CN112203059A - 一种基于ai图像识别技术的测虫方法 - Google Patents
一种基于ai图像识别技术的测虫方法 Download PDFInfo
- Publication number
- CN112203059A CN112203059A CN202011104105.3A CN202011104105A CN112203059A CN 112203059 A CN112203059 A CN 112203059A CN 202011104105 A CN202011104105 A CN 202011104105A CN 112203059 A CN112203059 A CN 112203059A
- Authority
- CN
- China
- Prior art keywords
- detection
- insect
- module
- image recognition
- monitoring
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 101
- 241000238631 Hexapoda Species 0.000 title claims abstract description 64
- 238000005516 engineering process Methods 0.000 title claims abstract description 19
- 241000607479 Yersinia pestis Species 0.000 claims abstract description 51
- 238000012544 monitoring process Methods 0.000 claims abstract description 50
- 238000000034 method Methods 0.000 claims abstract description 24
- 230000003287 optical effect Effects 0.000 claims abstract description 4
- 230000006870 function Effects 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 6
- 230000000694 effects Effects 0.000 claims description 6
- 238000010191 image analysis Methods 0.000 claims description 6
- 230000000007 visual effect Effects 0.000 claims description 6
- 238000009825 accumulation Methods 0.000 claims description 3
- 238000012423 maintenance Methods 0.000 claims description 3
- 238000003032 molecular docking Methods 0.000 claims description 3
- 238000000691 measurement method Methods 0.000 claims 8
- 238000005259 measurement Methods 0.000 claims 3
- 238000005538 encapsulation Methods 0.000 claims 1
- 238000013473 artificial intelligence Methods 0.000 description 20
- 239000010410 layer Substances 0.000 description 8
- 238000012360 testing method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000004806 packaging method and process Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 1
- 238000005553 drilling Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000000749 insecticidal effect Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000002344 surface layer Substances 0.000 description 1
Images
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
-
- 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
