CN114022443A - 一种跨境入侵生物智能快速筛检系统 - Google Patents

一种跨境入侵生物智能快速筛检系统 Download PDF

Info

Publication number
CN114022443A
CN114022443A CN202111297111.XA CN202111297111A CN114022443A CN 114022443 A CN114022443 A CN 114022443A CN 202111297111 A CN202111297111 A CN 202111297111A CN 114022443 A CN114022443 A CN 114022443A
Authority
CN
China
Prior art keywords
unit
invading
image
biological
organisms
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
Application number
CN202111297111.XA
Other languages
English (en)
Inventor
李建宇
刘裴清
史梦竹
李建微
陈燕婷
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.)
Institute of Plant Protection of FAAS
Original Assignee
Institute of Plant Protection of FAAS
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 Institute of Plant Protection of FAAS filed Critical Institute of Plant Protection of FAAS
Priority to CN202111297111.XA priority Critical patent/CN114022443A/zh
Publication of CN114022443A publication Critical patent/CN114022443A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • 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
    • 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
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10116—X-ray image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Biomedical Technology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Quality & Reliability (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种跨境入侵生物智能快速筛检系统，包括：数据采集平台，用于即时采集出入境货物输送过程中的图像数据；初筛单元，用于将图像数据与预先构建的入侵生物数据库进行匹配，判断图像数据中是否存在入侵生物信息，并对入侵生物信息进行标定；物理诱虫单元，用于将存在入侵生物信息的出入境货物内的入侵生物进行诱捕；图像采集单元，用于采用X射线对诱捕生物进行成像，得到诱捕生物图像；以及深度学习分析单元，用于采用预先训练好的深度学习网络模型对诱捕生物图像进行分析，并输出诱捕生物的三维图像及对应的检测结果。本发明通过初筛定位和深度分析，能够实现对出入境货物中所存有的入侵生物进行快速识别和检测。

