CN114201636A - 一种基于大数据分析的林业虫灾发生的预测方法 - Google Patents

一种基于大数据分析的林业虫灾发生的预测方法 Download PDF

Info

Publication number
CN114201636A
CN114201636A CN202111507176.2A CN202111507176A CN114201636A CN 114201636 A CN114201636 A CN 114201636A CN 202111507176 A CN202111507176 A CN 202111507176A CN 114201636 A CN114201636 A CN 114201636A
Authority
CN
China
Prior art keywords
forest
insect
pest
data analysis
trees
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
CN202111507176.2A
Other languages
English (en)
Inventor
黄继育
黄宏亮
吴佳
诸炜荣
黄勇
张骏
高智慧
王宗星
徐翠霞
胡秋涛
冯博杰
周子贵
黄玉洁
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.)
Zhejiang Forestry Technology Extension Station
Anji County Natural Resources And Planning Bureau
Original Assignee
Zhejiang Forestry Technology Extension Station
Anji County Natural Resources And Planning Bureau
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 Zhejiang Forestry Technology Extension Station, Anji County Natural Resources And Planning Bureau filed Critical Zhejiang Forestry Technology Extension Station
Priority to CN202111507176.2A priority Critical patent/CN114201636A/zh
Publication of CN114201636A publication Critical patent/CN114201636A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • 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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30181—Earth observation
    • G06T2207/30188—Vegetation; Agriculture

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Library & Information Science (AREA)
  • Quality & Reliability (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Catching Or Destruction (AREA)

Abstract

本发明公开了一种基于大数据分析的林业虫灾发生的预测方法，属于林区虫灾防治领域。一种基于大数据分析的林业虫灾发生的预测方法，包括林区树木病虫害数据分析模块和林区虫情数据分析模块；林区树木病虫害数据分析模块包括：无人机遥感摄像、计算机图像分析、树木生长情况分析、损失分析；林区虫情数据分析模块包括、害虫收集、虫体拍摄、虫体分析、用药分析；本发明采用林区树木病虫害数据分析模块通过无人机采集林区树木生长状况图像得到林区内树木的病虫害和损失情况，无需人工进入林区内调查采集，更加方便，同时覆盖面积更加广泛；林区病虫害数据分析模块能够将昆虫种类进行针对性的用药杀虫，到达避免虫灾发生的目的。

