CN111726986A - 系统与方法 - Google Patents
系统与方法 Download PDFInfo
- Publication number
- CN111726986A CN111726986A CN201980007816.8A CN201980007816A CN111726986A CN 111726986 A CN111726986 A CN 111726986A CN 201980007816 A CN201980007816 A CN 201980007816A CN 111726986 A CN111726986 A CN 111726986A
- Authority
- CN
- China
- Prior art keywords
- pest
- camera system
- remote camera
- data
- detection surface
- 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
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
-
- 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
- A01M1/023—Attracting insects by the simulation of a living being, i.e. emission of carbon dioxide, heat, sound waves or vibrations
-
- 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
- A01M31/00—Hunting appliances
- A01M31/002—Detecting animals in a given area
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B13/00—Burglar, theft or intruder alarms
- G08B13/18—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength
- G08B13/189—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems
- G08B13/194—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems
- G08B13/196—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems using television cameras
- G08B13/19654—Details concerning communication with a camera
- G08B13/1966—Wireless systems, other than telephone systems, used to communicate with a camera
-
- 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
- H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources
-
- 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
- H04N7/188—Capturing isolated or intermittent images triggered by the occurrence of a predetermined event, e.g. an object reaching a predetermined position
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/50—Constructional details
- H04N23/51—Housings
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/50—Constructional details
- H04N23/54—Mounting of pick-up tubes, electronic image sensors, deviation or focusing coils
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Pest Control & Pesticides (AREA)
- Engineering & Computer Science (AREA)
- Zoology (AREA)
- Environmental Sciences (AREA)
- Wood Science & Technology (AREA)
- Insects & Arthropods (AREA)
- Multimedia (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Signal Processing (AREA)
- Theoretical Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Human Computer Interaction (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Catching Or Destruction (AREA)
Abstract
一种用于检测有害生物的存在的系统,所述系统包括:至少一个远程相机系统,所述至少一个远程相机系统中的每一个包括联接到处理器和无线发射器的图像捕获装置,所述至少一个远程相机系统中的每一个具有有害生物检测表面并且被配置成:捕获所述有害生物检测表面的一个或多个图像;处理所捕获的所述一个或多个图像以辨识目标有害生物在所述有害生物检测表面上的潜在存在;以及响应于辨识出一种或多种目标有害生物的潜在存在而从所捕获的所述一个或多个图像发射数据;以及服务器,其被配置成:接收所述所发射数据;处理所述所发射数据以验证所述目标有害生物在所述有害生物检测表面上的潜在存在;以及提供指示所述验证的输出。
Description
技术领域
本公开涉及用于使联网检测系统检测有害生物的存在的系统、方法和设备。
背景技术
啮齿动物、苍蝇、臭虫、蟑螂和其它令人讨厌的昆虫和动物(以下统称为“有害生物”)在一系列家庭和商业环境(以下称为“资产”)中引起健康问题并引起腐败等问题。这些通常是所有者、占用者或其它对所涉及环境负责的人员(在下文中,这些人统称为“资产所有者”)严重关注的问题。
许多资产所有者在整个企业的物理场所和设施中部署了各种诱捕器和/或监控器,以确保发现和/或消除此类有害生物。可以采取这些措施来确保检查合规、保持卫生条件、减少腐败、遵守适用的法律法规和/或增强消费者的信心。然而,即使从物理位置完全消除了有害生物,有害生物也常常可以返回到所述场所。因此,即使减少或消除了有害生物,也要连续使用有害生物监测器或诱捕器以检测有害生物活动的存在。
由于许多资产实际上很大,因此常常需要大量诱捕器才能充分覆盖所述场所。随着诱捕器数量的增加,物理地检查诱捕器所需的时间和精力也随之增加。当前,以期望的时间间隔(例如,每周或每月)对设施中的每个诱捕器进行物理检查。这些检查确保从诱捕器中清除捕获的有害生物,确保诱捕器处于正常工作状态,并且确保诱捕器仍位于恰当位置。然而,应了解,在检查每个诱捕器时,对于每个诱捕器并不经常需要这种检查。例如,在许多情况下,大量诱捕器在给定的时间间隔内未捕获到任何有害生物,诱捕器仍处于工作状态,并且诱捕器已恰当地放置。
背景技术可见于:美国专利4,517,557、4,884,064、5,949,636、7,212,129、7,348,890、6,445,301、4,862,145、7,656,300、7,026,942、8,156,683、8,026,822、8,830,071、9,542,835、8,599,026、8,635,806、7,317,399、6,792,395、6,775,946、6,052,066、9,015,987、7,504,956、US6707384;美国专利申请US20080204253、US20030160699;以及加拿大专利申请2,897,534。
