白图像作为所述预设的对比图像;确定单元204还包括:生成单元2042,用于生成粘虫图像的二值图像;分割单元2044,用于对二值图像中灰度值为255的区域进行图像分割,以形成多个分割区域;统计单元2046,用于统计多个分割区域的数量,以确定粘虫图像的中的作物害虫数量,并作为害虫的增加量。
在该技术方案中,在将空白的粘虫板的图像作为预设的对比图像时,此时再经过预设时间段后,进行首次粘虫图像的采集,对采集到的粘虫图像进行二值化处理,具体地,将图像背景处理为黑色(灰度值为0),将作物害虫轮廓处理为白色(灰度值为255),从而能够生成多个白色轮廓区域,将多个具有白色轮廓的区域进行分割,从而形成多个分割区域,统计分隔区域的数量,即可确定粘虫图像中的作物害虫数量,以作为害虫的增加量,以进一步确定对应的预警等级,生成预警信息,在条件有限的前提下,可以通过进行单次粘虫图像的采集,与预设的对比图像为空白图像进行对比,能够简化采集过程,对比处理过程也相对简单。
在上述任一项技术方案中,优选地,确定单元204还用于:在初次采集粘虫图像时,将粘虫板的空白图像作为预设的对比图像;确定单元204还包括:提取单元2048,用于提取粘虫图像中的目标;第一识别单元2050,用于根据预设的目标特征,对目标进行识别操作,以确定满足目标特征的目标;统计单元2046还用于:统计满足目标特征的数量,以作为害虫的增加量。
在该技术方案中,通过目标提取的方式,统计害虫的数量,具体包括以下过程:(1)对粘虫图像中的目标进行提取,常见方法有高斯背景建模、帧差法、三帧差法等;(2)对提取的目标进行识别(模式识别、特征点分析),比如根据预存的害虫图像识别;(3)数目统计,根据识别的结果,对目标进行数目统计。
在上述任一项技术方案中,优选地,确定单元204还用于:在采集到至少两个粘虫图像时,将上一次采集的粘虫图像确定为预设的对比图像;生成单元2042还用于:对粘虫图像与预设的对比图像执行同一位置像素相减操作,生成差异图像;确定单元204还用于:根据预设的数量识别算法,确定差异图像中的作物害虫数量,以作为害虫的增加量。
在该技术方案中,根据预设的采集频率采集粘虫图像,比如按照1次/天的采集频率采集粘虫图像,在第二次图像采集操作完成后,将第二次采集到的图像作为粘虫图像,将第一次采集到的图像作为预设的对比图像,通过对粘虫图像与预设的对比图像进行同一位置像素相减操作,从而生成差异图像,然后根据预设的数量识别算法,确定差异图像中的作物害虫数量,以作为害虫的增加量,从而能够在多次采集到粘虫图像进行对比后,一方面,方便对作物害虫的增长趋势或减少趋势进行跟踪,另一方面,能够在确定害虫的增加量的同时,对作物害虫执行对应的杀虫操作,以根据每次害虫的增加量确定杀虫操作的效果。
具体地,比如,在检测到具有作物害虫时,可以定时喷洒杀虫农药,根据每日害虫的增加量,可以确定杀虫农药的效果,以确定是否更换杀虫农药,在检测到害虫的增加量越来越多时,则可以通过进一步分析增加的原因,制定有效的对应措施。