Description

一种基于大数据分析的林业虫灾发生的预测方法
技术领域
本发明属于林区虫灾防治技术领域，更具体地说，涉及一种基于大数据分析的林业虫灾发生的预测方法。
背景技术
树木的虫害对于林业的健康生长造成巨大的危害，我国林业发展每年由于病虫害导致的经济损失十分惨重，因此对林区虫灾的监测和预防是我国林业发展和生态环境的保护中的至关重要的一环。
一般的林区虫灾防护预测都是采用人工在林区行走随机调查的方式，而这种人工预防的方式往往需要耗费大量的人力，物力和时间成本，而且人工监测预防一般无法对整个林区进行完整的监测，就会导致虫灾发现不及时，最后造成巨大的经济损失，而且传统的林区虫灾预防都是查看树木生长情况，无法对危害树木的昆虫进行准确确认，导致无法及时的对症用药，错过预防虫灾的最好时机。
发明内容
本发明要解决的技术问题在于提供一种基于大数据分析的林业虫灾发生的预测方法，它可以实现对林区的自动检测，无需人工对林区进行调查检测，检测范围更广，虫灾发现更加及时，能够显著的降低经济损失，同时能够快速发现林区昆虫种类，根据昆虫种类及时对症用药驱虫，达到预防的目的。
本发明的一种基于大数据分析的林业虫灾发生的预测方法，包括林区树木病虫害数据分析模块和林区虫情数据分析模块；林区树木病虫害数据分析模块包括S1：无人机遥感摄像，通过操控无人机在林区上空飞行对林区进行遥感拍摄；S2：计算机图像分析，无人机将拍摄到的林区图像数据传输到计算机设备中，计算机对林区图像数据进行切割分析；S3：树木生长情况分析，计算机对林区图像数据处理采集树木的生长状况信息数据并进行分析；S4：损失分析，计算机根据林区的树木生长状况信息分析确定林区内受虫害树木数量，得到林区内树木损失数据；林区虫情数据分析模块包括；S1：害虫收集，采用虫情测报灯吸引收集林区内昆虫；S2：虫体拍摄，将虫情测报灯收集到的昆虫样本进行拍摄；S3：虫体分析，将拍摄到的昆虫图像上传至计算机中分析确定昆虫样本数据；S4：用药分析，根据计算机确定的昆虫样本数据选择对应杀虫药剂，在林区内进行喷洒驱虫。
作为本发明的进一步改进，采集的树木生长状况信息包括林区树木落叶情况、林区树木树叶被蚕食情况、林区树木冠层形态变化情况、林区树木树干皮层脱落情况、林区树木树干孔洞情况。
作为本发明的进一步改进，虫情测报灯包括诱虫装置和拍摄装置；诱虫装置包括支架、诱虫灯、撞板；诱虫灯固定安装支架内部中心处，诱虫灯启动后能够吸引周围昆虫；撞板固定安装支架内部，撞板环绕在诱虫灯周围；拍摄装置包括收集箱、漏斗、拍摄罐和收集罐；收集箱上端面与支架下端面固定连接；漏斗固定安装收集箱上端，漏斗上端口位于撞板正下方能够接收掉落的昆虫，拍摄罐与漏斗下端口连通，拍摄罐能够对昆虫样本进行拍摄；收集罐与拍摄罐下部连通，收集罐能够收集昆虫样本。
作为本发明的进一步改进，拍摄罐包括罐体、摄像头、补光灯和震动机构；罐体设置在收集箱内部，罐体的进口与漏斗下端口连体，罐体的出口与收集罐连通；摄像头和补光灯均固定安装在罐体内顶部；震动机构固定安装在罐体下端，震动机构启动后带动罐体震动。
作为本发明的进一步改进，震动机构包括震动支架、震动泵、限位块和减震弹簧；震动支架安装在收集箱内部下端；震动泵固定安装在震动支架下端面上；限位块分别固定在罐体下端面和震动支架上端面上；限位块一端设置有限位槽；减震弹簧上端固定安装在罐体上的限位块上的限位槽内，减震弹簧下端固定安装在震动支架上的限位块上的限位槽内。
作为本发明的进一步改进，罐体内壁下端安装有料位感应器。
作为本发明的进一步改进，收集罐上端还安装有抽气管，抽气管一端设置有收集罐内，另一端连接有抽气泵，抽气管设置有收集罐内的一端端口处安装有过滤板。
相比于现有技术，本发明的有益效果在于：
