CN107084756A - 基于树莓派的虫害图像测报方法 - Google Patents

基于树莓派的虫害图像测报方法 Download PDF

Info

Publication number
CN107084756A
CN107084756A CN201710159919.9A CN201710159919A CN107084756A CN 107084756 A CN107084756 A CN 107084756A CN 201710159919 A CN201710159919 A CN 201710159919A CN 107084756 A CN107084756 A CN 107084756A
Authority
CN
China
Prior art keywords
haftplatte
image
insect
white
pest
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.)
Granted
Application number
CN201710159919.9A
Other languages
English (en)
Other versions
CN107084756B (zh
Inventor
包晓敏
周辰彦
吕文涛
杜永均
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.)
Newcon Inc Ningbo
Zhejiang University of Technology ZJUT
Original Assignee
Newcon Inc Ningbo
Zhejiang University of Technology ZJUT
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 Newcon Inc Ningbo, Zhejiang University of Technology ZJUT filed Critical Newcon Inc Ningbo
Priority to CN201710159919.9A priority Critical patent/CN107084756B/zh
Publication of CN107084756A publication Critical patent/CN107084756A/zh
Application granted granted Critical
Publication of CN107084756B publication Critical patent/CN107084756B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D21/00—Measuring or testing not otherwise provided for
    • G01D21/02—Measuring two or more variables by means not covered by a single other subclass

Abstract

本发明公开了基于树莓派的虫害图像测报方法。目前我国水稻害虫稻纵卷叶螟的检测计数不论是人工计数还是电子传感器计数，都存在各自的缺点。本发明所用的虫害图像测报系统，包括图像及环境信息采集系统、图像及环境信息处理系统和无线网络传输系统。图像及环境信息处理系统通过无线网络传输系统与云服务器数据处理系统连接。本发明基于树莓派，结合图像处理技术及电子传感器技术，能够准确采集虫害图像并检测出害虫个体数量，通过无线网络传输系统，供工作人员远程登录云服务器数据处理系统及时便捷的查看虫害图像及检测结果。并且绘制温度、湿度、下雨情况与虫量的关系曲线图，供工作人员查看、导出。

