CN110326593A - 害虫捕获系统、方法、计算机设备和介质 - Google Patents
害虫捕获系统、方法、计算机设备和介质 Download PDFInfo
- Publication number
- CN110326593A CN110326593A CN201910532840.5A CN201910532840A CN110326593A CN 110326593 A CN110326593 A CN 110326593A CN 201910532840 A CN201910532840 A CN 201910532840A CN 110326593 A CN110326593 A CN 110326593A
- Authority
- CN
- China
- Prior art keywords
- pest
- movable platform
- image
- preset condition
- meets
- 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
Links
- 241000607479 Yersinia pestis Species 0.000 title claims abstract description 313
- 238000000034 method Methods 0.000 title abstract description 15
- 238000004590 computer program Methods 0.000 claims description 16
- 238000003860 storage Methods 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 10
- 230000007306 turnover Effects 0.000 claims 1
- 230000000694 effects Effects 0.000 abstract description 4
- 238000001514 detection method Methods 0.000 description 14
- 238000004422 calculation algorithm Methods 0.000 description 11
- 241000238631 Hexapoda Species 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 238000003709 image segmentation Methods 0.000 description 7
- 230000005540 biological transmission Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 238000011161 development Methods 0.000 description 5
- 230000018109 developmental process Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 230000003993 interaction Effects 0.000 description 4
- 238000003062 neural network model Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000005303 weighing Methods 0.000 description 2
- 230000004308 accommodation Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 239000000052 vinegar Substances 0.000 description 1
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
- 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
-
- 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
- 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
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
-
- 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)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Pest Control & Pesticides (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Wood Science & Technology (AREA)
- Signal Processing (AREA)
- Quality & Reliability (AREA)
- Multimedia (AREA)
- Environmental Sciences (AREA)
- Zoology (AREA)
- Insects & Arthropods (AREA)
- Geometry (AREA)
- Catching Or Destruction (AREA)
Abstract
