CN110705522A - 老鼠种类识别方法及系统 - Google Patents
老鼠种类识别方法及系统 Download PDFInfo
- Publication number
- CN110705522A CN110705522A CN201911007638.7A CN201911007638A CN110705522A CN 110705522 A CN110705522 A CN 110705522A CN 201911007638 A CN201911007638 A CN 201911007638A CN 110705522 A CN110705522 A CN 110705522A
- Authority
- CN
- China
- Prior art keywords
- rat
- mouse
- server
- patrol robot
- area
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种老鼠种类识别方法及系统,该方法包括:服务器接收巡逻机器人所拍摄的鼠类活动轨迹区域的图片;所述服务器从所述图片中识别出鼠粪块;所述服务器根据所述鼠粪块的形状判定出老鼠的种类。在本发明中,通过获取鼠类的鼠粪图片,并利用图像识别鼠粪形状判定区域内入侵的老鼠种类,从而克服了人工根据鼠迹进行老鼠种类判定所导致的难度大且效率低的问题,提高了老鼠种类判定的效率和准确率。
Description
技术领域
本发明涉及鼠害防治领域,具体而言,涉及一种老鼠种类识别方法及系统。
背景技术
不同老鼠种类的防治重点不同,老鼠种类辨别通常需要依靠鼠迹来进行判断,然而鼠类行踪不定且经常于夜间出没,传统人工寻找鼠迹难度大且效率低。如何了解并掌握入侵老鼠种类、有针对性的开展鼠患防治工作一直是餐饮业者及除专业鼠工作者的目标。
针对老鼠种类识别,常用的是粉迹法、鼠夹法与盗食法。鼠患防治人员依照后厨平面图,重点查看室内与外界相同的各种管道、孔洞,在墙边、角落、管道口或老鼠曾出现地点等重点区域查找鼠痕。通过观察鼠类留下的鼠迹(爬痕、粪便、咬痕等),由专业的鼠患防治人员进行老鼠种类分析。
现有的老鼠种类识别主要依靠对鼠痕的分析,然而鼠痕依靠人眼一般难以发觉,查找鼠痕需要花费大量的时间进行排查,严重影响鼠患防治工作的工作效率。其次,老鼠种类分析严重依靠防治人员的工作经验和主观判断,若防治人员经验不足,极易导致老鼠种类判断错误,导致鼠患防治不佳。
发明内容
本发明实施例提供了一种老鼠种类识别方法及装置,以至少解决相关技术中依靠鼠迹来进行老鼠种类判定所导致的难度大且效率低的问题。
根据本发明的一个实施例,提供了一种老鼠种类识别方法,包括:服务器接收巡逻机器人所拍摄的鼠类活动轨迹区域的图片;所述服务器从所述图片中识别出鼠粪块;所述服务器根据所述鼠粪块的形状判定出老鼠的种类。
可选地,服务器接收巡逻机器人所拍摄的鼠类活动轨迹区域的图片之前,还包括:所述巡逻机器人接收部署在鼠患监控区域的视频监控设备所发送的鼠类的活动轨迹信息;所述巡逻机器人按照鼠类的活动轨迹路径进行巡逻,并拍摄所述鼠类活动轨迹区域的图片。
可选地,所述巡逻机器人接收部署在鼠患监控区域的视频监控设备所发送的鼠类的活动轨迹信息之前,还包括:所述视频监控设备识别监测区域内出现的鼠类,并在监控画面中标注所述鼠类的活动轨迹。
可选地,所述服务器根据所述鼠粪块的形状判定出老鼠的种类之前,还包括:所述服务器对不同老鼠种类的粪块图像进行深度学习,以建立识别不同老鼠种类的粪块识别模型。
可选地,所述服务器根据所述鼠粪块的形状判定出老鼠的种类之后,还包括:所述服务器根据所判定出的老鼠的种类提供对应的防治信息。
根据本发明的另一个实施例,提供了一种老鼠种类识别系统,包括:巡逻机器人,用于将所拍摄的鼠类活动轨迹区域的图片发送至服务器;所述服务器,用于从所述图片中识别出鼠粪块,并根据所述鼠粪块的形状判定出老鼠的种类。
可选地,所述系统还包括:视频监控设备,部署在鼠患监控区域,用于将识别监测区域内出现的鼠类,并在监控画面中标注所述鼠类的活动轨迹后发送至所述巡逻机器人。
可选地,所述巡逻机器人,还用于按照鼠类的活动轨迹路径进行巡逻,并拍摄所述鼠类活动轨迹区域的图片。
可选地,所述服务器,还用于对不同老鼠种类的粪块图像进行深度学习,以建立识别不同老鼠种类的粪块识别模型。
根据本发明的又一个实施例,还提供了一种存储介质,所述存储介质中存储有计算机程序,其中,所述计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
根据本发明的又一个实施例,还提供了一种电子装置,包括存储器和处理器,所述存储器中存储有计算机程序,所述处理器被设置为运行所述计算机程序以执行上述任一项方法实施例中的步骤。
在本发明的上述实施例中,通过获取鼠类的鼠粪图片,并利用图像识别鼠粪形状判定区域内入侵的老鼠种类,从而克服了人工根据鼠迹进行老鼠种类判定所导致的难度大且效率低的问题,提高了老鼠种类判定的效率和准确率。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是根据本发明实施例的老鼠种类识别方法流程图;