Description

基于树莓派的虫害图像测报方法
技术领域
本发明属于虫害图像测报技术领域，具体涉及进行虫害图像获取、害虫数量计数的一种基于树莓派的虫害图像测报方法。
背景技术
我国作为水稻产业大国，由水稻害虫稻纵卷叶螟造成的农作物损失量每年都十分巨大，防止其虫害是保证粮食产量的前提。目前我国的稻纵卷叶螟害虫检测主要依靠两种方式：其一依靠性诱剂和黑光灯引诱捕获害虫，由人工将种类繁杂的害虫取回进行分拣并计数，此种方式存在劳动效率低、强度大、实时性差等问题，而且需要耗费大量的人力、财力。并且由于工作量大、工作内容繁琐，人工难免出错，从而难以完成精确的计数工作；其二是依靠电子传感器进行自动计数害虫数量，此种方式一定程度上减轻了人工负荷，但缺乏直观的虫害图像反馈，误检率较高，且当系统发生故障时，故障原因难以排查。
发明内容
本发明的目的是针对现有技术的不足，提供一种基于树莓派的虫害图像测报方法。
本发明所用的虫害图像测报系统，包括图像及环境信息采集系统、图像及环境信息处理系统和无线网络传输系统。图像及环境信息处理系统通过无线网络传输系统与云服务器数据处理系统连接。
所述的图像及环境信息采集系统包括摄像头、摄像头固定板、第一透明挡板、第二透明挡板、顶端横梁、白色粘板、粘板托盘、主支架、底座、温湿度传感器和雨滴传感器；所述的摄像头固定于摄像头固定板上；所述的摄像头固定板固定于顶端横梁的中心处；第一透明挡板的两端与顶端横梁和粘板托盘的一端分别固定，第二透明挡板的两端与顶端横梁和粘板托盘的另一端分别固定，第一透明挡板、第二透明挡板、顶端横梁与粘板托盘形成中空且两端开放的三棱柱体；所述的第二透明挡板与粘板托盘固定的那端固定有雨滴传感器。所述的白色粘板放置于粘板托盘上；白色粘板表面涂覆有昆虫性信息素涂层；粘板托盘的中心与主支架的顶端固定，主支架的底端与底座固定。温湿度传感器固定在主支架上。
所述图像及环境信息处理系统的第一I/O口接温湿度传感器的数据输出引脚，第二I/O口接雨滴传感器的数据输出引脚。所述图像及环境信息处理系统的CSI接口与摄像头相连；图像及环境信息处理系统的USB电源线与电源箱的第一USB插口相连；图像及环境信息处理系统和电源箱均固定在底座上。所述的图像及环境信息处理系统为树莓派。
所述的无线网络传输系统采用无线网卡；图像及环境信息处理系统的WiFi模块连接上无线网卡造出WiFi热点，图像及环境信息处理系统的数据通过http协议传输给云服务器数据处理系统；无线网卡与电源箱的第二USB插口相连。无线网络传输系统固定在底座上。
该基于树莓派的虫害图像测报方法具体如下：
步骤一、用户登录云服务器数据处理系统，设置一天中采集图像的时间点，并根据涂覆的昆虫性信息素涂层设置白色粘板类型。将白色粘板放置于粘板托盘上，摄像头镜头正对白色粘板。非初次安置在田间且未更换白色粘板，则无需执行步骤一。
步骤二、树莓派驱动温湿度传感器检测环境中的温度值和湿度值，驱动雨滴传感器检测当前是否下雨。树莓派每天均在步骤一中设定的时间点驱动摄像头拍摄白色粘板，获取原始图。
步骤三、树莓派通过无线网络传输系统向云服务器数据处理系统查询当前的白色粘板类型，确定当前捕获的害虫种类。
步骤四、树莓派对原始图灰度化处理后，再进行直方图均衡化处理，得到灰度图，并设定全局阈值T，T取0～255中的一个值。
步骤五、用T值分割灰度图，获得第一像素组H1和第二像素组H2，第一像素组H1为所有灰度值大于T的像素集合，第二像素组H2为所有灰度值小于或等于T的像素集合。