本发明公开了一种害虫捕获系统、方法、计算机设备和介质，通过在承载装置中设置可动平台和收集模块，并且在所述可动平台上的害虫符合第一预设条件时将可动平台上的所述害虫输送至所述收集模块。而控制装置根据所述图像采集装置采集的害虫图像判断所述可动平台上的害虫是否符合第一预设条件，并根据判断结果发送第一控制信号至所述可动平台。将捕获的害虫先放置在可动平台上，以利于图像采集装置对害虫图像进行图像采集，并且在所述可动平台上的害虫符合第一预设条件时将可动平台上的所述害虫输送至所述收集模块，避免可动平台上的害虫过多而影响图像采集的效果，更好地保证了图像采集的质量，以利于后续更好地进行识别和分类。
Description
技术领域
本发明属于农业技术领域，尤其涉及一种害虫捕获系统系统、方法、计算机设备和介质。
背景技术
随着科学技术的不断发展，科学技术在农业方面的应用也日渐成熟，信息农业成为农业信息化发展的高级阶段。从农业发展的方向看，智能化、精确化、数字化和自动化是今后农业发展的必然趋势。农业害虫预测预报的数字化、自动化是科技在植保领域发展的必由之路。国外在上世纪九十年代开始，对这方面进行了一定的探索。国内从21世纪以来，也进行了相关领域的科研开展。随着技术的发展，产生了一系列诸如诱虫灯、糖醋液、性诱剂等害虫捕获系统。
进一步地，需要通过害虫捕获系统对虫情进行监测，可以掌握当下及即将发生的虫情，有效对害虫进行防治。其中，虫情的监测主要包括两个内容：一个是害虫的种类，一个是害虫的数量。
然而，目前对虫情进行监测的方法中，由于收集的昆虫容易堆叠在一起，而且昆虫数量较多的话势必会影响采集的图像后续的识别精度，也影响了后续分类和/或计数的效果。
发明内容
本发明实施例提供一种害虫捕获系统、方法、计算机设备和介质，以解决目前害虫捕获系统中采集的图像质量不高的问题。
一种害虫捕获系统，包括：捕获装置、承载装置、图像采集装置和控制装置；
所述捕获装置用于吸引和捕获害虫；
所述承载装置包括可动平台和收集模块，所述可动平台用于承载所述捕获装置捕获的所述害虫，并在所述可动平台上的害虫符合第一预设条件时将可动平台上的所述害虫输送至所述收集模块；
所述图像采集装置用于采集所述可动平台上的害虫图像，并将所述害虫图像发送至控制装置；
所述控制装置用于根据所述害虫图像判断所述可动平台上的害虫是否符合第一预设条件，并根据判断结果发送第一控制信号至所述可动平台。
优选地，所述可动平台包括翻转模块，所述翻转模块接收所述控制装置的第一控制信号，控制所述可动平台进行翻转。
优选地，所述可动平台包括旋转模块；
所述控制装置根据所述害虫图像判断所述可动平台上的害虫是否符合第二预设条件，并根据判断结果发送第二控制信号至所述可动平台的旋转模块；
所述旋转模块根据所述第二控制信号控制所述可动平台进行旋转。
一种害虫捕获方法，所述害虫捕获方法应用于上述害虫捕获系统的控制装置中，所述害虫捕获方法包括：
获取所述图像采集装置发送的害虫图像；
判断所述害虫图像是否符合第一预设条件；
若所述害虫图像符合第一预设条件，则发送第一控制信号至所述可动平台。
优选地，所述判断所述害虫图像是否符合第一预设条件，包括：
采用预设的计数模型对所述害虫图像进行识别，得到所述害虫图像的害虫数量；
判断所述害虫数量是否超过预设的数量阈值；
若所述害虫数量超过预设的数量阈值，则所述害虫图像符合所述第一预设条件。
优选地，所述判断所述害虫图像是否符合第一预设条件，包括：
对所述害虫图像中的害虫部分进行面积计算，得到所述害虫图像中的害虫面积；
判断所述害虫面积是否超过预设的面积阈值；
若所述害虫面积超过预设的面积阈值，则所述害虫图像符合所述第一预设条件。
优选地，在所述获取所述图像采集装置发送的害虫图像之后，所述害虫捕获方法还包括：
判断所述害虫图像是否符合第二预设条件；
若所述害虫图像符合第二预设条件，则发送第二控制信号至所述可动平台。
优选地，所述判断所述害虫图像是否符合第二预设条件，包括：
对所述害虫图像进行区域划分，得到至少两个分割区域；
对每一所述分割区域进行可利用面积计算，得到每一所述分割区域的可利用面积；
若存在任一所述分割区域的可利用面积超过预设的可利用阈值，则所述害虫图像符合第二预设条件。
一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述害虫捕获方法。
一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述害虫捕获方法。
上述害虫捕获系统、方法、计算机设备和介质中，通过在承载装置中设置可动平台和收集模块，并且在所述可动平台上的害虫符合第一预设条件时将可动平台上的所述害虫输送至所述收集模块。而控制装置根据所述图像采集装置采集的害虫图像判断所述可动平台上的害虫是否符合第一预设条件，并根据判断结果发送第一控制信号至所述可动平台。将捕获的害虫先放置在可动平台上，以利于图像采集装置对害虫图像进行图像采集，并且在所述可动平台上的害虫符合第一预设条件时将可动平台上的所述害虫输送至所述收集模块，避免可动平台上的害虫过多而影响图像采集的效果，更好地保证了图像采集的质量，以利于后续更好地进行识别和分类。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明一实施例中害虫捕获系统的一原理框图；
图2是本发明一实施例中害虫捕获方法的一示例图；
图3是本发明一实施例中害虫捕获方法的另一示例图；
图4是本发明一实施例中害虫捕获方法的另一示例图；
图5是本发明一实施例中害虫捕获方法的另一示例图；
图6是本发明一实施例中害虫捕获方法的另一示例图；
图7是本发明一实施例中计算机设备的一示意图。
具体实施方式
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。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他实施例，都属于本发明保护的范围。