Description

一种跨境入侵生物智能快速筛检系统
技术领域
本发明涉及跨境生物检测技术领域，更具体的说是涉及一种跨境入侵生物智能快速筛检系统。
背景技术
农林业在保护生态系统平衡方面起着举足轻重的作用，外来物种会严重破坏生物的多样性，并加速物种的灭绝，也会严重破坏生态平衡，会因其可能携带的病原微生物对其他生物的生存甚至对人类健康构成直接威胁，对于任何一个国家而言，想要彻底根治已入侵成功的外来物种是相当困难的。因此，如何在源头对入侵生物进行快速检测及控制，防止其蔓延，是本领域技术人员亟需解决的问题。
发明内容
有鉴于此，本发明提供了一种跨境入侵生物智能快速筛检系统，通过初筛定位和深度分析，能够实现对出入境货物中所存有的入侵生物进行快速识别和检测。
为了实现上述目的，本发明采用如下技术方案：
一种跨境入侵生物智能快速筛检系统，包括：
数据采集平台，用于即时采集出入境货物输送过程中的图像数据；
初筛单元，用于将所述图像数据与预先构建的入侵生物数据库进行匹配，判断所述图像数据中是否存在入侵生物信息，并对入侵生物信息进行标定；
物理诱虫单元，用于将存在入侵生物信息的出入境货物内的入侵生物进行诱捕；
图像采集单元，用于采用X射线对诱捕生物进行成像，得到诱捕生物图像；以及
深度学习分析单元，用于采用预先训练好的深度学习网络模型对所述诱捕生物图像进行分析，并输出诱捕生物的三维图像及对应的检测结果。
优选的，在上述一种跨境入侵生物智能快速筛检系统中，所述数据采集平台包括自动输送单元和成像单元；所述自动输送单元用于对出入境货物进行输送和分拣；所述成像单元用于在出入境货物的输送过程中，采集其X光数据或超声波数据。
优选的，在上述一种跨境入侵生物智能快速筛检系统中，所述自动输送单元包括：主控单元、货物分拣单元、安全通道和可疑通道；所述主控单元用于根据所述初筛单元的判断结果，控制所述货物分拣单元将当前输送的出入境货物分拣至所述安全通道或所述可疑通道。
优选的，在上述一种跨境入侵生物智能快速筛检系统中，所述物理诱虫单元采用诱虫灯的方式诱捕入侵生物。
优选的，在上述一种跨境入侵生物智能快速筛检系统中，所述初筛单元包括图像处理单元、分析单元和标定单元；
所述图像处理单元用于对所述图像数据进行分块处理，得到多个图像块；
所述分析单元用于将所述图像块逐一与预先构建的入侵生物数据库进行匹配，并在任一所述图像块匹配成功时，判断为存在入侵生物，在所有所述图像块均匹配不成功时，判断为不存在入侵生物信息；
所述标定单元用于根据所述分析单元的判断结果，在当前输送的出入境货物的图像数据中对入侵生物信息进行定位和标记。
优选的，在上述一种跨境入侵生物智能快速筛检系统中，所述深度学习网络模型基于预先构建的入侵生物数据库训练而成。
优选的，在上述一种跨境入侵生物智能快速筛检系统中，所述深度学习分析单元包括目标定位单元、目标分类单元、排序单元和检测结果输出单元；
所述目标定位单元用于采用预先训练好的深度学习网络模型中的区域建议网络，在所述诱捕生物图像中产生目标候选框；
所述目标分类单元用于采用预先训练好的深度学习网络模型中的快速卷积神经网络对所述目标候选框中的图像进行目标检测，得到入侵生物的分类得分及目标框；
所述排序单元用于根据非极大值抑制法和分类得分阈值对所述目标框进行排序和筛选，得到最终检测结果；
所述检测结果输出单元用于对所述诱捕生物图像中的入侵生物信息进行标定，并输出诱捕生物的三维图像及对应的最终检测结果。
优选的，在上述一种跨境入侵生物智能快速筛检系统中，所述最终检测结果至少包括：诱捕生物的名称、原产地、传播途径和危害。
优选的，在上述一种跨境入侵生物智能快速筛检系统中，还包括警报单元；所述警报单元用于在所述初筛单元的判断结果为存在入侵生物信息时，发出声音警报或弹窗警报。
经由上述的技术方案可知，与现有技术相比，本发明公开提供了一种跨境入侵生物智能快速筛检系统，首先，在对出入境货物进行输送的过程中进行图像采集，并通过初筛单元对出入境货物中是否存在入侵生物进行初步筛选和定位；然后，再针对性地将初筛不合格的货物进行进一步检测，对货物中的入侵生物进行物理诱捕、成像和深度学习分析，以确定入侵生物的相关信息；最后，将入侵生物的三维形态和检测结果进行直观展示。整个过程不仅智能化程度高，还具有检测效率高和准确性高的特点，能够有效将入侵生物从源头遏制。
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，还可以根据提供的附图获得其他的附图。
图1附图为本发明提供的跨境入侵生物智能快速筛检系统的结构框图；
图2附图为本发明提供的初筛单元的结构框图；
图3附图为本发明提供的深度学习分析单元的结构框图。
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做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
如图1所示，本发明实施例公开了一种跨境入侵生物智能快速筛检系统，包括：
数据采集平台1，用于即时采集出入境货物输送过程中的图像数据；
初筛单元2，用于将图像数据与预先构建的入侵生物数据库3进行匹配，判断图像数据中是否存在入侵生物信息，并对入侵生物信息进行标定；
物理诱虫单元4，用于将存在入侵生物信息的出入境货物内的入侵生物进行诱捕；
图像采集单元5，用于采用X射线对诱捕生物进行成像，得到诱捕生物图像；以及
深度学习分析单元6，用于采用预先训练好的深度学习网络模型对诱捕生物图像进行分析，并输出诱捕生物的三维图像及对应的检测结果。
本发明在对出入境货物进行检测时，首先，在输送的过程中，对出入境货物进行进行图像采集，并通过初筛单元对出入境货物中是否存在入侵生物进行初步筛选和定位；然后，再针对性地将初筛不合格的货物进行进一步检测，对货物中的入侵生物进行物理诱捕、成像和深度学习分析，以确定入侵生物的相关信息；最后，将入侵生物的三维形态和检测结果进行直观展示。整个过程不仅智能化程度高，还具有检测效率高和准确性高的特点。
其中，深度学习网络模型基于预先构建的入侵生物数据库训练而成。本发明对可疑货物采用深度学习网络进行入侵生物检测，在确保检测精度和检测效率的同时，还能够降低图像的带宽占用，优化了网络资源。
在一个具体实施例中，数据采集平台1包括自动输送单元11和成像单元12；自动输送单元11用于对出入境货物进行输送和分拣；成像单元12用于在出入境货物的输送过程中，采集其X光数据或超声波数据。
其中，自动输送单元11包括：主控单元、货物分拣单元、安全通道和可疑通道；主控单元用于根据初筛单元的判断结果，控制货物分拣单元将当前输送的出入境货物分拣至安全通道或可疑通道。
本发明实施例在对出入境货物的输送过程中，即可实现对其是否包含入侵生物进行检测，不仅能够确保所有货物的正常输运，还能够及时将可疑货物进行分拣，确保货物同行效率，且能够避免遗漏可疑货物。
在一个实施例中，物理诱虫单元4采用诱虫灯的方式诱捕入侵生物。本实施中，物理诱虫单元4靠近可疑通道的输出端口设置，其形状可以为密闭的箱体结构，初筛不合格的货物，会自动传输至物理诱虫单元4中，工作人员打开包裹，采用诱虫灯对入侵生物进行诱捕。同时，图像采集单元5可以安装在箱体内壁上，朝向诱虫灯设置，并确保360度拍摄诱虫灯周边，进而实现对诱捕生物的二次拍摄。
如图2所示，在一个实施例中，初筛单元2包括图像处理单元21、分析单元22和标定单元23；
图像处理单元21用于对图像数据进行分块处理，得到多个图像块；
分析单元22用于将图像块逐一与预先构建的入侵生物数据库3进行匹配，并在任一图像块匹配成功时，判断为存在入侵生物，在所有图像块均匹配不成功时，判断为不存在入侵生物信息；
标定单元23用于根据分析单元22的判断结果，在当前输送的出入境货物的图像数据中对入侵生物信息进行定位和标记。
本发明为了快速、准确地检测出入境货物中是否存在入侵生物，将出入境货物的图像数据进行分块，并分别对每个图像块进行检测，只要存在任一图像块与入侵生物数据库匹配成功时，则判断为该货物中存在入侵生物，即可进行后续进一步深度分析检测。同时，只有在所有图像块均匹配不成功时，则判断为该货物不存在入侵生物信息，这样，能够减少对可疑货物的漏检，提高检测准确率。
更有利的，还包括警报单元7；警报单元7用于在初筛单元2的判断结果为存在入侵生物信息时，发出声音警报或弹窗警报。
本实施例通过报警单元7，能够直观提醒工作人员对初筛不合格货物及时进行进一步检测。
如图3所示，在一个实施例中，深度学习分析单元6包括目标定位单元61、目标分类单元62、排序单元63和检测结果输出单元64；
目标定位单元61用于采用预先训练好的深度学习网络模型中的区域建议网络，在诱捕生物图像中产生目标候选框；
目标分类单元62用于采用预先训练好的深度学习网络模型中的快速卷积神经网络对目标候选框中的图像进行目标检测，得到入侵生物的分类得分及目标框；
排序单元63用于根据非极大值抑制法和分类得分阈值对目标框进行排序和筛选，得到最终检测结果；
检测结果输出单元64用于对诱捕生物图像中的入侵生物信息进行标定，并输出诱捕生物的三维图像及对应的最终检测结果。
其中，最终检测结果至少包括：诱捕生物的名称、原产地、传播途径和危害。
本发明实施例采用深度学习方式对初筛不合格的出入境货物进行进一步针对性检测，并对入侵生物的三维形态图像和检测结果进行直观输出，使工作人员能够即时获得入侵生物的具体信息，结果呈现直观、且准确。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (9)

1.一种跨境入侵生物智能快速筛检系统，其特征在于，包括：
数据采集平台，用于即时采集出入境货物输送过程中的图像数据；
初筛单元，用于将所述图像数据与预先构建的入侵生物数据库进行匹配，判断所述图像数据中是否存在入侵生物信息，并对入侵生物信息进行标定；
物理诱虫单元，用于将存在入侵生物信息的出入境货物内的入侵生物进行诱捕；
图像采集单元，用于采用X射线对诱捕生物进行成像，得到诱捕生物图像；以及
深度学习分析单元，用于采用预先训练好的深度学习网络模型对所述诱捕生物图像进行分析，并输出诱捕生物的三维图像及对应的检测结果。
2.根据权利要求1所述的一种跨境入侵生物智能快速筛检系统，其特征在于，所述数据采集平台包括自动输送单元和成像单元；所述自动输送单元用于对出入境货物进行输送和分拣；所述成像单元用于在出入境货物的输送过程中，采集其X光数据或超声波数据。
3.根据权利要求2所述的一种跨境入侵生物智能快速筛检系统，其特征在于，所述自动输送单元包括：主控单元、货物分拣单元、安全通道和可疑通道；所述主控单元用于根据所述初筛单元的判断结果，控制所述货物分拣单元将当前输送的出入境货物分拣至所述安全通道或所述可疑通道。
4.根据权利要求1所述的一种跨境入侵生物智能快速筛检系统，其特征在于，所述物理诱虫单元采用诱虫灯的方式诱捕入侵生物。
5.根据权利要求1所述的一种跨境入侵生物智能快速筛检系统，其特征在于，所述初筛单元包括图像处理单元、分析单元和标定单元；
所述图像处理单元用于对所述图像数据进行分块处理，得到多个图像块；
所述分析单元用于将所述图像块逐一与预先构建的入侵生物数据库进行匹配，并在任一所述图像块匹配成功时，判断为存在入侵生物，在所有所述图像块均匹配不成功时，判断为不存在入侵生物信息；
所述标定单元用于根据所述分析单元的判断结果，在当前输送的出入境货物的图像数据中对入侵生物信息进行定位和标记。
6.根据权利要求1所述的一种跨境入侵生物智能快速筛检系统，其特征在于，所述深度学习网络模型基于预先构建的入侵生物数据库训练而成。
7.根据权利要求1所述的一种跨境入侵生物智能快速筛检系统，其特征在于，所述深度学习分析单元包括目标定位单元、目标分类单元、排序单元和检测结果输出单元；
所述目标定位单元用于采用预先训练好的深度学习网络模型中的区域建议网络，在所述诱捕生物图像中产生目标候选框；
所述目标分类单元用于采用预先训练好的深度学习网络模型中的快速卷积神经网络对所述目标候选框中的图像进行目标检测，得到入侵生物的分类得分及目标框；
所述排序单元用于根据非极大值抑制法和分类得分阈值对所述目标框进行排序和筛选，得到最终检测结果；
所述检测结果输出单元用于对所述诱捕生物图像中的入侵生物信息进行标定，并输出诱捕生物的三维图像及对应的最终检测结果。
8.根据权利要求7所述的一种跨境入侵生物智能快速筛检系统，其特征在于，所述最终检测结果至少包括：诱捕生物的名称、原产地、传播途径和危害。
9.根据权利要求1所述的一种跨境入侵生物智能快速筛检系统，其特征在于，还包括警报单元；所述警报单元用于在所述初筛单元的判断结果为存在入侵生物信息时，发出声音警报或弹窗警报。
CN202111297111.XA 2021-11-03 2021-11-03 一种跨境入侵生物智能快速筛检系统 Pending CN114022443A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111297111.XA CN114022443A (zh) 2021-11-03 2021-11-03 一种跨境入侵生物智能快速筛检系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111297111.XA CN114022443A (zh) 2021-11-03 2021-11-03 一种跨境入侵生物智能快速筛检系统