预设的数量识别算法,可以采用上述的二值化统计方式进行数量识别,也可以采用目标提取的方式进行数量识别。
另外,为了提升识别的准确率,还可以对粘虫图像、差异图像等进行锐化处理等。
在上述任一项技术方案中,优选地,还包括:第二识别单元210,用于根据预设的作物害虫的类型库,在容差范围内,识别粘虫图像中的作物害虫的类型;预警单元206还用于:根据作物害虫额类型,生成害虫类型预警信息。
在该技术方案中,通过预设作物害虫的类型库,在采集到粘虫图像时,通过提取作物害虫图像中的作物害虫轮廓、颜色等信息,在容差范围内,与作物害虫库中的作物害虫进行对比,以确定作物害虫的类型,从而根据作物害虫类型生成作物害虫类型预警信息,从而方便了用户根据不同的作物害虫类型采取不同的对应措施,能够降低作物害虫造成的损失,进一步提升用户的使用体验。
图3示出了根据本发明的另一个实施例的作物害虫的预警方法的示意流程图。
如图3所示,根据本发明的另一个实施例的作物害虫的预警方法,包括:步骤302,采用摄像头拍摄粘虫板的粘虫图像;步骤304,根据预设拍摄频率,识别出粘虫板,拍摄粘虫图像;步骤306,将粘虫图像与对比图像进行对比,确定差异度;步骤308,根据差异度计算作物害虫数量,并确定对应的映射阈值等级;步骤310,根据映射阈值等级生成预警信息。
在该技术方案中,通过采集粘虫板的粘虫图像,以根据粘虫图像与预设的对比图像,确定粘虫图像中的作物害虫数量,并确定害虫的增加量所属的映射阈值等级(即作物害虫数量阈值范围),以进一步根据作物害虫数量阈值范围对应的作物害虫等级,生成预警信息,一方面,实现了对作物害虫数量的自动统计与预警,简化了人工操作过程,另一方面,根据害虫的增加量的多少,确定对应的作物害虫等级,方便了用户根据不同的严重情况采取不同的措施,提升了用户的使用体验。
图4示出了根据本发明的实施例的采用作物害虫的预警方案的种植箱的示意图。
如图4所示,首先将粘虫板402安置在大棚404的监控摄像头406易拍照的范围内,监控摄像头406自动对粘虫板406拍照,通过图像对比,匹配到粘虫板402图形后,自动拍照,并且设置拍摄频率,可以每天定时拍照,通过对象对比,计算出与空白粘虫板或与前一天粘虫板图像的图像差异,计算差异点,得出作物害虫数量,或增长了多少作物害虫,通过计算作物害虫数量与预设的阈值对比得出作物害虫害等级范围,达到智能预警的目的。
以上结合附图详细说明了本发明的技术方案,考虑到相关技术中如何自动生成作物害虫的预警信息,本发明提出了一种新的作物害虫的预警方案,通过采集粘虫板的粘虫图像,以根据粘虫图像与预设的对比图像,确定粘虫图像中的害虫的增加量,并确定害虫的增加量所属的作物害虫数量阈值范围,以进一步根据作物害虫数量阈值范围对应的作物害虫等级,生成预警信息,一方面,实现了对作物害虫数量的自动统计与预警,简化了人工操作过程,另一方面,根据害虫的增加量的多少,确定对应的作物害虫等级,方便了用户根据不同的严重情况采取不同的措施,提升了用户的使用体验。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。

