CN111246734B - 昆虫感测系统和方法 - Google Patents

昆虫感测系统和方法 Download PDF

Info

Publication number
CN111246734B
CN111246734B CN201880068259.6A CN201880068259A CN111246734B CN 111246734 B CN111246734 B CN 111246734B CN 201880068259 A CN201880068259 A CN 201880068259A CN 111246734 B CN111246734 B CN 111246734B
Authority
CN
China
Prior art keywords
light
image
insect
insects
camera
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.)
Active
Application number
CN201880068259.6A
Other languages
English (en)
Other versions
CN111246734A (zh
Inventor
J.刘
P.马萨罗
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.)
Verily Life Sciences LLC
Original Assignee
Verily Life Sciences LLC
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 Verily Life Sciences LLC filed Critical Verily Life Sciences LLC
Publication of CN111246734A publication Critical patent/CN111246734A/zh
Application granted granted Critical
Publication of CN111246734B publication Critical patent/CN111246734B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
    • G01S7/481—Constructional features, e.g. arrangements of optical elements
    • G01S7/4811—Constructional features, e.g. arrangements of optical elements common to transmitter and receiver
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/10—Image acquisition
    • G06V10/12—Details of acquisition arrangements; Constructional details thereof
    • G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
    • G06V10/145—Illumination specially adapted for pattern recognition, e.g. using gratings
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/10—Image acquisition
    • G06V10/12—Details of acquisition arrangements; Constructional details thereof
    • G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
    • G06V10/147—Details of sensors, e.g. sensor lenses
    • 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
    • A01M2200/00—Kind of animal
    • A01M2200/01—Insects
    • A01M2200/012—Flying insects
    • 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
    • A01M31/00—Hunting appliances
    • A01M31/002—Detecting animals in a given area
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
    • G01S17/04—Systems determining the presence of a target
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D7/00—Control of flow
    • G05D7/06—Control of flow characterised by the use of electric means

Landscapes

  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Pest Control & Pesticides (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Zoology (AREA)
  • Environmental Sciences (AREA)
  • Wood Science & Technology (AREA)
  • Insects & Arthropods (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Vascular Medicine (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Catching Or Destruction (AREA)

Abstract

一个示例昆虫感测系统包括：光发射器，被配置为发射光；结构光生成器，被定位以接收所发射的光并被配置为从所发射的光生成结构光；按直线布置的多个光传感器，每个光传感器被定向以接收结构光的至少一部分并输出指示由相应光传感器接收的光量的传感器信号；处理设备，被配置为:从光传感器中的每个获得传感器信号，并基于从至少一个光传感器接收的传感器信号来确定昆虫的存在，其中该传感器信号指示该至少一个光传感器的减少后的接收光量。另一个示例昆虫感测系统包括相机以及处理器，该相机包括图像传感器和孔径为f/2.8或更宽的透镜，该处理器被配置为从相机获得图像并检测图像中的昆虫。