步骤六、计算第一像素组H1内像素的平均值m1，计算第二像素组H2内像素的平均值m2。若T与m1、m2平均值的差值大于预设值a，5≤a≤20，则取新的T等于m1和m2的平均值，且重复步骤五。若T与m1、m2平均值的差值小于预设值a，则将第一像素组H1内所有像素的像素值变为255，将第二像素组H2内所有像素的像素值变为0，得到分割图。
步骤七、对分割图进行开运算操作，得到减噪图。
步骤八、对减噪图进行3×3中值滤波，消除图中的脉冲噪声以及椒盐噪声，得到计数图。
步骤九、计数图中害虫粘连形成的每个黑色区域均视为一个连通域。获取每个连通域的轮廓，并由轮廓计算出每个连通域的面积。调用当前白色粘板类型对应的害虫数量运算函数表达式，计算出每个连通域中的害虫数量。将所有连通域害虫数量相加，得出白色粘板上的害虫总数量Nai，i为白色粘板更换后经过的天数。
若当天为白色粘板更换后的第一天；则白色粘板上的害虫总数量Nai即为当天的害虫捕获数量Ni；
若当天不为白色粘板更换后的第一天；取白色粘板上的害虫总数量Nai减去前一天白色粘板上的害虫总数量Na(i-1)的值为第一运算值Nb。将当天得到的每个连通域面积分别减去前一天对应位置处的连通域面积，得到各个连通域增量面积。调用对应白色粘板类型的害虫数量运算函数表达式，计算出每个连通域增量面积对应的害虫数量。将所有连通域增量面积对应的害虫数量相加，得出第二运算值Nc。当天的害虫捕获数量Ni等于第一运算值Nb与第二运算值Nc的平均值。
步骤十、树莓派通过无线网络传输系统向云服务器数据处理系统发送当天的害虫捕获数量Ni、温度值、湿度值、下雨情况以及当天拍摄的原始图。
所述的无线网卡为天翼4G无线网卡。
所述的白色粘板为长方形，且长、宽均比粘板托盘短a，a取0.5～1cm中的一个值。
所述的第一透明挡板和第二透明挡板均采用塑料材质。
所述害虫数量运算函数表达式的求取方式如下：拍摄b张害虫样图，200≤b≤600，记录下各害虫样图内各个连通域的害虫数量，对所有害虫样图进行步骤四、五、六、七和八操作，得到b张处理样图；计算所有处理样图中各个连通域的面积；在横坐标为连通域面积，纵坐标为害虫数量的坐标系中进行描点，得到离散点；再将所得离散点拟合成一条曲线，该曲线的函数表达式即所求的害虫数量运算函数表达式。
本发明具有的有益效果是：
1、本发明基于树莓派，结合Linux操作系统(具体为Raspbian操作系统)以及图像处理技术，能够远程获取白色粘板上害虫图像，并检测出图像中害虫数量，将原始图像和检测结果上传至云服务器，供工作人员远程查看并操作。
2、本发明中白色粘板增加了底色和害虫颜色的反差，更有利于图像后期处理；如果白色粘板粘满或即将粘满虫子，工作人员可以更换粘板。
3、本发明在室外工作，第一透明挡板、第二透明挡板能够起到防雨、遮尘作用。同时，室外光源难以得到保障，而透明材质挡板使得光更好地透过，让摄像头拍照有足够光线，便于后期处理虫害图像从而提高计数精确度。
4、本发明在完成害虫计数工作同时，可对害虫进行诱捕杀害。
5、本发明通过更换白色粘板的种类，能够专门诱捕稻纵卷叶螟或大螟中的一种，并进行图像处理及计数。相比于计数时对两种不同害虫采用同一运算函数进行计数，计数准确性上更有优势。
6、本发明能够获取温湿度信息及雨水情况，上传到云服务器，并绘制温度、湿度、下雨情况与虫量的关系曲线图，供工作人员查看、导出。由于虫害的爆发与环境的温度、湿度以及下雨情况都有密不可分的联系，故得到的关系曲线图能够有效帮助用户预测未来的虫害情况。
附图说明
图1为本发明中图像及环境信息采集系统的整体结构示意图；