图2是根据本发明可选实施例的老鼠种类识别方法流程图;
图3是根据本发明实施例的老鼠种类识别系统结构示意图;
图4是根据本发明可选实施例的老鼠种类识别系统结构示意图。
具体实施方式
下文中将参考附图并结合实施例来详细说明本发明。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
在本实施例中提供了一种老鼠种类识别方法,图1是根据本发明实施例的方法流程图,如图1所示,该流程包括如下步骤:
步骤S102,服务器接收巡逻机器人所拍摄的鼠类活动轨迹区域的图片;
步骤S104,所述服务器从所述图片中识别出鼠粪块;
步骤S106,所述服务器根据所述鼠粪块的形状判定出老鼠的种类。
在本实施例的步骤S102之前,还可以包括:所述巡逻机器人接收部署在鼠患监控区域的视频监控设备所发送的鼠类的活动轨迹信息;所述巡逻机器人按照鼠类的活动轨迹路径进行巡逻,并拍摄所述鼠类活动轨迹区域的图片。
在本实施例,在所述巡逻机器人接收部署在鼠患监控区域的视频监控设备所发送的鼠类的活动轨迹信息之前,还可以包括:所述视频监控设备识别监测区域内出现的鼠类,并在监控画面中标注所述鼠类的活动轨迹。
在本实施例的步骤S106之前,还可以包括:所述服务器对不同老鼠种类的粪块图像进行深度学习,以建立识别不同老鼠种类的粪块识别模型。
在本实施例的步骤S106之后,还可以包括:所述服务器根据所判定出的老鼠的种类提供对应的防治信息。
在本发明的上述实施例中,利用到了老鼠边走动边排便的生物特性,通过摄像头获取鼠类活动轨迹后由机器人进行鼠类粪便排查,并通过图像识别鼠粪形状判定区域内入侵的老鼠种类,解决传统人工辨别老鼠种类主观性强的问题,提高了入侵老鼠种类判断的准确性。
为了便于对本发明实施例所提供的技术方案的理解,下面将结合具体应用场景的实施例进行详细描述。
在本实施例中,利用图像识别技术,在餐饮经营场所和食品工厂等场所,通过监控场所部署的监控摄像头捕捉老鼠活动轨迹,并将轨迹信息发送给巡逻机器人,由机器人进行鼠迹排查,并对发现的鼠类粪块进行拍照,通过鼠迹分析监测范围内入侵老鼠种类信息,以便辅助工作人员开展针对性的鼠患防治工作。
鼠粪是最容易发现的鼠迹。鼠类排便很有规律,一般在鼠经常隐没、觅食、饮水的场所和鼠迹沿线。鼠粪的大小和形态可以作为老鼠种类判断的依据。小家鼠粪块呈米粒大小、两端凸起、中间凹陷,形如镰刀。黄胸鼠的粪块两端钝圆呈香蕉状。褐家鼠的粪块最大,两端尖中间饱满,呈纺锤状或弯月状。
在本实施例中,预先对不同鼠类粪便图像的进行深度学习,从而建立不同老鼠种类的粪块识别模型,通过该训练后的模型可以从老鼠粪块的图片中识别老鼠的种类。
如图2所示,本实施例主要包括如下步骤:
步骤S202,在监控场所部署鼠患监控装置,该摄像头可自动识别监测区域内出现的鼠类,并绘制鼠类活动轨迹。
步骤S204,系统在监控画面中标注鼠类活动的地面区域,并将地面上的鼠类活动的轨迹信息发送给负责该区域的巡逻机器人。
步骤S206,机器人按照鼠迹路径进行巡逻,并在巡逻的过程中对地面进行拍照,将图片将同步上传至服务器。
步骤S208,服务器通过模型的图像识别功能,识别画面中是否出现鼠粪块,并根据粪块形状自动进行老鼠种类判定。
在本发明的上述实施例中,利用到了老鼠边走动边排便的生物特性,通过摄像头获取鼠类活动轨迹后由机器人进行鼠类粪便排查,并通过图像识别鼠粪形状判定区域内入侵的老鼠种类,解决传统人工辨别老鼠种类主观性强的问题,提高了入侵老鼠种类判断的准确性。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
在本实施例中还提供了一种老鼠种类识别系统,该系统用于实现上述实施例及优选实施方式,已经进行过说明的不再赘述。如以下所使用的,术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
图3是根据本发明实施例的老鼠种类识别系统的结构框图,如图3所示,该系统包括巡逻机器人100和服务器200。
巡逻机器人100,用于将所拍摄的鼠类活动轨迹区域的图片发送至服务器。
服务器200,用于从所述图片中识别出鼠粪块,并根据所述鼠粪块的形状判定出老鼠的种类。
图4是根据本发明可选实施例的老鼠种类识别系统的结构框图,如图4所示,该系统除包括图3所示的巡逻机器人100和服务器200外,还包括视频监控设备300。该视频监控设备300部署在鼠患监控区域,用于将识别监测区域内出现的鼠类,并在监控画面中标注所述鼠类的活动轨迹后发送至所述巡逻机器人100。
在本实施例中,巡逻机器人100,按照鼠类的活动轨迹路径进行巡逻,并拍摄所述鼠类活动轨迹区域的图片。
在本实施例中,服务器200可预先对不同老鼠种类的粪块图像进行深度学习,以建立识别不同老鼠种类的粪块识别模型。
需要说明的是,上述各个模块是可以通过软件或硬件来实现的,对于后者,可以通过以下方式实现,但不限于此:上述模块均位于同一处理器中;或者,上述各个模块以任意组合的形式分别位于不同的处理器中。