本发明实施例提供了一种害虫捕获系统，如图1所示，该害虫捕获系统包括：捕获装置10、承载装置20、图像采集装置30和控制装置40。
所述捕获装置10用于吸引和捕获害虫。可选地，在捕获装置10中可以通过药液、信息素或者光源等方式吸引害虫。并且在捕获装置10中通过电击的方式捕获害虫，使得害虫掉落到承载装置20中。可以理解地，上述吸引和捕获害虫的方式仅是一个示例，并不理解为对本发明的限制。
所述承载装置20包括可动平台和收集模块，所述可动平台用于承载所述捕获装置捕获的所述害虫，并在所述可动平台上的害虫符合第一预设条件时将可动平台上的所述害虫输送至所述收集模块。可选地，可动平台位于收集模块的上方。可动平台可以为圆形、矩形或者其他形状。可动平台为一个可以移动的平台，可选地，可动平台可以翻转、旋转或者升降等。在一个具体实施方式中，所述可动平台通过翻转的方式，将可动平台上的害虫输送至收集模块。收集模块位于所述可动平台的下方，可动平台通过翻转之后，由水平状态到呈现一定的倾斜，害虫随即滑落到收集模块中。进一步地，待可动平台上的害虫都滑落到收集模块中，可动平台恢复(翻转)到水平状态。收集模块为一个具有容纳空间的腔体，可选地，收集模块可以为一个容纳箱或者容纳框等。
具体地，当可动平台上的害虫符合第一预设条件时将可动平台上的所述害虫输送至所述收集模块。该第一预设条件可以为可动平台上的害虫的数量达到一定的阈值、可动平台上的害虫覆盖可动平台的面积占比达到一定的面积阈值或者可动平台上害虫的重量达到一定的数值等。在一个具体实施方式中，当可动平台上的害虫符合第一预设条件时，可动平台发生翻转，使得可动平台呈现一定的倾斜，使得可动平台上的害虫滑落至所述收集模块。
所述图像采集装置30用于采集所述可动平台上的害虫图像，并将所述害虫图像发送至控制装置40。图像采集装置为具有图像采集功能的终端，例如：相机、移动终端或者其他带有摄像头的智能终端。图像采集装置可以位于可动平台上方，用于采集可动平台上的害虫图像。进一步地，图像采集装置可以位于可动平台上的侧上方，以避免影响害虫的掉落轨迹。图像采集装置用于采集可动平台上的害虫图像，可选地，图像采集装置的采集时机可以为定时采集或者通过一触发条件进行采集。示例性地，图像采集装置可以为每5s、10s或者30s对可动平台进行一次图像采集，得到害虫图像。具体采集时间可以根据实际需要进行设定。可选地，可以设置一触发条件，例如，通过在可动平台上设置一称重传感器，当该称重传感器的重量数值达到一定的数值时，则触发图像采集装置对可动平台进行图像采集，得到害虫图像。
所述控制装置40用于根据所述害虫图像判断所述可动平台上的害虫是否符合第一预设条件，并根据判断结果发送第一控制信号至所述可动平台。该控制装置可以为处理器、单片机或者其他具有数据处理功能的装置。
其中，该第一预设条件可以为可动平台上的害虫的数量达到一定的数量阈值或者可动平台上的害虫覆盖可动平台的面积占比达到一定的面积阈值。具体地，可以通过对发送到控制装置40的害虫图像进行识别，检测害虫图像中的害虫数量来检测可动平台上的害虫的数量是否达到一定的数量阈值。该检测方式可以通过图像分割算法或者神经网络模型实现。
可选地，检测害虫图像中的害虫覆盖可动平台的面积占比，可以通过对害虫图像中不同像素值的占比来实现。例如：预先获取可动平台的像素值，再检测害虫图像中和可动平台的像素值不相同的像素点的比例，从而得出害虫图像中的害虫覆盖可动平台的面积占比。或者，通过其他图像分割算法或者检测算法来实现检测害虫图像中的害虫覆盖可动平台的面积占比，在此不再赘述。
控制装置40在判断所述可动平台上的害虫是否符合第一预设条件之后，得到判断结果，判断结果可以包括符合和不符合。可选地，若判断结果为符合，则发送控制可动平台进行翻转的第一控制信号至所述可动平台。若判断结果为不符合，则发送可动平台不进行翻转的第一控制信号至所述可动平台。
进一步地，当判断结果为符合时才发送控制可动平台进行翻转的第一控制信号至所述可动平台。若判断结果为不符合，则不发送信号至所述可动平台。
在一个具体实施方式中，若可动平台上的害虫符合第一预设条件，则可以将此时图像采集装置采集的害虫图像进行后续的害虫分类识别，进行害虫的预测和进一步的防治。
在本实施例中，通过在承载装置中设置可动平台和收集模块，并且在所述可动平台上的害虫符合第一预设条件时将可动平台上的所述害虫输送至所述收集模块。而控制装置根据所述图像采集装置采集的害虫图像判断所述可动平台上的害虫是否符合第一预设条件，并根据判断结果发送第一控制信号至所述可动平台。将捕获的害虫先放置在可动平台上，以利于图像采集装置对害虫图像进行图像采集，并且在所述可动平台上的害虫符合第一预设条件时将可动平台上的所述害虫输送至所述收集模块，避免可动平台上的害虫过多而影响图像采集的效果，更好地保证了图像采集的质量，以利于后续更好地进行识别和分类。
在一个实施例中，所述可动平台包括翻转模块，所述翻转模块接收所述控制装置的第一控制信号，控制所述可动平台进行翻转。可选地，该翻转模块控制所述可动平台进行翻转可以通过电动马达实现，将电动马达的转子连接至所述可动品台，从而通过电动马达的转动带动可动平台的翻转。翻转模块接收到控制装置发送的控制可动平台进行翻转的第一控制信号之后，控制所述可动平台进行翻转。可选地，翻转模块可以控制可动平台转动360度，以保证所有的害虫滑落到收集模块。可选地，每次转动翻转模块可以控制可动平台转动180度即可。
优选地，所述第一控制信号还包括翻转角度信息，用于指示所述可动平台的翻转角度，以更精确地保证可动平台上的害虫滑落到收集模块中。进一步地，翻转模块可以缓慢转动，图像采集模块持续地监控可动平台上的害虫，当可动平台上的害虫都滑落至收集模块，翻转模块即停止转动，再将可动平台恢复至水平状态。
在本实施例中，通过设置翻转模块，并且翻转模块接收所述控制装置的第一控制信号，控制所述可动平台进行翻转。保证了可动平台的翻转效率，以更好地实现害虫的收集，保证了图像采集模块的图像采集质量。
