CN112200368A - 一种蚊子数量预测方法及系统 - Google Patents
一种蚊子数量预测方法及系统 Download PDFInfo
- Publication number
- CN112200368A CN112200368A CN202011090164.XA CN202011090164A CN112200368A CN 112200368 A CN112200368 A CN 112200368A CN 202011090164 A CN202011090164 A CN 202011090164A CN 112200368 A CN112200368 A CN 112200368A
- Authority
- CN
- China
- Prior art keywords
- mosquitoes
- time
- mature
- real
- rainfall
- 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
- 241000255925 Diptera Species 0.000 title claims abstract description 139
- 238000000034 method Methods 0.000 title claims abstract description 31
- 241000238631 Hexapoda Species 0.000 claims abstract description 42
- 238000012549 training Methods 0.000 claims abstract description 42
- 230000035800 maturation Effects 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 9
- 230000017448 oviposition Effects 0.000 claims description 6
- 230000001105 regulatory effect Effects 0.000 claims description 6
- 230000000694 effects Effects 0.000 abstract description 4
- 230000034994 death Effects 0.000 description 6
- 231100000517 death Toxicity 0.000 description 6
- 230000000007 visual effect Effects 0.000 description 5
- 239000000853 adhesive Substances 0.000 description 4
- 230000001070 adhesive effect Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000002779 inactivation Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 241000894007 species Species 0.000 description 4
- 239000000126 substance Substances 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 235000013601 eggs Nutrition 0.000 description 3
- 230000000415 inactivating effect Effects 0.000 description 3
- 238000000651 laser trapping Methods 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 208000001490 Dengue Diseases 0.000 description 2
- 206010012310 Dengue fever Diseases 0.000 description 2
- 101100450138 Neurospora crassa (strain ATCC 24698 / 74-OR23-1A / CBS 708.71 / DSM 1257 / FGSC 987) hat-2 gene Proteins 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 208000025729 dengue disease Diseases 0.000 description 2
- 238000009792 diffusion process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000001556 precipitation Methods 0.000 description 2
- 206010003399 Arthropod bite Diseases 0.000 description 1
- 201000009182 Chikungunya Diseases 0.000 description 1