图2为本发明中计数图的一张示例图。
具体实施方式
以下结合附图对本发明作进一步说明。
如图1所示，基于树莓派的虫害图像测报方法所用的虫害图像测报系统，包括图像及环境信息采集系统、图像及环境信息处理系统和无线网络传输系统。图像及环境信息处理系统通过无线网络传输系统与云服务器数据处理系统连接。
图像及环境信息采集系统包括摄像头201、摄像头固定板202、摄像头15Pin FFC排线203、第一透明挡板204、第二透明挡板205、顶端横梁206、白色粘板207、粘板托盘208、主支架209、底座217、温湿度传感器218和雨滴传感器219。摄像头201固定于摄像头固定板202上；摄像头固定板202固定于顶端横梁206的中心处，使得摄像头201镜头正对白色粘板207中心；第一透明挡板204的两端与顶端横梁206和粘板托盘208的一端分别固定，第二透明挡板205的两端与顶端横梁206和粘板托盘208的另一端分别固定，使得第一透明挡板204、第二透明挡板205、顶端横梁206与粘板托盘208形成中空且两端开放的三棱柱体；第二透明挡板205与粘板托盘208固定的那端固定有雨滴传感器219。两端开放的三棱柱体让虫子可以飞到白色粘板207上去；第一透明挡板204和第二透明挡板205起防雨、遮尘作用，同时让光更好地透过，让摄像头拍照有足够光线；白色粘板207放置于粘板托盘208上，如果白色粘板207粘满了虫子，可以更换；白色粘板207增加了底色和害虫的反差，使图像处理起来比较容易；白色粘板207为长方形，且长、宽均比粘板托盘208短a，a取0.5～1cm中的一个值；白色粘板207表面涂覆有昆虫性信息素涂层，将昆虫引诱至粘板粘附，昆虫性信息素品种不同，白色粘板所引诱的害虫种类则不同；采用的昆虫性信息素为稻纵卷叶螟性信息素或大螟性信息素，各自对应稻纵卷叶螟和大螟两种水稻害虫。粘板托盘208的中心与主支架209的顶端固定，主支架209的底端与底座217固定。温湿度传感器218固定在主支架209上。
图像及环境信息处理系统采用树莓派(Raspberry Pi)210，树莓派搭载Raspbian操作系统，该操作系统具有极强的可扩展性，同时树莓派官方提供非常丰富的SDK包；图像及环境信息处理系统的第一I/O口接温湿度传感器218的数据输出引脚，第二I/O口接雨滴传感器219的数据输出引脚。图像及环境信息处理系统的CSI接口211与摄像头201通过摄像头15Pin FFC排线203相连；图像及环境信息处理系统驱动摄像头负责采集图像。图像及环境信息处理系统的USB电源线212与电源箱213的第一USB插口214相连；图像及环境信息处理系统和电源箱213均固定在底座217上。
无线网络传输系统采用天翼4G无线网卡216；图像及环境信息处理系统的WiFi模块连接上天翼4G无线网卡216造出WiFi热点，图像及环境信息处理系统的数据通过http协议传输给云服务器数据处理系统；天翼4G无线网卡216与电源箱的第二USB插口215相连，从而对天翼4G无线网卡216进行供电。无线网络传输系统固定在底座217上。
基于树莓派的虫害图像测报方法如下：
步骤一、用户登录云服务器数据处理系统。云服务器数据处理系统的账号为购买时获得，即使用地的ID号，ID号包括第一字段、第二字段和第三字段，第一字段为五位小写字母，第二字段为六位数字，第三字段为五位大写字母，第一字段与第二字段通过短横线连接，第二字段与第三字段通过短横线连接。用户登录后能够看到ID号对应使用地的虫害信息。用户登录后，设置一天中采集图像的时间点，并根据涂覆的昆虫性信息素涂层设置白色粘板类型。将白色粘板207放置于粘板托盘上，摄像头201镜头正对白色粘板。非初次安置在田间且未更换白色粘板，则无需执行步骤一。