在一个实施例中，所述可动平台包括旋转模块。
旋转模块用于带动可动平台进行水平转动，可选地，旋转模块也可以通过电动马达带动可动平台进行水平转动。
所述控制装置根据所述害虫图像判断所述可动平台上的害虫是否符合第二预设条件，并根据判断结果发送第二控制信号至所述可动平台的旋转模块。
其中，第二预设条件可以为可动平台上特定区域上的害虫数量达到一定的数量阈值或者特定区域上的害虫覆盖面积达到一定的面积阈值。示例性地，将可动平台进行区域分块，例如，若可动平台为圆形，则可以按照一定的角度将可动平台划分为若干个扇形区域，然后将位于捕获装置正下方位置对应的扇形区域设定为特定区域。在图像采集装置采集到可动平台上的害虫图像之后，控制模块检测害虫图像上的特定区域是否符合第二预设条件，若符合，则发出第二控制信号控制所述可动平台进行旋转。
所述旋转模块根据所述第二控制信号控制所述可动平台进行旋转。进一步地，所述第二控制信号还包括旋转的角度。控制模块通过检测害虫图像上的特定区域是否符合第二预设条件，并且进一步检测可动平台中其他扇形区域中哪一个区域中的害虫的数量最少或者覆盖的面积最小，则发出第二控制信号，以使可动平台旋转该害虫的数量最少或者覆盖的面积最小的扇形区域到捕获装置正下方。
在本实施例中，可动平台包括旋转模块，所述控制装置根据所述害虫图像判断所述可动平台上的害虫是否符合第二预设条件，并根据判断结果发送第二控制信号至所述可动平台的旋转模块；所述旋转模块根据所述第二控制信号控制所述可动平台进行旋转。通过控制装置和可动平台的交互更好地保证可动平台更加高效地容纳害虫，提高了可动平台地利用率，也更好地保证了图像采集。
本发明实施例还提供了一种害虫捕获方法，该害虫捕获方法应用于上述实施例所述的害虫捕获系统的控制装置中，如图2所示，该害虫捕获方法包括：
S201：获取所述图像采集装置发送的害虫图像。
控制装置获取所述图像采集装置发送的害虫图像，控制装置和图像采集装置之间建立通信连接，以进行数据的交互。可选地，控制装置可以通过网络和图像采集装置进行数据的交互。图像采集装置采集到可动平台上的害虫图像之后，将该害虫图像发送至控制装置。
S202：判断所述害虫图像是否符合第一预设条件。
第一预设条件为判断可动平台上害虫的分布情况是否会影响到后续图像采集的质量的条件，例如，害虫数量过多、害虫交叠较多或者其他情况。可选地，第一预设条件可以为可动平台上的害虫的数量达到一定的阈值或者可动平台上的害虫覆盖可动平台的面积占比达到一定的面积阈值。进一步地，还可以通过检测可动平台上的害虫数量和害虫覆盖面积，进而进行综合考虑，提高判断精度。
具体地，可动平台上的害虫的数量可以通过对发送到控制装置40的害虫图像进行识别，对害虫数量的检测可以通过图像分割算法或者神经网络模型实现。
具体地，检测害虫图像中的害虫覆盖可动平台的面积占比，可以通过对害虫图像中不同像素值的占比来实现。例如：预先获取可动平台的像素值，再检测害虫图像中和可动平台的像素值不相同的像素点的比例，从而得出害虫图像中的害虫覆盖可动平台的面积占比。或者，通过其他图像分割算法或者检测算法来实现检测害虫图像中的害虫覆盖可动平台的面积占比，在此不再赘述。
在检测得到可动平台上的害虫数量或者害虫覆盖面积之后，进一步根据第一预设条件来判断害虫图像是否符合第一预设条件。若可动平台上的害虫数量超过预设的数量阈值或者害虫覆盖面积超过预设的面积阈值，则所述害虫图像是否符合第一预设条件。否则，所述害虫图像不符合第一预设条件。
S203：若所述害虫图像符合第一预设条件，则发送第一控制信号至所述可动平台。
若害虫图像符合第一预设条件，则发送第一控制信号至所述可动平台，以控制所述可动平台进行翻转。
优选地，所述第一控制信号还包括翻转角度信息，用于指示所述可动平台的翻转角度，以更精确地保证可动平台上的害虫滑落到收集模块中。进一步地，翻转模块可以缓慢转动，图像采集模块持续地监控可动平台上的害虫，当可动平台上的害虫都滑落至收集模块，翻转模块即停止转动，再将可动平台恢复至水平状态。
在本实施例中，控制装置先获取所述图像采集装置发送的害虫图像；再判断所述害虫图像是否符合第一预设条件；若所述害虫图像符合第一预设条件，则发送第一控制信号至所述可动平台，通过判断图像采集装置发送的害虫图像是否符合第一预设条件来控制可动平台的翻转与否，更好地保证了可动平台上害虫的承载合理性，进一步地保证了后续图像采集的质量。
在一个实施例中，如图3所示，所述判断所述害虫图像是否符合第一预设条件，包括：
S301：采用预设的计数模型对所述害虫图像进行识别，得到所述害虫图像的害虫数量。
该预设的计数模型可以通过训练神经网络模型后得到，或者，通过图像分割算法实现。将害虫图像通过预设的计数模型进行识别，得到所述害虫图像的害虫数量。
S302：判断所述害虫数量是否超过预设的数量阈值。
其中，该预设的数量阈值为预先设定的数值，该数值可以根据可动平台的大小、昆虫的大小或者其他因素进行确定，或者通过实际需要或者实验进行确定，在此不再赘述，预先设定该数量阈值，进而判断害虫数量是否超过预设的数量阈值。
S303：若所述害虫数量超过预设的数量阈值，则所述害虫图像符合所述第一预设条件。
在本实施例中，通过预设的计数模型对所述害虫图像进行识别，得到所述害虫图像的害虫数量；并判断所述害虫数量是否超过预设的数量阈值；若所述害虫数量超过预设的数量阈值，则所述害虫图像符合所述第一预设条件。保证了对判断可动平台上害虫图像是否符合第一预设条件的准确性。
在一个实施例中，如图4所示，所述判断所述害虫图像是否符合第一预设条件，包括：
S401：对所述害虫图像中的害虫部分进行面积计算，得到所述害虫图像中的害虫面积。
其中，害虫面积即为害虫图像中害虫部分覆盖所述可动平台的面积占。具体地，预先获取可动平台的像素值，再检测害虫图像中和可动平台的像素值不相同的像素点的比例，从而得出所述害虫图像中的害虫面积。或者，通过其他图像分割算法或者检测算法来实现计算害虫图像中的害虫覆盖可动平台的面积。