1.本发明采用林区树木病虫害数据分析模块与林区虫情数据分析模块相结合的方式使得虫灾预防效果更好，林区树木病虫害数据分析模块通过无人机采集林区树木生长状况图像，经过电脑数据分析处理之后来确定林区内受到病虫害侵蚀树木的具体数量，从而得到林区内树木的损失情况，无需人工进入林区内调查采集，更加方便，同时覆盖面积更加广泛；林区病虫害数据分析模块能够将林区的昆虫进行收集采集图像数据，通过计算机识别昆虫种类，再根据昆虫种类进行针对性的用药杀虫，从而实现快速识别昆虫种类进行杀虫预防，到达避免虫灾发生的目的。
2.本发明通过在虫情测报灯中安装拍摄罐，实现对收集的昆虫进行拍摄上传图像的目的。
3.本发明通过在罐体下端安装震动机构，能够带动落入罐体中的昆虫样本进行震动，从而使昆虫样本能够均匀铺设在罐体底部，有效的避免了昆虫在罐体内重叠导致昆虫拍摄不到的情况出现，避免计算机在分析昆虫样本数据时出现遗漏的问题，从而使昆虫样本分析更加全面。
4.本发明通过抽气泵能够将拍摄完成的昆虫样本抽入到收集罐 中进行收集，同时在抽气管上安装过滤管，能够避免昆虫样本进入到抽气泵中，造成抽气泵堵塞，影响抽气泵正常使用的情况出现。
附图说明
图1为本发明的林区树木病虫害数据分析模块流程示意图；
图2为本发明的领取虫情数据分析模块流程示意图；
图3为本发明的虫情测报灯结构示意图；
图4为本发明的虫情测报灯剖面结构示意图；
图5为本发明的拍摄罐和震动机构的结构示意图。
图中标号说明：
1、虫情测报灯；101、诱虫装置；1011、支架；1012、诱虫灯；1013、撞板；102、拍摄装置；1021、收集箱；1022、漏斗；1023、拍摄罐；1024、收集罐；1025、摄像头；1026、补光灯；1027、料位感应器；1028、抽气管；1029、罐体；3、震动机构；301、震动支架；302、震动泵；303、限位块；3031、限位槽；304、减震弹簧；4、气泵；5、过滤板。
具体实施方式
具体实施例一：请参阅图1-5的一种基于大数据分析的林业虫灾发生的预测方法，包括林区树木病虫害数据分析模块和林区虫情数据分析模块；
林区树木病虫害数据分析模块包括：
S1：无人机遥感摄像，通过操控无人机在林区上空飞行对林区进行遥感拍摄；通过无人机拍摄林区图像更加全面，无需人工进入林区进行收集数据。
S2：计算机图像分析，无人机将拍摄到的林区图像数据传输到计算机设备中，计算机对林区图像数据进行切割分析；
S3：树木生长情况分析，计算机对林区图像数据处理采集树木的生长状况信息数据并进行分析；采集的树木生长状况信息包括林区树木落叶情况、林区树木树叶被蚕食情况、林区树木冠层形态变化情况、林区树木树干皮层脱落情况、林区树木树干孔洞情况。通过计算机判断林区树木是否正常落叶，树叶是否又被蚕食的情况，树木冠层变化是否正常，树干皮层是否正常脱落，树干上的孔洞情况是否正常开判断林区的树木是否受到病虫的危害。
S4：损失分析，计算机根据林区的树木生长状况信息分析确定林区内受虫害树木数量，得到林区内树木损失数据；通过损失数据直管的反应林区经济损失情况；林区虫情数据分析模块包括；
S1：害虫收集，采用虫情测报灯1吸引收集林区内昆虫；从而将危害林区树木的昆虫进行收集。虫情测报灯1包括诱虫装置101和拍摄装置102；诱虫装置101包括支架1011、诱虫灯1012、撞板1013；诱虫灯1012固定安装支架1011内部中心处，诱虫灯1012启动后能够吸引周围昆虫；撞板1013固定安装支架1011内部，撞板1013环绕在诱虫灯1012周围；拍摄装置102包括收集箱1021、漏斗1022、拍摄罐1023和收集罐1024；收集箱1021上端面与支架1011下端面固定连接；漏斗1022固定安装收集箱1021上端，漏斗1022上端口位于撞板1013正下方能够接收掉落的昆虫，诱虫灯1012将昆虫吸引过来撞击在撞板1013上，最后落入漏斗1022中收集。