CN109511642B - 一种基于图像和聚类分析的草原灭鼠方法及系统 - Google Patents
一种基于图像和聚类分析的草原灭鼠方法及系统 Download PDFInfo
- Publication number
- CN109511642B CN109511642B CN201811442190.7A CN201811442190A CN109511642B CN 109511642 B CN109511642 B CN 109511642B CN 201811442190 A CN201811442190 A CN 201811442190A CN 109511642 B CN109511642 B CN 109511642B
- Authority
- CN
- China
- Prior art keywords
- sub
- point
- image
- block
- ground
- 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.)
- Expired - Fee Related
Links
- 238000007621 cluster analysis Methods 0.000 title claims abstract description 37
- 238000000034 method Methods 0.000 title claims abstract description 23
- 238000010191 image analysis Methods 0.000 title claims abstract description 16
- 238000004458 analytical method Methods 0.000 claims abstract description 15
- 230000005484 gravity Effects 0.000 claims description 6
- 244000025254 Cannabis sativa Species 0.000 abstract 1
- 241000700159 Rattus Species 0.000 description 29
- 241000699666 Mus <mouse, genus> Species 0.000 description 6
- 230000006378 damage Effects 0.000 description 5
- 241001465754 Metazoa Species 0.000 description 4
- 241000699694 Gerbillinae Species 0.000 description 2
- 241000699670 Mus sp. Species 0.000 description 2
- 241000607479 Yersinia pestis Species 0.000 description 2
- 238000005266 casting Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 244000144972 livestock Species 0.000 description 2
- 239000002689 soil Substances 0.000 description 2
- 241001494479 Pecora Species 0.000 description 1
- 241000283984 Rodentia Species 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 238000009395 breeding Methods 0.000 description 1
- 230000001488 breeding effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 210000000078 claw Anatomy 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 235000012631 food intake Nutrition 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 150000003839 salts Chemical class 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
Images
Classifications
-
- 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
- A01M25/00—Devices for dispensing poison for animals
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
- A01G13/00—Protecting plants
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/77—Determining position or orientation of objects or cameras using statistical methods