S402：判断所述害虫面积是否超过预设的面积阈值。
其中，该预设的面积阈值为预先设定的数值，该数值可以根据可动平台的大小、昆虫的大小或者其他因素进行确定，或者通过实际需要或者实验进行确定，在此不再赘述，预先设定该面积阈值，进而判断害虫面积是否超过预设的面积阈值。
S403：若所述害虫面积超过预设的面积阈值，则所述害虫图像符合所述第一预设条件。
在本实施例中，先对所述害虫图像中的害虫部分进行面积计算，得到所述害虫图像中的害虫面积；判断所述害虫面积是否超过预设的面积阈值；若所述害虫面积超过预设的面积阈值，则所述害虫图像符合所述第一预设条件，保证了对判断可动平台上害虫图像是否符合第一预设条件的准确性。
在一个实施例中，如图5所示，在所述获取所述图像采集装置发送的害虫图像之后，所述害虫捕获方法还包括：
S501：判断所述害虫图像是否符合第二预设条件。
S502：若所述害虫图像符合第二预设条件，则发送第二控制信号至所述可动平台。
该第二预设条件可以为可动平台上特定区域上的害虫数量达到一定的数量阈值或者特定区域上的害虫覆盖面积达到一定的面积阈值。示例性地，将可动平台进行区域分块，例如，若可动平台为圆形，则可以按照一定的角度将可动平台划分为若干个扇形区域，然后将位于捕获装置正下方位置对应的扇形区域设定为特定区域。在图像采集装置采集到可动平台上的害虫图像之后，控制模块检测害虫图像上的特定区域是否符合第二预设条件，若符合，则发出第二控制信号控制所述可动平台进行旋转。
所述可动平台根据所述第二控制信号控制所述可动平台进行旋转。进一步地，所述第二控制信号还包括旋转的角度。控制模块通过检测害虫图像上的特定区域是否符合第二预设条件，并且进一步检测可动平台中其他扇形区域中哪一个区域中的害虫的数量最少或者覆盖的面积最小，则发出第二控制信号，以使可动平台旋转该害虫的数量最少或者覆盖的面积最小的扇形区域到捕获装置正下方。
在本实施例中，通过控制装置和可动平台的交互更好地保证可动平台更加高效地容纳害虫，提高了可动平台地利用率，也更好地保证了后续的图像采集。
在一个实施例中，如图6所示，所述判断所述害虫图像是否符合第二预设条件，包括：
S601：对所述害虫图像进行区域划分，得到至少两个分割区域。
具体地，该害虫图像的区域划分可以根据可动平台的形状进行设置。示例性地，若可动平台为圆形，则可以按照一定的角度将可动平台划分为若干个扇形区域。若可动平台为矩形，则可以以该矩形的中心为基准点将该矩形划分为若干个小的矩形区域。而害虫图像则根据可动平台的划分方式进行同样的区域划分，得到至少两个分割区域。可以理解地，分割区域越多，后续的判断就越精确，可以根据可动平台的大小和昆虫的大小进行综合考虑。
S602：对每一所述分割区域进行可利用面积计算，得到每一所述分割区域的可利用面积。
具体地，对每一分割区域的可利用面积计算可以和步骤S401的方式相似。预先获取可动平台的像素值，再检测分割区域中和可动平台的像素值相同的像素点的比例，从而得出分割区域的可利用面积。或者，通过其他图像分割算法或者检测算法来实现计算每一所述分割区域的可利用面积。
S603：若存在任一所述分割区域的可利用面积超过预设的可利用阈值，则所述害虫图像符合第二预设条件。
可利用阈值为一个面积数值，可以综合分割区域和昆虫大小进行设定。若存在任一所述分割区域的可利用面积超过预设的可利用阈值，则说明可动平台还具有可利用的空间，则所述害虫图像符合第二预设条件。
在本实施例中，首先对所述害虫图像进行区域划分，得到至少两个分割区域；对每一所述分割区域进行可利用面积计算，得到每一所述分割区域的可利用面积；若存在任一所述分割区域的可利用面积超过预设的可利用阈值，则所述害虫图像符合第二预设条件。更好地保证了对害虫图像是否符合第二预设条件的判断准确性。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图7所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储上述实施例中的害虫捕获方法所使用到的数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种害虫捕获方法。
在一个实施例中，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述实施例所述害虫捕获方法。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述实施例所述害虫捕获方法。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。
以上所述实施例仅用以说明本发明的技术方案，而非对其限制；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：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。
Claims (10)
1.一种害虫捕获系统，其特征在于，包括：捕获装置、承载装置、图像采集装置和控制装置；
所述捕获装置用于吸引和捕获害虫；
所述承载装置包括可动平台和收集模块，所述可动平台用于承载所述捕获装置捕获的所述害虫，并在所述可动平台上的害虫符合第一预设条件时将可动平台上的所述害虫输送至所述收集模块；
所述图像采集装置用于采集所述可动平台上的害虫图像，并将所述害虫图像发送至控制装置；
所述控制装置用于根据所述害虫图像判断所述可动平台上的害虫是否符合第一预设条件，并根据判断结果发送第一控制信号至所述可动平台。
2.如权利要求1所述害虫捕获系统，其特征在于，所述可动平台包括翻转模块，所述翻转模块接收所述控制装置的第一控制信号，控制所述可动平台进行翻转。
3.如权利要求1所述害虫捕获系统，其特征在于，所述可动平台包括旋转模块；