步骤二、树莓派驱动温湿度传感器218检测环境中的温度值和湿度值，驱动雨滴传感器219检测当前是否下雨。树莓派每天均在步骤一中设定的时间点驱动摄像头拍摄白色粘板，获取原始图。
步骤三、树莓派通过无线网络传输系统向云服务器数据处理系统查询当前的白色粘板类型，确定当前捕获的害虫种类。
步骤四、树莓派对原始图灰度化处理后，再进行直方图均衡化处理，得到灰度图，并设定全局阈值T，T取0～255中的一个值。
步骤五、用T值分割灰度图，获得第一像素组H1和第二像素组H2，第一像素组H1为所有灰度值大于T的像素集合，第二像素组H2为所有灰度值小于或等于T的像素集合。
步骤六、计算第一像素组H1内像素的平均值m1，计算第二像素组H2内像素的平均值m2。若T与m1、m2平均值的差值大于预设值a，5≤a≤20，则取新的T等于m1和m2的平均值，且重复步骤五。若T与m1、m2平均值的差值小于预设值a，则将第一像素组H1内所有像素的像素值变为255，将第二像素组H2内所有像素的像素值变为0，得到分割图。
步骤七、对分割图进行开运算操作，得到减噪图。
步骤八、对减噪图进行3×3中值滤波，消除图中的脉冲噪声以及椒盐噪声，得到计数图。在计数图中，黑色区域即为害虫。由于粘在白色粘板上的害虫会相互粘连，故图中黑色区域有大有小。计数图的一张示例图如图2所示。
步骤九、计数图中害虫粘连形成的每个黑色区域均视为一个连通域。获取每个连通域的轮廓，并由轮廓计算出每个连通域的面积。调用当前白色粘板类型对应的害虫数量运算函数表达式，计算出每个连通域中的害虫数量。将所有连通域害虫数量相加，得出白色粘板上的害虫总数量Nai，i为白色粘板更换后经过的天数。
害虫数量运算函数表达式的求取方式如下：拍摄b张害虫样图，200≤b≤600，记录下各害虫样图内各个连通域的害虫数量，对所有害虫样图进行步骤四、五、六、七和八操作，得到b张处理样图。计算所有处理样图中各个连通域的面积。在横坐标为连通域面积，纵坐标为害虫数量的坐标系中进行描点，得到离散点；再将所得离散点拟合成一条曲线，该曲线的函数表达式即所求的害虫数量运算函数表达式。
若当天为白色粘板更换后的第一天；则白色粘板上的害虫总数量Nai即为当天的害虫捕获数量Ni。
若当天不为白色粘板更换后的第一天；取白色粘板上的害虫总数量Nai减去前一天白色粘板上的害虫总数量Na(i-1)的值为第一运算值Nb。将当天得到的每个连通域面积分别减去前一天对应位置处的连通域面积，得到各个连通域增量面积。调用对应白色粘板类型的害虫数量运算函数表达式，计算出每个连通域增量面积对应的害虫数量。将所有连通域增量面积对应的害虫数量相加，得出第二运算值Nc。当天的害虫捕获数量Ni等于第一运算值Nb与第二运算值Nc的平均值。
步骤十、树莓派通过无线网络传输系统向云服务器数据处理系统发送当天的害虫捕获数量Ni、温度值、湿度值、下雨情况以及当天拍摄的原始图。云服务器数据处理系统将收到的原始图以使用地的ID号+日期命名。云服务器数据处理系统以ID号、使用地、日期、害虫种类、害虫数量、当日平均温度、当日相对湿度和当日是否下雨为表头生成表格，并自动绘制温度、湿度、下雨情况与虫量的关系曲线图。用户登录后能够在网页上查看对应ID号的表格和关系曲线图，并能够在云服务器中选择将所有历史虫害数据导出到本地，省去人工抄写数据的麻烦。