- 208000004293 Chikungunya Fever Diseases 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 241000256626 Pterygota <winged insects> Species 0.000 description 1
- 241000710886 West Nile virus Species 0.000 description 1
- 208000003152 Yellow Fever Diseases 0.000 description 1
- 241000607479 Yersinia pestis Species 0.000 description 1
- 241000907316 Zika virus Species 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 238000007664 blowing Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000009849 deactivation Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000018044 dehydration Effects 0.000 description 1
- 238000006297 dehydration reaction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 235000011389 fruit/vegetable juice Nutrition 0.000 description 1
- 239000003292 glue Substances 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 231100000518 lethal Toxicity 0.000 description 1
- 230000001665 lethal effect Effects 0.000 description 1
- 201000004792 malaria Diseases 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000002028 premature Effects 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- A01M1/08—Attracting and catching insects by using combined illumination or colours and suction effects
-
- 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
- A01M1/14—Catching by adhesive surfaces
- A01M1/145—Attracting and catching insects using combined illumination or colours and adhesive surfaces
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A50/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE in human health protection, e.g. against extreme weather
- Y02A50/30—Against vector-borne diseases, e.g. mosquito-borne, fly-borne, tick-borne or waterborne diseases whose impact is exacerbated by climate change
Landscapes
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Pest Control & Pesticides (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Environmental Sciences (AREA)
- Zoology (AREA)
- Wood Science & Technology (AREA)
- General Engineering & Computer Science (AREA)
- Economics (AREA)
- Insects & Arthropods (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Biophysics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- General Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Development Economics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Game Theory and Decision Science (AREA)