Description

昆虫感测系统和方法
技术领域
本申请总体上涉及昆虫释放机制，更具体地，涉及昆虫感测系统和方法。
背景技术
除了南极洲，所有的大陆都饱受蚊虫传播的疾病的折磨。控制蚊虫种群的各种技术涉及生成不育的雄性昆虫，用于释放到野外与当地的雌性交配。这些技术需要将饲养的昆虫释放到野外的系统。
发明内容
描述了昆虫感测系统和方法的各种示例。一个示例感测系统包括：光发射器，被配置为发射光；结构光生成器，被定位以接收所发射的光并被配置为生成具有形状的结构光；根据该形状布置的多个光传感器，每个光传感器被定向以接收结构光的至少一部分并输出指示由相应光传感器接收的光量的传感器信号；处理设备，被配置为:从光传感器中的每个获得传感器信号，并基于从至少一个光传感器接收的传感器信号来确定昆虫的存在，其中该传感器信号指示该至少一个光传感器的减少后的接收光量。
一种示例方法包括使用光发射器发射光；生成具有形状的结构光；使用根据该形状布置的多个光传感器接收结构光的至少一些，每个光传感器被定向以接收结构光并输出指示由相应光传感器接收的光量的信号；从光传感器中的每个获得信号；基于根据来自至少一个光传感器的接收信号的减少后的接收光量和光传感器中的一个或多个光传感器的平均接收光量来确定昆虫的存在，其中减少后的接收光量低于参考阈值。
另一示例感测系统包括相机以及处理器，该相机包括图像传感器和孔径为f/2.8或更宽的透镜，该相机被定位以捕获包括昆虫释放管的内部部分的图像，该相机被定向为相对于昆虫释放管的纵轴成斜角，并且该相机的焦深位于昆虫释放管的内部容积内，该处理器与非暂时性计算机可读介质通信，并被配置为执行存储在非暂时性计算机可读介质中的处理器可执行代码，以:从相机获得图像；并检测图像中的昆虫。
另一示例方法包括从包括图像传感器和孔径为f/2.8或更宽的透镜的相机获得图像；以及使用边缘检测技术检测图像中的昆虫；其中:该相机被定位以捕获昆虫释放管的内部容积的图像，该相机被定向使得相机的焦轴相对于昆虫释放管的纵轴成斜角，并且该相机的焦深位于昆虫释放管的内部容积内。
提及这些说明性示例不是为了限制或限定本公开的范围，而是为了提供示例来帮助理解本公开。在提供进一步描述的详细描述中讨论了说明性示例。通过检查本说明书，可以进一步理解各种示例提供的优点。
附图说明
并入并构成本说明书一部分的附图示出了一个或多个特定示例，并且与示例的描述一起用于解释特定示例的原理和实施方式。
图1示出了用于从容器中释放昆虫的示例系统；
图2-8示出了示例昆虫感测系统；
图9示出了由示例昆虫感测系统捕获的模拟图像；
图10-12示出了示例昆虫感测方法；和
图13示出了用于昆虫感测系统和方法的示例计算设备。
具体实施方式
本文在昆虫感测系统和方法的上下文中描述了示例。本领域普通技术人员将认识到，以下描述仅是说明性的，并不旨在以任何方式进行限制。现在将详细参考如附图所示的示例的实施方式。相同的附图标记将在整个附图和下面描述中用于指代相同或相似的项目。
为了清楚起见，没有示出和描述本文描述的示例的所有常规特征。当然，应当理解，在任何这种实际实施方式的开发中，必须做出许多特定于实施方式的决策，以便实现开发者的特定目标(诸如符合与应用和业务相关的约束)，并且这些特定目标将随着实施方式的不同以及开发者的不同而不同。
为了帮助消灭昆虫传播的疾病，不育的雄性昆虫(诸如蚊虫)可以被释放到环境中，在那里它们与雌性昆虫交配，但不会生成任何后代。因此，昆虫种群随着时间的推移而减少。为了以这种方式帮助有效地控制昆虫种群，了解被释放到特定区域的昆虫数量是很重要的。然而，在释放车辆行进通过一个区域的同时，成千上万的昆虫可能在相对短的时间(诸如几分钟)内被释放，因此很难准确地检测在任何特定时间在任何特定位置处释放的昆虫的实际数量。
图1示出了示例昆虫释放系统100，其包括具有一种群昆虫112a-n的昆虫容器110。昆虫容器110连接到释放管120的近端，昆虫可以通过释放管120行进并从昆虫容器逃脱，并经由释放管远端处的释放开口122进入环境。这种释放系统100还可以包括风扇或鼓风机，以促使昆虫离开容器110和释放管120，或者增加昆虫的飞行速度。
现在参考图2，为了在昆虫被释放时对其进行计数，根据本公开的感测系统210可用于在昆虫行进通过释放管120时对其进行计数。感测系统210向计算设备212发送信号，然后计算设备212可以基于接收的信号对昆虫进行计数。以下参考图3-9详细描述了合适的昆虫感测系统的一些示例。此外，尽管昆虫感测系统210位于释放管120上的特定位置处，但是应当理解，根据本公开的昆虫感测系统210可以沿着释放管120的长度被定位在任何合适的位置处。
图3示出了包括示例昆虫感测系统300的昆虫释放系统100，该昆虫感测系统300包括光源310、结构光生成器312、多个光传感器320a-k(“k”表示大于1的任何整数)、以及控制光源310并从光传感器接收传感器信号的计算设备330。在该示例中，光源310发射光，该光照射结构光生成器312。结构光生成器312接收入射的发射光，并生成结构光314，其中该结构光314穿过释放管120的内部容积朝向光传感器320a-k投射。光传感器320a-k被定向以与结构光314对准，并基于在每个相应光传感器处接收的光量向计算设备330输出信号。
根据本公开的结构光是指被定向以生成特定形状的光线。例如，来自光源的输出可以被构造以生成线、圆、矩形等。可以采用任何合适的结构光生成器，并且可以包括使用一个或多个透镜(包括激光线生成器透镜、凸透镜或凹透镜)、一个或多个反射镜、一个或多个衍射元件(诸如棱镜)、一个或多个散射器元件，等等。在一个示例中，结构光生成器可以包括板或其他平坦的材料片，其具有在对应于光源(诸如LED)的位置处形成的孔，以仅允许来自光源的光的一小部分通过该孔。在一些示例中，可以采用多个光源和对应的孔。此外，通过调节孔相对于光源的位置，可以准确地调节和控制光通过孔的角度。在一些示例中，生成结构光还可以涉及诸如准直以生成平行光线的技术。准直可以使用准直结构来执行，诸如菲涅耳透镜、凸透镜、光纤耦合器等。然而，应当理解，结构光可以涉及或不涉及准直。
在该示例中，光源310是激光光源，但是可以是任何合适的光源。在一些示例中，采用基本上单色光可能是有利的，并且因此可以采用一个或多个滤光器来减少提供给结构光生成器312的光的波长数，或者从结构光生成器312投射穿过释放管120的内部容积的光的波长数。采用基本上单色光可以允许计算设备330更容易地从光传感器320a-k接收的传感器信号中过滤环境光信号。