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B7/00—Signalling systems according to more than one of groups G08B3/00 - G08B6/00; Personal calling systems according to more than one of groups G08B3/00 - G08B6/00
- G08B7/06—Signalling systems according to more than one of groups G08B3/00 - G08B6/00; Personal calling systems according to more than one of groups G08B3/00 - G08B6/00 using electric transmission, e.g. involving audible and visible signalling through the use of sound and light sources
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/60—Control of cameras or camera modules
- H04N23/66—Remote control of cameras or camera parts, e.g. by remote control devices
- H04N23/661—Transmitting camera control signals through networks, e.g. control via the Internet
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/60—Control of cameras or camera modules
- H04N23/67—Focus control based on electronic image sensor signals
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/60—Control of cameras or camera modules
- H04N23/695—Control of camera direction for changing a field of view, e.g. pan, tilt or based on tracking of objects
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N5/00—Details of television systems
- H04N5/76—Television signal recording
- H04N5/907—Television signal recording using static stores, e.g. storage tubes or semiconductor memories
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Catching Or Destruction (AREA)
Abstract
本发明公开了一种基于AI图像识别技术的测虫方法，包括如下步骤：S1、通过对接摄像头，可进行自动化操控摄像头旋转角度、改变光学倍数，获取清晰监控视频；S2、随后将监控画面传向检测害虫的算法模型，之后利用算法模型对监控画面反馈结果；本发明硬件投入成本低，相比现有技术，本方法粮库只需采购一台我方研制测虫设备即可，部署简便，相比现有技术，本方法只需要将测虫设备连接到粮库网络环境中，进行基础数据配置即可，人工参与权重低，相比现有技术，本方法自动运行，定时检测，人工只需查看检测结果并接受告警信息即可。
Description
技术领域
本发明涉及AI图像识别技术领域，具体为一种基于AI图像识别技术的测虫方法。
背景技术
人工智能（Artificial Intelligence），英文缩写为AI，它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学，人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等，人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的“容器”，人工智能可以对人的意识、思维的信息过程的模拟，人工智能不是人的智能，但能像人那样思考、也可能超过人的智能；
现有技术中，对粮库中贮存的粮食中虫害信息进行检测的技术方案有很多中，绝大部分都是利用各种诱捕害虫的装置，将害虫诱捕到固定容器中，最后利用人眼的方法对害虫进行识别，现有典型的技术方案是杆状检测传感器，该检测传感器的外壁周分布有供害虫进入杆内的捕获孔，在其腔体内设置有集虫漏斗和集虫杯，集虫漏斗下部有光电计数器，在所述集虫杯上方有成像装置，该方案利用粮库中害虫喜欢钻孔的习性，引诱害虫进入检测杆，再由光电计数器和成像装置对害虫的数量信息及种类形体信息进行采集，具有可以及时发现粮库中的虫害，利于及时杀虫灭虫等优点，不足的是：
1、一个杆状检测传感器有效覆盖检测面积很是有限；
2、进入集虫杯的害虫会越积越多，不时需要人工将检测杆取出进行清除，极为费工费时；
3、由于插入到粮食表层后，需要静待后才会有虫子进入，因此无法做到及时快速检测；
4、每个粮仓都需要多个杆状检测传感器，因此硬件投入成本高。
发明内容
本发明提供一种基于AI图像识别技术的测虫方法，可以有效解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：一种基于AI图像识别技术的测虫方法，包括如下步骤：
S1、通过对接摄像头，可进行自动化操控摄像头旋转角度、改变光学倍数，获取清晰监控视频；
S2、随后将监控画面传向检测害虫的算法模型，之后利用算法模型对监控画面反馈结果。
根据上述技术方案，所述S1中可以直接读取录像机硬盘里的视频历史记录；
所述S2中反馈结果当达到告警阈值时发送告警，最后可以短信或邮件或微信或声光报警器的方式接收检测结果；
可通过本地部署，也可云端部署。
根据上述技术方案，所述本地部署通过将算法模型代码、执行策略代码、前端功能代码打包嵌入到硬件设备中，进行封装，封装后的设备连接到粮库网络环境中，从而达到自动检测、自动接收检测结果。
根据上述技术方案，所述云端部署将图像识别算法部署到云端服务器，粮库端将视频画面传至云端服务器，粮库可以通过浏览器访问云端服务器地址或通过客户端读取云端服务器数据查看检测结果，并接收告警信息。
根据上述技术方案，所述本地部署可根据实际情况接入其他入网检测害虫的设备，从而实现检测结果及时告警、检测数据持续累计。
根据上述技术方案，所述测虫方法中自动化检测流程步骤如下：
A1、测虫设备或云端服务集群通过网络操控粮库各粮仓摄像头；
A2、测虫设备或云端服务集群通过网络获取摄像头监控画面；
A3、测虫设备或云端服务集群分析监控画面中害虫情况；
A4、使用人员通过浏览器或客户端查看检测结果；
A5、测虫设备或云端服务集群根据检测结果进行告警。
根据上述技术方案，所述测虫方法硬件包括仓内摄像头、接入层交换机、汇聚层交换机、硬盘录像机和测虫设备。
根据上述技术方案，所述测虫方法中本地测虫包括
图像采集模块：本模块主要通过云台功能进行自动化控制监控设备向指定角度方位进行抓取图片，并将图片传向测虫主机的指定目录中；
图像分析模块：本模块主要利用AI模型，对图片中害虫进行识别；可识别出害虫种类、数量信息；
策略计算模块：本模块主要通过AI模型对各个图片的检测结果，进行加权运算，得出虫子密度、活动轨迹，并判断是否达到告警阈值；将各类结果传向展示层模块。
根据上述技术方案，所述测虫方法中云端测虫包括
图像采集模块：本模块主要通过云台功能进行自动化控制监控设备向指定角度方位进行抓取图片；
图片上传模块：将本地采集的监控图片及时上传到云端服务器的指定目录中；
图像分析模块：本模块主要利用AI模型，对监控图片中害虫进行识别；可识别出害虫种类、数量信息；
策略计算模块：本模块主要通过AI模型对各个图片的检测结果，进行加权运算，得出虫子密度、活动轨迹，并判断是否达到告警阈值；
检测指标下发模块：将检测结果发送到指定粮库中。
根据上述技术方案，所述展示层功模块包括
害虫检测及数据展示：以仓库为单位进行显示各个仓库虫害检测，显示检测过程、检测数据详情；
告警管理：当仓库中检测到害虫后，通过短信或邮件或微信或声光报警器的方式向相关人发送告警通知；
仓库管理：管理和维护当前需要检测的仓库，维护仓库信息；
监控设备管理：管理和维护检测中需要用到监控设备，进行对接，并对监控设备的信息进行维护账号管理：可进行新建管理账号，对新建的账号进行分配管理权限；
通过程序控制摄像头实现的功能（云端测虫与本地测虫）：
监控设备信息获取：首次操作时，程序启动会获取当前网络环境下监控设备信息；
云台操作指令控制：操控摄像头进行转向、倍数放大缩小、光圈放大缩小、焦距调近调远、灯光开启关闭的一系列操作；
抓拍图片：让监控设备照射到指定角度进行抓拍照片。
与现有技术相比，本发明的有益效果：硬件投入成本低，相比现有技术，本方法粮库只需采购一台我方研制的测虫设备及可，部署简便，相比现有技术，本方法只需要将测虫设备通过网线连接到粮库监控网络环境中，进行基础数据配置及可，人工参与权重低，相比现有技术，本方法自动运行，定时检测，人工只需查看检测结果及可。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。
在附图中：
图1是本发明的测虫方法步骤结构示意图；
图2是本发明的测虫方法中自动化检测流程步骤结构示意图；
图3是本发明的网络环境架设图结构示意图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
实施例：如图1-3所示，本发明提供技术方案，一种基于AI图像识别技术的测虫方法，包括如下步骤：
S1、通过对接摄像头，可进行自动化操控摄像头旋转角度、改变光学倍数，获取清晰监控视频；
S2、随后将监控画面传向检测害虫的算法模型，之后利用算法模型对监控画面反馈结果。
根据上述技术方案，S1中可以直接读取录像机硬盘里的视频历史记录；
S2中反馈结果当达到告警阈值时发送告警，最后可以短信或邮件或微信或声光报警器的方式接收检测结果；
可通过本地部署，也可云端部署。
根据上述技术方案，本地部署通过将算法模型代码、执行策略代码、前端功能代码打包嵌入到硬件设备中，进行封装，封装后的设备连接到粮库网络环境中，从而达到自动检测、自动接收检测结果。
根据上述技术方案，云端部署将图像识别算法部署到云端服务器，粮库端将视频画面传至云端服务器，粮库可以通过浏览器访问云端服务器地址或通过客户端读取云端服务器数据查看检测结果，并接收告警信息。
根据上述技术方案，本地部署可根据实际情况接入其他入网检测害虫的设备，从而实现检测结果及时告警、检测数据持续累计。
根据上述技术方案，测虫方法中自动化检测流程步骤如下：
A1、测虫设备或云端服务集群通过网络操控粮库各粮仓摄像头；
A2、测虫设备或云端服务集群通过网络获取摄像头监控画面；
A3、测虫设备或云端服务集群分析监控画面中害虫情况；
A4、使用人员通过浏览器或客户端查看检测结果；
A5、测虫设备或云端服务集群根据检测结果进行告警。
根据上述技术方案，测虫方法硬件包括仓内摄像头、接入层交换机、汇聚层交换机、硬盘录像机和测虫设备。
根据上述技术方案，测虫方法中本地测虫包括
图像采集模块：本模块主要通过云台功能进行自动化控制监控设备向指定角度方位进行抓取图片，并将图片传向测虫主机的指定目录中；
图像分析模块：本模块主要利用AI模型，对图片中害虫进行识别；可识别出害虫种类、数量信息；
策略计算模块：本模块主要通过AI模型对各个图片的检测结果，进行加权运算，得出虫子密度、活动轨迹，并判断是否达到告警阈值；将各类结果传向展示层模块。
根据上述技术方案，测虫方法中云端测虫包括
图像采集模块：本模块主要通过云台功能进行自动化控制监控设备向指定角度方位进行抓取图片；
图片上传模块：将本地采集的监控图片及时上传到云端服务器的指定目录中；
图像分析模块：本模块主要利用AI模型，对监控图片中害虫进行识别；可识别出害虫种类、数量信息；
策略计算模块：本模块主要通过AI模型对各个图片的检测结果，进行加权运算，得出虫子密度、活动轨迹，并判断是否达到告警阈值；
检测指标下发模块：将检测结果发送到指定粮库中。
根据上述技术方案，展示层功模块包括
害虫检测及数据展示：以仓库为单位进行显示各个仓库虫害检测，显示检测过程、检测数据详情；
告警管理：当仓库中检测到害虫后，通过短信或邮件或微信或声光报警器的方式向相关人发送告警通知；
仓库管理：管理和维护当前需要检测的仓库，维护仓库信息；
监控设备管理：管理和维护检测中需要用到监控设备，进行对接，并对监控设备的信息进行维护账号管理：可进行新建管理账号，对新建的账号进行分配管理权限；
通过程序控制摄像头实现的功能（云端测虫与本地测虫）：
监控设备信息获取：首次操作时，程序启动会获取当前网络环境下监控设备信息；
云台操作指令控制：操控摄像头进行转向、倍数放大缩小、光圈放大缩小、焦距调近调远、灯光开启关闭的一系列操作；
抓拍图片：让监控设备照射到指定角度进行抓拍照片。
与现有技术相比，本发明的有益效果：硬件投入成本低，相比现有技术，本方法粮库只需采购一台我方研制的测虫设备及可，部署简便，相比现有技术，本方法只需要将封装的开发板通过网线连接到粮库监控网络环境中，进行基础数据配置及可，人工参与权重低，相比现有技术，本方法自动运行，定时检测，人工只需查看检测结果及可。
最后应说明的是：以上所述仅为本发明的优选实例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，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)
1.一种基于AI图像识别技术的测虫方法，其特征在于：包括如下步骤：
S1、通过对接摄像头，可进行自动化操控摄像头旋转角度、改变光学倍数，获取清晰监控视频；
S2、随后将监控画面传向检测害虫的算法模型，之后利用算法模型对监控画面反馈结果。
2.根据权利要求1所述的一种基于AI图像识别技术的测虫方法，其特征在于，所述S1中可以直接读取录像机硬盘里的视频历史记录；
所述S2中反馈结果当达到告警阈值时发送告警，最后可以短信或邮件或微信或声光报警器的方式接收检测结果；
可通过本地部署，也可云端部署。
3.根据权利要求2所述的一种基于AI图像识别技术的测虫方法，其特征在于，所述本地部署通过将算法模型代码、执行策略代码、前端功能代码打包嵌入到硬件设备中，进行封装，封装后的设备连接到粮库网络环境中，从而达到自动检测、自动接收检测结果。
4.根据权利要求2所述的一种基于AI图像识别技术的测虫方法，其特征在于，所述云端部署将图像识别算法部署到云端服务器，粮库端将视频画面传至云端服务器，粮库可以通过浏览器访问云端服务器地址或通过客户端读取云端服务器数据查看检测结果，并接收告警信息。
5.根据权利要求2所述的一种基于AI图像识别技术的测虫方法，其特征在于，所述本地部署可根据实际情况接入其他入网检测害虫的设备，从而实现检测结果及时告警、检测数据持续累计。
6.根据权利要求2所述的一种基于AI图像识别技术的测虫方法，其特征在于，所述测虫方法中自动化检测流程步骤如下：
A1、测虫设备或云端服务集群通过网络操控粮库各粮仓摄像头；
A2、测虫设备或云端服务集群通过网络获取摄像头监控画面；
A3、测虫设备或云端服务集群分析监控画面中害虫情况；
A4、使用人员通过浏览器或客户端查看检测结果；
A5、测虫设备或云端服务集群根据检测结果进行告警。
7.根据权利要求2所述的一种基于AI图像识别技术的测虫方法，其特征在于，所述测虫方法硬件包括仓内摄像头、接入层交换机、汇聚层交换机、硬盘录像机和测虫设备。