- Biomedical Technology (AREA)
- Health & Medical Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Catching Or Destruction (AREA)
Abstract
本发明提供了一种蚊子数量的预测方法及系统，包括：诱捕装置保持运行状态，以用于诱捕预设面积空间内的昆虫并使昆虫落入相机装置的拍摄区域；基于相机装置获取拍摄区域的照片组后，处理照片组以提取照片组中的成熟蚊子数量，并同步采集诱捕装置所在区域的实时气温和实时降雨量；间隔预设的时间跨度获取多组训练数据，并基于多组训练数据训练预设训练函数，得到目标函数；将所要预测的时间节点的实时气温和实时降雨量代入至目标函数，得到预估成熟蚊子数量。该蚊子数量的预测方法及系统具有良好的预警效果。
Description
技术领域
本发明涉及到害虫防治领域，具体涉及到一种蚊子数量预测方法及系统。
背景技术
蚊子作为登革热、疟疾、黄热病、寨卡病毒、西尼罗河病毒和基孔肯雅热等烈性致死疾病的传播载体每年在全球造成80余万人的死亡。在我国广东地区，因蚊虫叮咬每年都有上万人感染登革热，严重危害群众的健康和正常生产生活活动。因此有必要对蚊子数量进行预测，以及时做出预警。
发明内容
本发明提供了一种蚊子数量预测方法及系统，通过视觉模块采集昆虫照片并推导出蚊子数量与气候条件的模拟函数关系，以预测出未来时间的蚊子数量，以供预警。
相应的，本发明提供了一种蚊子数量的预测方法，包括：
诱捕装置保持运行状态，以用于诱捕预设面积空间内的昆虫并使昆虫落入相机装置的拍摄区域；
基于相机装置获取拍摄区域的照片组后，处理所述照片组以提取所述照片组中的成熟蚊子数量，并同步基于气象数据采集装置采集所述诱捕装置所在区域的实时气温和实时降雨量；同一时刻所获取的成熟蚊子数量、实时气温和实时降雨量为一组训练数据；
间隔预设的时间跨度获取多组训练数据，并基于所述多组训练数据训练预设训练函数，得到目标函数；所述预设训练函数包括成熟蚊子数量与时间节点的对应关系；
将所要预测的时间节点的实时气温和实时降雨量代入至所述目标函数，得到所要预测的时间节点的预估成熟蚊子数量。
可选的实施方式，所述处理所述照片组以提取所述照片组中的成熟蚊子数量在云端服务器进行。
可选的实施方式，所述处理所述照片组以提取所述照片组中的成熟蚊子数量包括：
基于YOLO-v4框架处理所述照片组以提取所述照片组中的成熟蚊子数量。
可选的实施方式，所述YOLO-v4框架基于包括有成熟蚊子图像数据的公开数据集训练得到。
可选的实施方式，所述预设训练函数为：
其中，
M为未成熟蚊子数量，A为成熟蚊子数量，t为统计时间跨度，dM为未成熟蚊子数量死亡率，dA为成熟蚊子数量死亡率，p为成虫率，α0为最大成熟速率，Tm为成熟最适温度，T(t)为实际温度，r0为最大产卵速率，wm为产卵最适降雨量，w(t)为实际降雨量，Tv和wv分别为第一调节参数和第二调节参数。
可选的实施方式，还包括：
基于所述预估成熟蚊子数量执行对应的预警措施。
相应的，本发明还提供了一种蚊子数量的预测系统，用于实现任一项所述的蚊子数量的预测方法。
可选的实施方式，包括：
单元：用于诱捕昆虫，采集包含有昆虫尸体的照片组并发送至云端服务器；
气象数据采集装置：用于采集所述单元所处位置的实时气温和实时降雨量，并将所述实时气温和实时降雨量发送至云端服务器；
云端服务器：用于通过所述照片组、所述实时气温和实时降雨量得到目标函数，并根据所要预测的时间节点预估成熟蚊子数量。
本发明提供了一种蚊子数量预测方法及系统，通过视觉模块采集昆虫照片并根据识别模型从中识别出特定的蚊子图案，并通过函数拟合的方式得到关于蚊子数量与气候数据的模拟函数关系，从而根据气候数据预测出对应时间节点的蚊子数量，以供预警。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，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的前提下，还可以根据这些附图获得其它的附图。
图1示出了本发明实施例的蚊子数量的预测方法流程图；
图2示出了本发明实施例的蚊子数量的预测系统结构图；
图3示出了本发明实施例的单元结构示意图。
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，所描述的实施例仅仅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它实施例，都属于本发明保护的范围。
图1示出了本发明实施例的蚊子数量的预测方法流程图。
本发明实施例提供了一种蚊子数量的预测方法，包括：
S101：诱捕装置保持运行状态，以用于诱捕预设面积区域内的昆虫并使昆虫落入相机装置的拍摄区域；
具体的，诱捕装置的作用在于对包括成熟蚊子在内的昆虫进行诱捕，并将诱捕后的昆虫送入至特定的区域，以供相机装置对所诱捕的昆虫进行拍摄。具体的，诱捕装置具有一定的诱捕范围，如采用光学诱捕的方式，光强度随着距离的扩散衰减，相应的，光学诱捕具有一定的光学诱捕范围；又如采用化学诱捕的方式，化学物质的浓度随着距离的扩散稀释，化学诱捕具有一定的化学诱捕范围；因此，针对不同的诱捕装置，诱捕装置都会具有一个预设面积区域的诱捕范围，其诱捕面积为s。
S102：基于相机装置获取拍摄区域的照片组后将照片组传送至云端服务器；
具体实施中，相机装置和诱捕装置为配套设置的单元，通过在多个区域设置多个单元，可获得多个区域的蚊子照片组。具体的，单元只负责获取照片组，后续的数据处理过程在云端服务器执行。