发明内容
发明人已经认识到已知系统的问题,所述已知系统提供诱捕器上或诱捕器附近的诱捕活动的指示(例如具有指示灯或听觉警报),或者使用短程通信将检测结果发射到附近的监测装置。这样的解决方案减少了检查所需的时间,但并不能完全消除它们,因为操作者必须足够接近以观察指示器或使用短程装置。
发明人还认识到已知有害生物控制系统的问题,其中传感器检测结果被自动发射,而不需要操作者靠近检测器,并且在一些实例中,结果可以通过互联网进行传达。这些系统确定是否存在有害生物,且接着发射结果。这对于简单的传感器(例如开关或导电元件)是可行的,其中传感器输出简单的模拟或二进制级别。然而,对于更复杂的传感器,例如成像传感器,数据处理能力和在远程装置上执行分析所必需的处理硬件的成本是明显缺陷。
发明人还认识到已知系统的问题,在所述已知系统中,原始传感器数据被发射并且在中央基站、计算机、服务器等上进行处理。这些系统由于其发射原始感测数据而在功耗和数据发射成本方面存在缺陷。这样的解决方案对于简单的传感器(例如,开关)可能是可行的,但对于更复杂的传感器(例如,成像传感器)来说是明显缺陷,在所述传感器中会产生并且将需要发射大得多的数据量。
发明人还认识到,使用成像或视觉传感器的已知有害生物检测器或者不提供远程监测,或者在数据发射频率上受到严重限制。
根据本公开的一个方面,提供了一种用于检测有害生物的存在的系统,所述系统包括:至少一个远程相机系统,所述至少一个远程相机系统中的每一个包括联接到处理器和无线发射器的图像捕获装置,所述至少一个远程相机系统中的每一个具有有害生物检测表面并且被配置成:捕获所述有害生物检测表面的一个或多个图像;处理所捕获的所述一个或多个图像以辨识目标有害生物在所述有害生物检测表面上的潜在存在;以及响应于辨识出一种或多种目标有害生物的潜在存在而发射来自所捕获的所述一个或多个图像的数据;以及服务器,其被配置成:接收所述所发射数据;处理所述所发射数据以验证所述目标有害生物在所述有害生物检测表面上的潜在存在;以及提供指示所述验证的输出。
所述至少一个远程相机系统可以进一步被配置成处理来自所述一个或多个所捕获图像的数据以通过从在时间和空间中的一个或两个上受限制的所述一个或多个所捕获图像中选择数据段来减少要发射的数据量。
所述图像捕获装置可以被配置成以与所述有害生物检测表面成固定空间关系安装。
所述有害生物检测表面可以包括所述至少一个远程相机系统的壳体的一部分或附接到所述至少一个远程相机系统的壳体。
所述有害生物检测表面距所述图像捕获装置可不超过30cm。即,所述有害生物检测表面可以在距所述图像捕获装置小于或等于30cm的距离处。
所述至少一个远程相机系统可以进一步包括触发传感器,以检测所述目标有害生物以触发图像的捕获。
所述至少一个远程相机系统可以进一步包括有害生物引诱剂。
所述有害生物引诱剂可以包括信息素或利它素。
所述有害生物引诱剂可以包括以下一种或任何组合:图案化表面、紫外线反射器、物理结构、热源和所述目标有害生物的食物。
所述目标有害生物可以包括以下中的一个或任何组合:果蝇、臭虫、蠹虫、蟑螂、昆虫和节肢动物。
所述至少一个远程相机系统可以被配置成输入外部环境信息,并且其中由所述至少一个相机系统进行的图像捕获和图像处理中的一个或两个都是响应于所述外部环境信息。
所述服务器可以被配置成输入外部环境信息并且处理所述所发射数据和所述输入外部环境信息两者以验证所述目标有害生物在所述有害生物检测表面上的潜在存在。
所述外部环境信息可以包括以下中的一个或多个:当日时间、天气信息、一年中的时间、温度信息、湿度信息、昆虫种群数据、指定何时对所述至少一个远程相机系统的环境进行有害生物处理的用户输入数据。
所述服务器和所述至少一个远程相机系统中的一个或两个可以被配置成响应于所述所发射数据而调适所述至少一个远程相机系统。
所述至少一个远程相机系统可以进一步被配置成:使用参考数据处理所述一个或多个所捕获图像以确定第一检测概率;将所述第一检测概率与第一预定概率阈值进行比较;以及基于所述第一检测概率大于所述第一预定概率阈值,辨识目标有害生物在所述有害生物检测表面上的潜在存在。
所述第一预定概率阈值可以是可变的,并且所述至少一个远程相机系统中的每一个可以进一步被配置成动态地设置所述第一预定概率阈值。
所述至少一个远程相机系统中的每一个可以被配置成基于以下中的一个或多个动态地设置所述第一预定概率阈值:(i)所述远程相机系统的电池的电池电量;(ii)通过处理一个或多个先前捕获的图像而确定的检测概率;(iii)当日时间;(iv)从所述远程相机系统的触发传感器接收的传感器数据,所述触发传感器被配置成检测所述目标有害生物以触发图像的捕获;(v)一年的季节;(vi)从所述远程相机系统的传感器接收的环境传感器数据,所述传感器被布置成感测所述远程相机系统的本地环境条件;(vii)从所述远程相机系统上一次服务以来经过的时间;以及(viii)从所述服务器接收的命令。
所述服务器可以进一步被配置成:使用参考数据处理所述所发射数据以确定第二检测概率;将所述第二检测概率与第二预定概率阈值进行比较;以及基于所述第二检测概率大于所述第二预定概率阈值,验证所述目标有害生物在所述有害生物检测表面上的潜在存在。所述第二预定概率阈值可以大于所述第一预定概率阈值。
或者,所述服务器可以被配置成通过将所述所发射数据发射到计算机装置以在所述计算机装置的显示器上显示来处理所述数据,并且基于从所述计算机装置接收到用户验证信号来验证所述目标有害生物在所述有害生物检测表面上的潜在存在,所述用户验证信号指示所述计算机装置的用户已经验证了所述目标有害生物在所述有害生物检测表面上的存在。
所述服务器可以进一步被配置成响应于所述验证而提供所述输出。
所述至少一个远程相机系统可以被配置成检测一种以上的有害生物物种。
根据本公开的另一方面,提供了一种如上所限定的服务器。
根据本公开的另一方面,提供了一种如上所限定的远程相机系统。
根据本公开的另一方面,提供了一种用于在包括至少一个远程相机系统和服务器的系统中检测有害生物的存在的方法,所述方法包括:
所述至少一个远程相机系统:
使用所述至少一个远程相机系统的图像捕获装置来捕获所述至少一个远程相机系统的有害生物检测表面的一个或多个图像;
使用联接到所述图像捕获装置的处理器处理所捕获的所述一个或多个图像,以辨识目标有害生物在所述有害生物检测表面上的潜在存在;以及
响应于辨识出一种或多种目标有害生物的潜在存在,经由联接到所述处理器的无线发射器发射来自所捕获的所述一个或多个图像的数据;并且述方法进一步包括:
所述服务器:
接收所述所发射数据;
处理所述所发射数据以验证所述目标有害生物在所述有害生物检测表面上的潜在存在;以及
提供指示所述验证的输出。
根据本公开的另一方面,提供了一种用于使用远程相机系统检测有害生物的存在的方法,所述方法包括:使用所述至少一个远程相机系统的图像捕获装置来捕获所述至少一个远程相机系统的有害生物检测表面的一个或多个图像;
使用联接到所述图像捕获装置的处理器处理所捕获的所述一个或多个图像,以辨识目标有害生物在所述有害生物检测表面上的潜在存在;以及
响应于辨识到一种或多种目标有害生物的潜在存在,经由联接到所述处理器的无线发射器将来自所捕获的所述一个或多个图像的数据发射到服务器,以验证所述目标有害生物在所述有害生物检测表面上的潜在存在。
这些和其它方面在下述实施例中显而易见。本公开的范围既不既定限于此概述,也不限于必须解决所指出的任何或所有缺点的实施方案。
附图说明
为了更好地理解本公开并示出实施例如何生效,参考附图,其中:
图1是系统使用的决策逻辑的一个可能实施例的流程图;
图2是说明远程单元的主要部件的优选实施例的框图。
图3a和3b说明了远程单元的一个可能实施例。
图4说明了远程单元的另一可能的实施例;以及
图5是说明云服务器的主要部件的实施例的框图。
具体实施方式
本公开提供了系统硬件和通信架构以及软件数据处理系统,以允许新颖地收集、发射、处理、存储、访问、呈现和使用由远程检测、监测和管理系统生成的数据。尽管针对与有害生物检测、监测和管理应用有关的当前优选实施例描述了本公开,但是应理解,本公开的特征可以应用于需要远程检测、监测和管理条件以及远程收集、处理、存储、访问、呈现和使用与监测条件有关的数据的任何应用。