本发明的实施例还提供了一种存储介质,该存储介质中存储有计算机程序,其中,该计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
可选地,在本实施例中,上述存储介质可以包括但不限于:U盘、只读存储器(Read-Only Memory,简称为ROM)、随机存取存储器(Random Access Memory,简称为RAM)、移动硬盘、磁碟或者光盘等各种可以存储计算机程序的介质。
本发明的实施例还提供了一种电子装置,包括存储器和处理器,该存储器中存储有计算机程序,该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。
可选地,上述电子装置还可以包括传输设备以及输入输出设备,其中,该传输设备和上述处理器连接,该输入输出设备和上述处理器连接。
显然,本领域的技术人员应该明白,上述的本发明的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,可选地,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,并且在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件结合。
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 (10)
1.一种老鼠种类识别方法,其特征在于,包括:
服务器接收巡逻机器人所拍摄的鼠类活动轨迹区域的图片;
所述服务器从所述图片中识别出鼠粪块;
所述服务器根据所述鼠粪块的形状判定出老鼠的种类。
2.根据权利要求1所述的方法,其特征在于,服务器接收巡逻机器人所拍摄的鼠类活动轨迹区域的图片之前,还包括:
所述巡逻机器人接收部署在鼠患监控区域的视频监控设备所发送的鼠类的活动轨迹信息;
所述巡逻机器人按照鼠类的活动轨迹路径进行巡逻,并拍摄所述鼠类活动轨迹区域的图片。
3.根据权利要求1所述的方法,其特征在于,所述巡逻机器人接收部署在鼠患监控区域的视频监控设备所发送的鼠类的活动轨迹信息之前,还包括:
所述视频监控设备识别监测区域内出现的鼠类,并在监控画面中标注所述鼠类的活动轨迹。
4.根据权利要求1所述的方法,其特征在于,所述服务器根据所述鼠粪块的形状判定出老鼠的种类之前,还包括:
所述服务器对不同老鼠种类的粪块图像进行深度学习,以建立识别不同老鼠种类的粪块识别模型。
5.根据权利要求1所述的方法,其特征在于,所述服务器根据所述鼠粪块的形状判定出老鼠的种类之后,还包括:
所述服务器根据所判定出的老鼠的种类提供对应的防治信息。
6.一种老鼠种类识别系统,其特征在于,包括:
巡逻机器人,用于将所拍摄的鼠类活动轨迹区域的图片发送至服务器;
所述服务器,用于从所述图片中识别出鼠粪块,并根据所述鼠粪块的形状判定出老鼠的种类。
7.根据权利要求6所述的系统,其特征在于,还包括:
视频监控设备,部署在鼠患监控区域,用于将识别监测区域内出现的鼠类,并在监控画面中标注所述鼠类的活动轨迹后发送至所述巡逻机器人。
8.根据权利要求7所述的系统,其特征在于,所述巡逻机器人还用于:
按照鼠类的活动轨迹路径进行巡逻,并拍摄所述鼠类活动轨迹区域的图片。
9.根据权利要求6所述的系统,其特征在于,所述服务器还用于:
对不同老鼠种类的粪块图像进行深度学习,以建立识别不同老鼠种类的粪块识别模型。
10.一种计算机可读存储介质,其特征在于,所述存储介质中存储有计算机程序,其中,所述计算机程序被设置为运行时执行所述权利要求1至5任一项中所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911007638.7A CN110705522A (zh) | 2019-10-22 | 2019-10-22 | 老鼠种类识别方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911007638.7A CN110705522A (zh) | 2019-10-22 | 2019-10-22 | 老鼠种类识别方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110705522A true CN110705522A (zh) | 2020-01-17 |
Family
ID=69202120
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911007638.7A Pending CN110705522A (zh) | 2019-10-22 | 2019-10-22 | 老鼠种类识别方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110705522A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN205201506U (zh) * | 2015-12-24 | 2016-05-04 | 济宁技术学院实习厂 | 一种工业巡逻机器人 |