Publications (1)

Publication Number Publication Date
CN114022443A true CN114022443A (zh) 2022-02-08

Family

ID=80060432

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111297111.XA Pending CN114022443A (zh) 2021-11-03 2021-11-03 一种跨境入侵生物智能快速筛检系统

Country Status (1)

Country Link
CN (1) CN114022443A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114758305A (zh) * 2022-06-15 2022-07-15 成都西物信安智能系统有限公司 一种构建入侵预警监控数据库的方法
CN116304600A (zh) * 2023-03-06 2023-06-23 四川省林业科学研究院 基于大数据分析的外来入侵物种预警方法及系统

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114758305A (zh) * 2022-06-15 2022-07-15 成都西物信安智能系统有限公司 一种构建入侵预警监控数据库的方法
CN116304600A (zh) * 2023-03-06 2023-06-23 四川省林业科学研究院 基于大数据分析的外来入侵物种预警方法及系统
CN116304600B (zh) * 2023-03-06 2024-02-02 四川省林业科学研究院 基于大数据分析的外来入侵物种预警方法及系统

Similar Documents

Publication Publication Date Title
CN114022443A (zh) 一种跨境入侵生物智能快速筛检系统
Zion et al. Real-time underwater sorting of edible fish species
KR101378071B1 (ko) 양식장 및 인공어초 도난 방지 감시 시스템 및 방법
CN111723729B (zh) 基于知识图谱的监控视频犬类姿态和行为智能识别方法
US10512260B2 (en) Method and apparatus for automated animal trapping
Smolka et al. Natural visual cues eliciting predator avoidance in fiddler crabs
US11429820B2 (en) Methods for inter-camera recognition of individuals and their properties
CA2897910C (en) Surveillance system
Huang et al. A vector mosquitoes classification system based on edge computing and deep learning
Pettersen et al. Detection and classification of Lepeophterius salmonis (Krøyer, 1837) using underwater hyperspectral imaging
CN108830276A (zh) 一种基于x光机图像的智能识别系统
US20230102968A1 (en) Selective Predator Incapacitation Device & Methods (SPID)
Zachau et al. Chick-a-dee call variation in the context of “flying” avian predator stimuli: a field study of Carolina chickadees (Poecile carolinensis)
CN116052082A (zh) 一种基于深度学习算法的配电站房异常检测方法及装置
CN117110215B (zh) 一种铝合金原料的智能识别方法及系统
Abdullah et al. A characterization of watermelon leaf diseases using Fuzzy Logic
Petrov et al. Application of computer vision technology in the development of ultrasonic repeller
Khare et al. Automated Crop Field Surveillance Using Computer Vision
Madhumathi et al. Advanced Wild Animal Detection and Alert System using YOLO V5 Model
CN113792715B (zh) 粮仓害虫监测预警方法、装置、设备及存储介质
CN112489346A (zh) 一种办公区域用智能红外监测报警设备
WO2023197042A1 (en) Sex based arthropod sorting system and method
US20210090192A1 (en) Security system for transit facility
CN112753456B (zh) 一种基于时空规律的松材线虫病精准防控方法及系统
AU2023202639B2 (en) Selective Predator Incapacitation Device & Methods

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