本公开提供了一种用于从一个或多个有害生物监测位置收集、传达和分析信息的方法、设备和系统。监测位置包含有害生物检测装置。这些装置可以包含诱捕器和/或可能具有或不具有诱捕或杀死功能的被动和主动监测装置。尽管在给定的有害生物控制程序中,诱捕器可能构成大多数活动感测有害生物装置,但在一些位置和应用中,仅监测有害生物活动的装置可能是优选的。因此,两种类型的装置都可以在可以采用本发明的各种环境中使用。此外,除非上下文另外提供,否则诱捕器和被动或主动有害生物监测装置均包含在本文所用术语“有害生物检测器”的范围内。
本公开提供的方法、设备和系统是实用、低廉并且允许从远程位置并行地自动监测每个检测器或若干检测器。
所述方法、设备和系统使得能够使用对连续感测具有高数据、功率或处理要求的传感器。这样的传感器包含但不限于相机和其它成像传感器。
所述方法、设备和系统允许用户容易地访问关于检测器的相关参数和检测到的活动的数据。这包含但不限于检测器的状态、测得的有害生物活动、所检测物种的身份和/或对未来活动的预测。
在一个或多个远程装置与服务器或其它中央计算机之间进行传感器数据处理的划分有助于上述优势。
本公开总体上涉及有害生物防治,并且更具体地但非排他地,涉及用于感测、传达、存储和评估来自有害生物防治装置的数据的技术。更具体地说,其涉及图像传感器在联网有害生物控制系统中的使用以及相关联的数据处理。
在本说明书中,术语“有害生物检测器”是指放置在有害生物可能遇到并被检测或捕获的任何诱捕器、传感器、远程装置或类似装置或系统。这些装置可以包含诱捕器和/或不具有诱捕或杀死功能的被动和主动监测装置。
在本公开的实施例中检测到的有害生物可以包含飞蛾、白蚁、象鼻虫、蚜虫、蠹虫、蓟马、甲虫、蚂蚁、蜘蛛、苍蝇、跳蚤、螨虫和啮齿动物。特别地,在本发明的实施例中检测到的有害生物可以包含蟑螂、地毯甲虫、衣蛾、欧洲玉米螟、红棕榈象鼻虫、磨蛾、红螨、松象鼻虫、红火蚁、棉铃虫、玉米耳虫、蚊子、烟草夜蛾、亚洲长角甲虫、哈尔帕甲虫(Kharpabeetle)、小菜蛾、斑翅果蝇、黄蜂和大黄蜂。
提供系统硬件和通信架构以及软件数据处理系统,以允许收集、发射、处理、存储、访问、呈现和使用由本公开的检测、监测和管理系统收集的数据。
现将仅通过举例来描述实施例。
参考图1,示出了有利地实施本发明的系统的实施例。所述系统包括远程单元1(在本文中也称为远程相机系统)和中央服务器11。应理解,此图中所示的远程单元可以是与服务器通信的许多这样的远程单元之一。远程单元将位于要检测的参数感兴趣的位置。在有害生物防治应用中,这可能是有害生物经常出没的地方或以前曾观察到有害生物的地方。在一个优选实施例中,服务器连接到互联网,并且可以位于世界上的任何地方。尽管示出了单个服务器,但是应了解,本文描述的服务器11的功能可以由例如一个以上的服务器在分布式计算环境中实施。
远端单元和服务器通过网络20通信。此网络的性质对于本发明而言并不重要,并且可以由本领域中已知的多种不同元件组成。这些对于本领域的专家将是熟悉的,并且在各种实施例中可以包含但不限于:互联网;使用Zigbee等技术的远程装置的网状网络;无线通信,例如WiFi、LoRaWAN、蓝牙、蜂窝网络或无线HART;有线通信,例如串行、USB或以太网。所述网络可以由上述或其它方法的组合组成。尽管图1示出了远程单元1与服务器11之间的直接通信,但是应了解,远程单元1可以经由一个或多个中间装置或网络实体与服务器11间接通信。
在优选实施例中,远程单元由成像传感器23(在本文中也称为图像捕获装置)和相关联的其它硬件21至27组成,其在图2中最清楚地示出,并且在下文进行详细描述。成像传感器被周期性地启动2,并且所得图像数据被处理器24记录用于分析3。此分析可以由图像的各种参数的一个或多个处理阶段组成。此处理中使用的图像处理技术将为本领域的专家所熟知,并且包含例如哈尔级联(Haar cascade)、内核滤波、图像描述符方法和特征变换等方法。将选择这些处理技术以提供最可靠的检测指标,以实现远程装置中最低的处理负担。将分析结果与参考数据5进行比较,以量化检测概率4。参考数据5可以包含例如关于与目标有害生物有关的大小、颜色或其它特征参数的信息,并且可以用于评估传感器数据是否含有目标有害生物。此量化的结果不是对目标有害生物是否存在的决定性确定,而是图像中含有有害生物的可能性。将所述概率与预定义级别“阈值A”6进行比较,如果足以证明发射的能源或财务成本合理,则将包含部分或全部原始传感器数据的数据打包以进行发射7。然后,此数据包经由网络20发射8到服务器11。
‘阈值A’的值是特定于应用的,用于检测臭虫,其中触发的数量可能很低,并且错过检测的后果很高,因此将使用较低的发射阈值,例如25%。对于其它交流较困难且偶尔丢失检测无关紧要的应用,因为检测数量很高,并且总印象中有多少昆虫(例如麦田中的蚜虫)足以满足资产所有者的要求,可以使用更高的阈值,例如75%。
即,关于是否从远程单元1发射到服务器,存在是/否的决策。可以通过多种方式做出此决策,例如从加权总和计算总置信度,或者在3种不同的计算中有2种以上给出肯定结果的情况下,通过在决定发射的不同方法之间进行表决。
如果检测概率不足以进行确定6,则将停用传感器,然后在重新启动传感器之前的时间段10内将远程单元恢复为低功率模式。
服务器11在缓冲区12中接收所发射数据包。记录所述消息并将数据存储在数据库18中。服务器11对所接收数据执行额外数据分析。与远程装置相比,服务器11对处理能力、数据存储和功耗的限制要低得多。结果,服务器11能够执行更详细的分析13,并将其与更大量的参考数据19进行比较以确定检测概率。与远程装置上6中的概可能率相比,这在检测概率14的量化中具有更高的置信水平。如果检测概率高于第二阈值B16,则服务器可以自动将消息与检测和检测概率的摘要一起发送给资产所有者17。第二阈值B的值是特定于应用的,第二阈值B可以高于第一阈值阈值A。
如果检测概率低于阈值B,则例程将等待下一条消息进行处理。如果检测概率高于阈值B,则服务器11验证目标有害生物的潜在存在。因此,可以看出,服务器11处理从远程单元1接收的数据,以增加对由远程单元1执行的关于图像中是否存在有害生物的确定的置信度,从而减少关于是否存在有害生物的不确定性。注意,可以将阈值B设置为一个级别,所述级别指示当检测概率高于阈值B时,服务器已对存在有害生物获得了足够的置信度(而不是100%确定存在有害生物)。
是否通知资产所有者17的第二决策是特定于应用的,并且不一定总是发生。在一些应用中,即使单个检测对资产所有者而言也很重要,在进行任何检测的情况下,通知资产所有者17是适当的。在这种情况下,任何检测都会立即发送给用户,并且系统需要做出明确的决策。然而,在农业等应用程序中,资产所有者可能对每天或每周检测到的总体活动摘要感兴趣,因此可能不会决定发送特定消息。在这些情况下,当系统每天可以检测到许多昆虫时,服务器11可以简单地计算并存储检测的总数以供以后参考。
在此实施例中,所接收消息的数据库18可以用于改善参考数据19。在优选实施例中,这可以通过本领域已知的机器学习技术来进行。
在其它实施例中,系统可以包含服务器改变远程单元上的参考数据以改善初始检测概率计算的可靠性的能力。其还可以允许改变远程单元的其它系统参数,从而通过增加检测概率的可靠性、降低功耗或减少经由网络发射的数据量来提高其性能。这样的参数可以包含但不限于延迟10、装置工作的当日时间、所发射的数据的压缩或近似。
在其它实施例中,服务器可以具有向远程单元发送消息以请求传感器启动和来自远程单元的发射或远程单元的状态数据的发射的能力。这样的状态数据可以包含例如电池状态或分析的候选检测数量等参数。远程单元1可以自动地将远程单元的状态数据发射到服务器11,而无需来自服务器11的呼叫。这可以周期性地完成,例如,远程单元1每天将远程单元的状态数据发射到服务器11。
‘阈值A’可以是固定的。替代地,‘阈值A’可以动态地变化并且由处理器24控制。动态地改变‘阈值A’有利地避免了浪费资源(例如,电池能量、远程单元上的处理器资源和/或网络资源)发射检测,其中除图像分析结果以外的因素将概率降低到可接受水平以下。换句话说,如果远程单元已知但传感器数据中不含的数据(例如当日时间)使得给定检测更可能为真,则系统正确地警告资产所有者存在有害生物的可能性增加。
‘阈值A’可以根据系统已知的因素动态变化,这些因素可能包含以下因素中的一个或其组合:
i)远程单元1中电池28的电池电量-如果电池28的电池电量低,那么保存剩余能量并将其仅用于最高概率检测而不是将其浪费在低概率检测上可能是有利。结果,当电池电量耗尽时,处理器24可以增加‘阈值A’。处理器24可以确定远程单元1中的电池28的电池电量,并根据电池电量的值改变‘阈值A’。