Claims (12)

1.一种作物害虫的预警方法,其特征在于,包括:
根据预设的采集频率,采集粘虫板的粘虫图像;
根据所述粘虫图像与预设的对比图像,确定所述粘虫图像中害虫的增加量;
根据所述害虫的增加量对应的预警等级,生成预警信息。
2.根据权利要求1所述的作物害虫的预警方法,其特征在于,所述在根据预设的采集频率,采集粘虫板的粘虫图像前,还包括:
预设所述害虫的增加量与所述预警等级的对应关系。
3.根据权利要求1或2所述的作物害虫的预警方法,其特征在于,所述根据所述粘虫图像与预存的对比图像,确定所述粘虫图像中的害虫的增加量,具体包括以下步骤:
在初次采集所述粘虫图像时,将所述粘虫板的空白图像作为所述预设的对比图像;
生成所述粘虫图像的二值图像;
对所述二值图像中灰度值为255的区域进行图像分割,以形成多个分割区域;
统计所述多个分割区域的数量,以确定所述粘虫图像的中的作物害虫的数量,并作为所述害虫的增加量。
4.根据权利要求1或2所述的作物害虫的预警方法,其特征在于,所述根据所述粘虫图像与预存的对比图像,确定所述粘虫图像中的害虫的增加量,具体包括以下步骤:
在初次采集所述粘虫图像时,将所述粘虫板的空白图像作为所述预设的对比图像;
提取所述粘虫图像中的目标;
根据预设的目标特征,对所述目标进行识别操作,以确定满足所述目标特征的目标;
统计满足所述目标特征的数量,以作为所述害虫的增加量。
5.根据权利要求1或2所述的作物害虫的预警方法,其特征在于,所述根据所述粘虫图像与预存的对比图像,确定所述粘虫图像中的害虫的增加量,具体还包括以下步骤:
在采集到至少两个所述粘虫图像时,将上一次采集的所述粘虫图像确定为所述预设的对比图像;
对当前所述粘虫图像与所述预设的对比图像执行同一位置像素相减操作,生成差异图像;
根据预设的数量识别算法,确定所述差异图像中的作物害虫数量,以作为所述害虫的增加量。
6.根据权利要求5所述的作物害虫的预警方法,其特征在于,还包括:
根据预设的作物害虫的类型库,在容差范围内,识别所述粘虫图像中的作物害虫的类型;
根据所述作物害虫的类型,生成害虫类型预警信息。
7.一种作物害虫的预警装置,其特征在于,包括:
采集单元,用于根据预设的采集频率,采集粘虫板的粘虫图像;
确定单元,用于根据所述粘虫图像与预设的对比图像,确定所述粘虫图像中害虫的增加量;
预警单元,用于根据所述害虫的增加量对应的预警等级,生成预警信息。
8.根据权利要求7所述的作物害虫的预警装置,其特征在于,还包括:
预设单元,用于预设所述害虫的增加量与所述预警等级的对应关系。
9.根据权利要求7或8所述的作物害虫的预警装置,其特征在于,
所述确定单元还用于:在初次采集所述粘虫图像时,将所述粘虫板的空白图像作为所述预设的对比图像;
所述确定单元还包括:
生成单元,用于生成所述粘虫图像的二值图像;
分割单元,用于对所述二值图像中灰度值为255的区域进行图像分割,以形成多个分割区域;
统计单元,用于统计所述多个分割区域的数量,以确定所述粘虫图像的中的作物害虫数量,并作为所述害虫的增加量。
10.根据权利要求7或8所述的作物害虫的预警装置,其特征在于,
所述确定单元还用于:在初次采集所述粘虫图像时,将所述粘虫板的空白图像作为所述预设的对比图像;
所述确定单元还包括:
提取单元,用于提取所述粘虫图像中的目标;
第一识别单元,用于根据预设的目标特征,对所述目标进行识别操作,以确定满足所述目标特征的目标;
所述统计单元还用于:统计满足所述目标特征的数量,以作为所述害虫的增加量。
11.根据权利要求7或8所述的作物害虫的预警装置,其特征在于,
所述确定单元还用于:在采集到至少两个所述粘虫图像时,将上一次采集的所述粘虫图像确定为所述预设的对比图像;
所述生成单元还用于:对所述粘虫图像与所述预设的对比图像执行同一位置像素相减操作,生成差异图像;
所述确定单元还用于:根据预设的数量识别算法,确定所述差异图像中的作物害虫数量,以作为所述害虫的增加量。
12.根据权利要求11所述的作物害虫的预警装置,其特征在于,还包括:
第二识别单元,用于根据预设的作物害虫的类型库,在容差范围内,识别所述粘虫图像中的作物害虫的类型;
所述预警单元还用于:根据所述作物害虫的类型,生成害虫类型预警信息。
CN201611082689.2A 2016-11-30 2016-11-30 作物害虫的预警方法和作物害虫的预警装置 Pending CN106780443A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201611082689.2A CN106780443A (zh) 2016-11-30 2016-11-30 作物害虫的预警方法和作物害虫的预警装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201611082689.2A CN106780443A (zh) 2016-11-30 2016-11-30 作物害虫的预警方法和作物害虫的预警装置

Publications (1)

Publication Number Publication Date
CN106780443A true CN106780443A (zh) 2017-05-31

Family

ID=58901587

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611082689.2A Pending CN106780443A (zh) 2016-11-30 2016-11-30 作物害虫的预警方法和作物害虫的预警装置

Country Status (1)

Country Link
CN (1) CN106780443A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019184212A1 (zh) * 2018-03-30 2019-10-03 深圳春沐源控股有限公司 一种分析虫害趋势的方法、装置及计算机可读存储介质
CN110688989A (zh) * 2019-10-31 2020-01-14 无锡蜂巢生态农业有限公司 一种基于生态环保的智慧农业监控管理系统及方法
CN112739206A (zh) * 2018-09-21 2021-04-30 拜耳公司 基于传感器的节肢动物观察

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130138475A1 (en) * 2011-11-30 2013-05-30 G. Austin Allison Systems and methods for transaction-based sales lead generation
CN103440488A (zh) * 2013-09-03 2013-12-11 江苏物联网研究发展中心 一种虫害识别的方法
CN105005813A (zh) * 2015-06-26 2015-10-28 广州铁路职业技术学院 虫害分析计数方法及系统
CN105850930A (zh) * 2016-04-23 2016-08-17 上海大学 基于机器视觉的病虫害预警系统和方法
CN105900954A (zh) * 2016-04-19 2016-08-31 北京农业信息技术研究中心 害虫监测系统及方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130138475A1 (en) * 2011-11-30 2013-05-30 G. Austin Allison Systems and methods for transaction-based sales lead generation
CN103440488A (zh) * 2013-09-03 2013-12-11 江苏物联网研究发展中心 一种虫害识别的方法
CN105005813A (zh) * 2015-06-26 2015-10-28 广州铁路职业技术学院 虫害分析计数方法及系统
CN105900954A (zh) * 2016-04-19 2016-08-31 北京农业信息技术研究中心 害虫监测系统及方法
CN105850930A (zh) * 2016-04-23 2016-08-17 上海大学 基于机器视觉的病虫害预警系统和方法

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019184212A1 (zh) * 2018-03-30 2019-10-03 深圳春沐源控股有限公司 一种分析虫害趋势的方法、装置及计算机可读存储介质
CN112739206A (zh) * 2018-09-21 2021-04-30 拜耳公司 基于传感器的节肢动物观察
CN112911931A (zh) * 2018-09-21 2021-06-04 拜耳公司 节肢动物的检测
CN110688989A (zh) * 2019-10-31 2020-01-14 无锡蜂巢生态农业有限公司 一种基于生态环保的智慧农业监控管理系统及方法
CN110688989B (zh) * 2019-10-31 2022-05-17 无锡蜂巢生态农业有限公司 一种基于生态环保的智慧农业监控管理系统及方法

Similar Documents

Publication Publication Date Title
US10729117B2 (en) Pest monitoring method based on machine vision
CN108040997B (zh) 一种基于机器视觉的虫害监测方法
US20170071188A1 (en) Methods, Systems and Devices Relating to Real-Time Object Identification
CN105701476A (zh) 一种基于机器视觉的生产线产品自动化识别系统及方法
CN110569786B (zh) 一种基于无人机数据采集的果树识别和数量监测方法及系统
KR101822410B1 (ko) 작물 영상을 사용한 작물 생육 진단 장치
CN109446958B (zh) 施药效果的确定方法及装置、系统
Tejeda et al. Algorithm of weed detection in crops by computational vision
CN106503695B (zh) 一种基于航拍图像的烟草植株识别与计数方法
CN109872301B (zh) 一种用于水稻病虫害识别计数的彩色图像预处理方法
CN103336966A (zh) 一种应用于农业智能机械的杂草图像辨识方法
CN106780443A (zh) 作物害虫的预警方法和作物害虫的预警装置
CN105005813B (zh) 虫害分析计数方法及系统
CN114627067B (zh) 一种基于图像处理的伤口面积测量及辅助诊疗方法
CN105701812B (zh) 适用于采棉机器人的视觉识别系统
CN103903252A (zh) 棉田虫情自动监测装置及监测方法
CN105139407A (zh) 一种基于Kinect传感器的颜色深度匹配植株识别方法
Majeed et al. Estimating the trajectories of vine cordons in full foliage canopies for automated green shoot thinning in vineyards
CN116958572B (zh) 一种果树繁育中叶片病虫害区域分析方法
CN107223046A (zh) 智能导盲方法和装置
CN113469112A (zh) 农作物生长状况图像识别方法及系统
CN107064159B (zh) 一种依据植物黄叶检测判断生长趋势的装置及系统
CN105427279A (zh) 一种基于计算机视觉及物联网的草原旱情监测系统和方法
CN113283538B (zh) 一种基于卷积神经网络的昆虫分类及计数方法
CN111369497B (zh) 一种行走式树上果实连续计数方法及装置

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
CB02 Change of applicant information
CB02 Change of applicant information

Address after: 518052 Guangdong city of Shenzhen province Qianhai Shenzhen Hong Kong cooperation zone before Bay Road No. 1 building 201 room A (located in Shenzhen Qianhai business secretary Co. Ltd.)

Applicant after: Shenzhen Chun Mu source Holdings Limited

Address before: 518052 Guangdong city of Shenzhen province Qianhai Shenzhen Hong Kong cooperation zone before Bay Road No. 1 building 201 room A

Applicant before: Shenzhen Qianhai Hong Jia Technology Co., Ltd.

RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20170531