可选的，单元的供电通过太阳能设备或蓄电池进行供电，数据传输的方式可通过无线方式实现，通过该设置方式，单元的设置位置更加灵活。
S103：基于云端服务器处理所述照片组以提取所述照片组中的成熟蚊子数量，并同步基于气象数据采集装置采集所述诱捕装置所在区域的实时气温和实时降雨量；
具体的，蚊子作为一种有着刺吸式口器的纤小飞虫，喜阴暗潮湿的环境中，以吸食动物的血液和树木汁液为主，其生长周期确定，分为卵、幼虫、蛹及成虫四个阶段，前三个时期(未成熟)的长短与蚊子的种类及环境温度有关，对于成虫(成熟)来说其产卵的多少受到当地降水量的影响，在降水稀少的干旱地区蚊子的产卵会大幅降低。
相应的，其中关于成熟虫子的数量预测的内容包括两方面，一方面为从未成熟时期的蚊子变化为成熟时期的蚊子的数量，另一方面则为成熟时期的蚊子的死亡情况。
其中，未成熟时期的蚊子变化为成熟时期的蚊子的数量受未成熟时期的蚊子的数量影响，因此，未成熟时期的蚊子的数量决定了未成熟时期的蚊子变化为成熟时期的蚊子的数量，相应的，从源头而言，成熟蚊子的产卵量与降雨量相关联，成熟的快慢与温度相关联，即未成熟时期的蚊子变化为成熟时期的蚊子的数量与降雨量和温度相关联。
相应的，成熟时期的蚊子的死亡情况则是一种规律的自然现象。
因此，在构建有关蚊子数量的预测函数或预测方程时，其方程内容本质上为发现气温、降雨量对成熟蚊子数量的影响关系。
相应的，同一时刻所获取的成熟蚊子数量N、实时气温和实时降雨量可视为一组训练数据，通过多组训练数据的训练以得到针对诱捕装置所在区域的关于成熟蚊子数量与实时气温和实时降雨量之间的关系函数，从而进行蚊子数量的预测。
具体实施中，有关于成熟蚊子的图像识别可基于YOLO-v4框架实现。具体的，YOLO(YouOnlyLookOnce)是一种基于深度神经网络的对象识别和定位算法,其最大的特点是运行速度很快,可以用于实时系统，YOLO-v4为其第四个迭代版本，YOLO-v4框架在实时目标检测算法中精度最高，实现了精度和速度的最佳平衡。具体的，用于对YOLO-v4框架进行训练的蚊子训练数据集为公开数据集，可通过现有资料进行获取。
具体实施中，最基本的需求是通过YOLO-v4框架获取到诱捕装置所诱捕的成熟蚊子总数量数据，具体的，根据数据库的数据量，通过YOLO-v4框架识别的蚊子还包括具体的蚊子的种类，即不同种类的成熟蚊子的数量，该数据会影响到预测函数的部分参数。
S104：基于不同时间节点获取多组训练数据，并基于所述多组训练数据训练预设训练函数，得到目标函数；所述预设训练函数包括成熟蚊子数量与时间节点的对应关系；
具体的，本发明实施例所采用的预设训练函数为：
其中，
M为未成熟蚊子数量，A为成熟蚊子数量，t为时间跨度，dM为未成熟蚊子数量死亡率，dA为成熟蚊子数量死亡率，p为成虫率，α0为最大成熟速率，Tm为成熟最适温度，T(t)为实际温度，r0为最大产卵速率，wm为产卵最适降雨量，w(t)为实际降雨量，Tv和wv分别为第一调节参数和第二调节参数。
其中，关于未成熟蚊子数量M对时间跨度t的微分即为未成熟蚊子数量的变化率，r(t)为最大产卵速率与系数
的乘积，系数
受实际降雨量w(t)影响，因此，r(t)A表示实际产卵数量，基于相类似的推断方式，α(t)M表示蚊子从未成熟转换为成熟的数量，dMM表示未成熟的蚊子死亡数量，r(t)A减去α(t)M和dMM即为未成熟蚊子的变化速率。
其中，关于成熟蚊子的数量A对时间跨度t的微分即为成熟蚊子数量的变化率，α0表示最大成熟速率，系数
受实际温度影响，α(t)即为未成熟蚊子转换为成熟蚊子的速率，再结合成虫率p和未成熟蚊子的数量M,α(t)pM即为未成熟蚊子转换为成熟蚊子的数量，相应的，dAA表示成熟蚊子的死亡数量，未成熟蚊子转换为成熟蚊子的数量减去成熟蚊子的死亡数量即为成熟蚊子的数量的统计数量。
需要说明的是，
相应的，具体的，关于时间跨度的取值，一般为一天(24小时)，相应的，
的单位为只·天-1·平方米-1。
综合上述说明，其中，成熟蚊子数量A为所需的目标量，实际温度T(t)和实际降雨量w(t)为输入数据，成熟最适温度Tm为和产卵最适降雨量wm通过实验得出，未成熟蚊子数量M、未成熟蚊子数量死亡率dM、成熟蚊子数量死亡率dA、成虫率p、最大成熟速率α0、最大产卵速率r0、第一调节参数Tv和第二调节参数wv分别基于公式训练得出。
需要说明的是，步骤S102中，可选的，通过YOLO-v4框架识别的蚊子还包括具体的蚊子的种类，即不同种类的成熟蚊子的数量，该数据会影响到预测函数的部分参数。具体的，在本步骤中，所有针对于蚊子的参数都是统计参数，其中，除了训练得到的参数外，成熟最适温度Tm为和产卵最适降雨量wm理论上针对不同的蚊子是会有不同的取值的，在本发明实施例中，可采用以下方式得到统一的成熟最适温度Tm为和产卵最适降雨量wm。具体的，分别基于每一组训练数据中的蚊子种类和对应的数量进行所有训练数据统计，得到在每一组训练数据中不同种类蚊子的数量占比zy，并根据占比关系，针对不同种类蚊子的成熟最适温度Tm为和产卵最适降雨量wm进行加权平均取值，以得到加权平均下的成熟最适温度Tm为和产卵最适降雨量wm。而其余训练得到的参数会相应的根据加权平均下的成熟最适温度Tm为和产卵最适降雨量wm进行自动调整。
具体的，若数据量庞大，则上述公式的训练效果会很好，但实际实施中，存在时效性的问题，即庞大的数据量的基础是时间跨度长，只具有统计性而缺乏时效性，因此，为了解决公式这方面的不足，在训练的同时需结合最小二乘法(曲线拟合)实现对系数方程的确认。
需要说明的是，训练的过程实质上即是基于曲线拟合数据的过程，训练过程中可能会导出多组结果，需要通过最小二乘法进行结果的确认，从中挑出一项作为最终结果，以使所述最终结果得到的方程在拟合输入数据时达到最优。
具体的，对于每组训练数据，输入的参数有三项，训练得出的参数(未知参数)有七项，相应的，一般以15组数据作为训练样本(当前时间的前15天的训练数据)，若采用过多的数据，会导致蚊子的数据存在统计性和滞后性，不能够突出其时效性。
S105：以所要预测的时间节点的实时气温和实时降雨量代入至所述目标函数，得到所要预测的时间节点的预估成熟蚊子数量。
具体的，在得到目标函数后，将所要预测的时间节点的实时气温和实时降雨量回代至目标函数中(正向求解)，以预估得到对应的时间节点的成熟蚊子数量。
S106：基于所述预估成熟蚊子数量执行对应的预警措施。
具体的，蚊子的数量与相对应的预警措施挂钩，例如，蚊子数量大于一定数量时，可规模性的对蚊子或蚊卵进行灭杀；对于蚊子数量较多的区域可相应的进行标识，对群众进行提醒等。
图2示出了本发明实施例的蚊子数量的预测系统结构图。
相应的，本发明实施例还提供一种蚊子数量预测系统，该蚊子数量预测系统用于实现上述的蚊子数量预测方法。
具体的，该蚊子数量预测系统包括单元、云端服务器和气象数据采集装置。具体的，单元用于对昆虫进行诱捕和拍照，气象数据采集装置用于采集气象数据，云端服务器负责相关的数据处理。具体的，气象数据采集装置可以为气象台或相关的特种设备。
图3示出了本发明实施例的单元结构示意图。
本发明实施例提供了一种单元的结构。
本发明提供了一种单元，包括引诱模块、灭活模块、收集装置和视觉模块；其中，引诱模块用于对特定的昆虫进行引诱，将昆虫吸引至引诱模块周围；灭活模块用于将引诱的昆虫进行灭活；收集装置用于收集灭活后的昆虫尸体；视觉模块用于对收集的昆虫尸体进行拍照，以用于后续的使用。
基本的，所述收集装置具有一收集腔，所述收集腔上端敞开形成入口；所述引诱模块和灭活模块配套设置在所述收集腔的入口上方；所述视觉模块用于获取所述收集腔底部的图片，所述视觉模块的设置位置与所述收集装置的设置位置相对固定。
在本发明实施例中，所述收集装置包括圆筒形的主体1；所述主体1下端固定于地面且所述主体1下端被所述地面封闭，所述主体上端敞开形成所述入口。在本发明实施例中，为了形成较为集中的吸引气流，所述主体1的上端为窄口设置。
在本发明实施例中，所述收集装置还包括防雨帽2；所述防雨帽2设置在所述主体1的上空，所述引诱模块和所述灭活模块设置在所述防雨帽2下方。防雨帽2的设置是用于保护所述引诱模块和所述灭活模块，一般的，防雨帽2基于连接件3固定在主体1上。
在本发明实施例中，所述引诱模块包括诱捕灯管4，为了保护诱捕灯管4，在诱捕灯管4的外围设置有护罩5。诱捕灯管4可根据所需捕捉的昆虫类型进行发光波段的选型，本发明不对其具体发光波段此进行限定。
在本发明实施例中，所述灭活模块包括涡流风机6，所述涡流风机6设置在所述入口上。涡流风机6运行时，生成从入口至收集腔内部的气流，通过诱捕灯管4所吸引的昆虫被气流带入至收集腔内，且在气流作用下无法飞出，并最终在收集腔内死亡。
在本发明实施例中，为了保证气流的方向稳定性，所述收集装置在对应于所述收集腔的侧壁上开有对流孔9。
在本发明实施例中，所述收集装置在所述对流孔9的外侧相对应的设置有遮盖板10，用于防止雨水进入。
需要说明的是，实际实施中，对流孔9的尺寸较小，无法供昆虫飞出，在图1中为了示意进行了适当的放大。
在本发明实施例中，所述灭活模块还包括粘性底盘7；所述粘性底盘7设置在所述收集腔的底部。具体的，粘性底盘7的盘底设置有粘性材料，可黏住昆虫，设置粘性底盘7的作用为：由于本发明实施例的昆虫尸体需要进行拍照，为了避免尸体发生堆积，在粘性底盘7上，已黏附昆虫的位置不会再对其他昆虫存在粘性，在昆虫未死亡时，昆虫在气流的影响下在收集腔内运动，直至昆虫被粘性材料黏住后，昆虫无法运动，并最终脱水死亡；或昆虫尸体在气流的吹动下黏在粘性底盘的空置区域(无昆虫尸体位置)，因此，在粘性底盘上的底面上，每一具昆虫尸体都有各自的固定位置，可保证视觉模块在拍照时，获取到每一具昆虫尸体的图片；此外，粘性底盘7可便捷的进行替换，以及对昆虫尸体进行取样研究，操作较为便利。
配套的，所述视觉模块包括视觉相机12，所述视觉相机12朝向所述收集腔的底部。
此外，针对装置中的用电装置的供电，在附图图中以虚线11标识，通过内部走线的方式，可避免线路外露；此外，针对数据通信，亦可以相类似的方式进行，同时，为了提高单元的环境适应性，可选的，供电可通过蓄电池或太阳能装置进行供电，数据通信的方式采用无线方式实现。
综上，本发明提供了一种蚊子数量预测方法及系统，通过视觉模块采集昆虫照片并根据识别模型从中识别出特定的蚊子图案，并通过函数拟合的方式得到关于蚊子数量与气候数据的模拟函数关系，从而根据气候数据预测出对应时间节点的蚊子数量，以供预警。
以上对本发明实施例所提供的一种蚊子数量预测方法及系统进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。
Claims (8)
1.一种蚊子数量的预测方法，其特征在于，包括：
诱捕装置保持运行状态，以用于诱捕预设面积空间内的昆虫并使昆虫落入相机装置的拍摄区域；
基于相机装置获取拍摄区域的照片组后，处理所述照片组以提取所述照片组中的成熟蚊子数量，并同步基于气象数据采集装置采集所述诱捕装置所在区域的实时气温和实时降雨量；同一时刻所获取的成熟蚊子数量、实时气温和实时降雨量为一组训练数据；