ii)最近触发事件-‘阈值A’可以设置为初始值。在第一捕获图像的处理期间,如果处理器24确定检测概率大于‘阈值A’的初始值,则处理器可以将‘阈值A’增加到从第一捕获图像确定的检测概率。当处理后续捕获的图像时,可以重复此过程。因此,远程单元1仅在数据比最近的先前检测事件具有更高的置信度(即,指示更高质量的图像)的情况下进行发射,因此远程单元1不会浪费功率来重复没有向资产所有者添加任何额外值的发送。或者,如果已知有害生物是社交的或单生的,则可以预期给定检测为真的概率与给定时间内检测到的数量相关(分别为正或负)。可以通过设置较高或较低的阈值来提高整体系统的灵敏度和特异性。
iii)当日时间-远程单元1可以进一步包括指示当日时间的时钟。如果目标有害生物在一天中的某些时间处于活动状态,则‘阈值A’可能会根据当日时间而变化。处理器24可以通过查询时钟来确定当日时间,并将‘阈值A’设置为分配给当日时间的值。例如,蚊子在黎明和黄昏最活跃,因此在那个时候进行检测的可能性更大,因此可以使用较低的阈值。
iv)从触发传感器接收的传感器数据-在实施例中,远程单元可以包括用于启动主成像传感器23的辅助传感器(在本文中也称为触发传感器)。如果此触发传感器的性质是其提供的输出不是二进制结果,并且已知输出值与给定的有害生物相关,则触发传感器的输出也可以用于调整‘阈值A’以提高整体灵敏度或特异性。例如,如果触发传感器是重量传感器,并且如果测得的重量与有害生物的预期重量非常不同,则可以将‘阈值A’设置为较高的水平,因为图像结果中需要更大的置信度来抵消因为重量错误而不是有害生物的可能性。
v)一年中的季节-如果目标有害生物在一年中的某些季节中处于活动状态,则阈值可能会根据季节而有所不同。处理器24可以确定季节(例如,通过查询时钟)并且将‘阈值A’设置为分配给一年中的季节的值。
vi)本地环境条件-远程单元1可以包括一个或多个传感器,被布置成感测本地环境条件并输出环境传感器数据(例如温度和/或光照水平)。例如,目标有害生物在高温下可能是最活跃的,因此在那个时候的检测更有可能是真实的,因此可以使用较低的阈值。处理器24可以基于接收到的环境传感器数据来确定本地环境条件,并将‘阈值A’设置为分配给环境传感器数据的值。
vii)从上次服务以来的时间-光学器件22上的灰尘积聚或照明源29的劣化可能会降低灵敏度,因此可以使用较低的阈值对此进行补偿。即,处理器24可以确定从用户对远程单元1的最后一次服务以来的经过时间,并根据所述经过时间来控制‘阈值A’。
viii)从服务器11接收到的命令-服务器11可以将具有修改后的‘阈值A’值或增加/减小‘阈值A’的指令的命令发送到远程单元1。例如,如果远程单元1已经发送了许多质量较差的结果(由此服务器11确定实际上不存在有害生物),则服务器可以指示处理器24增加‘阈值A’以节省功率。
尽管图1说明了服务器11对从远程单元1接收的图像数据执行额外数据分析(在框13、14、16处),但是在替代实施例中,服务器11被配置成通过将图像数据发射至计算机装置以用于在计算机装置的显示器上显示来处理图像数据。然后,人类查看在计算机装置的显示器上显示的图像数据,并提供输入,所述输入记录有害生物检测表面上是否存在目标有害生物。服务器11基于从计算机装置接收到用户验证信号来验证目标有害生物在有害生物检测表面上的潜在存在,所述用户验证信号指示人已经验证了目标有害生物在有害生物检测表面上的存在。在接收到用户验证信号之后,服务器11可以通知资产所有者17。
参考图2,远程单元1的优选实施例的框图,成像传感器23具有到处理器24的接口。在一个实施例中,成像传感器采用微型CMOS或CCD传感器的形式,其被选择用于特定感测应用的合适的帧速率、分辨率和功耗。然而,应当理解,本发明并不特定于光学成像传感器,并且根据应用的需要,所述传感器可以是具有功率和处理要求的任何传感器,由于成本或功率原因,其将限制产品的可行性。这样的传感器包含但不限于光谱传感器、电磁传感器、干涉仪、超声传感器和磁共振传感器和/或音频传感器。
在图2所说明的实施例中,成像传感器23可操作地连接至光学系统22。这可以包括透镜、反光镜、滤光器和其它光学元件的任何布置,其有利地将目标区域呈现给相机以用于图像处理系统。
处理器24管理系统,并且在所述实施例中,执行图1所示的逻辑。另外,处理器监测时间以确定何时启动和停用传感器。在一些实施例中,可以含在处理器部件内的非易失性数据存储装置26用于存储参考数据5。无线发射器25可以是标准部件,可以选择使用任何通用通信协议,或可以专门为特定应用而设计、用于数据发射8、还可以用于从服务器接收指令或其它数据。
远程单元含有电源28,所述电源在一些实施例中由电池组成。在其它实施例中,其可以由低功率传感器系统领域的专家所熟悉的太阳能电池、超级电容器或能量收集系统组成。电源将由电源管理电路21管理。在一个实施例中,所述电路由本领域中常见类型的降压-升压开关模式DC-DC转换器组成。在一个实施例中,所述电源管理电路的功能由处理器控制,以进一步改善系统的整体功耗。
整个系统被封闭在壳体27中,在所述壳体中可以布置成像传感器和光学器件以观察内部或外部位置或特征的任何组合。在用于有害生物控制的一个实施例中(下面参考图4更详细地参考),成像传感器可以安装在外部并且远程单元以如下方式安装:使得所产生的图像具有有害生物经常光顾的路径或以任何组合方式安装。这种布置的一个实例是将单元安装在墙上,指向有害生物经常走过的路径或路线。
如上所述,远程单元可以包括用于启动主成像传感器23的辅助传感器(在本文中也称为触发传感器)。如果辅助传感器可以以较低的功耗运行,则这是有利的。这种布置的一个实例是使用简单的光闸或窗帘来检测可能的物体何时在主传感器的检测区域中。在这种情况下,除了延迟器10外,辅助传感器也可以替代或运行。
处理器24可以实施图像数据的低功率分析(例如,每第十个像素),以检测可能的有害生物存在并确定是否进一步分析图像。在此技术中,当延迟结束或辅助传感器被触发时,处理器24将仅从相机读取每行和每列中的某些像素(例如,第1、第11、第21等)。这本质上将提供整个图像的低分辨率版本。处理器24对此低分辨率版本的分析然后将识别出目标对象在图像中的何处。然后,处理器24将读出目标位置周围区域的全分辨率图像数据,并对其进行更详细的分析。根据选择的相机,此高分辨率数据可能来自新图像,也可能来自原始图像。
在一个示例性实施方式中,辅助传感器可以给出目标有害生物在有害生物检测表面上的位置的指示,然后处理器24可以仅收集和处理所述位置周围的一部分图像的图像数据,从而减少了处理器24的处理要求,且因此降低远程单元1的功耗。
在实施例中,处理器24可以将低功率模式用于其自身的功能以及用于无线发射器25、功率管理电路21和非易失性数据存储器26,以减少远程单元的总功耗。其还可以使用其它数据来适应在这些低功耗模式下花费的时间以及延迟10。此数据可以包含但不限于所计算的先前检测的概率、当日时间以及在最近一段时间内进行的检测次数。
在有害生物控制的实施例中,远程单元还可以利用引诱剂将目标引诱到传感器的范围内。引诱剂的实例包含但不限于图案化表面、紫外线反射器、物理结构、热源、由目标有害生物的物种产生的天然信息素和目标有害生物的食物。本文使用的术语‘图案化表面’是指对目标有害生物具有吸引力的表面纹理、材料或颜色。
例如,某些昆虫通常被它们喜欢吃的食物吸引到毛皮或木材的纹理上。其它昆虫被吸引到模仿其窝藏或巢穴中的形状的特定形状,例如蜂窝形状或波纹状。最终,许多飞行中的昆虫被吸引到模仿花朵外观和纹理的表面上,从而颜色(包含不可见的IR和UV光谱)吸引了昆虫。
在另外的实施例中,远程单元可以包含一种机制,所述机制用于在新的引诱剂随着时间消耗或耗尽时周期性地或连续地分配或暴露新的引诱剂。
应当理解,在本发明下可能存在大量其它可能的实施例,并且每个实施例将适合于不同的感测任务。
图3a和3b是远程单元1的一个可能实施例的透视图。在用于有害生物控制的此实施例中,成像传感器和光学器件被配置成捕获壳体内的基本上有害生物检测表面300的图像。即,有害生物检测表面包括远程单元1的壳体27的一部分或附接到所述壳体。在这样的实施例中,壳体27将被设计成允许有害生物经由一个或多个开口302a、b进入内部空间,并且壳体27内可能存在引诱剂或诱饵,以鼓励有害生物移入要检测的空间。
图4示出了远程单元的另一可能实施例的透视图。