拍摄罐1023与漏斗1022下端口连通，拍摄罐1023包括罐体1029、摄像头1025、补光灯1026和震动机构3；罐体1029设置在收集箱1021内部，罐体1029的进口与漏斗1022下端口连体，罐体1029的出口与收集罐1024连通；摄像头1025和补光灯1026均固定安装在罐体1029内顶部；摄像头1025能够对罐体1029内昆虫样本进行拍摄，上传至计算机中，对昆虫图像进行分析；通过补光灯1026对罐体1029内部进行补光，方便昆虫样本的拍摄。震动机构3固定安装在罐体1029下端，震动机构3包括震动支架301、震动泵302、限位块303和减震弹簧304；震动支架301安装在收集箱1021内部下端；震动泵302固定安装在震动支架301下端面上；限位块303分别固定在罐体1029下端面和震动支架301上端面上；限位块303一端设置有限位槽3031；减震弹簧304上端固定安装在罐体1029上的限位块303上的限位槽3031内，减震弹簧304下端固定安装在震动支架301上的限位块303上的限位槽3031内。限位限位槽3031对减震弹簧304进行限位，收集罐1024上端还安装有抽气管1028，抽气管1028一端设置有收集罐1024内，另一端连接有抽气泵4，抽气管1028设置有收集罐1024内的一端端口处安装有过滤板5收集罐1024与拍摄罐1023下部连通，收集罐1024能够收集昆虫样本。通过震动泵302带动罐体1029进行震动，从而使昆虫样本能够均匀的铺设在罐体1029底部，避免出现昆虫样本重叠导致摄像头1025拍摄不到的情况，从而使计算机辨别昆虫种类时更加全面，再通过减震弹簧304能够对震动泵302的震动起到缓冲的作用，避免震动泵302震动幅度过大，导致罐体1029损坏的情况出现。罐体1029内壁下端安装有料位感应器1027，通过料位感应器1027能够感应到罐体1029内昆虫样本的料位情况，达到一直位置之后启动抽气泵4将罐体1029内的昆虫样本抽入至收集罐1024中，避免拍摄罐1023内昆虫样本堆积过多的情况出现。过滤板5能够遮挡昆虫样本进入到抽气泵4中堵塞抽气泵4，
S2：虫体拍摄，将虫情测报灯1收集到的昆虫样本进行拍摄；
S3：虫体分析，将拍摄到的昆虫图像上传至计算机中分析确定昆虫样本数据；通过计算机对比图像直接确定林区内的昆虫种类，找到危害林区树木的源头；
S4：用药分析，根据计算机确定的昆虫样本数据选择对应杀虫药剂，在林区内进行喷洒驱虫，通过喷洒对应的杀虫药剂来达到林区防护的目的。
在本发明中，首先通过林区树木病虫害数据分析模块和林区虫情数据分析模块相结合的方式来达到林区虫灾预测预防的目的；
林区树木病虫害数据分析模块包括：第一步，无人机遥感摄像，通过操控无人机在林区上空飞行对林区进行遥感拍摄得到林区内的树木图像数据，无需人工进入林区更加方便，同时检测范围也更加广泛；第二步，计算机图像分析，无人机将拍摄到的林区树木图像数据传输到计算机设备中，计算机对林区图像数据进行切割分析；第三步，树木生长情况分析，计算机对林区图像数据处理采集树木的生长状况信息数据并进行分析，生长状况信息包括林区树木落叶情况、林区树木树叶被蚕食情况、林区树木冠层形态变化情况、林区树木树干皮层脱落情况、林区树木树干孔洞情况，从而来判断林区内树木是否受到虫害，并对虫灾进行预测；第四步，损失分析，计算机根据林区的树木生长状况信息分析确定林区内受虫害树木数量，得到林区内树木损失数据；从而来判断林区内的经济损失情况。
林区虫情数据分析模块包括：第一步，害虫收集，采用虫情测报灯1吸引收集林区内昆虫；通过诱虫灯1012将林区内的昆虫进行收集。第二步，虫体拍摄，通过罐体1029内的摄像头1025将昆虫样本图像数据传输拍摄传输到计算集中。第三步，虫体分析，计算机根据昆虫的图像数据分析确定昆虫样本种类，从而找到危害树木的源头。第四步，用药分析，根据计算机确定的昆虫样本种类数据选择对应杀虫药剂，在林区内进行喷洒驱虫，通过选择对应的杀虫药剂来精准消灭害虫，从而避免的虫灾的发生。