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20021—Dividing image into blocks, subimages or windows
-
- 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
- G06T2207/30181—Earth observation
- G06T2207/30188—Vegetation; Agriculture
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Business, Economics & Management (AREA)
- Toxicology (AREA)
- Probability & Statistics with Applications (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Environmental Sciences (AREA)
- Insects & Arthropods (AREA)
- Geometry (AREA)
- Mining & Mineral Resources (AREA)
- Wood Science & Technology (AREA)
- Zoology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Agronomy & Crop Science (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Pest Control & Pesticides (AREA)
- General Engineering & Computer Science (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明提供一种基于图像和聚类分析的草原灭鼠方法及系统,其通过对目标草场进行图像分析,确定多个草场子区块中单坐标点像素差的绝对值最大值所在的点,进而确定鼠饵的初始投放点,并进一步基于聚类分析确定最终的鼠饵投放点。本发明通过自动获取图像并分析实现了鼠饵投放点的自动定位,利用图像的像素差值分析寻找并定位被鼠类破坏较严重的植被区,基于聚类方法有效区分鼠类活跃区及非活跃区,进而能够确定较为精确的鼠饵投放位置,能够提高鼠饵的利用率且避免了草场植被被鼠饵的过度污染。
Description
技术领域
本发明属于图像处理技术领域,尤其涉及一种基于图像和聚类分析的草原灭鼠方法及系统。
背景技术
国内畜牧业的大规模发展主要集中于西北地区,西北地区多属于温带大陆性气候,四季少雨多风,气候干燥,冬长严寒,夏短温凉,春迟秋早,年降水量较少,,从南到北,从东南向西北递减,季节变化和和年际变化量较大,年平均气温8.1℃,所以这种特殊的地理位置及恶劣的自然条件决定了畜牧地区经济发展的主导方向以养羊为主。西北地区的草场主要分为干草原草场、荒漠草原草场、沙生植被草场、盐生植被草场四种类型,草地畜牧业是牧区经济的主体,是该地区群众赖以生存和发展的基础产业,更是生态系统的主体和屏障。
目前,西北草场地区鼠类的优势种是沙鼠及田鼠,其对草原的破坏方式主要是采食牧草与畜争食,减少载畜量和盗洞掘土造丘,破坏草原植被,造成严重的土壤风蚀,从而加速草原退化和沙化。以宁夏盐池县为例,该县约有30万公顷草原鼠害危害严重,按平均密度为每公顷16.64只计算,全县约有166万只鼠。按每鼠日食量26g计,每只鼠每年可食牧草9.5kg,全县害鼠全年可啃食牧草1 577万千克,同时每只害鼠每年采食牧草种子约1.8 kg,全年损失牧草种子约298.8万千克,严重地影响了盐池县草场植被的更新和牧草的繁衍。鼠类对农业的危害以春季和秋季最为严重,在春季它能准确地盗食播种在田里的粮食种子,造成田间严重缺苗,甚至棵苗不出。而秋季是长爪沙鼠储粮的高峰期,一般在1个洞穴中可挖出粮食5-10kg,最多可达30余千克。栖息在林区的鼠,大量盗食树木的种子,并且咬坏幼小树苗,造成幼树的大量死亡。可见害鼠不仅对农、林、牧业生产造成极大危害,而且威胁着人们的生命安全和健康,因此控制鼠害成为当下之急。
现阶段,草原灭鼠主要采用以下两种方法:(1)投饵方法,即定点投放鼠药,举例来说,药剂投放量定为每公顷1.5公斤(每小袋鼠药50克,每公顷30袋),采用一次性饱和投饵法,投饵在每年3月(鼠类繁殖期),投药以10×10米距离布放,每堆或每袋50克;(2)鼠夹布放:定点设置夜夹,例如10×10米距离布放鼠夹,每公顷100个夹子。
然而,上述两种常用的灭鼠方法存在以下缺陷,定点投放鼠药或鼠夹通常以固定距离间隔投放,然而,在鼠类活跃区老鼠较多,可能存在鼠药和鼠夹不足,而针对鼠类较少的区域,又会出现鼠药或鼠夹过剩而引起对草场的二次污染,因此,以固定距离间隔投放这一方式不能有效区分鼠类活跃区及非活跃区,无法确保对草场鼠类的有效消灭。
发明内容
针对上述缺陷,本发明提供一种基于图像和聚类分析的草原灭鼠方法及系统,旨在解决上述技术问题。
具体地,本发明所提出的基于图像和聚类分析的草原灭鼠方法包括:
S1:对目标草场进行区块划分,具体分为M×N个子区块,其中每个子区块面积相同;
S2:在第一时间点获取各子区块的第一地面图像,并对M×N个第一地面图像进行像素分析;
在第二时间点获取各子区块的第二地面图像,并对M×N个第二地面图像进行像素分析,其中,所述第二时间点晚于所述第一时间点一预设时间段;
S3:选取一未分析的当前子区块,计算所述当前子区块的第一地面图像与所述当前子区块的第二地面图像的相同坐标点的单坐标点像素差,获得所述当前子区块的初始投放点,所述初始投放点为所述单坐标点像素差的绝对值最大值所在的点;