图4示出了与图3所示的实施例类似的实施例,其显著区别在于,在此实施例中,有害生物检测表面400既不是远程单元1的壳体27的一部分,也不附接到所述壳体。远程单元1被构造为使得相对于检测表面400控制相机的位置。在此实施例中,这是通过使用柱子或腿将相机定位在距有害生物检测表面400一定距离处来实现的。取决于目标应用,有害生物检测表面400可以是但不限于地面、墙壁、地板、踢脚板或其它室内元件(例如床架、床垫、床头板、床单或其它软装饰);树干或植物的其它部分;粘蝇纸或其它商业性有害生物诱捕器。
如图3a、3b和4所示,一个或多个光源29(例如LED)可用于向有害生物检测表面提供照明。
参考图5,其示出了云服务器11的主要部件的实施例的框图,其由消息接发接口29处理从远程单元1接收的消息。所述消息接发接口与通信协议接口,并提供用于从远程单元接收或要发送给它们的消息的发送和接收缓冲区12。在一个实施例中,消息接发接口将与电子邮件服务器通信,远程单元将向所述电子邮件服务器发送消息。所述接口会将消息下载到服务器、识别消息的类型以确定所述消息是否需要传感器数据处理,并将数据提取为适合的格式以进行处理。消息传递接口将消息的内容传递到消息记录模块32,所述消息记录模块(按照18)将其存储在用户记录数据库33中,并使消息与机群管理数据库31中的相应条目相关联。
在描述传感器为成像传感器的系统的此实施例中,消息接发接口29还将任何消息的传感器数据内容传递给显示为图像处理模块34的数据处理模块。图像处理模块34参考含有参考数据的预先存在的参考数据库35来执行数据处理。参考数据可以包含训练数据、阈值、大小、颜色或与检测目标相关联的其它特征参数,并且可以用于评估传感器数据是否含有检测目标。与在远程单元4上进行的分析相比,图像处理模块34执行更详细或更严格的分析13。此阶段的额外细节或严谨性来自于大量参考数据、更高级别的处理(例如,通过在哈尔级联中进行更多数量的过滤器级)或两者的结合。
图像处理模块34可以包括训练的神经网络。在这些实施例中,参考数据可以包含训练后的神经网络中的加权因子。即,服务器11可以在不直接参考(存储在参考数据库中的)图像数据的情况下而是在一些预处理的比较度量上处理图像。
数据处理的结果从图像处理模块34传递到检测判定逻辑模块36。所述模块分析数据处理的结果,以确定检测概率是否足以通知资产所有者17。在优选实施例中,此逻辑受外部数据源37提供的外部环境信息的影响。外部环境信息包含但不限于当日时间、天气、一年中的时间、温度信息、湿度信息、昆虫种群数据、指定至少一个远程相机系统的环境何时进行有害生物处理的用户输入数据、其它附近远程单位的活动以及这些远程单位未知的会影响检测为真阳性的概率的其它因素。
检测判定逻辑的结果存储在检测日志数据库38中。所述数据库中的条目被引用到用户记录数据库,以便维护各个检测事件、特定的远程单元和特定的资产所有者之间的关系。
通过网络服务器40向资产所有者提供对检测日志数据库38、用户记录数据库33和机群管理数据库31的内容的访问。这提供了一个网站,资产所有者41可使用所述网站来管理与其资产相关的远程单元,以查看所有检测事件的摘要。
在一个实施例中,除了网络服务器40之外,还提供了用户消息接发接口39。如果检测判定逻辑36确定为肯定检测,则此用户消息接发接口将向资产所有者41发送警报。
服务器11维护机群管理数据库31,其包含与服务器11相关联的远程单元的记录。这样的记录可以包含序列号、软件版本和远程单元的位置。所述数据库与用户记录数据库33和检测日志数据库38相关联。
在优选实施例中,服务器11通过固件更新模块30提供对远程单元进行重新编程或更新其参考数据的能力。
在优选实施例中,使用例如SSL、HTTPS、用户名和密码组合或两因素验证等的行业标准安全措施来保护Web服务器40,以防止任何其它方访问与特定资产有关的数据,除非他们是资产所有者或其授权代表。
在另一个实施例中,网络服务器40在功能上链接到参考数据库,所述参考数据库可以含有关于检测频率和有害生物真实种群之间的关系的数据。可以从受控实验或通过将本发明的数据与辅助检测系统(例如本领域已知的手动系统)相关联来计算此类数据。Web服务器将使用此数据从检测日志数据库38中的数据估计真实种群。
在另一个实施例中,网络服务器40可以使用检测日志数据库中的记录来预测未来的检测活动。例如,在本发明用于管理例如蚜虫的农业有害生物的情况下,网络服务器可以对种群进行前瞻性预测。
对于各种实施例,网络服务器40将提供检测数据的一系列呈现,以允许资产所有者更容易地确定正确的动作过程。在一个这样的实施例中,网络接口提供随时间而变的检测事件的图。另外或替代地,网络接口提供与特定资产相关联的所有远程单元的摘要,其中包括寿命、电池状态、要更换的剩余寿命、与远程单元的最新通信时间以及每个远程单元进行检测的次数的详细信息。另外或替代地,网络接口在表示资产所有者的一个或多个资产的图或地图上呈现远程单元的位置。可以借助于热图、拓扑图、3D表面或检测活动的其它图形表示将检测数据表示在所述图或地图上。另外或替代地,网络接口向用户提供使用所述系统的财务收益的摘要。
在有害生物控制的另一个实施例中,网络服务器40提供了一种集成的方法来将检测事件或检测事件的摘要发送给第三方。例如,可以提供一个按钮以将数据发送给资产所有者的首选有害生物控制公司,以及有关他们访问资产并解决任何侵扰的说明。
虽然服务器11被示为用于检测有害生物的存在的专用服务器,但是服务器11的功能可以被集成到资产所有者的现有系统(例如,一个或多个服务器)中,所述系统执行除有害生物检测之外的额外功能。
尽管已经根据如上所述的优选实施例描述了本公开,但是应当理解,这些实施例仅是示例性的,并且权利要求不限于那些实施例。鉴于本公开,本领域技术人员将能够做出修改和替代,其被认为落入所附权利要求的范围内。本说明书中公开或示出的每个特征可以单独地或与本文中公开或示出的任何其它特征以任何适当的组合并入本公开中。
我们在这里指的是其中处理在包括传感器的远程装置和服务器之间划分的系统。传感器可以是成像系统/相机。所述装置可以是有害生物检测器。所述装置可以使用低功率传感器(例如,光闸)来启动传感器(“门控”)。系统可以使用低功率模式来减少功耗。系统根据可用功率调整其感应参数。所述系统可以根据外部因素来适配其感测参数。所述系统可以允许将数据从服务器发送到远程装置。所述系统可以根据其它远程装置的活动的变化来调适一个或多个远程装置的感测参数。
服务器可以将消息发送给用户。所述系统可以使用引诱剂以减少功耗。所述系统包含刷新或更新引诱剂的机制。所述系统可以检测有害生物种群的样本,并使用所述样本来估计总种群。目标有害生物可以进入装置本身,或者可以进入至少部分地被装置包围的表面区域。所述目标有害生物可以被所述装置杀死。除了资产所有者(例如PCC或农艺师)之外,所述系统还可以提供将数据自动传递给第三方的功能。服务器可以为用户提供网络接口,所述用户接口可以被保护。系统可以提供远程装置状态的摘要。所述系统可以提供远程装置的更换时间表的摘要。系统可以提供对未来活动的预测,所述预测可以通过汲取外部数据(例如天气预报)来做出。所述系统可以计算系统的财务收益并将其显示给用户/资产所有者。系统可以在图或地图上显示远程单元的物理位置。系统可以显示有关检测到的活动的数据。
Claims (26)
1.一种用于检测有害生物的存在的系统,所述系统包括:
至少一个远程相机系统,所述至少一个远程相机系统中的每一个包括联接到处理器和无线发射器的图像捕获装置,所述至少一个远程相机系统中的每一个具有有害生物检测表面并且被配置成:
捕获所述有害生物检测表面的一个或多个图像;
处理所捕获的所述一个或多个图像以辨识目标有害生物在所述有害生物检测表面上的潜在存在;以及
响应于辨识出一种或多种目标有害生物的潜在存在而发射来自所捕获的所述一个或多个图像的数据;
以及
服务器,其被配置成:
接收所述所发射数据;
处理所述所发射数据以验证所述目标有害生物在所述有害生物检测表面上的潜在存在;以及
提供指示所述验证的输出。
2.根据权利要求1所述的系统,其中所述至少一个远程相机系统进一步被配置成:处理来自所述一个或多个所捕获图像的所述数据以通过从在时间和空间中的一个或两个上受限制的所述一个或多个所捕获图像中选择数据段来减少要发射的数据量。
3.根据权利要求1或2所述的系统,其中所述图像捕获装置被配置成以与所述有害生物检测表面成固定空间关系安装。
4.根据权利要求1或2所述的系统,其中所述有害生物检测表面包括所述至少一个远程相机系统的壳体的一部分或附接到所述至少一个远程相机系统的所述壳体。
5.根据前述权利要求中任一项所述的系统,其中所述有害生物检测表面距所述图像捕获装置不超过30cm。
6.根据前述权利要求中任一项所述的系统,其中所述至少一个远程相机系统进一步包括触发传感器,以检测所述目标有害生物以触发图像的捕获。