在该示例中，每个光传感器320a-k是分立光电晶体管，其与每个相邻的光电晶体管相隔大约1mm；然而，可以采用任何合适的间隔。在特定示例中，可以基于待检测昆虫的大小来选择间隔。例如，为了检测蚊虫，光传感器可以相隔大约1mm或更小，以提供足够的分辨率，使得蚊虫不可能在没有对应光传感器的位置处通过结构光314。然而，在一些示例中，光传感器320a-k可以以大于1mm的间距间隔开。例如，较大的昆虫(诸如苍蝇)可允许光传感器之间的较大间隔(例如3mm或更大)。因此，光传感器的间隔可以基于将穿越释放管的昆虫的平均或预期大小。虽然在该示例中，光传感器320a-k是分立电子组件，诸如光电晶体管、光电二极管、或光敏电阻，但是在一些示例中，合适的光传感器可以嵌入在单片组件上，例如诸如电荷耦合器件(charge-coupled device，CCD)的图像传感器、CMOS图像传感器，等等。在该示例中，光传感器320a-k输出与接收的光量成比例的电流；然而，在一些示例中，光传感器320a-k可以输出指示电压、电阻等的信号，指示由光传感器接收的即时光量。然而，在一些示例中，光传感器可以输出在一时间段内接收的平均光量，或者可以输出指示接收的光量的数字值。
在该示例中，结构光314以垂直于释放管120的长度的角度被投射穿过释放管120的内部容积，并且穿过释放管的整个横截面。然而，其他示例可以以相对于释放管120的长度的斜角投射。光传感器320a-k相对于光源310的定位基于由结构光生成器312投射的结构光的角度。因此，光传感器320a-k被放置以接收结构光314。然而，因为环境光也可以被光传感器检测到，所以光传感器320a-k可以远离释放开口122放置。在该示例中，释放管120大约3英尺长，并且光传感器320a-k位于距释放开口122大约18英寸的位置。应当理解，这些尺寸仅仅是示例，并且可以采用任何合适长度的释放管120，并且根据不同的设计目标或要求，光传感器320a-k可以放置在沿着释放管120的长度的任何位置处。
计算设备330是任何合适的计算设备，诸如以下相对于图13描述的计算设备1300。它与光传感器320a-k和光源310都通信(通信链路未示出)，并且被配置为发送信号以激活或停用光源310。然而，在一些示例中，计算设备330不与光源310通信，替代地，该光源310可以直接连接到电源。此外，计算设备330被配置为从光传感器320a-k接收传感器信号，并基于接收的传感器信号检测昆虫。在该示例中，每个单独的光传感器发送它自己的传感器信号；然而，在一些示例中，传感器信号可以包括来自多个光传感器、例如在图像传感器的情况下的信息。
在操作中，允许昆虫112a-n(其中“n”表示大于1的任何整数)从昆虫容器110行进通过释放管120，通过结构光314，并离开释放开口122。在该示例中，计算设备330从光传感器320a-k接收传感器信号，并确定针对每个光传感器320a-k的近似平均传感器值，以确定当没有昆虫存在时针对每个检测器的基线值。计算设备330以每秒大约10，000个样本的速率对接收的传感器信号进行采样，并将每个样本与确定的平均传感器值进行比较。当传感器信号从相应光传感器的平均传感器值偏离阈值量时，计算设备330登记昆虫并递增昆虫计数器，并忽略来自该特定光传感器的后续传感器信号，直到传感器信号返回到平均传感器值(或在平均传感器值的阈值量内)。计算设备330然后确定昆虫已经完全通过结构光314，并开始寻找下一只昆虫。应当理解，单只昆虫可能干扰由多个光传感器接收的光。因此，在一些示例中，计算设备330可以确定多个相邻的光传感器都指示检测到的光的减少，并且确定这些检测器中的每个检测到同一昆虫。然而，如果光传感器320a-k的间隔足够高，则计算设备330可能将在不同传感器处检测到的光的每一个单独减少视为不同的昆虫。
虽然在上述示例中，计算设备330将每个样本与确定的平均传感器值进行比较，但是在一些示例中，这种比较可以在计算设备330外部的电路中执行。例如，可以采用比较器来将接收到的传感器值与阈值(诸如平均传感器值)进行比较。然后，比较器的输出可以直接或经由一个或多个中间组件(诸如放大器、反相器等)被提供给计算设备330。
现在参考图4，图4示出了示例昆虫感测系统400。昆虫感测系统400包括光源410、结构光生成器412、菲涅耳透镜413、和多个光传感器420a-k。在该示例中，光源410是固态激光器。从图中可以看出，从光源410发射的光被结构光生成器412接收，该结构光生成器412产生结构光，该结构光然后通过菲涅耳透镜413以准直最终被投射穿过释放管430的内部容积的结构光414。结构光414穿过释放管430的内部容积并到达光传感器420a-k，光传感器420a-k向计算设备(未示出)提供传感器信号。虽然图4所示的示例昆虫感测系统400通过在一个方向上发射结构光来操作，但是其他示例可以采用在多个方向上发射的结构光。此外，虽然该示例采用菲涅耳透镜413，但是在一些示例中，可以采用其他类型的透镜。在一些示例中，可以不使用附加透镜，并且结构光生成器412直接发射结构光414。
图5所示的示例昆虫感测系统500采用两个光发射器510a-b，每个都发射到相应的结构光生成器512a-b上并通过相应的菲涅耳透镜513a-b。结构光生成器512a-b和菲涅耳透镜513a-b被定向使得由一个结构光生成器/菲涅耳透镜组合发射的结构光在与由另一个结构光生成器/菲涅耳透镜组合发射的结构光正交的方向上被发射。光传感器520a-k、522a-m(“m”指大于1的任何整数)位于释放管730的与相应的结构光发生器512a-b相对的一侧。这种布置可以实现对通过释放管530的昆虫的更高分辨率的感测，或者可以提供对基本上同时通过昆虫感测系统500的多只昆虫更强的检测。此外，如以上相对于图4所讨论的，尽管除了结构光生成器512a-b之外，该示例还采用了菲涅耳透镜513a-b，但是在一些示例中，也可以采用其他类型的透镜。在一些示例中，可以不使用附加透镜，并且结构光生成器512a-b直接发射结构光514。
虽然该示例示出了两个光源510a-b被定向以投射彼此正交的结构光514，但是在一些示例中可以采用其他数量的光源/结构光生成器/检测器布置。例如，三个光源/结构光生成器/检测器布置可以被定位以检测释放管内的昆虫，使得每个布置被定位成彼此偏离120度。然而，在这种示例中，来自一个光源的光可以照射到与不同光源相关联的光传感器。因此，可能期望在光传感器组之间提供间隔，或者采用不同颜色或波长的光发射器来减轻这些影响。
此外，虽然图5所示的示例昆虫感测系统500在同一平面中从两个不同光源510a-b投射结构光514，但是在一些示例中，光源/结构光生成器/检测器布置可以彼此偏移，使得昆虫可以首先穿越来自一个这样的布置的结构光，并且在进一步沿着释放管530行进之后，穿越来自另一个光源/结构光生成器/检测器布置的结构光。这种布置可以允许计算设备比较由一种布置和由另一种布置检测到的昆虫数量，以提供更精确的昆虫计数。例如，如果两只昆虫(或几只昆虫的集群)基本上同时穿越一片结构光，但是在穿越第二片结构光之前彼此分开，则计算设备可以能够区分单独的昆虫，而不是明显较大的昆虫。
现在参考图6，图6示出了采用透镜作为结构光生成器612的示例昆虫感测系统600。与图4所示的示例一样，该示例昆虫感测系统600穿过释放管600的容积仅在一个方向上投射结构光614。该示例中的光源610是具有散射滤光器的LED。结构光614然后由光传感器620a-k检测，光传感器620a-k向计算设备(未示出)提供传感器信号，以检测穿越释放管630的一只或多只昆虫。
图7示出了类似于图5所示的示例系统500的示例昆虫感测系统700。示例系统700包括两个光源710a-b，对应的透镜被配置为结构光生成器712a-b，并且被定向为投射彼此正交的光穿过释放管730的内部容积。光传感器720a-k、722a-m检测来自其相应光源710a-b的结构光714，并向计算设备(未示出)提供指示由相应光传感器检测的光量的传感器信号。
虽然在该示例中，两个结构光生成器712a-b都是透镜，但是在一些示例中，多个不同类型的结构光生成器712a-b可以用在同一昆虫感测系统中。
现在参考图8，图8示出了示例昆虫感测系统800。在该示例中，系统800包括相机820，其被定位以通过透明盖810捕获释放管120的内部容积的图像。如图8所示，相机820沿着与释放管120的纵轴成斜角的焦轴826而被定向，但是与释放管的纵轴在同一平面内。系统800捕获在视场822内释放管120的内部容积的连续图像，并对图像内的昆虫数量进行计数，以确定已经穿越释放管120的昆虫数量。
为了允许昆虫感测系统800准确地计数昆虫，在该示例中，相机820的透镜孔径为f/2.8，但是在一些示例中透镜孔径为f/2.0或更宽。此外，相机820被配置为具有大约1.5至2米的焦距；然而，可以基于相机820相对于释放管120的位置和方向来选择任何合适的焦距。在该示例中，相机820以1280×720像素的分辨率捕获图像，但是在一些示例中，可以采用更低或更高分辨率的图像。
相机被配置为具有浅的焦深824，以允许其捕获释放管120内的昆虫840a-c的图像，但仅捕获释放管120内的浅容积内的对焦(in focus)的昆虫。相机820然后可以捕获释放管的内部容积的连续图像，并且捕获的图像然后可以被计算设备830分析以识别和计数对焦的昆虫，同时忽略失焦(out-of-focus)的昆虫。这种配置可以允许感测系统830在昆虫通过释放管120朝向释放开口122移动时识别昆虫。然而，因为相机820具有浅的焦深，穿越释放管120的每只昆虫将仅在短时间段内在对焦。因此，当相机820捕获连续图像时，任何单独昆虫可能仅在一帧或两帧内在对焦。因此，系统800可以准确地计算随着时间推移穿越释放管120的昆虫数量。
例如，当昆虫840a-c通过释放管120飞向释放开口122时，昆虫840b进入焦深容积，其中相机820捕获具有对焦的昆虫840b的图像，而昆虫840a和840c将出现失焦。参考图9，图9示出了昆虫840a-c的模拟示例捕获图像900。可以看出，昆虫840a和840c出现失焦，而昆虫840b对焦。计算设备830可以使用例如边缘检测技术来识别对焦的昆虫840b。边缘检测技术可以被配置为检测相对锐利的边缘，指示聚焦对象，并且忽略与失焦对象相关联的较柔和或模糊的边缘。
在一个示例中，计算设备830使用以相应像素为中心的像素窗口对每个图像中的每个像素执行边缘检测。该过程生成图像的边缘梯度图，然后可以对其进行分析以识别高于参考阈值边缘梯度。如果对于阈值数量的相邻像素边缘梯度足够高，则计算设备830可以确定已经识别出对象(例如昆虫)，并且递增计数器。在一些示例中，除了边缘检测技术，计算系统830可以采用轮廓识别技术或对象识别技术(诸如机器学习技术)来识别捕获图像内的昆虫。在一个示例中，机器学习技术可以被训练为识别对焦的昆虫和忽略失焦的昆虫，并且当在图像内识别出在一个或多个对焦的昆虫时，计算设备830基于识别出的对焦的昆虫的数量递增计数器。
为了在昆虫穿越释放管120时捕获足够的昆虫图像以提供准确的昆虫计数，在该示例中，相机820以大约60赫兹(“Hz”)的速率捕获图像。为了帮助确保昆虫在至少一幅图像内对焦，可以选择提供主体昆虫的平均长度(例如，对于蚊虫为8-10mm)的景深的透镜，并且可以基于预期的飞行速度选择帧速率，其中穿越释放管120的每只昆虫的至少一幅图像在统计上是可能的。例如，如果期望20mm的景深(例如，蚊虫平均长度的两倍)，并且采用每秒2米(“2m/s”)的预期最大飞行速度，则大约100Hz的帧速率应该捕获穿越释放管的每只昆虫对焦的至少一幅图像。如果采用稍大的景深824(例如30mm)，则可以采用较低的帧速率(例如66.67Hz)，这可以减少计算设备830的计算负担，因为捕获的图像越少，并且每个新图像之间经过的时间越多。然而，更高的帧速率(诸如240Hz)可以允许浅的焦深(例如20-30mm)，并且适应更快的昆虫移动速度。然而，应当理解，根据不同的示例，可以采用任何合适的帧速率。
在一些示例中，相机820可以捕获同一昆虫的多幅图像(例如，昆虫正在缓慢移动)，帧速率被选择以捕获景深内昆虫对焦的多幅图像，等等。在一些示例中，计算设备830可以尝试确保昆虫不被两倍(或三倍，等等)计数。在一个示例中，计算设备830采用光流技术通过连续的捕获图像来识别昆虫的移动。使用这种技术，计算设备830可以将两幅或更多幅连续图像中的昆虫识别为同一昆虫，从而对于检测到该昆虫的每个图像仅将计数器递增1，而不是对于检测到该昆虫的每个图像都递增一次。这种技术可以帮助确保对穿越释放管120的昆虫的更准确计数。
现在参考图10，图10示出了示例昆虫感测方法1000。方法1000将相对于图3所示的昆虫感测系统300进行描述，然而，应当理解，可以采用根据本公开的任何合适的感测系统，包括图4-7所示的系统400-700中的任何一个。
在框1010，感测系统300使用光源310发射光。在该示例中，光源310是激光光源，但是在一些示例中，它可以是任何合适的光源，包括LED、白炽光源、荧光光源，等等。
在框1020，感测系统300使用结构光生成器从发射的光生成结构光。在该示例中，感测系统300还采用菲涅耳透镜或凸透镜来准直结构光；然而，可以采用任何合适的结构光生成器，不管有或没有光准直器。
在框1030，感测系统300使用多个光传感器320a-k接收结构光中的至少一些。在该示例中，光传感器320a-k是光电二极管、光电晶体管、或光敏电阻中的一个或多个；然而，可以采用任何合适的光传感器，包括CCD或CMOS图像传感器。
在框1040，计算设备330从光传感器320a-k中的每个获得一个或多个传感器信号。在该示例中，每个传感器信号指示由相应光传感器接收的光量；然而，在一些示例中，每个传感器信号可以指示在一时间段内相应光传感器接收的平均光量。在该示例中，传感器信号是与相应传感器接收的光量成比例的电压；然而，在一些示例中，该信号可以是指示接收的光量的电流或数字值(例如，像素值)。在一些示例中，传感器信号可以是二进制值(例如0或1)，指示相应光传感器是否接收到阈值光量。如果光传感器没有接收到阈值光量(例如，由于昆虫阻挡了结构光中的一些)，则传感器可以输出二进制0，而确实接收到至少阈值光量的另一个光传感器可以输出二进制1。
在框1050，感测系统300基于从至少一个光传感器接收的传感器信号来确定昆虫的存在，其中该信号指示减少后的接收光量。在该示例中，计算设备330随着时间的推移从光传感器320a-k接收传感器信号，并且对于光传感器320a-k中的每个，计算设备330确定接收的平均光量。因此，如果昆虫阻挡(或部分阻挡)结构光的一部分，一个或多个光传感器320a-k可以输出指示接收光量的传感器信号，其中该接收光量小于相应光传感器的平均接收光量。
因为，在一些示例中，由于环境光、噪声、灰尘颗粒等，每个光传感器320a-k可能经历接收的光量的变化，在该示例中，计算设备330可以将接收光量与相应光传感器的平均接收光量进行比较。如果计算设备330确定两个量之间的差大于阈值，则计算设备330确定当昆虫通过结构光314时已经检测到昆虫。然而，如果两个量之间的差小于阈值，则计算设备330确定不存在昆虫。在一些示例中，如果两个量之间的差小于阈值，则计算设备330可以基于接收到的传感器信号来更新相应光传感器的平均接收光量。
在该示例中，计算设备330采用的阈值为平均接收光量的50％。因此，如果光传感器320a-k输出5伏特(“V”)的平均传感器信号，如果光传感器输出2.5V或更低的传感器信号，则计算设备330将检测到昆虫的存在。应当理解，该阈值仅仅是示例，并且在一些示例中，可以采用其他阈值。
然而，在一些示例中，计算设备330可以保持所有传感器接收的平均光量，而不是保持每个光传感器320a-k的平均接收光量。因此，从光传感器320a-k接收的传感器信号可以各自与所有传感器接收的平均光量进行比较。此外，计算设备330可以采用固定阈值传感器信号值(例如3.5V)而不采用平均传感器值，其中低于该固定阈值传感器信号值则检测到昆虫，且高于该固定阈值传感器信号值则未检测到昆虫，而不管平均值如何。
虽然在上述示例中，计算设备330将每个样本与确定的平均传感器值进行比较，但是在一些示例中，这种比较可以在计算设备330外部的电路中执行。例如，并且如上文相对于图3所述，可以使用比较器来将接收到的传感器值与阈值(诸如平均传感器值)进行比较。然后，比较器的输出可以直接或通过一个或多个中间组件(诸如放大器、反相器等)被提供给计算设备330。
应当理解，在一些示例中，昆虫可以阻挡由多个光传感器320a-k接收的光。例如，光传感器320a-k可以间隔1mm，而穿越释放管的蚊虫可以具有3-4mm的宽度。因此，蚊虫可以阻挡在若干光传感器处接收的结构光。如果计算设备330检测到多个相邻的光传感器320a-k，每个光传感器接收到指示昆虫存在的光量，则计算设备330可以确定传感器信号中的每个与同一昆虫相关，并且因此，计算设备330可以确定单只昆虫的存在，尽管多个光传感器指示减少后的接收光量。例如，计算设备330可以被提供关于光传感器间隔、将要穿越释放管的(多种)类型昆虫的平均或最大尺寸的信息，或者被提供指示可以指示信号昆虫的相邻光传感器的最大数量的参数。因此，在一些示例中，如果三个相邻的光传感器提供指示减少后的接收光量的传感器信号，则计算设备330可以确定一只昆虫的存在。但是如果五个相邻的光传感器提供指示减少后的接收光量的传感器信号，则计算设备330可以确定两只昆虫的存在。
此外，如上所述，诸如相对于图5，可以穿过释放管120的内部容积在多个不同方向上投射结构光314。在结构光512a-b的不同光源共面的示例中，来自一组光传感器520a-k的一个或多个光传感器可以指示减少后的接收光量。类似地，来自第二组光传感器522a-m的光传感器也可以指示减少后的接收光量。计算设备330然后可以针对每组传感器520a-k和522a-m确定检测到的昆虫的数量。计算设备330然后可以基于这两种不同的昆虫计数来确定检测到的昆虫的总数。例如，穿越释放管120的单只昆虫可以阻挡来自第一组光传感器520a-k的两个光传感器和来自第二组光传感器522a-m的三个光传感器上的光着陆。因此，计算设备330确定每组光传感器520a-k，522a-m确定了一只昆虫的存在。因为结构光314是共面的，所以检测到的昆虫总数是1。
然而，在一些示例中，昆虫可能穿越释放管120，并因此穿越结构光314，昆虫彼此非常接近。参考图11，两只昆虫1150a-b正在穿越示例昆虫感测系统1100的结构光1114。从图11中可以看出，两组光传感器1120a-k和1122a-m接收结构光1114，并且如果没有任何东西阻挡光传感器接收的结构光，则它基本上输出平均接收光量1124a-b(这对于两组光传感器1120a-k、1122a-m可以不同)。然而，昆虫1150a-b正在阻挡由第一组光传感器1120a-k中的五个光传感器和第二组光传感器1122a-m中的三个光传感器接收的光。因此，在该示例中，计算设备330确定第一组光传感器1120a-k指示两只昆虫的存在，而第二组光传感器1122a-m指示一只昆虫的存在。因此，为了确定存在的昆虫数量，计算设备330选择两个值中的较大值，并且因此确定存在两只昆虫。
在一些示例中，计算设备330可以以高速率接收传感器信号，使得多个连续的传感器信号指示同一昆虫。因此，在一些示例中，计算设备330可以确定如果光传感器针对若干连续样本输出指示减少的光量的传感器信号，则计算设备330可以确定这些连续样本与同一昆虫相关，并且不确定新昆虫的存在。可以基于昆虫的预期飞行速度和传感器信号的采样速率来确定针对其检测到单只昆虫的连续样本的数量。因此，随着采样速率的增加，针对单只昆虫被预期阻挡结构光的情况的连续样本的数量可以增加。然而，随着预期飞行速度的增加，针对单只昆虫被预期阻挡结构光的情况的连续样本的数量可以减少。因此，这两个因素的组合可以提供与同一昆虫相关的预期或最大数量的连续样本。
在框1060，计算设备330对检测到的昆虫进行计数。在该示例中，计算设备330保持计数器值，并且对于在框1050检测到的每只昆虫，它递增计数器值。
在完成框1060之后，方法1000返回到框1040，其中从光传感器520a-k、522a-m接收附加的传感器信号。
前面的示例已经描述了采用结构光的昆虫感测系统和方法。昆虫感测系统和方法的其他示例可以采用不同的技术。以下示例涉及昆虫感测系统和方法，其捕获释放管的内部容积的图像以在昆虫穿越释放管时感测昆虫。
现在参考图12，图12示出了示例昆虫感测方法1200。方法1200将相对于图8所示的昆虫感测系统800进行描述，然而，应当理解，可以采用根据本公开的任何合适的感测系统。
在框1210，图像感测系统800从相机820获得图像。在该示例中，相机820具有图像传感器和孔径为f/2.8的透镜，尽管在一些示例中，相机可以具有更宽的透镜孔径。此外，相机820通常如以上相对于图8所述的那样定位和定向，并且被配置为捕获释放管120的内部容积的图像。在该示例中，计算设备830以预定速率(例如在60Hz和240Hz之间)从相机820获得捕获的图像。在一些示例中，可以选择预定速率，使得图像感测系统800将可能捕获同一昆虫的多幅在对焦的图像。这种预定速率可以基于焦深和待释放的昆虫种群中昆虫的平均飞行速度来确定。例如，如果焦深为30mm，并且昆虫的平均飞行速度为每秒5米，则333Hz的预定采样速率将足以确保在一只昆虫在对焦的同时至少有两幅图像。在这种情况下，采样速率＝0.5*焦距(mm)/飞行速度(mm/s)，以确保至少捕获两幅图像。对于较大数量(n)的图像，采样速率可以计算为
Figure BDA0002457593780000131
然而，采样速率可以根据任何合适的公式来确定。
在框1220，计算设备330检测图像中的一只或多只昆虫。在该示例中，计算设备830使用边缘检测技术来检测图像中的一只或多只昆虫。具体地，计算设备830在图像中搜索足够良好定义的边缘以识别一只或多只昆虫。为此，在该示例中，计算设备830使用以相应像素为中心的像素窗口对每个图像中的每个像素执行边缘检测。该过程生成图像的边缘梯度图，然后可以对其进行分析以识别高于参考阈值边缘梯度。如果对于阈值数量的相邻像素边缘梯度足够高，则计算设备830可以确定已经识别出昆虫。虽然该示例生成边缘梯度图，但是在其他示例中，可以采用其他合适的边缘检测技术。
在一些示例中，可以采用其他技术来检测一只或多只昆虫，诸如经训练的机器学习技术、对象检测技术、轮廓识别技术，等等。可以向一种或多种这样的技术提供由计算设备830获得的图像，以识别图像内的一只或多只昆虫。
在框1230，计算设备830对在获得的图像中检测到的昆虫进行计数，并递增昆虫总数。在该示例中，计算设备将昆虫总数递增在每个图像中检测到的昆虫数量。然而，在一些示例中，计算设备830可以确定一只或多只昆虫出现在多幅图像中，并且不递增昆虫总数。例如，计算设备830可以对两幅或更多幅连续图像执行一个或多个光流技术，以确定在一幅图像中检测到的任何昆虫是否也在其他图像中被检测到。例如，在一个位置处出现在第一图像中的图像也可能在不同位置处出现在第二图像中；但是，基于一幅图像中的昆虫的位置、方向等，光流技术可以确定另一幅图像中的昆虫是同一昆虫。因此，即使检测到的昆虫出现在多幅图像中，计算设备830也可以针对每只昆虫仅增加总图像计数一次。
方法1200然后可以返回到框1210，其中从相机820获得另一幅图像。
现在参考图13，图13示出了适于与根据本公开的一个或多个昆虫感测系统和方法一起使用的示例计算设备1300。示例计算设备1300包括处理器1310，其使用一条或多条通信总线1302与存储器1320和计算设备1300的其他组件通信。处理器1310被配置为执行存储在存储器1320中的处理器可执行指令，以根据不同的示例执行昆虫感测，例如上面参考图10和12描述的示例方法1000、1200的部分或全部。在该示例中，计算设备还包括一个或多个用户输入设备1370(诸如键盘、鼠标、触摸屏、麦克风，等等)，以接受用户输入。计算设备1300还包括显示器1360，以向用户提供视觉输出。
计算设备1300还包括无线收发器1330和对应的天线1332，以允许计算设备1300使用任何合适的无线通信协议(包括WiFi、蓝牙(Bluetooth，BT)、蜂窝等等技术)无线地进行通信，计算设备1300还包括通信接口1340，该通信接口1340实现与外部设备的通信，外部设备诸如相机(例如，图8所示的相机820)、一个或多个光发射器(例如，图3-7所示的光发射器)、或者一个或多个光传感器(例如，图3-7所示的光传感器)。在一些示例中，通信接口1340可以使用一个或多个网络来实现通信，包括：局域网(Local Area Network，LAN)、诸如例如因特网的广域网(Wide Area Network，WAN)、城域网(Metropolitan Area Network，MAN)、点对点或对等连接等等。可以使用任何合适的网络协议来实现与其他设备的通信。例如，一种合适的网络协议可以包括互联网协议(Internet Protocol，IP)、传输控制协议(Transmission Control Protocol，TCP)、用户数据报协议(User Datagram Protocol，UDP)、或其组合(诸如TCP/IP或UDP/IP)。
在该示例中，计算设备1300还包括相机1350，其可以被用作用于昆虫感测的相机，如以上相对于图8所描述的。因此，在一些示例中，图8的相机820和计算设备830可以合并到同一设备中，而在其他示例中，它们可以是例如使用通信接口1340进行通信的分立设备。
虽然本文的方法和系统的一些示例是根据在各种机器上执行的软件来描述的，但是这些方法和系统也可以被实施为专门配置的硬件，诸如专门用于执行各种方法的现场可编程门阵列(Field-Programmable Gate Array，FPGA)。例如，示例可以在数字电子电路中实施，或者在计算机硬件、固件、软件、或其组合中实施。在一个示例中，设备可以包括一个或多个处理器。处理器包括计算机可读介质，诸如耦合到处理器的随机存取存储器(RandomAccess Memory，RAM)。处理器执行存储在存储器中的计算机可执行程序指令，诸如执行一个或多个计算机程序。这些处理器可以包括微处理器、数字信号处理器(DigitalSignal Processor，DSP)、专用集成电路(Application-Specific Integrated Circuit，ASIC)、现场可编程门阵列(FPGA)和状态机。这些处理器还可以包括可编程电子设备，诸如PLC、可编程中断控制器(Programmable Interrupt Controller，PIC)、可编程逻辑设备(Programmable Logic Device，PLD)、可编程只读存储器(Programmable Read-OnlyMemory，PROM)、电子可编程只读存储器(electronically programmable read-onlymemory，EPROM或EEPROM)、或其他类似设备。
这些处理器可以包括介质(例如计算机可读存储介质)，或者可以与介质通信，该介质可以存储指令，当该指令被处理器执行时，可以使处理器执行本文描述的由处理器执行或辅助的步骤。计算机可读介质的示例可以包括但不限于能够向处理器(诸如网络服务器中的处理器)提供计算机可读指令的电、光、磁、或其他存储设备。介质的其他示例包括但不限于软盘、CD-ROM、磁盘、存储器芯片、ROM、RAM、ASIC、配置处理器、所有光介质、所有磁带或其他磁介质，或者计算机处理器可以读取的任何其他介质。所描述的处理器和处理可以在一个或多个结构中，并且可以分散在一个或多个结构中。处理器可以包括用于执行本文描述的一个或多个方法(或方法的一部分)的代码。
前面对一些示例的描述仅仅是为了说明和描述的目的，而不是旨在穷举或将本公开限制为所公开的精确形式。其多种修改和调整对本领域的技术人员来说将是清楚的，而不脱离本公开的精神和范围。
本文对示例或实施方式的引用意味着结合该示例描述的特定特征、结构、操作、或其他特征可以包括在本公开的至少一个实施方式中。本公开不限于这样描述的特定示例或实施方式。短语“在一个示例中”、“在示例中”、“在一个实施方式中”、或“在实施方式中”或者在说明书中不同地方它们的变型的出现，不一定指同一示例或实施方式。本说明书中关于一个示例或实施方式描述的任何特定特征、结构、操作或其他特征可以与关于任何其他示例或实施方式描述的其他特征、结构、操作或其他特征相结合。
本文使用的单词“或”旨在涵盖包含性和排他性的“或”条件。换句话说，A或B或C包括任何或所有下面适用于特定用途的替代组合:A单独；B单独；C单独；仅A和B；仅A和C；仅B和C；以及A和B和C。

Claims (12)

1.一种感测系统，包括:
相机，包括图像传感器和透镜，所述相机被定位以捕获包括昆虫释放管的内部部分的图像，所述相机被沿焦轴定向为相对于所述昆虫释放管的纵轴成斜角，并且所述相机的焦深位于所述昆虫释放管的内部容积内；以及
处理器，与非暂时性计算机可读介质通信，并被配置为执行存储在非暂时性计算机可读介质中的处理器可执行代码，以:
从相机获得图像；
识别所述图像中的至少一个对焦的移动的昆虫；以及
忽略所述图像中的任何失焦的移动的昆虫。
2.根据权利要求1所述的感测系统，其中，所述处理器被配置为执行存储在所述非暂时性计算机可读介质中的处理器可执行代码，以使用边缘检测技术来检测所述图像中的对焦的移动的昆虫。
3.根据权利要求2所述的感测系统，其中，所述处理器被配置为执行存储在所述非暂时性计算机可读介质中的处理器可执行代码，以:
生成所述图像的边缘梯度图，以及
使用所述边缘梯度图检测所述图像中的至少一个对焦的移动的昆虫。
4.根据权利要求3所述的感测系统，其中，所述处理器被配置为执行存储在所述非暂时性计算机可读介质中的处理器可执行代码，以:
对于所述图像中的每个像素，使用以相应像素为中心的像素窗口内的像素来确定边缘，并且
使用所确定的边缘生成所述边缘梯度图。
5.根据权利要求1所述的感测系统，其中，所述处理器被配置为执行存储在所述非暂时性计算机可读介质中的处理器可执行代码，以使用机器学习技术来检测所述图像中的昆虫。
6.根据权利要求1所述的感测系统，其中，所述处理器被配置为执行存储在所述非暂时性计算机可读介质中的处理器可执行代码，以:
从所述相机获得多幅连续图像，并以足以捕获一个或多个移动的昆虫的对焦的多幅图像的速率检测所述连续图像中的移动的昆虫，所述速率基于所述焦深和昆虫种群中一种类型的昆虫穿越所述释放管的平均飞行速度。
7.根据权利要求6所述的感测系统，其中，所述处理器被配置为执行存储在所述非暂时性计算机可读介质中的处理器可执行代码，以:
在多幅连续图像中识别对焦的移动的昆虫；并且
对于在所述多幅连续图像的一幅图像中识别的对焦的移动的昆虫，对昆虫计数递增1，并且
对于在所述多幅连续图像的其他图像中识别的对焦的移动的昆虫，不递增昆虫计数。
8.根据权利要求1所述的感测系统，其中所述处理器被配置为执行存储在所述非暂时性计算机可读介质中的处理器可执行代码，以:
从相机获得多个图像，该多个图像在一段时间内连续拍摄；和
识别图像中的移动的昆虫；
基于所识别的移动的昆虫识别至少一个图像中的一个或多个对焦的昆虫；
基于所识别的对焦的昆虫检测图像中的至少一个移动的昆虫；和
忽略图像中的一个或多个失焦的昆虫。
9.一种感测方法，包括:
从包括图像传感器和透镜的相机获得图像；
识别所述图像中的至少一个对焦的移动的昆虫；以及
忽略所述图像中的任何失焦的移动的昆虫；
其中:
所述相机被定位以捕获昆虫释放管的内部容积的图像，
所述相机被定向以使得所述相机的焦轴被定向为相对于所述释放管的纵轴成斜角，并且
所述相机的焦深位于所述昆虫释放管的内部容积内。
10.根据权利要求9所述的方法，还包括:
在一时间段内迭代地从所述相机获得图像；
检测所述图像中的对焦的移动的昆虫；以及
计算所述时间段内检测到的对焦的移动的昆虫的数量。
11.根据权利要求9所述的方法，还包括:
生成所述图像的边缘梯度图，以及
使用所述边缘梯度图检测所述图像中的对焦的移动的昆虫。
12.根据权利要求9所述的方法，还包括:
对于所述图像中的每个像素，使用以相应像素为中心的像素窗口内的像素来确定边缘，以及
使用所确定的边缘生成边缘梯度图，并且其中基于所述边缘梯度图检测所述对焦的移动的昆虫。
CN201880068259.6A 2017-10-18 2018-10-16 昆虫感测系统和方法 Active CN111246734B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US15/787,182 2017-10-18
US15/787,182 US10375947B2 (en) 2017-10-18 2017-10-18 Insect sensing systems and methods
PCT/US2018/056010 WO2019079248A1 (en) 2017-10-18 2018-10-16 SYSTEMS AND METHODS FOR INSECT DETECTION

Publications (2)

Publication Number Publication Date
CN111246734A CN111246734A (zh) 2020-06-05
CN111246734B true CN111246734B (zh) 2021-10-26

Family

ID=66097304

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201880068259.6A Active CN111246734B (zh) 2017-10-18 2018-10-16 昆虫感测系统和方法

Country Status (6)

Country Link
US (2) US10375947B2 (zh)
EP (1) EP3678481B1 (zh)
CN (1) CN111246734B (zh)
ES (1) ES2922309T3 (zh)
SG (2) SG11202003220PA (zh)
WO (1) WO2019079248A1 (zh)

Families Citing this family (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
BE1021049B1 (fr) * 2014-05-23 2016-11-16 Simteligence Sprl Methode et systeme de controle et de communication des status de poste d'appatage d'insectes
KR101507554B1 (ko) * 2014-12-12 2015-04-01 주식회사 이티엔디 해충정보관리를 위한 영상촬영기능을 갖춘 포충장치
US10966420B2 (en) * 2016-06-09 2021-04-06 Microsoft Technology Licensing, Llc Insect trap
KR101924393B1 (ko) * 2017-10-30 2018-12-03 주식회사 엑스티엘 이미지 분석을 통한 해충 동정과 정보 모니터링 시스템 및 이를 이용한 모니터링 방법
US10729117B2 (en) * 2017-12-25 2020-08-04 Zhongkai University Of Agriculture And Engineer Pest monitoring method based on machine vision
US11204440B2 (en) * 2018-09-06 2021-12-21 Verily Life Sciences Llc Systems and methods for insect detection
BR102018072956B1 (pt) * 2018-11-08 2024-02-20 Livefarm Tecnologia Agropecuaria Ltda Adaptador para automação de dispositivos de detecção, contagem remota, automática e ininterrupta de pragas-alvo e controlador perimetral de lepidópteros
US20200154679A1 (en) * 2018-11-16 2020-05-21 Verily Life Sciences Llc Systems and methods for sensing insect sex or species
US20220217962A1 (en) * 2019-05-24 2022-07-14 Anastasiia Romanivna ROMANOVA Mosquito monitoring and counting system
SE1930231A1 (en) * 2019-06-28 2020-11-03 Iot Telltales Ab A device for determining bedbug activity and a method for detecting bedbugs
CN110347187B (zh) * 2019-08-09 2023-01-06 北京机械设备研究所 一种基于声音和图像信息的目标探测跟踪系统与方法
TWI708559B (zh) * 2019-11-27 2020-11-01 廣達電腦股份有限公司 捕蟲裝置及其計數方法
US20210244015A1 (en) * 2020-02-11 2021-08-12 Verily Life Sciences Llc Insect release device
CN111543393B (zh) * 2020-04-27 2021-12-10 江门海关技术中心 一种昆虫鉴定系统及方法
US11490609B2 (en) * 2020-06-25 2022-11-08 Satish K. CHerukumalli Mosquito identification classification trap and method to use
WO2022104476A1 (en) * 2020-11-20 2022-05-27 Catch Data Ltd. Method and apparatus for controlling pest animals
US20220232813A1 (en) * 2021-01-23 2022-07-28 PestNotify Patent Holdco, LLC Insect Trap and Classification System
LU503229B1 (en) * 2022-12-21 2024-06-21 Luxembourg Inst Science & Tech List System and method for surveying and/or monitoring animals

Family Cites Families (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5646404A (en) 1995-02-17 1997-07-08 The United States Of America As Represented By The Secretary Of Agriculture Electronic grain probe insect counter (EGPIC)
US6493363B1 (en) 1995-11-09 2002-12-10 The United States Of America As Represented By The Secretary Of Agricultural Automated counting insect electrocutor
AU2003220544A1 (en) 2002-03-29 2003-10-20 Ecolab Inc. Light extinction based non-destructive flying insect detector
US7496228B2 (en) * 2003-06-13 2009-02-24 Landwehr Val R Method and system for detecting and classifying objects in images, such as insects and other arthropods
US7286056B2 (en) * 2005-03-22 2007-10-23 Lawrence Kates System and method for pest detection
US8705017B2 (en) * 2009-01-15 2014-04-22 Tokitae Llc Photonic fence
US9740921B2 (en) * 2009-02-26 2017-08-22 Tko Enterprises, Inc. Image processing sensor systems
CN101976350B (zh) * 2010-10-20 2012-11-21 中国农业大学 基于视频分析的储粮害虫检测识别方法及其系统
SG189915A1 (en) 2010-10-29 2013-06-28 Commw Scient Ind Res Org A real-time insect monitoring device
CN103299969B (zh) * 2013-06-09 2014-10-08 浙江大学 一种害虫诱捕装置和害虫远程识别监控系统
CN103514459A (zh) * 2013-10-11 2014-01-15 中国科学院合肥物质科学研究院 一种基于Android手机平台的识别农作物病虫害的方法及系统
CN103598169B (zh) * 2013-11-15 2015-11-04 华南农业大学 基于视觉传感器的果蝇远程监控系统及其监控方法
US9915732B2 (en) * 2014-02-18 2018-03-13 Onvector Technology Llc Object detection systems
CN104091175B (zh) * 2014-07-15 2017-08-01 中国科学院合肥物质科学研究院 一种基于Kinect深度信息获取技术的害虫图像自动识别方法
US20170249512A1 (en) * 2014-10-21 2017-08-31 Tolo, Inc. Remote detection of insect infestation
CN105868824A (zh) * 2015-01-23 2016-08-17 上海星让实业有限公司 一种智能识别数据统计系统及装有该系统的虫害监控装置
US9664813B2 (en) * 2015-02-13 2017-05-30 Delta Five, Llc Automated insect monitoring system
CN105360086A (zh) * 2015-11-23 2016-03-02 重庆安迈科技有限公司 基于物联网的杀虫灯监控方法
RU2628266C1 (ru) * 2016-07-15 2017-08-15 Общество с ограниченной ответственностью "Аби Девелопмент" Способ и система подготовки содержащих текст изображений к оптическому распознаванию символов
CN106577585B (zh) * 2016-10-28 2020-11-17 义乌市富顺箱包有限公司 智能设备、智能设备控制装置及灭蚊方法

Also Published As

Publication number Publication date
CN111246734A (zh) 2020-06-05
US10653127B2 (en) 2020-05-19
US20200093113A1 (en) 2020-03-26
ES2922309T3 (es) 2022-09-13
EP3678481A4 (en) 2020-10-28
EP3678481B1 (en) 2022-03-16
SG10202110552UA (en) 2021-11-29
US20190110458A1 (en) 2019-04-18
EP3678481A1 (en) 2020-07-15
WO2019079248A1 (en) 2019-04-25
SG11202003220PA (en) 2020-05-28
US10375947B2 (en) 2019-08-13

Similar Documents

Publication Publication Date Title
CN111246734B (zh) 昆虫感测系统和方法
US11706377B2 (en) Visual, depth and micro-vibration data extraction using a unified imaging device
KR101205039B1 (ko) 눈 검출 시스템 및 그 동작 방법
JP6394367B2 (ja) 流体分析装置、流体分析方法、プログラム及び流体分析システム
EP4379331A3 (en) Window obscuration sensors for mobile gas and chemical imaging cameras
US20150226553A1 (en) Motion sensor device having plurality of light sources
US20070097372A1 (en) Particle detection apparatus and particle detection method used therefor
JP2016224034A (ja) 粒子センサ装置
CN105377325A (zh) 具有多成像通道光学感测的光学成像系统
KR20210008025A (ko) 고밀도 프로젝션 패턴들을 사용한 거리 측정 방법
EP2581035A3 (en) Fundus observation apparatus
EP2921877A3 (en) Object detection device and remote sensing apparatus
EP3002550B1 (en) Information processing system and information processing method for distance measurement
US20190204914A1 (en) Line of sight measurement device
WO2017165343A3 (en) lMAGING SYSTEM WITH ANCILLARY lMAGE DETECTOR FOR SAMPLE LOCATION
JP2015525597A (ja) 斜視検出
US20190394404A1 (en) Detecting interference between time-of-flight cameras using modified image sensor arrays
JP6767072B2 (ja) 距離設定型光電センサ
US20170084019A1 (en) Detecting device, detecting module and detecting method
JP2016126144A5 (zh)
JP2018171168A5 (zh)
EP2910983A3 (en) Photoelectric sensor
JP2008132160A (ja) 瞳孔検出装置及び瞳孔検出方法
JP6708479B2 (ja) 内部品質判定システム
JP2010182328A (ja) 指紋画像撮像装置

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