CN107624732A (zh) * | 2017-08-25 | 2018-01-26 | 深圳市盛路物联通讯技术有限公司 | 一种智能清洁方法以及物联网系统 |
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 |
CN109284740A (zh) * | 2018-10-26 | 2019-01-29 | 思百达物联网科技(北京)有限公司 | 对鼠情进行统计的方法、装置、设备以及存储介质 |
CN109299703A (zh) * | 2018-10-17 | 2019-02-01 | 思百达物联网科技(北京)有限公司 | 对鼠情进行统计的方法、装置以及图像采集设备 |
-
2019
- 2019-10-22 CN CN201911007638.7A patent/CN110705522A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN205201506U (zh) * | 2015-12-24 | 2016-05-04 | 济宁技术学院实习厂 | 一种工业巡逻机器人 |
CN107624732A (zh) * | 2017-08-25 | 2018-01-26 | 深圳市盛路物联通讯技术有限公司 | 一种智能清洁方法以及物联网系统 |
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 |
CN109299703A (zh) * | 2018-10-17 | 2019-02-01 | 思百达物联网科技(北京)有限公司 | 对鼠情进行统计的方法、装置以及图像采集设备 |
CN109284740A (zh) * | 2018-10-26 | 2019-01-29 | 思百达物联网科技(北京)有限公司 | 对鼠情进行统计的方法、装置、设备以及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109922310B (zh) | 目标对象的监控方法、装置及系统 | |
JP6949988B2 (ja) | 領域特定方法、装置、記憶媒体及びプロセッサ | |
WO2020151084A1 (zh) | 目标对象的监控方法、装置及系统 | |
Balch et al. | Automatically tracking and analyzing the behavior of live insect colonies | |
CN109886999B (zh) | 位置确定方法、装置、存储介质和处理器 | |
KR101984983B1 (ko) | 야생동물 모니터링 시스템 및 그 방법 | |
CN108073908B (zh) | 害虫识别方法及装置、计算机装置及存储介质 | |
CN107669278B (zh) | 运动状态识别方法和系统、动物行为识别系统 | |
CN109197273B (zh) | 害虫活动时间段的确定方法及装置、施药时间的确定方法 | |
CN108829762A (zh) | 基于视觉的小目标识别方法和装置 | |
JP2017205033A (ja) | 鳥獣害対策システム | |
CN109831634A (zh) | 目标对象的密度信息确定方法及装置 | |
CN113963298A (zh) | 基于计算机视觉的野生动物识别跟踪与行为检测系统、方法、设备及存储介质 | |
WO2018054767A1 (de) | Bekämpfung von schadorganismen | |
CN113349188B (zh) | 一种基于云端杀草谱的草坪及牧草精准除草方法 | |
CN108874910A (zh) | 基于视觉的小目标识别系统 | |
CN104899854B (zh) | 堆粮高度线的检测方法和装置 | |
CN111723785A (zh) | 一种动物发情确定方法及装置 | |
CN110705522A (zh) | 老鼠种类识别方法及系统 | |
CN110488829A (zh) | 巡逻设备的控制方法及装置 | |
CN115468598A (zh) | 一种猪舍环境智慧监控方法及系统 | |
KR102379977B1 (ko) | 유해조수 취약성 분석을 통한 유도울타리 설치 지역 도출 시스템 및 이를 이용한 유도울타리 설치 지역 도출방법 | |
CN112580482A (zh) | 一种动物监控方法、终端和存储介质 | |
CN111062295B (zh) | 区域定位方法和装置、存储介质 | |
CN113256647A (zh) | 图像处理方法、图像处理装置、电子装置和存储介质 |
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: 20200117 |