CN108829154A - 杀虫灯控制方法及装置 - Google Patents
杀虫灯控制方法及装置 Download PDFInfo
- Publication number
- CN108829154A CN108829154A CN201810970659.8A CN201810970659A CN108829154A CN 108829154 A CN108829154 A CN 108829154A CN 201810970659 A CN201810970659 A CN 201810970659A CN 108829154 A CN108829154 A CN 108829154A
- Authority
- CN
- China
- Prior art keywords
- insecticidal lamp
- pest
- cut zone
- control
- described 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
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D25/00—Control of light, e.g. intensity, colour or phase
- G05D25/02—Control of light, e.g. intensity, colour or phase characterised by the use of electric means
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01M—CATCHING, TRAPPING OR SCARING OF ANIMALS; APPARATUS FOR THE DESTRUCTION OF NOXIOUS ANIMALS OR NOXIOUS PLANTS
- A01M1/00—Stationary means for catching or killing insects
- A01M1/02—Stationary means for catching or killing insects with devices or substances, e.g. food, pheronones attracting the insects
- A01M1/026—Stationary means for catching or killing insects with devices or substances, e.g. food, pheronones attracting the insects combined with devices for monitoring insect presence, e.g. termites
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01M—CATCHING, TRAPPING OR SCARING OF ANIMALS; APPARATUS FOR THE DESTRUCTION OF NOXIOUS ANIMALS OR NOXIOUS PLANTS
- A01M1/00—Stationary means for catching or killing insects
- A01M1/02—Stationary means for catching or killing insects with devices or substances, e.g. food, pheronones attracting the insects
- A01M1/04—Attracting insects by using illumination or colours
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01M—CATCHING, TRAPPING OR SCARING OF ANIMALS; APPARATUS FOR THE DESTRUCTION OF NOXIOUS ANIMALS OR NOXIOUS PLANTS
- A01M1/00—Stationary means for catching or killing insects
- A01M1/22—Killing insects by electric means
- A01M1/226—Killing insects by electric means by using waves, fields or rays, e.g. sound waves, microwaves, electric waves, magnetic fields, light rays
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Pest Control & Pesticides (AREA)
- Engineering & Computer Science (AREA)