所述控制装置根据所述害虫图像判断所述可动平台上的害虫是否符合第二预设条件，并根据判断结果发送第二控制信号至所述可动平台的旋转模块；
所述旋转模块根据所述第二控制信号控制所述可动平台进行旋转。
4.一种害虫捕获方法，其特征在于，所述害虫捕获方法应用于如权利要求1-3任一项所述的害虫捕获系统的控制装置中，所述害虫捕获方法包括：
获取所述图像采集装置发送的害虫图像；
判断所述害虫图像是否符合第一预设条件；
若所述害虫图像符合第一预设条件，则发送第一控制信号至所述可动平台。
5.如权利要求4所述的害虫捕获方法，其特征在于，所述判断所述害虫图像是否符合第一预设条件，包括：
采用预设的计数模型对所述害虫图像进行识别，得到所述害虫图像的害虫数量；
判断所述害虫数量是否超过预设的数量阈值；
若所述害虫数量超过预设的数量阈值，则所述害虫图像符合所述第一预设条件。
6.如权利要求4所述的害虫捕获方法，其特征在于，所述判断所述害虫图像是否符合第一预设条件，包括：
对所述害虫图像中的害虫部分进行面积计算，得到所述害虫图像中的害虫面积；
判断所述害虫面积是否超过预设的面积阈值；
若所述害虫面积超过预设的面积阈值，则所述害虫图像符合所述第一预设条件。
7.如权利要求4所述的害虫捕获方法，其特征在于，在所述获取所述图像采集装置发送的害虫图像之后，所述害虫捕获方法还包括：
判断所述害虫图像是否符合第二预设条件；
若所述害虫图像符合第二预设条件，则发送第二控制信号至所述可动平台。
8.如权利要求7所述的害虫捕获方法，其特征在于，所述判断所述害虫图像是否符合第二预设条件，包括：
对所述害虫图像进行区域划分，得到至少两个分割区域；
对每一所述分割区域进行可利用面积计算，得到每一所述分割区域的可利用面积；
若存在任一所述分割区域的可利用面积超过预设的可利用阈值，则所述害虫图像符合第二预设条件。
9.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求4至8任一项所述害虫捕获方法。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求4至8任一项所述害虫捕获方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910532840.5A CN110326593B (zh) | 2019-06-19 | 2019-06-19 | 害虫捕获系统、方法、计算机设备和介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910532840.5A CN110326593B (zh) | 2019-06-19 | 2019-06-19 | 害虫捕获系统、方法、计算机设备和介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110326593A true CN110326593A (zh) | 2019-10-15 |
| CN110326593B CN110326593B (zh) | 2022-02-15 |
Family
ID=68142120
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910532840.5A Active CN110326593B (zh) | 2019-06-19 | 2019-06-19 | 害虫捕获系统、方法、计算机设备和介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110326593B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117099757A (zh) * | 2023-08-25 | 2023-11-24 | 肇庆市承铭农业技术开发有限公司 | 一种监测防红火蚁的设备及应用方法 |
Citations (21)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| BG108950A (en) * | 2004-11-26 | 2006-05-31 | Григор Григоров | METHOD AND DEVICES FOR HARMFUL CONTROL |
| CN201011819Y (zh) * | 2007-02-07 | 2008-01-30 | 天津市疾病预防控制中心 | 一种捕蚊器 |
| CN101583267A (zh) * | 2006-11-21 | 2009-11-18 | 地球制药株式会社 | 害虫捕获器及害虫捕获方法 |
| US20120195496A1 (en) * | 2011-01-31 | 2012-08-02 | Zaman Qamar-Uz | Variable rate sprayer system and method of variably applying agrochemicals |
| CN202588120U (zh) * | 2011-10-14 | 2012-12-12 | 王华弟 | 一种趋性害虫诱捕器 |
| CN103914733A (zh) * | 2014-03-31 | 2014-07-09 | 北京市农林科学院 | 一种害虫诱捕计数装置及计数系统 |
| CN104186449A (zh) * | 2014-08-15 | 2014-12-10 | 北京农业信息技术研究中心 | 一种自动更换粘虫板的害虫监测系统及监测方法 |
| KR20150059669A (ko) * | 2013-11-22 | 2015-06-02 | (주)비전앤바이오테크 | 볼록총채벌레 자동계수 장치 |
| CN104918007A (zh) * | 2015-05-15 | 2015-09-16 | 浙江大学 | 基于计算机视觉的大田虫情监控采样装置及采样方法 |