间隔预设的时间跨度获取多组训练数据，并基于所述多组训练数据训练预设训练函数，得到目标函数；所述预设训练函数包括成熟蚊子数量与时间节点的对应关系；
将所要预测的时间节点的实时气温和实时降雨量代入至所述目标函数，得到所要预测的时间节点的预估成熟蚊子数量。
2.如权利要求1所述的蚊子数量的预测方法，其特征在于，所述处理所述照片组以提取所述照片组中的成熟蚊子数量在云端服务器进行。
3.如权利要求1所述的蚊子数量的预测方法，其特征在于，所述处理所述照片组以提取所述照片组中的成熟蚊子数量包括：
基于YOLO-v4框架处理所述照片组以提取所述照片组中的成熟蚊子数量。
4.如权利要求3所述的蚊子数量的预测方法，其特征在于，所述YOLO-v4框架基于包括有成熟蚊子图像数据的公开数据集训练得到。
5.如权利要求1所述的蚊子数量的预测方法，其特征在于，所述预设训练函数为：
其中，
M为未成熟蚊子数量，A为成熟蚊子数量，t为统计时间跨度，dM为未成熟蚊子数量死亡率，dA为成熟蚊子数量死亡率，p为成虫率，α0为最大成熟速率，Tm为成熟最适温度，T(t)为实际温度，r0为最大产卵速率，wm为产卵最适降雨量，w(t)为实际降雨量，Tv和wv分别为第一调节参数和第二调节参数。
6.如权利要求1所述的蚊子数量的预测方法，其特征在于，还包括：
基于所述预估成熟蚊子数量执行对应的预警措施。
7.一种蚊子数量的预测系统，其特征在于，用于实现权利要求1至6任一项所述的蚊子数量的预测方法。
8.如权利要求7所述的蚊子数量的预测系统，其特征在于，包括：
单元：用于诱捕昆虫，采集包含有昆虫尸体的照片组并发送至云端服务器；
气象数据采集装置：用于采集所述单元所处位置的实时气温和实时降雨量，并将所述实时气温和实时降雨量发送至云端服务器；
云端服务器：用于通过所述照片组、所述实时气温和实时降雨量得到目标函数，并根据所要预测的时间节点预估成熟蚊子数量。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011090164.XA CN112200368B (zh) | 2020-10-13 | 2020-10-13 | 一种蚊子数量预测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011090164.XA CN112200368B (zh) | 2020-10-13 | 2020-10-13 | 一种蚊子数量预测方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112200368A true CN112200368A (zh) | 2021-01-08 |
| CN112200368B CN112200368B (zh) | 2022-12-20 |
Family
ID=74008906
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011090164.XA Active CN112200368B (zh) | 2020-10-13 | 2020-10-13 | 一种蚊子数量预测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112200368B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TWI793953B (zh) * | 2022-01-03 | 2023-02-21 | 逢甲大學 | 智能小黑蚊監測管理系統 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20020016676A1 (en) * | 2000-07-26 | 2002-02-07 | Christopher Sann | Climatic conditions based pest control management |
| WO2016064735A1 (en) * | 2014-10-20 | 2016-04-28 | University Of Florida Research Foundation, Incorporated | Wireless sensor system for mosquito population growth analysis, logging, and reporting |
| CN107609666A (zh) * | 2016-07-12 | 2018-01-19 | 塔塔咨询服务公司 | 使用历史农药使用信息进行害虫预测的系统和方法 |
| CN109034443A (zh) * | 2018-06-05 | 2018-12-18 | 中国气象局乌鲁木齐沙漠气象研究所 | 一种预测棉铃虫发生期的方法 |
| CN109919796A (zh) * | 2019-02-27 | 2019-06-21 | 北京农业智能装备技术研究中心 | 虫情测报系统 |
| CN110235873A (zh) * | 2019-06-26 | 2019-09-17 | 北京农业智能装备技术研究中心 | 一种农林有害昆虫虫情自动监测预报系统 |
| CN110309841A (zh) * | 2018-09-28 | 2019-10-08 | 浙江农林大学 | 一种基于深度学习的山核桃常见害虫识别方法 |
-
2020