7.根据前述权利要求中任一项所述的系统,其中所述至少一个远程相机系统进一步包括有害生物引诱剂。
8.根据权利要求7所述的系统,其中所述有害生物引诱剂包括信息素或利它素。
9.根据权利要求7或8所述的系统,其中所述有害生物引诱剂包括以下中的一个或任何组合:图案化表面、紫外线反射器、物理结构、热源和所述目标有害生物的食物。
10.根据前述权利要求中任一项所述的系统,其中所述目标有害生物包括以下中的一个或任何组合:果蝇、臭虫、蠹虫、蟑螂、昆虫和节肢动物。
11.根据前述权利要求中任一项所述的系统,其中所述至少一个远程相机系统被配置成输入外部环境信息,并且其中由所述至少一个相机系统进行的图像捕获和图像处理中的一个或两个都是响应于所述外部环境信息。
12.根据前述权利要求中任一项所述的系统,其中所述服务器被配置成输入外部环境信息并且处理所述所发射数据和所述输入外部环境信息两者以验证所述目标有害生物在所述有害生物检测表面上的潜在存在。
13.根据权利要求11或12所述的系统,其中所述外部环境信息包括以下中的一个或多个:当日时间、天气信息、一年中的时间、温度信息、湿度信息、昆虫种群数据、指定何时对所述至少一个远程相机系统的环境进行有害生物处理的用户输入数据。
14.根据前述权利要求中任一项所述的系统,其中所述服务器和所述至少一个远程相机系统中的一个或两个被配置成响应于所述所发射数据而调适所述至少一个远程相机系统。
15.根据前述权利要求中任一项所述的系统,其中所述至少一个远程相机系统进一步被配置成:
使用参考数据处理所述一个或多个所捕获图像以确定第一检测概率;
将所述第一检测概率与第一预定概率阈值进行比较;以及
基于所述第一检测概率大于所述第一预定概率阈值,辨识目标有害生物在所述有害生物检测表面上的潜在存在。
16.根据权利要求15所述的系统,其中所述第一预定概率阈值是可变的,并且所述至少一个远程相机系统中的每一个进一步被配置成动态地设置所述第一预定概率阈值。
17.根据权利要求16所述的系统,其中所述至少一个远程相机系统中的每一个被配置成基于以下中的一个或多个动态地设置所述第一预定概率阈值:(i)所述远程相机系统的电池的电池电量;(ii)通过处理一个或多个先前捕获的图像而确定的检测概率;(iii)当日时间;(iv)从所述远程相机系统的触发传感器接收的传感器数据,所述触发传感器被配置成检测所述目标有害生物以触发图像的捕获;(v)一年的季节;(vi)从所述远程相机系统的传感器接收的环境传感器数据,所述传感器被布置成感测所述远程相机系统的本地环境条件;(vii)从所述远程相机系统上一次服务以来经过的时间;以及(viii)从所述服务器接收的命令。
18.根据前述权利要求中任一项所述的系统,其中所述服务器进一步被配置成:
使用参考数据处理所述所发射数据以确定第二检测概率;
将所述第二检测概率与第二预定概率阈值进行比较;以及
基于所述第二检测概率大于所述第二预定概率阈值,验证所述目标有害生物在所述有害生物检测表面上的潜在存在
19.根据从属于权利要求15时的权利要求18所述的系统,其中所述第二预定概率阈值大于所述第一预定概率阈值。
20.根据权利要求1到17中的任一项所述的系统,其中所述服务器被配置成通过将所述所发射数据发射到计算机装置以在所述计算机装置的显示器上显示来处理所述数据,并且基于从所述计算机装置接收到用户验证信号来验证所述目标有害生物在所述有害生物检测表面上的潜在存在,所述用户验证信号指示所述计算机装置的用户已经验证了所述目标有害生物在所述有害生物检测表面上的存在。
21.根据前述权利要求中任一项所述的系统,其中所述服务器进一步被配置成响应于所述验证而提供所述输出。
22.根据前述权利要求中任一项所述的系统,其中所述至少一个远程相机系统被配置成检测一种以上的有害生物物种。
23.一种服务器,其如权利要求1到22中任一项所限定。
24.一种远程相机系统,其如权利要求1到22中任一项所限定。
25.一种用于在包括至少一个远程相机系统和服务器的系统中检测有害生物的存在的方法,所述方法包括:
所述至少一个远程相机系统:
使用所述至少一个远程相机系统的图像捕获装置来捕获所述至少一个远程相机系统的有害生物检测表面的一个或多个图像;
使用联接到所述图像捕获装置的处理器处理所捕获的所述一个或多个图像,以辨识目标有害生物在所述有害生物检测表面上的潜在存在;以及
响应于辨识出一种或多种目标有害生物的潜在存在,经由联接到所述处理器的无线发射器发射来自所捕获的所述一个或多个图像的数据;以及所述方法进一步包括:
所述服务器:
接收所述所发射数据;
处理所述所发射数据以验证所述目标有害生物在所述有害生物检测表面上的潜在存在;以及
提供指示所述验证的输出。
26.一种使用远程相机系统检测有害生物的存在的方法,所述方法包括:
使用所述至少一个远程相机系统的图像捕获装置来捕获所述至少一个远程相机系统的有害生物检测表面的一个或多个图像;
使用联接到所述图像捕获装置的处理器处理所捕获的所述一个或多个图像,以辨识目标有害生物在所述有害生物检测表面上的潜在存在;以及
响应于辨识到一种或多种目标有害生物的潜在存在,经由联接到所述处理器的无线发射器将来自所捕获的所述一个或多个图像的数据发射到服务器,以验证所述目标有害生物在所述有害生物检测表面上的潜在存在。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
GB1800518.1 | 2018-01-12 | ||
GB1800518.1A GB2570138B (en) | 2018-01-12 | 2018-01-12 | System and methods |
PCT/GB2019/050075 WO2019138242A1 (en) | 2018-01-12 | 2019-01-11 | System and methods |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111726986A true CN111726986A (zh) | 2020-09-29 |
CN111726986B CN111726986B (zh) | 2023-01-10 |
Family
ID=61256332
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201980007816.8A Active CN111726986B (zh) | 2018-01-12 | 2019-01-11 | 系统与方法 |
Country Status (10)
Country | Link |
---|---|
US (2) | US11160263B2 (zh) |
EP (1) | EP3737229A1 (zh) |
JP (2) | JP7455061B2 (zh) |
CN (1) | CN111726986B (zh) |
AU (1) | AU2019206306B2 (zh) |
BR (1) | BR112020014142A2 (zh) |
CA (1) | CA3087946A1 (zh) |
GB (1) | GB2570138B (zh) |
WO (1) | WO2019138242A1 (zh) |
ZA (1) | ZA202003999B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113973791A (zh) * | 2021-11-26 | 2022-01-28 | 杭州坝地环境科技有限公司 | 一种低功耗白蚁蚁情监测方法和系统 |
Families Citing this family (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180249696A1 (en) * | 2017-03-02 | 2018-09-06 | Woodstream Corporation | Remote monitoring of live catch rodent traps |
US11087446B2 (en) * | 2018-03-25 | 2021-08-10 | Matthew Henry Ranson | Automated arthropod detection system |
AU2019293531A1 (en) * | 2018-06-29 | 2021-01-28 | Smart Wave Technologies, Inc. | Pest control system having event monitoring |