| CN105052864A (zh) * | 2015-07-29 | 2015-11-18 | 仲恺农业工程学院 | 一种捕虫防逃盖 |
| CN105284759A (zh) * | 2015-11-18 | 2016-02-03 | 华中科技大学 | 一种激光灭害装置及方法 |
| CN105394010A (zh) * | 2015-10-31 | 2016-03-16 | 河南科技学院 | 野外昆虫图像自动采集装置及其图像采集方法 |
| US20160127694A1 (en) * | 2014-10-30 | 2016-05-05 | Yu Ju Chang | Monitoring system for determining numbers of captured or killed living creatures |
| US20160235050A1 (en) * | 2015-02-13 | 2016-08-18 | Delta Five, Llc | Insect Traps and Monitoring System |
| 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 |
| CN206260624U (zh) * | 2016-12-14 | 2017-06-20 | 东北林业大学 | 一种带有称重传感器的虫子诱捕装置 |
| CN108040997A (zh) * | 2017-12-25 | 2018-05-18 | 仲恺农业工程学院 | 一种基于机器视觉的虫害监测方法 |
| CN207767333U (zh) * | 2017-09-14 | 2018-08-28 | 何颖 | 一种led景观灯的灭蚊装置 |
| CN208000600U (zh) * | 2018-04-25 | 2018-10-23 | 河北白沙烟草有限责任公司保定卷烟厂 | 一种杀虫板烟虫数量快速计数装置 |
| CN108812575A (zh) * | 2018-05-18 | 2018-11-16 | 仲恺农业工程学院 | 一种基于学习型虫害防治设备的虫害防治方法 |
| CN208798575U (zh) * | 2018-07-02 | 2019-04-30 | 河北天下瞳明科技有限公司 | 一种昆虫诱捕及拍摄装置 |
-
2019
- 2019-06-19 CN CN201910532840.5A patent/CN110326593B/zh active Active
Patent Citations (21)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| BG108950A (en) * | 2004-11-26 | 2006-05-31 | Григор Григоров | METHOD AND DEVICES FOR HARMFUL CONTROL |
| CN101583267A (zh) * | 2006-11-21 | 2009-11-18 | 地球制药株式会社 | 害虫捕获器及害虫捕获方法 |
| CN201011819Y (zh) * | 2007-02-07 | 2008-01-30 | 天津市疾病预防控制中心 | 一种捕蚊器 |
| US20120195496A1 (en) * | 2011-01-31 | 2012-08-02 | Zaman Qamar-Uz | Variable rate sprayer system and method of variably applying agrochemicals |
| CN202588120U (zh) * | 2011-10-14 | 2012-12-12 | 王华弟 | 一种趋性害虫诱捕器 |
| KR20150059669A (ko) * | 2013-11-22 | 2015-06-02 | (주)비전앤바이오테크 | 볼록총채벌레 자동계수 장치 |
| CN103914733A (zh) * | 2014-03-31 | 2014-07-09 | 北京市农林科学院 | 一种害虫诱捕计数装置及计数系统 |
| CN104186449A (zh) * | 2014-08-15 | 2014-12-10 | 北京农业信息技术研究中心 | 一种自动更换粘虫板的害虫监测系统及监测方法 |
| US20160127694A1 (en) * | 2014-10-30 | 2016-05-05 | Yu Ju Chang | Monitoring system for determining numbers of captured or killed living creatures |
| US20160235050A1 (en) * | 2015-02-13 | 2016-08-18 | Delta Five, Llc | Insect Traps and Monitoring System |
| CN104918007A (zh) * | 2015-05-15 | 2015-09-16 | 浙江大学 | 基于计算机视觉的大田虫情监控采样装置及采样方法 |
| CN105052864A (zh) * | 2015-07-29 | 2015-11-18 | 仲恺农业工程学院 | 一种捕虫防逃盖 |
| CN105394010A (zh) * | 2015-10-31 | 2016-03-16 | 河南科技学院 | 野外昆虫图像自动采集装置及其图像采集方法 |
| CN105284759A (zh) * | 2015-11-18 | 2016-02-03 | 华中科技大学 | 一种激光灭害装置及方法 |