- 2020-10-13 CN CN202011090164.XA patent/CN112200368B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20020016676A1 (en) * | 2000-07-26 | 2002-02-07 | Christopher Sann | Climatic conditions based pest control management |
| WO2016064735A1 (en) * | 2014-10-20 | 2016-04-28 | University Of Florida Research Foundation, Incorporated | Wireless sensor system for mosquito population growth analysis, logging, and reporting |
| CN107609666A (zh) * | 2016-07-12 | 2018-01-19 | 塔塔咨询服务公司 | 使用历史农药使用信息进行害虫预测的系统和方法 |
| CN109034443A (zh) * | 2018-06-05 | 2018-12-18 | 中国气象局乌鲁木齐沙漠气象研究所 | 一种预测棉铃虫发生期的方法 |
| CN110309841A (zh) * | 2018-09-28 | 2019-10-08 | 浙江农林大学 | 一种基于深度学习的山核桃常见害虫识别方法 |
| CN109919796A (zh) * | 2019-02-27 | 2019-06-21 | 北京农业智能装备技术研究中心 | 虫情测报系统 |
| CN110235873A (zh) * | 2019-06-26 | 2019-09-17 | 北京农业智能装备技术研究中心 | 一种农林有害昆虫虫情自动监测预报系统 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TWI793953B (zh) * | 2022-01-03 | 2023-02-21 | 逢甲大學 | 智能小黑蚊監測管理系統 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112200368B (zh) | 2022-12-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106331171B (zh) | 一种基于病虫害联网监测系统的监测控制方法 | |
| US11659826B2 (en) | Detection of arthropods | |
| CA3172012C (en) | Insect monitoring system and method | |
| CN205390083U (zh) | 智能病虫害监测预警系统 | |
| CN206238150U (zh) | 网络化的蚊媒自动监测仪和监测系统 | |
| CN104381231A (zh) | 一种基于图像的野外虫情监测装置 | |
| CN104918007A (zh) | 基于计算机视觉的大田虫情监控采样装置及采样方法 | |
| CN108935373A (zh) | 一种蝗虫种群监测和防治的方法及诱捕装置 | |
| CN112200368B (zh) | 一种蚊子数量预测方法及系统 | |
| CN111252246A (zh) | 一种基于无人机、固定摄像模块联用的大区域病虫害防治方法 | |
| CN105868824A (zh) | 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 | |
| CN110122445A (zh) | 一种智能昆虫诱捕器 | |
| CN205567561U (zh) | 一种可自动拍照的虫情测报灯 | |
| CN210642086U (zh) | 5g太阳能频振式杀虫检测设备 | |
| CN110547271A (zh) | 害虫高空诱控捕杀装置 | |
| CN103518686A (zh) | 滴灌棉田棉蚜快速监测与预警方法 | |
| CN116593461A (zh) | 一种基于人工智能的农业病虫害监测系统及方法 | |
| CN210929277U (zh) | 害虫高空诱控捕杀装置 | |
| CN115443960A (zh) | 一种基于活虫拍照识别的方法及设备 | |
| Frank et al. | Skyscrapers as ecological traps of the spotted lanternfly (Lycorma delicatula)(Hemiptera: Fulgoridae): Preliminary observations | |
| CN218270852U (zh) | 病虫害自动监测系统 | |
| CN211832517U (zh) | 一种用于智能监测的蚊媒捕杀装置 | |
| CN216983235U (zh) | 一种苗木病虫害检测装置 | |
| CN218869169U (zh) | 太阳能物联网水稻专用性诱测报仪 | |
| CN213961436U (zh) | 一种用于视觉统计的昆虫收集装置 |
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 |