若所述绝对值最大值小于预设像素差阈值,则设置所述初始投放点为所述当前子区块的第一地面图像的重心所在点;
S4:重复上述步骤S3直至所有子区块分析完成并获得M×N个子区块的初始投放点位置;
S5:对所述M×N个子区块的初始投放点位置进行聚类分析,最终得到K个鼠饵投放点,其中K为自定义的投放点个数,K≥2。
进一步地,所述步骤S2中,在第一时间点获取各子区块的第一地面图像以及在第二时间点获取各子区块的第二地面图像具体包括:获取目标地面区域的RGB彩色图像数据。
进一步地,所述步骤S5中,所述聚类分析采用K-means或PCA或DBScan聚类方法实现。
具体地,本发明所提出的基于图像和聚类分析的草原灭鼠系统包括:
区块划分模块,所述区块划分模块用于对目标草场进行区块划分,具体分为M×N个子区块,其中每个子区块面积相同;
图像采集模块,所述图像采集模块用于在第一时间点获取各子区块的第一地面图像,并对M×N个第一地面图像进行像素分析;在第二时间点获取各子区块的第二地面图像,并对M×N个第二地面图像进行像素分析,其中,所述第二时间点晚于所述第一时间点一预设时间段;
初始投放点确定模块,所述初始投放点确定模块用于选取一未分析的当前子区块,计算所述当前子区块的第一地面图像与所述当前子区块的第二地面图像的相同坐标点的单坐标点像素差,获得所述当前子区块的初始投放点,所述初始投放点为所述单坐标点像素差的绝对值最大值所在的点;若所述绝对值最大值小于预设像素差阈值,则设置所述初始投放点为所述当前子区块的第一地面图像的重心所在点;重复上述步骤S3直至所有子区块分析完成并获得M×N个子区块的初始投放点位置;
聚类分析模块,所述聚类分析模块用于对所述M×N个子区块的初始投放点位置进行聚类分析,最终得到K个鼠饵投放点,其中K为自定义的投放点个数,K≥2。
进一步地,所述图像采集模块基于CCD图像采集装置拍摄图像。
进一步地,所述图像采集模块在第一时间点获取各子区块的第一地面图像以及在第二时间点获取各子区块的第二地面图像具体包括:获取目标地面区域的RGB彩色图像数据。
进一步地,所述聚类分析模块中聚类分析采用K-means或PCA或DBScan聚类方法实现。
由上可知,本发明所提出的基于图像和聚类分析的草原灭鼠方法及系统,通过自动获取图像并分析实现了鼠饵投放点的自动定位,无需人工计算和干预,并且,利用图像的像素差值分析寻找并定位被鼠类破坏较严重的植被区,基于聚类方法有效区分鼠类活跃区及非活跃区,进而能够确定较为精确的鼠类活动区域和鼠饵投放位置,能够充分提高鼠饵的利用率,实现有效灭鼠,且避免了草场植被被鼠饵的过度污染,本发明实现了一种高度自动化且精确的鼠饵投放灭鼠方法,保护草木粮食,提高畜牧业产量,对西北草场的生态环境能够实现有效保护。
附图说明
图1是本发明提出的基于图像和聚类分析的草原灭鼠方法流程图
图2是本发明提出的基于图像和聚类分析的草原灭鼠系统模块图。
具体实施方式
下面结合附图,对实施例作详细说明。
图1示出了本发明所提出的基于图像和聚类分析的草原灭鼠方法,具体包括以下步骤:
步骤S1:对目标草场进行区块划分,具体分为M×N个子区块,其中每个子区块面积相同,在一个较理想的实施例中,目标草场为规范的长方形草场,M、N根据草场大小自定义设置,在一个具体实施例中,针对一公顷规模的草场,每个子区块设置为1平方米,M、N分别设置为100。
步骤S2:在第一时间点获取各子区块的第一地面图像,并对M×N个第一地面图像进行像素分析;在第二时间点获取各子区块的第二地面图像,并对M×N个第二地面图像进行像素分析,其中,所述第二时间点晚于所述第一时间点一预设时间段。
在一个具体实施例中,在第一时间点获取各子区块的第一地面图像以及在第二时间点获取各子区块的第二地面图像具体为获取目标地面区域的RGB彩色图像数据。
在具体实施例中,第一时间点可以设置为草场初始铺设时草木初始状态较完整时的时间点,或者为春季草场植被繁殖较为茂密时的时间点,相对应的,第二时间点设置为自第一时间点经过一定时间(如一周、一个月、一个季度等)后的时间点,在该一定时间内鼠类对草场植被进行了一定程度的破坏。
步骤S3:选取一未分析的当前子区块,计算所述当前子区块的第一地面图像与所述当前子区块的第二地面图像的相同坐标点的单坐标点像素差,获得所述当前子区块的初始投放点,所述初始投放点为所述单坐标点像素差的绝对值最大值所在的点。单坐标点像素差的绝对值越大,代表草场该区植被被鼠类破坏的程度越大,该区为鼠类较活跃区域。
另外,在一具体实施例中,设置一预设像素差阈值,判断若所述绝对值最大值仍然小于预设像素差阈值,说明草场该区植被被鼠类破坏不明显,无法有效区分鼠类活跃区与非活跃区,故而此时设置初始投放点为所述当前子区块的第一地面图像的重心所在点;
步骤S4:重复上述步骤S3直至所有子区块分析完成并获得M×N个子区块的初始投放点位置;
步骤S5:对所述M×N个子区块的初始投放点位置进行聚类分析,最终得到K个鼠饵投放点,其中K为自定义的投放点个数,K≥2。
在一个具体实施例中,上述聚类分析采用K-means或PCA或DBScan聚类方法实现。
如图2所示,本发明所提出的基于图像和聚类分析的草原灭鼠系统1包括:
区块划分模块11,所述区块划分模块11用于对目标草场进行区块划分,具体分为M×N个子区块,其中每个子区块面积相同;
图像采集模块22,所述图像采集模块22用于在第一时间点获取各子区块的第一地面图像,并对M×N个第一地面图像进行像素分析;在第二时间点获取各子区块的第二地面图像,并对M×N个第二地面图像进行像素分析,其中,所述第二时间点晚于所述第一时间点一预设时间段;
初始投放点确定模块33,所述初始投放点确定模块33用于选取一未分析的当前子区块,计算所述当前子区块的第一地面图像与所述当前子区块的第二地面图像的相同坐标点的单坐标点像素差,获得所述当前子区块的初始投放点,所述初始投放点为所述单坐标点像素差的绝对值最大值所在的点;若所述绝对值最大值小于预设像素差阈值,则设置所述初始投放点为所述当前子区块的第一地面图像的重心所在点;重复上述步骤S3直至所有子区块分析完成并获得M×N个子区块的初始投放点位置;
聚类分析模块44,所述聚类分析模块44用于对所述M×N个子区块的初始投放点位置进行聚类分析,最终得到K个鼠饵投放点,其中K为自定义的投放点个数,K≥2。
进一步地,所述图像采集模块22基于CCD图像采集装置拍摄图像。
进一步地,所述图像采集模块22在第一时间点获取各子区块的第一地面图像以及在第二时间点获取各子区块的第二地面图像具体包括:获取目标地面区域的RGB彩色图像数据。
进一步地,所述聚类分析模块44中聚类分析采用K-means或PCA或DBScan聚类方法实现。
上述实施例仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,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,可轻易想到的变化或替换,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该以权利要求的保护范围为准。
Claims (7)
1.一种基于图像和聚类分析的草原灭鼠方法,其特征在于,包括以下具体步骤:
S1:对目标草场进行区块划分,具体分为M×N个子区块,其中每个子区块面积相同;
S2:在第一时间点获取各子区块的第一地面图像,并对M×N个第一地面图像进行像素分析;
在第二时间点获取各子区块的第二地面图像,并对M×N个第二地面图像进行像素分析,其中,所述第二时间点晚于所述第一时间点一预设时间段;
S3:选取一未分析的当前子区块,计算所述当前子区块的第一地面图像与所述当前子区块的第二地面图像的相同坐标点的单坐标点像素差,获得所述当前子区块的初始投放点,所述初始投放点为所述单坐标点像素差的绝对值最大值所在的点;
若所述绝对值最大值小于预设像素差阈值,则对所述初始投放点进行更改,更改后的所述初始投放点为所述当前子区块的第一地面图像的重心所在点;
S4:重复上述步骤S3直至所有子区块分析完成并获得M×N个子区块的初始投放点位置;
S5:对所述M×N个子区块的初始投放点位置进行聚类分析,最终得到K个鼠饵投放点,其中K为自定义的投放点个数,K≥2。
2.根据权利要求1所述的基于图像和聚类分析的草原灭鼠方法,其特征在于,
所述步骤S2中,在第一时间点获取各子区块的第一地面图像以及在第二时间点获取各子区块的第二地面图像具体包括:获取目标地面区域的RGB彩色图像数据。
3.根据权利要求1所述的基于图像和聚类分析的草原灭鼠方法,其特征在于,
所述步骤S5中,所述聚类分析采用K-means或PCA或DBScan聚类方法实现。
4.一种基于图像和聚类分析的草原灭鼠系统,其特征在于,所述系统包括:
区块划分模块,所述区块划分模块用于对目标草场进行区块划分,具体分为M×N个子区块,其中每个子区块面积相同;
图像采集模块,所述图像采集模块用于在第一时间点获取各子区块的第一地面图像,并对M×N个第一地面图像进行像素分析;在第二时间点获取各子区块的第二地面图像,并对M×N个第二地面图像进行像素分析,其中,所述第二时间点晚于所述第一时间点一预设时间段;
初始投放点确定模块,所述初始投放点确定模块用于选取一未分析的当前子区块,计算所述当前子区块的第一地面图像与所述当前子区块的第二地面图像的相同坐标点的单坐标点像素差,获得所述当前子区块的初始投放点,所述初始投放点为所述单坐标点像素差的绝对值最大值所在的点;若所述绝对值最大值小于预设像素差阈值,则对所述初始投放点进行更改,更改后的所述初始投放点为所述当前子区块的第一地面图像的重心所在点;重复上述步骤直至所有子区块分析完成并获得M×N个子区块的初始投放点位置;
聚类分析模块,所述聚类分析模块用于对所述M×N个子区块的初始投放点位置进行聚类分析,最终得到K个鼠饵投放点,其中K为自定义的投放点个数,K≥2。
5.根据权利要求4所述的基于图像和聚类分析的草原灭鼠系统,其特征在于,
所述图像采集模块基于CCD图像采集装置拍摄图像。
6.根据权利要求4所述的基于图像和聚类分析的草原灭鼠系统,其特征在于,
所述图像采集模块在第一时间点获取各子区块的第一地面图像以及在第二时间点获取各子区块的第二地面图像具体包括:获取目标地面区域的RGB彩色图像数据。
7.根据权利要求4所述的基于图像和聚类分析的草原灭鼠系统,其特征在于,
所述聚类分析模块中聚类分析采用K-means或PCA或DBScan聚类方法实现。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811442190.7A CN109511642B (zh) | 2018-11-29 | 2018-11-29 | 一种基于图像和聚类分析的草原灭鼠方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811442190.7A CN109511642B (zh) | 2018-11-29 | 2018-11-29 | 一种基于图像和聚类分析的草原灭鼠方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109511642A CN109511642A (zh) | 2019-03-26 |
CN109511642B true CN109511642B (zh) | 2021-05-11 |
Family
ID=65794310
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811442190.7A Expired - Fee Related CN109511642B (zh) | 2018-11-29 | 2018-11-29 | 一种基于图像和聚类分析的草原灭鼠方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109511642B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013101460A2 (en) * | 2011-12-28 | 2013-07-04 | Pelco, Inc. | Clustering-based object classification |
CN108259830A (zh) * | 2018-01-25 | 2018-07-06 | 深圳冠思大数据服务有限公司 | 基于云服务器的鼠患智能监控系统和方法 |
JP6372835B1 (ja) * | 2017-03-22 | 2018-08-15 | 国立研究開発法人国立環境研究所 | 警告方法 |
CN108829762A (zh) * | 2018-05-28 | 2018-11-16 | 思百达物联网科技(北京)有限公司 | 基于视觉的小目标识别方法和装置 |
CN108829154A (zh) * | 2018-08-24 | 2018-11-16 | 四川物华农业科技有限公司 | 杀虫灯控制方法及装置 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104282008B (zh) * | 2013-07-01 | 2017-07-28 | 株式会社日立制作所 | 对图像进行纹理分割的方法和装置 |
CN107423741B (zh) * | 2017-06-20 | 2020-05-05 | 长安大学 | 一种基于视觉仿生与力场作用的图像自适应聚类方法 |
CN107992828A (zh) * | 2017-12-05 | 2018-05-04 | 深圳春沐源控股有限公司 | 病害防治方法及装置、电子设备和计算机可读存储介质 |
CN108470180A (zh) * | 2018-03-16 | 2018-08-31 | 北京学之途网络科技有限公司 | 一种实现信息处理的方法及装置 |
CN108537205A (zh) * | 2018-04-20 | 2018-09-14 | 广州林邦信息科技有限公司 | 一种动物种群多样性监测方法、装置及服务器 |
-
2018
- 2018-11-29 CN CN201811442190.7A patent/CN109511642B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013101460A2 (en) * | 2011-12-28 | 2013-07-04 | Pelco, Inc. | Clustering-based object classification |
JP6372835B1 (ja) * | 2017-03-22 | 2018-08-15 | 国立研究開発法人国立環境研究所 | 警告方法 |
CN108259830A (zh) * | 2018-01-25 | 2018-07-06 | 深圳冠思大数据服务有限公司 | 基于云服务器的鼠患智能监控系统和方法 |
CN108829762A (zh) * | 2018-05-28 | 2018-11-16 | 思百达物联网科技(北京)有限公司 | 基于视觉的小目标识别方法和装置 |
CN108829154A (zh) * | 2018-08-24 | 2018-11-16 | 四川物华农业科技有限公司 | 杀虫灯控制方法及装置 |
Non-Patent Citations (1)
Title |
---|
吉林省鼠疫分类监测与管理方法的探讨;张雁冰 等;《中国地方病防治》;20040228(第2期);第101-103页 * |
Also Published As
Publication number | Publication date |
---|---|
CN109511642A (zh) | 2019-03-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
O'Donnell | Cryptic local populations in a temperate rainforest bat Chalinolobus tuberculatus in New Zealand | |
Le Corre et al. | Seabird recovery and vegetation dynamics after Norway rat eradication at Tromelin Island, western Indian Ocean | |
Tucker et al. | Space use and habitat selection by bobcats in the fragmented landscape of south‐central Iowa | |
Gabbert et al. | Survival and habitat use by ring-necked pheasants during two disparate winters in South Dakota | |