8.根据权利要求2所述的一种基于AI图像识别技术的测虫方法，其特征在于，所述测虫方法中本地测虫包括
图像采集模块：本模块主要通过云台功能进行自动化控制监控设备向指定角度方位进行抓取图片，并将图片传向测虫主机的指定目录中；
图像分析模块：本模块主要利用AI模型，对图片中害虫进行识别；可识别出害虫种类、数量信息；
策略计算模块：本模块主要通过AI模型对各个图片的检测结果，进行加权运算，得出虫子密度、活动轨迹，并判断是否达到告警阈值；将各类结果传向展示层模块。
9.根据权利要求2所述的一种基于AI图像识别技术的测虫方法，其特征在于，所述测虫方法中云端测虫包括
图像采集模块：本模块主要通过云台功能进行自动化控制监控设备向指定角度方位进行抓取图片；
图片上传模块：将本地采集的监控图片及时上传到云端服务器的指定目录中；
图像分析模块：本模块主要利用AI模型，对监控图片中害虫进行识别；可识别出害虫种类、数量信息；
策略计算模块：本模块主要通过AI模型对各个图片的检测结果，进行加权运算，得出虫子密度、活动轨迹，并判断是否达到告警阈值；
检测指标下发模块：将检测结果发送到指定粮库中。
10.根据权利要求8或9中所述的一种基于AI图像识别技术的测虫方法，其特征在于，所述展示层功模块包括
害虫检测及数据展示：以仓库为单位进行显示各个仓库虫害检测，显示检测过程、检测数据详情；
告警管理：当仓库中检测到害虫后，通过短信或邮件或微信或声光报警器的方式向相关人发送告警通知；
仓库管理：管理和维护当前需要检测的仓库，维护仓库信息；
监控设备管理：管理和维护检测中需要用到监控设备，进行对接，并对监控设备的信息进行维护账号管理：可进行新建管理账号，对新建的账号进行分配管理权限；
通过程序控制摄像头实现的功能（云端测虫与本地测虫）：
监控设备信息获取：首次操作时，程序启动会获取当前网络环境下监控设备信息；
云台操作指令控制：操控摄像头进行转向、倍数放大缩小、光圈放大缩小、焦距调近调远、灯光开启关闭的一系列操作；
抓拍图片：让监控设备照射到指定角度进行抓拍照片。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011104105.3A CN112203059A (zh) | 2020-10-15 | 2020-10-15 | 一种基于ai图像识别技术的测虫方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011104105.3A CN112203059A (zh) | 2020-10-15 | 2020-10-15 | 一种基于ai图像识别技术的测虫方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112203059A true CN112203059A (zh) | 2021-01-08 |
Family
ID=74009081
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011104105.3A Pending CN112203059A (zh) | 2020-10-15 | 2020-10-15 | 一种基于ai图像识别技术的测虫方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112203059A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113111207A (zh) * | 2021-04-21 | 2021-07-13 | 海南绿昆环岛害虫防治有限公司 | 一种有害生物防治检测信息系统及其实现方法 |
| CN114465849A (zh) * | 2021-12-07 | 2022-05-10 | 华信咨询设计研究院有限公司 | 基于ai图像识别和流媒体技术的粮库安全监管云网关 |
| CN117557397A (zh) * | 2023-12-08 | 2024-02-13 | 广州德威生物科技有限公司 | 基于仓库害虫智能化ai监测的消杀控制方法及系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2019003355A1 (ja) * | 2017-06-28 | 2019-01-03 | 株式会社オプティム | 画像解析結果提供システム、画像解析結果提供方法、およびプログラム |
| CN210428540U (zh) * | 2019-11-08 | 2020-04-28 | 北京软通智慧城市科技有限公司 | 一种昆虫类型识别设备及系统 |
| CN111383126A (zh) * | 2018-12-29 | 2020-07-07 | 广州瑞丰生物科技有限公司 | 一种害虫识别系统 |
| CN111445112A (zh) * | 2020-03-09 | 2020-07-24 | 孔剑 | 智能虫情监测分析系统 |
-
2020
- 2020-10-15 CN CN202011104105.3A patent/CN112203059A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2019003355A1 (ja) * | 2017-06-28 | 2019-01-03 | 株式会社オプティム | 画像解析結果提供システム、画像解析結果提供方法、およびプログラム |
| CN111383126A (zh) * | 2018-12-29 | 2020-07-07 | 广州瑞丰生物科技有限公司 | 一种害虫识别系统 |
| CN210428540U (zh) * | 2019-11-08 | 2020-04-28 | 北京软通智慧城市科技有限公司 | 一种昆虫类型识别设备及系统 |
| CN111445112A (zh) * | 2020-03-09 | 2020-07-24 | 孔剑 | 智能虫情监测分析系统 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113111207A (zh) * | 2021-04-21 | 2021-07-13 | 海南绿昆环岛害虫防治有限公司 | 一种有害生物防治检测信息系统及其实现方法 |
| CN114465849A (zh) * | 2021-12-07 | 2022-05-10 | 华信咨询设计研究院有限公司 | 基于ai图像识别和流媒体技术的粮库安全监管云网关 |
| CN117557397A (zh) * | 2023-12-08 | 2024-02-13 | 广州德威生物科技有限公司 | 基于仓库害虫智能化ai监测的消杀控制方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112203059A (zh) | 一种基于ai图像识别技术的测虫方法 | |
| KR101984983B1 (ko) | 야생동물 모니터링 시스템 및 그 방법 | |
| JP7455061B2 (ja) | システムおよび方法 | |
| CN100504942C (zh) | 智能视频监控设备模组和系统及其监控方法 | |
| EP3682737B1 (en) | System and method for counting agricultural pests inside a trap | |
| Reif et al. | Using time-lapse digital video recording for a nesting study of birds of prey | |
| CN207164939U (zh) | 基于目标位置信息融合的周界防入侵装置 | |
| US11134221B1 (en) | Automated system and method for detecting, identifying and tracking wildlife | |
| CN109241933A (zh) | 视频联动监控方法、监控服务器、视频联动监控系统 | |
| CN106445817B (zh) | 测试数据的处理方法、装置和系统 | |
| KR101980788B1 (ko) | 해충 모니터링을 위한 트랩장치 및 이를 포함하는 방법 | |
| US20200226360A1 (en) | System and method for automatically detecting and classifying an animal in an image | |
| CN108712638A (zh) | 一种燃烧秸秆监管系统及方法 | |
| CN112183487A (zh) | 基于5g的牲畜健康监测系统和方法 | |
| CN112215170A (zh) | 一种内置ai图像识别测虫技术算法和软件的系统 | |
| KR100877552B1 (ko) | 자동 감김 장치의 인터렉티브 시스템 및 이의 운용방법 | |
| KR20210115204A (ko) | 가축의 개체별 이상 징후 포착 시스템 및 그 이용 방법 | |
| CN110488829A (zh) | 巡逻设备的控制方法及装置 | |
| CN217359877U (zh) | 基于物联网森林病害虫监测预警系统 | |
| CN114500513A (zh) | 监控数据打包传输平台及方法 | |
| US11910791B2 (en) | Graded early warning system for pest quantity counting | |
| JP7300958B2 (ja) | 撮像装置、制御方法、及びコンピュータプログラム | |
| CN205883458U (zh) | 基于计算机互联网技术的智能远程视频监控系统 | |
| CN109362681A (zh) | 一种远程监控智能灭蝇系统和方法 | |
| CN113645401A (zh) | 一种基于北斗物联网的野生动物生存环境监测方法 |
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 |
Application publication date: 20210108 |
|
| RJ01 | Rejection of invention patent application after publication |