- Environmental Sciences (AREA)
- Insects & Arthropods (AREA)
- Wood Science & Technology (AREA)
- Zoology (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Catching Or Destruction (AREA)
Abstract
本发明实施例提供一种杀虫灯控制方法及装置,涉及杀虫灯控制技术领域,应用于杀虫灯控制设备,所述杀虫灯控制设备用于控制包括能发出不同波长光线的光源的杀虫灯,且所述杀虫灯控制设备与图像采集设备连接。所述方法包括:获取所述图像采集设备采集的杀虫灯所在环境的图像画面;对所述图像画面进行图像处理,得到所述杀虫灯所在环境中包含的害虫类型;根据所述害虫类型控制所述杀虫灯发出相应波长的光线。通过该方法可以根据杀虫灯所在环境中的害虫类型自动控制杀虫灯发出相应波长的光线,提高杀虫灯控制的智能性和诱虫的精准性。
Description
技术领域
本发明涉及杀虫灯控制技术领域,具体而言,涉及一种杀虫灯控制方法及装置。
背景技术
杀虫灯是根据昆虫的趋光性特点,利用昆虫敏感的特定光谱范围诱集昆虫并杀灭昆虫的专用装置,通过该装置可以有效地杀灭害虫,减少杀虫剂的使用。
现有技术中,已存在具有不同发光波长的光源的杀虫灯,但无法根据杀虫灯所在环境中的害虫类型自动控制杀虫灯发出相应波长的光线。
因此,对于本领域技术人员而言,研究一种能够根据杀虫灯所在环境中的害虫类型自动控制杀虫灯发出相应波长的光线的杀虫灯控制技术具有重要意义。
发明内容
为了克服现有技术中的上述不足,本发明的目的在于提供一种杀虫灯控制方法及装置,以实现根据杀虫灯所在环境中的害虫类型自动控制杀虫灯发出相应波长的光线。
为了实现上述目的,本发明较佳实施例采用的技术方案如下:
第一方面,本发明实施例提供一种杀虫灯控制方法,应用于杀虫灯控制设备,所述杀虫灯控制设备用于控制包括能发出不同波长光线的光源的杀虫灯,所述杀虫灯控制设备与图像采集设备连接;所述方法包括:
获取所述图像采集设备采集的杀虫灯所在环境的图像画面;
对所述图像画面进行图像处理,得到所述杀虫灯所在环境中包含的害虫类型;
根据所述害虫类型控制所述杀虫灯发出相应波长的光线。
可选地,在本发明实施例中,所述对所述图像画面进行图像处理,得到所述杀虫灯所在环境中包含的害虫类型的步骤,包括:
提取所述图像画面中的特征数据;
将所述特征数据输入预先建立的分类模型进行识别,得出所述杀虫灯所在环境中包含的害虫类型。
进一步地,在本发明实施例中,所述提取所述图像画面中的特征数据的步骤,包括:
对所述图像画面进行图像分割,得到多个分割区域;
从所述多个分割区域中提取出害虫对象对应的分割区域,并将所述害虫对象对应的分割区域中包含的特征数据作为所述图像画面的特征数据。
进一步地,所述对所述图像画面进行图像分割的步骤,包括:
将灰度和/或纹理相似度满足预设阈值的相邻像素点或像素集进行组合,构成一分割区域。
进一步地,所述从所述多个分割区域中提取出害虫对象对应的分割区域的步骤,包括:
根据所述分割区域的形状特征以及分割区域中像素点的颜色特征和纹理特征,从所述多个分割区域中提取出满足预设条件的分割区域作为害虫对象对应的分割区域。
可选地,在本发明实施例中,所述根据所述害虫类型控制所述杀虫灯发出相应波长的光线的步骤,包括:
根据所述害虫类型得到对应的趋光波长;
根据所述趋光波长控制所述杀虫灯发出相应波长的光线。
第二方面,本发明实施例还提供一种杀虫灯控制装置,应用于杀虫灯控制设备,所述杀虫灯控制设备用于控制包括能发出不同波长光线的光源的杀虫灯,所述杀虫灯控制设备与图像采集设备连接,所述装置包括:
获取模块,用于获取所述图像采集设备采集的杀虫灯所在环境的图像画面;
处理模块,用于对所述图像画面进行图像处理,得到所述杀虫灯所在环境中包含的害虫类型;
控制模块,用于根据所述害虫类型控制所述杀虫灯发出相应波长的光线。
可选地,在本发明实施例中,所述处理模块具体用于:
提取所述图像画面中的特征数据;
将所述特征数据输入预先建立的分类模型进行识别,得出所述杀虫灯所在环境中包含的害虫类型。
进一步地,在本发明实施例中,所述处理模块还用于:
对所述图像画面进行图像分割,得到多个分割区域;
从所述多个分割区域中提取出害虫对象对应的分割区域,并将所述害虫对象对应的分割区域中包含的特征数据作为所述图像画面的特征数据。
可选地,在本发明实施例中,所述控制模块具体用于:
根据所述害虫类型得到对应的趋光波长,并根据所述趋光波长控制所述杀虫灯发出相应波长的光线。
相对于现有技术而言,本发明实施例提供的杀虫灯控制方法及装置具有以下有益效果:
本发明实施例提供的杀虫灯控制方法及装置通过图像识别技术,对图像采集设备采集的杀虫灯所在环境的图像画面进行处理,得到杀虫灯所在环境中包含的害虫类型,然后根据该害虫类型对应的趋光波长控制杀虫灯发出相应波长的光线对害虫诱集和杀灭,提高了杀虫灯控制的智能性和诱虫的精准性。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的部分实施例,因此不应被看作是对范围的限定,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它相关的附图。