Faas et al. | Habitat interference by axis deer on white‐tailed deer | |
Pérez‐González et al. | Relative effect of food supplementation and natural resources on female red deer distribution in a Mediterranean ecosystem | |
Moosman et al. | Potential for monitoring eastern small-footed bats on talus slopes | |
Kummer et al. | Use of bird carcass removals by urban scavengers to adjust bird-window collision estimates | |
Parusnath et al. | The desolation of Smaug: The human-driven decline of the Sungazer lizard (Smaug giganteus) | |
Carpenter et al. | Pushing the limits: ship rat (Rattus rattus) population dynamics across an elevational gradient in response to mast seeding and supplementary feeding | |
CN109511642B (zh) | 一种基于图像和聚类分析的草原灭鼠方法及系统 | |
Neiswenter et al. | Habitat use of western spotted skunks and striped skunks in Texas | |
Friesenhahn et al. | Movements and resource selection of wild pigs associated with growth stages of corn | |
Dore et al. | Telemetry-based assessment of home range to estimate the abundance of invasive green monkeys on St. Kitts | |
Siren | Population ecology of American marten in New Hampshire: impact of wind farm development in high elevation habitat | |
DeJong et al. | Impacts of agricultural tillage on grassland birds in western South Dakota | |
Amin et al. | Sympatry among three suid species (family suidae) on the north coast of Kenya | |
Hampshire | Invasive species monitoring and predator control via innovative ai technology | |
Beckett et al. | Population estimates for Eurasian collared-dove in northeastern Colorado | |
Mahmood-Ul-Hassan et al. | Locality related changes in the diet of the Barn Owl (Tyto alba stertens) in agroecosystems in central Punjab, Pakistan | |
Joelsson et al. | Implementation of best management practices in agriculture: modelling and monitoring of impacts on nitrogen leaching | |
Smyth et al. | Foraging by the endangered black-breasted button-quail (Turnix melanogaster) within fragmented rainforest of an agricultural landscape | |
Symmank et al. | Estimating bobcat abundance in east Texas using infrared-triggered cameras | |
Roel et al. | Interpreting yield patterns for California rice precision farm management | |
Milner et al. | Distribution and Ecology of the Broad-toothed Rat in the ACT |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20210511 Termination date: 20211129 |