| 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 |
| CN206260624U (zh) * | 2016-12-14 | 2017-06-20 | 东北林业大学 | 一种带有称重传感器的虫子诱捕装置 |
| CN207767333U (zh) * | 2017-09-14 | 2018-08-28 | 何颖 | 一种led景观灯的灭蚊装置 |
| CN108040997A (zh) * | 2017-12-25 | 2018-05-18 | 仲恺农业工程学院 | 一种基于机器视觉的虫害监测方法 |
| CN208000600U (zh) * | 2018-04-25 | 2018-10-23 | 河北白沙烟草有限责任公司保定卷烟厂 | 一种杀虫板烟虫数量快速计数装置 |
| CN108812575A (zh) * | 2018-05-18 | 2018-11-16 | 仲恺农业工程学院 | 一种基于学习型虫害防治设备的虫害防治方法 |
| CN208798575U (zh) * | 2018-07-02 | 2019-04-30 | 河北天下瞳明科技有限公司 | 一种昆虫诱捕及拍摄装置 |
Non-Patent Citations (2)
| Title |
|---|
| 景晓: "《蚊媒传染病检测技术及应用》", 31 August 2017, 山东人民出版社 * |
| 王红民等: "红外线技术在粮仓害虫检测中的研究与应用", 《河南工业大学学报》 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117099757A (zh) * | 2023-08-25 | 2023-11-24 | 肇庆市承铭农业技术开发有限公司 | 一种监测防红火蚁的设备及应用方法 |
| CN117099757B (zh) * | 2023-08-25 | 2024-04-23 | 肇庆市承铭农业技术开发有限公司 | 一种使用防红火蚁设备监测红火蚁的方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110326593B (zh) | 2022-02-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110519984B (zh) | 利用智能学习的价值添加的害虫控制系统 | |
| JP6949988B2 (ja) | 領域特定方法、装置、記憶媒体及びプロセッサ | |
| CN106355367A (zh) | 仓库监控管理装置 | |
| Balch et al. | Automatically tracking and analyzing the behavior of live insect colonies | |
| CN108073908B (zh) | 害虫识别方法及装置、计算机装置及存储介质 | |
| EP2353146B1 (de) | Vermessung des wachstums von blattscheiben von pflanzen | |
| CN110266938B (zh) | 基于深度学习的变电站设备智能拍摄方法及装置 | |
| CN109101547B (zh) | 用于野生动物的管理方法及装置 | |
| US10984548B2 (en) | Yield prediction for a cornfield | |
| CN103179993A (zh) | 昆虫实时监测装置 | |
| Guzhva et al. | Now you see me: Convolutional neural network based tracker for dairy cows | |
| CN107615336A (zh) | 视觉系统中托盘槽类型和试管类型的基于位置的检测 | |
| CN110059641B (zh) | 基于多预置点的深度鸟类识别算法 | |
| US20220351531A1 (en) | Automated parasite analysis system | |
| US11710214B2 (en) | Cloud-based framework for processing, analyzing, and visualizing imaging data | |
| CN110326593A (zh) | 害虫捕获系统、方法、计算机设备和介质 | |
| CN111008561A (zh) | 一种牲畜的数量确定方法、终端及计算机存储介质 | |
| CN112203059A (zh) | 一种基于ai图像识别技术的测虫方法 | |
| CN106603993B (zh) | 基于立体视觉的灯诱昆虫图像采集装置及方法 | |
| Arago et al. | Smart dairy cattle farming and in-heat detection through the internet of things (IoT) | |
| CN114638578A (zh) | 一种物料验收方法、装置及物料验收系统 | |
| CN110488829A (zh) | 巡逻设备的控制方法及装置 | |
| WO2019033221A1 (en) | METHODS AND SYSTEMS FOR ASSESSING THE HEALTH STATUS OF A LACTATION MAMMAL | |
| CN112215170A (zh) | 一种内置ai图像识别测虫技术算法和软件的系统 | |
| CN113311060A (zh) | 一种电梯包覆带缺陷在线检测及标记装置与系统 |
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 |