图1为本发明实施例提供的杀虫灯控制设备的结构示意图;
图2为本发明实施例提供的杀虫灯控制方法的步骤流程示意图;
图3为图2中步骤S2的子步骤流程示意图;
图4为图3中子步骤S21的流程示意图;
图5为本发明实施例提供的杀虫灯控制装置的模块示意图。
图标:100-杀虫灯控制设备;111-存储器;112-存储控制器;113-处理器;70-杀虫灯控制装置;701-获取模块;702-处理模块;703-控制模块。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例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。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。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它实施例,都属于本发明保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
下面结合附图,对本发明的一些实施方式作详细说明。在不冲突的情况下,下述的实施例及实施例中的特征可以相互组合。
请参照图1,为本发明实施例提供的一种杀虫灯控制设备100。所述杀虫灯控制设备100可以包括杀虫灯控制装置70、存储器111、存储控制器112及处理器113。
所述存储器111、存储控制器112及处理器113各元件相互之间直接或间接地电性连接,以实现数据的传输或交互。例如,这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。所述杀虫灯控制装置70可以包括至少一个可以软件或固件(firmware)的形式存储于所述存储器111中或固化在所述杀虫灯控制设备100的操作系统(operatingsystem,OS)中的软件功能模块。所述处理器113用于执行所述存储器111中存储的可执行模块,例如所述杀虫灯控制装置70所包括的软件功能模块及计算机程序等。
其中,所述存储器111可以是,但不限于,随机存取存储器(Random AccessMemory,RAM),只读存储器(Read Only Memory,ROM),可编程只读存储器(ProgrammableRead-Only Memory,PROM),可擦除只读存储器(Erasable Programmable Read-OnlyMemory,EPROM),电可擦除只读存储器(Electric Erasable Programmable Read-OnlyMemory,EEPROM)等。其中,存储器111用于存储程序,所述处理器113在接收到执行指令后,执行所述程序。所述处理器113以及其他可能的组件对存储器111的访问可在所述存储控制器112的控制下进行。
所述处理器113可能是一种集成电路芯片,具有信号的处理能力;也可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(NetworkProcessor,NP)等;还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等,可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。
应当理解的是,图1所示的结构仅为示意图,所述杀虫灯控制设备100还可包括比图1中所示更多或者更少的组件,或者具有与图1所示不同的配置。图1中所示的各组件可以采用硬件、软件或其组合实现。
进一步地,本发明实施例提供一种杀虫灯控制方法,该方法可以应用于图1所示的杀虫灯控制设备,所述杀虫灯控制设备用于控制包括能发出不同波长光线的光源的杀虫灯,并且在本发明实施例中所述杀虫灯控制设备连接有图像采集设备。
请参照图2,所述杀虫灯控制方法包括以下步骤:
步骤S1,获取图像采集设备采集的杀虫灯所在环境的图像画面。
在本发明实施例中,所述图像采集设备可以是一照相机,通过定时采集的方式每隔一段时间进行画面捕捉。可替换地,所述图像采集设备也可以是一摄像机,实时对杀虫灯所在环境进行图像采集。当所述图像采集设备采集到杀虫灯所在环境的图像画面之后,将所述图像画面传输至杀虫灯控制设备100。
进一步地,继续参照图2,在所述步骤S1之后,所述方法还包括:
步骤S2,对所述图像画面进行图像处理,得到所述杀虫灯所在环境中包含的害虫类型。
通过图像识别技术对所述图像采集设备采集的杀虫灯所在环境的图像画面进行处理,从而得到该杀虫灯所在环境中包含的害虫类型。
具体地,请参照图3,在本发明实施例中,所述步骤S2可以包括以下子步骤:
子步骤S21,提取图像画面中的特征数据。
在子步骤S21中,提取图像画面中的特征数据的过程可以通过图4所示的流程实现,先通过S211对所述图像画面进行图像分割,得到多个分割区域,然后通过S212从所述多个分割区域中提取出害虫对象对应的分割区域,并将所述害虫对应对应的分割区域中包含的特征数据作为所述图像画面的特征数据。
可选地,在本发明实施例中,可以通过区域生长法或边缘检测法对所述图像画面进行分割。其中,当采用区域生长法对所述图像画面进行分割时,其原理为将灰度和/或纹理相似度满足预设阈值的相邻像素点或像素集进行组合,从而构成一分割区域;当采用边缘检测法对所述图像画面进行分割时,其基本思想是先检测图像中的边缘点,然后将检测到的边缘点连接成轮廓,从而构成一分割区域对所述图像画面进行分割。
应当注意的是,在本发明实施例中,所述图像画面可以通过,但不限于上述的区域生长法和边缘检测法进行图像分割。可选地,当采用区域生长法进行图像分割时,所述预设阈值可以设置为20。
进一步地,将所述图像画面分割为多个分割区域后,可以根据各分割区域的形状特征以及分割区域中像素点的颜色特征和纹理特征,从所述多个分割区域中提取出满足预设条件的分割区域作为害虫对象对应的分割区域。换言之,即当在所述多个分割区域中检测到区域形状与预存样本相似,或该区域中包含的像素点的颜色、纹理与预存样本相似时,将该分割区域作为害虫对象对应的分割区域,并提取出该分割区域的形状特征以及该分割区域中像素点的颜色、纹理特征作为所述图像采集设备采集到的图像画面的特征数据。
具体地,在本发明实施例中,判断分割区域的形状或该区域中像素点的颜色、纹理是否与预存样本相似时,可以设置一相似度阈值进行判断,若某一个分割区域的形状或该区域中像素点的颜色、纹理与预存样本的相似度大于或等于所述相似度阈值时,则将该分割区域作为害虫对应的分割区域。此处应当注意的是,在一幅图像画面中,可以同时包括多个害虫对象对应的分割区域,并且同时将多个害虫对象对应的分割区域包含的特征数据作为所述图像画面的特征数据。
进一步地,在通过上述步骤提取到所述图像画面中的特征数据之后,所述步骤S2还包括:
子步骤S22,将所述特征数据输入预先建立的分类模型进行识别,得出所述杀虫灯所在环境中包含的害虫类型。
在本发明实施例中,可根据不同害虫类型的特征预先建立机器学习分类模型,并且此处对分类模型所采用的具体分类算法不作限定,所述分类模型可以采用KNN(k-NearestNeighbor,k最邻近)、决策树、naive bayes、逻辑回归、SVM(Support VectorMachine,支持向量机)或adaboost等分类算法。
在本发明的一种实施方式中,所述分类模型采用SVM,在将图像画面中提取的特征数据输入SVM进行识别之前,需要先对其进行训练。
具体地,所述SVM可以通过如下所示的方法进行训练:
从样本库中取出某一类型害虫的所有样本,将其标记为第一类,其余样本标记为第二类,然后将标记好分类号的所有样本作为输入数据来训练SVM1,从而得到第一类害虫相应的支持向量和分类平面。在得到经过训练的SVM1之后即可通过所述SVM1区分出第一类害虫和其他类型的害虫。
同理,向所述分类模型输入其他类型的标记样本,可以得到若干用于识别其他害虫类型的SVM2、SVM3…SVMn,并且同时得到该分类模型的决策函数。
训练完成后,将从所述图像画面中提取的特征数据以向量的形式输入该分类模型即可根据上述训练过程得到的决策函数自动进行分类,识别出该特征数据对应的害虫类型。
进一步地,请继续参照图2,通过对所述图像画面进行图像处理,得到所述杀虫灯所在环境中包含的害虫类型后,所述方法还包括:
步骤S3,根据所述害虫类型控制所述杀虫灯发出相应波长的光线。
在本发明实施例中,通过上述过程识别出杀虫灯所在环境中包含的害虫类型后,即可根据该害虫类型的趋光习性控制杀虫灯发出相应波长的光线,从而对杀虫灯所在环境中的害虫进行诱集和杀灭。
可选地,在本发明实施例中,所述杀虫灯可以包括多组可以发出不同波长光线的光源,当识别到杀虫灯所在环境中包含多种类型的害虫时,所述杀虫灯控制设备100可以控制杀虫灯中的不同光源同时发出相应波长的光线,实现同时诱集多种害虫。
请参照图5,本发明实施例还提供一种杀虫灯控制装置70,该装置可以应用于图1所示的杀虫灯控制设备100,所述杀虫灯控制设备100用于控制包括能发出不同波长光线的光源的杀虫灯,并且,所述杀虫灯控制设备100与图像采集设备连接,所述装置包括:
获取模块701,用于获取所述图像采集设备采集的杀虫灯所在环境的图像画面;
处理模块702,用于对所述图像画面进行图像处理,得到所述杀虫灯所在环境中包含的害虫类型;
控制模块703,用于根据所述害虫类型控制所述杀虫灯发出相应波长的光线。
可选地,在本发明实施例中,所述处理模块702具体用于:
提取所述图像画面中的特征数据;
将所述特征数据输入预先建立的分类模型进行识别,得出所述杀虫灯所在环境中包含的害虫类型。
进一步地,在本发明实施例中,所述处理模块702还用于:
对所述图像画面进行图像分割,得到多个分割区域;
从所述多个分割区域中提取出害虫对象对应的分割区域,并将所述害虫对象对应的分割区域中包含的特征数据作为所述图像画面的特征数据。
可选地,在本发明实施例中,所述控制模块703具体用于:
根据所述害虫类型得到对应的趋光波长,并根据所述趋光波长控制所述杀虫灯发出相应波长的光线。
在本发明实施例中,所述杀虫灯可以包括多组可以发出不同波长光线的光源,当识别到杀虫灯所在环境中包含多种类型的害虫时,所述杀虫灯控制设备100可以控制杀虫灯中的不同光源同时发出相应波长的光线,实现同时诱集多种害虫。其中,所述光源的发光波长可以通过功率进行控制。
应当注意的是,在本发明实施例中所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
综上所述,本发明实施例提供一种杀虫灯控制方法及装置,所述方法及装置通过图像识别技术,对图像采集设备采集的杀虫灯所在环境的图像画面进行处理,得到杀虫灯所在环境中包含的害虫类型,然后根据该害虫类型对应的趋光波长控制杀虫灯发出相应波长的光线对害虫诱集和杀灭,提高了杀虫灯控制的智能性和诱虫的精准性。
以上所述实施例,仅为本发明的具体实施方式,用以说明本发明的技术方案,而非对其限制,本发明的保护范围并不局限于此,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:任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种杀虫灯控制方法,其特征在于,应用于杀虫灯控制设备,所述杀虫灯控制设备用于控制包括能发出不同波长光线的光源的杀虫灯,所述杀虫灯控制设备与图像采集设备连接;所述方法包括:
获取所述图像采集设备采集的杀虫灯所在环境的图像画面;
对所述图像画面进行图像处理,得到所述杀虫灯所在环境中包含的害虫类型;
根据所述害虫类型控制所述杀虫灯发出相应波长的光线。
2.如权利要求1所述的方法,其特征在于,所述对所述图像画面进行图像处理,得到所述杀虫灯所在环境中包含的害虫类型的步骤,包括:
提取所述图像画面中的特征数据;
将所述特征数据输入预先建立的分类模型进行识别,得出所述杀虫灯所在环境中包含的害虫类型。
3.如权利要求2所述的方法,其特征在于,所述提取所述图像画面中的特征数据的步骤,包括:
对所述图像画面进行图像分割,得到多个分割区域;
从所述多个分割区域中提取出害虫对象对应的分割区域,并将所述害虫对象对应的分割区域中包含的特征数据作为所述图像画面的特征数据。
4.如权利要求3所述的方法,其特征在于,所述对所述图像画面进行图像分割的步骤,包括:
将灰度和/或纹理相似度满足预设阈值的相邻像素点或像素集进行组合,构成一分割区域。
5.如权利要求4所述的方法,其特征在于,所述从所述多个分割区域中提取出害虫对象对应的分割区域的步骤,包括:
根据所述分割区域的形状特征以及分割区域中像素点的颜色特征和纹理特征,从所述多个分割区域中提取出满足预设条件的分割区域作为害虫对象对应的分割区域。
6.如权利要求1所述的方法,其特征在于,所述根据所述害虫类型控制所述杀虫灯发出相应波长的光线的步骤,包括:
根据所述害虫类型得到对应的趋光波长;
根据所述趋光波长控制所述杀虫灯发出相应波长的光线。
7.一种杀虫灯控制装置,其特征在于,应用于杀虫灯控制设备,所述杀虫灯控制设备用于控制包括能发出不同波长光线的光源的杀虫灯,所述杀虫灯控制设备与图像采集设备连接,所述装置包括:
获取模块,用于获取所述图像采集设备采集的杀虫灯所在环境的图像画面;
处理模块,用于对所述图像画面进行图像处理,得到所述杀虫灯所在环境中包含的害虫类型;
控制模块,用于根据所述害虫类型控制所述杀虫灯发出相应波长的光线。
8.如权利要求7所述的装置,其特征在于,所述处理模块具体用于:
提取所述图像画面中的特征数据;
将所述特征数据输入预先建立的分类模型进行识别,得出所述杀虫灯所在环境中包含的害虫类型。
9.如权利要求7或8所述的装置,其特征在于,所述处理模块还用于:
对所述图像画面进行图像分割,得到多个分割区域;
从所述多个分割区域中提取出害虫对象对应的分割区域,并将所述害虫对象对应的分割区域中包含的特征数据作为所述图像画面的特征数据。
10.如权利要求7所述的装置,其特征在于,所述控制模块具体用于:
根据所述害虫类型得到对应的趋光波长,并根据所述趋光波长控制所述杀虫灯发出相应波长的光线。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810970659.8A CN108829154A (zh) | 2018-08-24 | 2018-08-24 | 杀虫灯控制方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810970659.8A CN108829154A (zh) | 2018-08-24 | 2018-08-24 | 杀虫灯控制方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108829154A true CN108829154A (zh) | 2018-11-16 |
Family
ID=64151401
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810970659.8A Pending CN108829154A (zh) | 2018-08-24 | 2018-08-24 | 杀虫灯控制方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108829154A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109511642A (zh) * | 2018-11-29 | 2019-03-26 | 陕西师范大学 | 一种基于图像和聚类分析的草原灭鼠方法及系统 |
CN110973093A (zh) * | 2019-12-12 | 2020-04-10 | 金同磊 | 改进的灭蚊方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100654216B1 (ko) * | 2006-04-24 | 2006-12-06 | 주식회사 세스코 | 불꽃감지센서를 이용한 비래해충의 살충 계수 장치 및 살충계수 방법 |
CN106331171A (zh) * | 2016-10-17 | 2017-01-11 | 王卫斌 | 一种病虫害联网监测系统及监测控制方法 |
CN106373136A (zh) * | 2015-07-22 | 2017-02-01 | 崔胡晋 | 一种基于颜色和特征的害虫识别计数方法 |
CN107346424A (zh) * | 2017-06-30 | 2017-11-14 | 成都东谷利农农业科技有限公司 | 灯诱昆虫识别计数方法及系统 |
CN107809833A (zh) * | 2017-11-24 | 2018-03-16 | 北京守朴科技有限公司 | 杀虫灯控制方法、装置及系统 |
CN107926887A (zh) * | 2017-10-31 | 2018-04-20 | 四川农业大学 | 农作物病虫害精准识别与智能控制系统 |
CN108009936A (zh) * | 2017-10-31 | 2018-05-08 | 四川农业大学 | 基于物联网的病虫害监测系统 |
-
2018
- 2018-08-24 CN CN201810970659.8A patent/CN108829154A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100654216B1 (ko) * | 2006-04-24 | 2006-12-06 | 주식회사 세스코 | 불꽃감지센서를 이용한 비래해충의 살충 계수 장치 및 살충계수 방법 |
CN106373136A (zh) * | 2015-07-22 | 2017-02-01 | 崔胡晋 | 一种基于颜色和特征的害虫识别计数方法 |
CN106331171A (zh) * | 2016-10-17 | 2017-01-11 | 王卫斌 | 一种病虫害联网监测系统及监测控制方法 |
CN107346424A (zh) * | 2017-06-30 | 2017-11-14 | 成都东谷利农农业科技有限公司 | 灯诱昆虫识别计数方法及系统 |
CN107926887A (zh) * | 2017-10-31 | 2018-04-20 | 四川农业大学 | 农作物病虫害精准识别与智能控制系统 |
CN108009936A (zh) * | 2017-10-31 | 2018-05-08 | 四川农业大学 | 基于物联网的病虫害监测系统 |
CN107809833A (zh) * | 2017-11-24 | 2018-03-16 | 北京守朴科技有限公司 | 杀虫灯控制方法、装置及系统 |
Non-Patent Citations (2)
Title |
---|
刘军,冯艳君,宋凯: "《基因芯片制备及数据分析技术》", 31 May 2015 * |
陈根方: "《智能音乐学与中国音乐数字媒体论》", 31 May 2018 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109511642A (zh) * | 2018-11-29 | 2019-03-26 | 陕西师范大学 | 一种基于图像和聚类分析的草原灭鼠方法及系统 |
CN109511642B (zh) * | 2018-11-29 | 2021-05-11 | 陕西师范大学 | 一种基于图像和聚类分析的草原灭鼠方法及系统 |
CN110973093A (zh) * | 2019-12-12 | 2020-04-10 | 金同磊 | 改进的灭蚊方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Qureshi et al. | Machine vision for counting fruit on mango tree canopies | |
Zhao et al. | Detecting tomatoes in greenhouse scenes by combining AdaBoost classifier and colour analysis | |
Aliyu et al. | Machine learning for plant disease detection: An investigative comparison between support vector machine and deep learning | |
CN114550108B (zh) | 一种草地贪夜蛾的识别预警方法及系统 | |
Singh et al. | A review on: Various techniques of plant leaf disease detection | |
Mzoughi et al. | Deep learning-based segmentation for disease identification | |
CN108829154A (zh) | 杀虫灯控制方法及装置 | |
Mahalakshmi et al. | RETRACTED ARTICLE: Agro Suraksha: pest and disease detection for corn field using image analysis | |
Deepika et al. | A survey on pest and disease monitoring of crops | |
Pournima et al. | Hybrid BILSTM Network for Improving Crop Pest Classification | |
Parez et al. | Towards Sustainable Agricultural Systems: A Lightweight Deep Learning Model for Plant Disease Detection. | |
Pugazhendiran et al. | An Advanced Revealing and Classification System for Plant Illnesses Using Unsupervised Bayesian-based SVM Classifier and Modified HOG-ROI Algorithm | |
Mitra et al. | aGROdet: a novel framework for plant disease detection and leaf damage estimation | |
Kargar et al. | A novel resource-constrained insect monitoring system based on machine vision with edge AI | |
Padmanabhuni et al. | An extensive study on classification based plant disease detection system | |
CN109949283B (zh) | 基于卷积神经网络识别虫子种类和活性的方法及系统 | |
Victoriano et al. | Automated detection and identification of olive fruit fly using yolov7 algorithm | |
Labhsetwar et al. | Performance Analysis of Optimizers for Plant Disease Classification with Convolutional Neural Networks | |
Rezk et al. | An efficient IoT based framework for detecting rice disease in smart farming system | |
Kejriwal et al. | Apple Leaves Diseases Detection Using Deep Convolutional Neural Networks and Transfer Learning | |
Singh et al. | Rice Leaf Disease Prediction: A Survey | |
Jurj et al. | Real-time identification of animals found in domestic areas of Europe | |
Naveenkumar et al. | DenseNet201 for Animal detection and repellent system | |
Sundaram et al. | Detection and Providing Suggestion for Removal of Weeds Using Machine Learning Techniques | |
Teixeira et al. | Evaluating YOLO Models for Grape Moth Detection in Insect Traps |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181116 |