US10524461B1 (en) * | 2018-09-25 | 2020-01-07 | Jace W. Files | Pest detector to identify a type of pest using machine learning |
EP3975710A1 (en) * | 2019-05-24 | 2022-04-06 | Romanova, Anastasiia Romanivna | Mosquito monitoring and counting system |
CN110830776A (zh) * | 2019-11-26 | 2020-02-21 | 湖州赛龙网络技术有限公司 | 无线智能仓虫监测系统 |
GB2591804B (en) * | 2020-02-07 | 2024-02-28 | Spotta Ltd | System for detecting pests |
AU2021271102A1 (en) | 2020-05-13 | 2022-12-15 | Syngenta Crop Protection Ag | A pest monitoring device |
US20220192171A1 (en) * | 2020-12-17 | 2022-06-23 | OTS INVESTCO INC. (Ontario Corporation No 00243119) | Pest control system and method for use thereof |
US11810343B2 (en) * | 2021-05-11 | 2023-11-07 | Asio Advanced Control Solutions Ltd | Artificial intuition based visual data extraction for distributed systems |
CN113749068A (zh) * | 2021-08-13 | 2021-12-07 | 广州隆昇科技有限公司 | 一种红火蚁监测方法及系统 |
DE102022203065A1 (de) * | 2022-03-29 | 2023-10-05 | Robert Bosch Gesellschaft mit beschränkter Haftung | Verfahren zum Betreiben einer Überwachungsvorrichtung, Computerprogramm, Speichermedium und Überwachungsvorrichtung |
CN117178970A (zh) * | 2022-05-31 | 2023-12-08 | 青岛海尔空调器有限总公司 | 车辆灭虫方法、装置、设备、介质及其车辆 |
WO2024055065A1 (en) * | 2022-09-14 | 2024-03-21 | Jasgo R&D Pty Ltd | Technology configured to enable capture and/or identification of insects and other creatures |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102143683A (zh) * | 2008-09-09 | 2011-08-03 | 美国陶氏益农公司 | 联网的有害生物控制系统 |
CN202906981U (zh) * | 2012-10-26 | 2013-04-24 | 杭州职业技术学院 | 水稻病虫害远程在线诊断系统 |
WO2014150220A2 (en) * | 2013-03-15 | 2014-09-25 | Ibms Holdings, Llc | Automated monitoring of pest traps in a distributed work environment |
US20160245916A1 (en) * | 2014-02-18 | 2016-08-25 | Onvector Technology Llc | Object Detection Systems |
CN206744351U (zh) * | 2017-03-17 | 2017-12-15 | 合肥创巢信息技术有限公司 | 一种基于物联网果蝇诱捕监测装备 |
Family Cites Families (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003168181A (ja) * | 2001-11-29 | 2003-06-13 | Kansai Sogo Kankyo Center:Kk | 環境測定装置及び当該装置を用いた環境監視システム及び害虫監視システム |
DE602004012409T2 (de) * | 2003-06-16 | 2009-04-23 | Ronnau Development Aps | Schädlingsbekämpfungssystem |
JP2009260801A (ja) * | 2008-04-18 | 2009-11-05 | Fujifilm Corp | 撮像装置 |
JP5331760B2 (ja) * | 2010-07-12 | 2013-10-30 | イカリ消毒株式会社 | 捕虫装置および遠隔閲覧システム |
JP5812321B2 (ja) * | 2011-02-04 | 2015-11-11 | 国立大学法人徳島大学 | 虫の画像処理装置、画像処理方法、画像処理プログラム及びコンピュータで読み取り可能な記憶媒体 |
JP5690856B2 (ja) * | 2013-01-24 | 2015-03-25 | アース環境サービス株式会社 | 捕獲虫類の同定方法及び同定システム |
JP6277766B2 (ja) | 2014-02-20 | 2018-02-14 | 日本電気株式会社 | 害虫発生予測システム、端末装置、サーバ装置、および害虫発生予測方法 |
US9750238B2 (en) * | 2014-07-23 | 2017-09-05 | Metecs, LLC | Alerting system for automatically detecting, categorizing, and locating animals using computer aided image comparisons |
WO2017027677A1 (en) * | 2015-08-11 | 2017-02-16 | University Of Central Florida Research Foundation, Inc. | Passive insect surveillance sensor device |
US20170231213A1 (en) * | 2016-02-17 | 2017-08-17 | International Business Machines Corporation | Pest abatement utilizing an aerial drone |
US11241002B2 (en) * | 2016-03-22 | 2022-02-08 | Matthew Jay | Remote insect monitoring systems and methods |
WO2017168412A1 (en) | 2016-03-28 | 2017-10-05 | Agrint Sensing Solutions Ltd | Improved system and method for detecting agricultural pests |
US10028452B2 (en) * | 2016-04-04 | 2018-07-24 | Beesprout, Llc | Horticultural monitoring system |
US20180177178A1 (en) * | 2016-12-22 | 2018-06-28 | Ria Bhakta | Animal Deterrent Apparatus |
CN110325032B (zh) * | 2016-12-22 | 2022-08-19 | 铁牛公司 | 用于在农业设施内自动转移植物的系统和方法 |