Claims (7)

1.一种基于大数据分析的林业虫灾发生的预测方法，其特征在于：包括林区树木病虫害数据分析模块和林区虫情数据分析模块；
林区树木病虫害数据分析模块包括：
S1：无人机遥感摄像，通过操控无人机在林区上空飞行对林区进行遥感拍摄；
S2：计算机图像分析，无人机将拍摄到的林区树木图像数据传输到计算机设备中，计算机对林区树木图像数据进行切割分析；
S3：树木生长情况分析，计算机对林区图像数据处理采集树木的生长状况信息数据并进行分析；
S4：损失分析，计算机根据林区的树木生长状况信息分析确定林区内受虫害树木数量，得到林区内树木损失数据；
林区虫情数据分析模块包括；
S1：害虫收集，采用虫情测报灯(1)吸引收集林区内昆虫；
S2：虫体拍摄，将虫情测报灯(1)收集到的昆虫样本进行拍摄；
S3：虫体分析，将拍摄到的昆虫图像上传至计算机中分析确定昆虫样本种类数据；
S4：用药分析，根据计算机确定的昆虫样本种类数据选择对应杀虫药剂，在林区内进行喷洒驱虫。
2.根据权利要求1所述的一种基于大数据分析的林业虫灾发生的预测方法，其特征在于：采集的树木生长状况信息包括林区树木落叶情况、林区树木树叶被蚕食情况、林区树木冠层形态变化情况、林区树木树干皮层脱落情况、林区树木树干孔洞情况。
3.根据权利要求1所述的一种基于大数据分析的林业虫灾发生的预测方法，其特征在于：虫情测报灯(1)包括诱虫装置(101)和拍摄装置(102)；
诱虫装置(101)包括支架(1011)、诱虫灯(1012)、撞板(1013)；
诱虫灯(1012)固定安装支架(1011)内部中心处，诱虫灯(1012)启动后能够吸引周围昆虫；
撞板(1013)固定安装支架(1011)内部，撞板(1013)环绕在诱虫灯(1012)周围；
拍摄装置(102)包括收集箱(1021)、漏斗(1022)、拍摄罐(1023)和收集罐(1024)；
收集箱(1021)上端面与支架(1011)下端面固定连接；
漏斗(1022)固定安装收集箱(1021)上端，漏斗(1022)上端口位于撞板(1013)正下方能够接收掉落的昆虫，
拍摄罐(1023)与漏斗(1022)下端口连通，拍摄罐(1023)能够对昆虫样本进行拍摄；
收集罐(1024)与拍摄罐(1023)下部连通，收集罐(1024)能够收集昆虫样本。
4.根据权利要求3所述的一种基于大数据分析的林业虫灾发生的预测方法，其特征在于：拍摄罐(1023)包括罐体(1029)、摄像头(1025)、补光灯(1026)和震动机构(3)；
罐体(1029)设置在收集箱(1021)内部，罐体(1029)的进口与漏斗(1022)下端口连体，罐体(1029)的出口与收集罐(1024)连通；
摄像头(1025)和补光灯(1026)均固定安装在罐体(1029)内顶部；
震动机构(3)固定安装在罐体(1029)下端，震动机构(3)启动后带动罐体(1029)震动。
5.根据权利要求4所述的一种基于大数据分析的林业虫灾发生的预测方法，其特征在于：震动机构(3)包括震动支架(301)、震动泵(302)、限位块(303)和减震弹簧(304)；
震动支架(301)安装在收集箱(1021)内部下端；
震动泵(302)固定安装在震动支架(301)下端面上；
限位块(303)分别固定在罐体(1029)下端面和震动支架(301)上端面上；限位块(303)一端设置有限位槽(3031)；
减震弹簧(304)上端固定安装在罐体(1029)上的限位块(303)上的限位槽(3031)内，减震弹簧(304)下端固定安装在震动支架(301)上的限位块(303)上的限位槽(3031)内。
6.根据权利要求4所述的一种基于大数据分析的林业虫灾发生的预测方法，其特征在于：罐体(1029)内壁下端安装有料位感应器(1027)。
7.根据权利要求3所述的一种基于大数据分析的林业虫灾发生的预测方法，其特征在于：收集罐(1024)上端还安装有抽气管(1028)，抽气管(1028)一端设置有收集罐(1024)内，另一端连接有抽气泵(4)，抽气管(1028)设置有收集罐(1024)内的一端端口处安装有过滤板(5)。
CN202111507176.2A 2021-12-10 2021-12-10 一种基于大数据分析的林业虫灾发生的预测方法 Pending CN114201636A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111507176.2A CN114201636A (zh) 2021-12-10 2021-12-10 一种基于大数据分析的林业虫灾发生的预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111507176.2A CN114201636A (zh) 2021-12-10 2021-12-10 一种基于大数据分析的林业虫灾发生的预测方法

Publications (1)

Publication Number Publication Date
CN114201636A true CN114201636A (zh) 2022-03-18

Family

ID=80652117

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111507176.2A Pending CN114201636A (zh) 2021-12-10 2021-12-10 一种基于大数据分析的林业虫灾发生的预测方法

Country Status (1)

Country Link
CN (1) CN114201636A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115358440A (zh) * 2022-07-06 2022-11-18 华南师大(清远)科技创新研究院有限公司 一种基于角二阶矩与深度学习的树木覆盖预测方法
CN117391265A (zh) * 2023-12-13 2024-01-12 金乡县林业保护和发展服务中心(金乡县湿地保护中心、金乡县野生动植物保护中心、金乡县国有白洼林场) 基于大数据分析的林业病虫灾害风险预测方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115358440A (zh) * 2022-07-06 2022-11-18 华南师大(清远)科技创新研究院有限公司 一种基于角二阶矩与深度学习的树木覆盖预测方法
CN117391265A (zh) * 2023-12-13 2024-01-12 金乡县林业保护和发展服务中心(金乡县湿地保护中心、金乡县野生动植物保护中心、金乡县国有白洼林场) 基于大数据分析的林业病虫灾害风险预测方法
CN117391265B (zh) * 2023-12-13 2024-03-05 金乡县林业保护和发展服务中心(金乡县湿地保护中心、金乡县野生动植物保护中心、金乡县国有白洼林场) 基于大数据分析的林业病虫灾害风险预测方法

Similar Documents

Publication Publication Date Title
CN112911931B (zh) 用于检测节肢动物的成像设备和用于检测节肢动物的系统
CN114201636A (zh) 一种基于大数据分析的林业虫灾发生的预测方法
US11160263B2 (en) Detecting the presence of pests using networked systems
CN108990938B (zh) 一种自动诱捕监测装置
KR101507554B1 (ko) 해충정보관리를 위한 영상촬영기능을 갖춘 포충장치
US20150216158A1 (en) System for automatic trapping and counting of flying insects
EP3682737B1 (en) System and method for counting agricultural pests inside a trap
EA200600338A1 (ru) Ловушка для улавливания лесных, садовых и сельскохозяйственных вредных насекомых и способ удерживания и хранения таких вредителей
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
CN104381231A (zh) 一种基于图像的野外虫情监测装置
CN203324781U (zh) 一种害虫诱捕装置和害虫远程识别监控系统
KR101322341B1 (ko) 해충 포획용 다용도 콘트랩 장치
CN106489876B (zh) 一种基于高光谱成像的大田害虫监控诱捕装置
CN112931456A (zh) 一种大田作物昆虫采集设备及虫害监测预警方法
CN104065931A (zh) 一种白蚁视频远程监测及诱杀系统
KR102382767B1 (ko) 재선충 감지와 제거를 위한 스마트 방제 시스템
CN113693041B (zh) 一种应用于无公害蔬菜的虫害防控装置及防控方法
CN108925526B (zh) 一种昆虫电击有效性的测试装置及方法
CN207023000U (zh) 虫情监测报警系统
CN113207831B (zh) 一种白蚁监测方法、装置、智能终端及存储介质
KR101957445B1 (ko) 해충 포획장치
CN202222306U (zh) 一种苍蝇诱捕器
KR102481436B1 (ko) 곤충 샘플 포집 장치
KR20220134842A (ko) 해충 포획장치
CN112232473A (zh) 用于蛾类害虫诱捕装置的分析评价系统及方法

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