Claims (5)

1.基于树莓派的虫害图像测报方法，其特征在于：该方法所用的虫害图像测报系统，包括图像及环境信息采集系统、图像及环境信息处理系统和无线网络传输系统；图像及环境信息处理系统通过无线网络传输系统与云服务器数据处理系统连接；
所述的图像及环境信息采集系统包括摄像头、摄像头固定板、第一透明挡板、第二透明挡板、顶端横梁、白色粘板、粘板托盘、主支架、底座、温湿度传感器和雨滴传感器；所述的摄像头固定于摄像头固定板上；所述的摄像头固定板固定于顶端横梁的中心处；第一透明挡板的两端与顶端横梁和粘板托盘的一端分别固定，第二透明挡板的两端与顶端横梁和粘板托盘的另一端分别固定，第一透明挡板、第二透明挡板、顶端横梁与粘板托盘形成中空且两端开放的三棱柱体；所述的第二透明挡板与粘板托盘固定的那端固定有雨滴传感器；所述的白色粘板放置于粘板托盘上；白色粘板表面涂覆有昆虫性信息素涂层；粘板托盘的中心与主支架的顶端固定，主支架的底端与底座固定；温湿度传感器固定在主支架上；
所述图像及环境信息处理系统的第一I/O口接温湿度传感器的数据输出引脚，第二I/O口接雨滴传感器的数据输出引脚；所述图像及环境信息处理系统的CSI接口与摄像头相连；图像及环境信息处理系统的USB电源线与电源箱的第一USB插口相连；图像及环境信息处理系统和电源箱均固定在底座上；所述的图像及环境信息处理系统为树莓派；
所述的无线网络传输系统采用无线网卡；图像及环境信息处理系统的WiFi模块连接上无线网卡造出WiFi热点，图像及环境信息处理系统的数据通过http协议传输给云服务器数据处理系统；无线网卡与电源箱的第二USB插口相连；无线网络传输系统固定在底座上；
该基于树莓派的虫害图像测报方法具体如下：
步骤一、用户登录云服务器数据处理系统，设置一天中采集图像的时间点，并根据涂覆的昆虫性信息素涂层设置白色粘板类型；将白色粘板放置于粘板托盘上，摄像头镜头正对白色粘板；非初次安置在田间且未更换白色粘板，则无需执行步骤一；
步骤二、树莓派驱动温湿度传感器检测环境中的温度值和湿度值，驱动雨滴传感器检测当前是否下雨；树莓派每天均在步骤一中设定的时间点驱动摄像头拍摄白色粘板，获取原始图；
步骤三、树莓派通过无线网络传输系统向云服务器数据处理系统查询当前的白色粘板类型，确定当前捕获的害虫种类；
步骤四、树莓派对原始图灰度化处理后，再进行直方图均衡化处理，得到灰度图，并设定全局阈值T，T取0～255中的一个值；
步骤五、用T值分割灰度图，获得第一像素组H1和第二像素组H2，第一像素组H1为所有灰度值大于T的像素集合，第二像素组H2为所有灰度值小于或等于T的像素集合；
步骤六、计算第一像素组H1内像素的平均值m1，计算第二像素组H2内像素的平均值m2；若T与m1、m2平均值的差值大于预设值a，5≤a≤20，则取新的T等于m1和m2的平均值，且重复步骤五；若T与m1、m2平均值的差值小于预设值a，则将第一像素组H1内所有像素的像素值变为255，将第二像素组H2内所有像素的像素值变为0，得到分割图；
步骤七、对分割图进行开运算操作，得到减噪图；
步骤八、对减噪图进行3×3中值滤波，消除图中的脉冲噪声以及椒盐噪声，得到计数图；
步骤九、计数图中害虫粘连形成的每个黑色区域均视为一个连通域；获取每个连通域的轮廓，并由轮廓计算出每个连通域的面积；调用当前白色粘板类型对应的害虫数量运算函数表达式，计算出每个连通域中的害虫数量；将所有连通域害虫数量相加，得出白色粘板上的害虫总数量Nai，i为白色粘板更换后经过的天数；
若当天为白色粘板更换后的第一天；则白色粘板上的害虫总数量Nai即为当天的害虫捕获数量Ni；
若当天不为白色粘板更换后的第一天；取白色粘板上的害虫总数量Nai减去前一天白色粘板上的害虫总数量Na(i-1)的值为第一运算值Nb；将当天得到的每个连通域面积分别减去前一天对应位置处的连通域面积，得到各个连通域增量面积；调用对应白色粘板类型的害虫数量运算函数表达式，计算出每个连通域增量面积对应的害虫数量；将所有连通域增量面积对应的害虫数量相加，得出第二运算值Nc；当天的害虫捕获数量Ni等于第一运算值Nb与第二运算值Nc的平均值；
步骤十、树莓派通过无线网络传输系统向云服务器数据处理系统发送当天的害虫捕获数量Ni、温度值、湿度值、下雨情况以及当天拍摄的原始图。
2.根据权利要求1所述的基于树莓派的虫害图像测报方法，其特征在于：所述的无线网卡为天翼4G无线网卡。
3.根据权利要求1所述的基于树莓派的虫害图像测报方法，其特征在于：所述的白色粘板为长方形，且长、宽均比粘板托盘短a，a取0.5～1cm中的一个值。
4.根据权利要求1所述的基于树莓派的虫害图像测报方法，其特征在于：所述的第一透明挡板和第二透明挡板均采用塑料材质。
5.根据权利要求1所述的基于树莓派的虫害图像测报方法，其特征在于：所述害虫数量运算函数表达式的求取方式如下：拍摄b张害虫样图，200≤b≤600，记录下各害虫样图内各个连通域的害虫数量，对所有害虫样图进行步骤四、五、六、七和八操作，得到b张处理样图；计算所有处理样图中各个连通域的面积；在横坐标为连通域面积，纵坐标为害虫数量的坐标系中进行描点，得到离散点；再将所得离散点拟合成一条曲线，该曲线的函数表达式即所求的害虫数量运算函数表达式。
CN201710159919.9A 2017-03-17 2017-03-17 基于树莓派的虫害图像测报方法 Active CN107084756B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710159919.9A CN107084756B (zh) 2017-03-17 2017-03-17 基于树莓派的虫害图像测报方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710159919.9A CN107084756B (zh) 2017-03-17 2017-03-17 基于树莓派的虫害图像测报方法

Publications (2)

Publication Number Publication Date
CN107084756A true CN107084756A (zh) 2017-08-22
CN107084756B CN107084756B (zh) 2019-03-08

Family

ID=59614970

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710159919.9A Active CN107084756B (zh) 2017-03-17 2017-03-17 基于树莓派的虫害图像测报方法

Country Status (1)

Country Link
CN (1) CN107084756B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110515130A (zh) * 2019-09-03 2019-11-29 河南工业大学 一种基于信道状态信息的储粮害虫检测方法及装置
CN110604071A (zh) * 2019-09-12 2019-12-24 四川农业大学 基于人工智能的非接触式种猪体温异常监测系统
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

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH06197674A (ja) * 1992-06-28 1994-07-19 Masao Yoshida レーザー光線によりネズミ・ゴキブリ等の害虫駆除方法及び駆除装置。
CN101052147A (zh) * 2007-05-24 2007-10-10 中国科学院合肥物质科学研究院 大田作物病虫害智能预警系统
CN101695128A (zh) * 2009-10-21 2010-04-14 中国农业大学 植物病害远程诊断仪
CN203605974U (zh) * 2013-11-19 2014-05-21 梁元 基于树莓派的移动环境检测装置
CN104019848A (zh) * 2014-05-27 2014-09-03 浙江拜肯生物科技有限公司 一种利用成像技术的虫情监测系统
CN104035412A (zh) * 2014-06-12 2014-09-10 江苏恒创软件有限公司 一种基于无人机的农作物病虫害监测系统和方法
JP2015096041A (ja) * 2013-11-15 2015-05-21 弘崇 新妻 レーザーによる害獣と害虫の追い払い
CN106130957A (zh) * 2016-06-08 2016-11-16 山东师范大学 基于树莓派的警用远程WiFi网络侦查取证系统及其方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH06197674A (ja) * 1992-06-28 1994-07-19 Masao Yoshida レーザー光線によりネズミ・ゴキブリ等の害虫駆除方法及び駆除装置。
CN101052147A (zh) * 2007-05-24 2007-10-10 中国科学院合肥物质科学研究院 大田作物病虫害智能预警系统
CN101695128A (zh) * 2009-10-21 2010-04-14 中国农业大学 植物病害远程诊断仪
JP2015096041A (ja) * 2013-11-15 2015-05-21 弘崇 新妻 レーザーによる害獣と害虫の追い払い
CN203605974U (zh) * 2013-11-19 2014-05-21 梁元 基于树莓派的移动环境检测装置
CN104019848A (zh) * 2014-05-27 2014-09-03 浙江拜肯生物科技有限公司 一种利用成像技术的虫情监测系统
CN104035412A (zh) * 2014-06-12 2014-09-10 江苏恒创软件有限公司 一种基于无人机的农作物病虫害监测系统和方法
CN106130957A (zh) * 2016-06-08 2016-11-16 山东师范大学 基于树莓派的警用远程WiFi网络侦查取证系统及其方法

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110515130A (zh) * 2019-09-03 2019-11-29 河南工业大学 一种基于信道状态信息的储粮害虫检测方法及装置
CN110515130B (zh) * 2019-09-03 2021-08-06 河南工业大学 一种基于信道状态信息的储粮害虫检测方法及装置
CN110604071A (zh) * 2019-09-12 2019-12-24 四川农业大学 基于人工智能的非接触式种猪体温异常监测系统
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

Also Published As

Publication number Publication date
CN107084756B (zh) 2019-03-08

Similar Documents

Publication Publication Date Title
Kays et al. Monitoring wild animal communities with arrays of motion sensitive camera traps
CN104381231B (zh) 一种基于图像的野外虫情监测装置
Kays et al. Camera traps as sensor networks for monitoring animal communities
CN107084756A (zh) 基于树莓派的虫害图像测报方法
US7916951B2 (en) System and method for detecting and classifying objects in images, such as insects and other arthropods
CN107578089A (zh) 一种农作物灯诱测报害虫的自动识别与计数方法
JP3796526B2 (ja) 害虫計数装置
CN203324781U (zh) 一种害虫诱捕装置和害虫远程识别监控系统
CN106570534A (zh) 全自动微小昆虫诱集检测方法及其系统
CN108732175A (zh) 基于机器视觉的远程昆虫识别和计数装置
CN106614440B (zh) 一种基于物联网的农作物害虫智能测报系统
CN105938571A (zh) 害虫识别计数系统及方法
CN109063815A (zh) 一种害虫识别统计装置、系统及方法
CN107609600A (zh) 一种温室粘虫板害虫自动识别分类方法及系统
CN114460080A (zh) 一种水稻病虫智能监控系统
Quilter et al. A proposed method for determining shrub utilization using (LA/LS) imagery.
CN206757392U (zh) 基于物联网的农业大棚巡查管理装置
CN207067785U (zh) 一种基于农业物联网的智能桑基鱼塘管理系统
CN206557853U (zh) 基于树莓派的虫害图像测报系统
Abdulla et al. Agriculture based on Internet of Things and Deep Learning
CN208421879U (zh) 一种害虫识别统计装置及系统
CN207007727U (zh) 一种烟片储存环境虫害检测装置
Burr et al. Estimating waterbird abundance on catfish aquaculture ponds using an unmanned aerial system
CN115690521A (zh) 一种芥蓝成熟度识别方法
CN211881841U (zh) 基于微信平台的烟草害虫测报系统

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
GR01 Patent grant
GR01 Patent grant