GB201700921D0 (en) * | 2017-01-19 | 2017-03-08 | Killgerm Group Ltd | Insect trap and method |
WO2018140679A1 (en) * | 2017-01-27 | 2018-08-02 | The Johns Hopkins University | A system for insect surveillance and tracking |
-
2018
- 2018-01-12 GB GB1800518.1A patent/GB2570138B/en active Active
-
2019
- 2019-01-11 WO PCT/GB2019/050075 patent/WO2019138242A1/en unknown
- 2019-01-11 JP JP2020538713A patent/JP7455061B2/ja active Active
- 2019-01-11 CN CN201980007816.8A patent/CN111726986B/zh active Active
- 2019-01-11 AU AU2019206306A patent/AU2019206306B2/en active Active
- 2019-01-11 EP EP19701143.0A patent/EP3737229A1/en active Pending
- 2019-01-11 US US16/961,228 patent/US11160263B2/en active Active
- 2019-01-11 CA CA3087946A patent/CA3087946A1/en active Pending
- 2019-01-11 BR BR112020014142-9A patent/BR112020014142A2/pt unknown
-
2020
- 2020-06-30 ZA ZA2020/03999A patent/ZA202003999B/en unknown
-
2021
- 2021-09-27 US US17/486,083 patent/US20220007630A1/en active Pending
-
2023
- 2023-11-16 JP JP2023195277A patent/JP2024023320A/ja active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102143683A (zh) * | 2008-09-09 | 2011-08-03 | 美国陶氏益农公司 | 联网的有害生物控制系统 |
CN202906981U (zh) * | 2012-10-26 | 2013-04-24 | 杭州职业技术学院 | 水稻病虫害远程在线诊断系统 |
WO2014150220A2 (en) * | 2013-03-15 | 2014-09-25 | Ibms Holdings, Llc | Automated monitoring of pest traps in a distributed work environment |
US20160245916A1 (en) * | 2014-02-18 | 2016-08-25 | Onvector Technology Llc | Object Detection Systems |
CN206744351U (zh) * | 2017-03-17 | 2017-12-15 | 合肥创巢信息技术有限公司 | 一种基于物联网果蝇诱捕监测装备 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113973791A (zh) * | 2021-11-26 | 2022-01-28 | 杭州坝地环境科技有限公司 | 一种低功耗白蚁蚁情监测方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111726986B (zh) | 2023-01-10 |
BR112020014142A2 (pt) | 2020-12-08 |
JP2021510303A (ja) | 2021-04-22 |
WO2019138242A1 (en) | 2019-07-18 |
JP7455061B2 (ja) | 2024-03-25 |
GB2570138B (en) | 2020-07-08 |
GB201800518D0 (en) | 2018-02-28 |
EP3737229A1 (en) | 2020-11-18 |
GB2570138A (en) | 2019-07-17 |
US20210029984A1 (en) | 2021-02-04 |
US11160263B2 (en) | 2021-11-02 |
AU2019206306B2 (en) | 2024-01-18 |
CA3087946A1 (en) | 2019-07-18 |
JP2024023320A (ja) | 2024-02-21 |
ZA202003999B (en) | 2021-05-26 |
US20220007630A1 (en) | 2022-01-13 |
AU2019206306A1 (en) | 2020-07-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111726986B (zh) | 系统与方法 | |
Preti et al. | Insect pest monitoring with camera-equipped traps: Strengths and limitations | |
US6937156B2 (en) | Method and apparatus for capacitively sensing pests | |
US7656300B2 (en) | Pest control system | |
US11417197B2 (en) | Pest control system having event monitoring | |
US20210368762A1 (en) | Sensor station system for pest monitoring | |
US7020996B2 (en) | Method and system for remotely detecting trapped insects | |
US20200117897A1 (en) | Adaptive Artificial Intelligence Training Data Acquisition and Plant Monitoring System | |
US20070192032A1 (en) | Polymodal biological detection system | |
CA2476932A1 (en) | Method and apparatus for automatic pest trap report generation and for recording additional trap parameter data | |
US20220076141A1 (en) | Insect attack risk prediction system and method | |
Chiwamba et al. | An application of machine learning algorithms in automated identification and capturing of fall armyworm (FAW) moths in the field |
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 | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: Britain Camb Applicant after: Spota Ltd. Address before: Cambridge County, England Applicant before: Spota Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |