CN114708438A - 一种靶标害虫监测识别系统及方法 - Google Patents
一种靶标害虫监测识别系统及方法 Download PDFInfo
- Publication number
- CN114708438A CN114708438A CN202210209971.1A CN202210209971A CN114708438A CN 114708438 A CN114708438 A CN 114708438A CN 202210209971 A CN202210209971 A CN 202210209971A CN 114708438 A CN114708438 A CN 114708438A
- Authority
- CN
- China
- Prior art keywords
- contour
- target object
- target
- image
- information
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- 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
- G06T2207/30242—Counting objects in image
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Image Analysis (AREA)
- Catching Or Destruction (AREA)
Abstract
本发明提供一种靶标害虫监测识别系统及方法,该系统包括:图像生成模块,用于生成落在拍摄平台上的目标对象的图像;拍摄平台的颜色为纯色,且与靶标害虫的颜色不同;图像处理模块,用于基于图像生成模块生成的目标对象的图像,得到目标对象的灰度图像,并对提取灰度图像中的目标对象的轮廓信息与靶标害虫的轮廓信息进行相似度分析,确定目标对象的类别;采集控制模块,用于基于目标对象的类别,控制拍摄平台翻转,将目标对象送入目标对象的类别对应的采集空间中。本发明的系统可以实现自动分离靶标害虫与其他杂物的效果,帮助工作人员获取到清洁的靶标害虫标本,有利于提高害虫监测的效率,促进靶标害虫的收集调研工作。
Description
技术领域
本发明涉及农业技术领域,尤其涉及一种靶标害虫监测识别系统及方法。
背景技术
在农业生产中,针对单一农作物经常会有目的性地防治特定类型的害虫,而在大规范防治害虫之前,一般都需要对害虫的发生时期进行监测观察,以在虫害大规模发生之前及时了解害虫的发生过程,并准确地预测虫害爆发期,从而进行及时有效的害虫捕杀。
目前,现有技术中,常见的害虫监测装置为单一性的诱捕装置或灯光诱集装置,然而前者容易进入杂物,造成诱捕器内杂物与害虫堆积在一起,导致靶标害虫标本腐烂变质,不利于靶标害虫的收集调研工作;后者会同时诱集大量的多类害虫,导致无法有效地判别靶标害虫,获取到清洁的靶标害虫标本。
因此,如何更好地进行害虫监测已经成为业界关注的研究重点。
发明内容
本发明实施例提供一种靶标害虫监测识别系统及方法,用以更好地进行害虫监测。
本发明实施例提供一种靶标害虫监测识别系统,包括:
图像生成模块,用于生成落在拍摄平台上的目标对象的图像;所述拍摄平台的颜色为纯色,且与靶标害虫的颜色不同;
图像处理模块,用于基于所述图像生成模块生成的所述目标对象的图像,得到所述目标对象的灰度图像,并对提取所述灰度图像中的所述目标对象的轮廓信息与所述靶标害虫的轮廓信息进行相似度分析,确定所述目标对象的类别;
采集控制模块,用于基于所述目标对象的类别,控制所述拍摄平台翻转,将所述目标对象送入所述目标对象的类别对应的采集空间中。
根据本发明实施例提供的一种靶标害虫监测识别系统,所述图像处理模块具体还用于:
调用OpenCV库函数对所述灰度图像进行分析,获取所述目标对象的轮廓曲线;
基于所述目标对象的轮廓曲线,确定所述目标对象的轮廓信息。
根据本发明实施例提供的一种靶标害虫监测识别系统,所述轮廓信息包括轮廓周长、轮廓面积、轮廓最小外接圆、轮廓最小外接矩形中的至少一项。
根据本发明实施例提供的一种靶标害虫监测识别系统,还包括:
红外检测模块,用于在检测到所述目标对象落在拍摄平台上的情况下,生成目标触发信息;所述目标触发信息用于触发所述图像生成模块对所述目标对象进行拍摄,生成所述目标对象的图像。
根据本发明实施例提供的一种靶标害虫监测识别系统,所述轮廓信息包括轮廓周长、轮廓面积、轮廓最小外接圆和轮廓最小外接矩形,所述图像处理模块具体还用于:
对所述目标对象的轮廓信息中的轮廓周长、轮廓面积、轮廓最小外接圆和轮廓最小外接矩形分别与所述靶标害虫的轮廓信息中的相同信息进行相似度分析,分别确定所述目标对象的轮廓信息中的轮廓周长、轮廓面积、轮廓最小外接圆和轮廓最小外接矩形的相似度;
在所述目标对象的轮廓信息中的轮廓周长、轮廓面积、轮廓最小外接圆和轮廓最小外接矩形的相似度均不小于目标阈值的情况下,确定所述目标对象为所述靶标害虫。
根据本发明实施例提供的一种靶标害虫监测识别系统,所述采集控制模块具体还用于:
在确定所述目标对象为所述靶标害虫的情况下,控制所述拍摄平台沿着目标方向翻转,将所述目标对象送入到所述靶标害虫对应的采集空间中。
本发明实施例提供一种应用于所述的靶标害虫监测识别系统的害虫监测方法,包括:
所述图像生成模块生成落在拍摄平台上的目标对象的图像;所述拍摄平台的颜色为纯色,且与靶标害虫的颜色不同;
所述图像处理模块基于所述图像生成模块生成的所述目标对象的图像,得到所述目标对象的灰度图像,并对提取所述灰度图像中的所述目标对象的轮廓信息与所述靶标害虫的轮廓信息进行相似度分析,确定所述目标对象的类别;
所述采集控制模块基于所述目标对象的类别,控制所述拍摄平台翻转,将所述目标对象送入所述目标对象的类别对应的采集空间中。
根据本发明实施例提供的一种靶标害虫监测识别方法,在所述对提取所述灰度图像中的所述目标对象的轮廓信息与所述靶标害虫的轮廓信息进行相似度分析,确定所述目标对象的类别之前,包括:
所述图像处理模块调用OpenCV库函数对所述灰度图像进行分析,获取所述目标对象的轮廓曲线;
所述图像处理模块基于所述目标对象的轮廓曲线,确定所述目标对象的轮廓信息。
根据本发明实施例提供的一种靶标害虫监测识别方法,所述方法还包括:
所述红外检测模块在检测到所述目标对象落在拍摄平台上的情况下,生成目标触发信息;所述目标触发信息用于触发所述图像生成模块对所述目标对象进行拍摄,生成所述目标对象的图像。
根据本发明实施例提供的一种靶标害虫监测识别方法,所述轮廓信息包括轮廓周长、轮廓面积、轮廓最小外接圆和轮廓最小外接矩形,所述对提取所述灰度图像中的所述目标对象的轮廓信息与所述靶标害虫的轮廓信息进行相似度分析,确定所述目标对象的类别,包括:
所述图像处理模块对所述目标对象的轮廓信息中的轮廓周长、轮廓面积、轮廓最小外接圆和轮廓最小外接矩形分别与所述靶标害虫的轮廓信息中的相同信息进行相似度分析,分别确定所述目标对象的轮廓信息中的轮廓周长、轮廓面积、轮廓最小外接圆和轮廓最小外接矩形的相似度;
所述图像处理模块在所述目标对象的轮廓信息中的轮廓周长、轮廓面积、轮廓最小外接圆和轮廓最小外接矩形的相似度均不小于目标阈值的情况下,确定所述目标对象的类别为所述靶标害虫。
根据本发明实施例提供的一种靶标害虫监测识别方法,在所述确定所述目标对象的类别为所述靶标害虫之后,还包括:
所述采集控制模块在确定所述目标对象的类别为所述靶标害虫的情况下,控制所述拍摄平台沿着目标方向翻转,将所述目标对象送入到所述靶标害虫对应的采集空间中。
本发明实施例还提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述任一种所述靶标害虫监测识别方法的步骤。
本发明实施例还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如上述任一种所述靶标害虫监测识别方法的步骤。
本发明实施例还提供一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现如上述任一种所述靶标害虫监测识别方法的步骤。
本发明实施例提供的一种靶标害虫监测识别系统及方法,通过图像生成模块生成落在拍摄平台上的目标对象的图像,该拍摄平台的颜色设置为与靶标害虫的颜色不同的纯色,使得拍摄的目标对象的图像更容易识别;图像处理模块对图像生成模块所生成的目标对象的图像进行灰度处理,生成目标对象的灰度图像,以通过目标对象的灰度图像更加准确地提取目标对象的轮廓信息,并通过对目标对象的轮廓信息与靶标害虫的轮廓信息进行相似度分析,来确定目标对象属于靶标害虫类别还是属于其他虫类杂物类别,由此,采集控制模块可以基于目标对象的类别,控制拍摄平台翻转,将目标对象送入对应的采集空间中,实现自动分离靶标害虫与其他杂物的效果,帮助工作人员获取到清洁的靶标害虫标本,从而有利于提高害虫监测的效率,促进靶标害虫的收集调研工作。
附图说明
为了更清楚地说明本发明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一简单地介绍,显而易见地,下面描述中的附图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他的附图。
图1是本发明实施例提供的靶标害虫监测识别系统的结构示意图;
图2是本发明实施例提供的害虫监测方法的流程示意图;
图3是本发明实施例提供的靶标害虫监测识别系统的整体结构示意图;
图4是本发明实施例提供的靶标害虫监测识别系统中害虫诱捕采集子系统的结构示意图;
图5是本发明实施例提供的电子设备的实体结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合本发明中的附图,对本发明中的技术方案进行清楚、完整地描述,显然,所描述的实施例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他实施例,都属于本发明保护的范围。
下面结合图1-图5描述本发明实施例提供的一种靶标害虫监测识别系统及方法。
图1是本发明实施例提供的靶标害虫监测识别系统的结构示意图,如图1所示,包括:图像生成模块110、图像处理模块120和采集控制模块130。
其中,图像生成模块110,用于生成落在拍摄平台上的目标对象的图像;拍摄平台的颜色为纯色,且与靶标害虫的颜色不同;
具体地,本发明实施例所描述的目标对象指的是落到拍摄平台的对象,其可以是靶标害虫,也可以是除标靶害虫外的其他害虫,还可以是除害虫之外的其他虫类。
本发明实施例所描述的拍摄平台指的是用于对落入的目标对象进行拍摄的背景平台,其可以承载目标对象,在实施过程中,其可以采用隔板的形式实施,其材质可以采用表面光滑的材质,方便后续对目标对象的分类倾倒。
可以理解的是,本实施例中的图像生成模块可以是具有拍摄功能的模块,例如摄像头模块。
本发明实施例所描述的靶标害虫指的是针对单一农作物,容易爆发虫害的特定类型的害虫,其可以为一类害虫,也可以为多类害虫,例如,对于水稻、茶园作物,其可以有多类靶标害虫,主要包括二化螟、稻纵卷叶螟、大螟、三化螟等害虫。
在本实施例中,拍摄平台的颜色为纯色,且与靶标害虫的颜色不同,由此可以确保靶标害虫落到拍摄平台后拍摄出的图像颜色分明,有利于后续更好地进行图像信息的提取及处理。
图像处理模块120,用于基于图像生成模块生成的目标对象的图像,得到目标对象的灰度图像,并对提取灰度图像中的目标对象的轮廓信息与靶标害虫的轮廓信息进行相似度分析,确定目标对象的类别;
具体地,本发明实施例所描述的轮廓信息是基于对目标对象的外形轮廓进行数值分析而确定的特征信息,其可以表征目标对象的类别及属性。
需要说明的是,本发明实施例所描述的靶标害虫的轮廓信息可以预先设置在本地轮廓信息数据库中,其可以是以各类靶标害虫模型的数据形式存储,以在与目标对象进行信息比对时进行调用。
本发明实施例所描述的目标对象的类别指的是对目标对象的图像进行图像特征识别后判定目标对象所属的分类,其具体可以分为两类,包括靶标害虫类别和杂物类别。其中,在本实施例中,当靶标害虫存在多种类型时,还可以将靶标害虫类别细分为对应的各类靶标害虫类别。
在本实施例中,在图像生成模块生成目标对象的图像之后,图像处理模块可以获取到目标对象的图像,从而对目标对象的图像进行灰度处理,得到目标对象的灰度图像。
可以理解的是,基于目标对象的灰度图像,可以更高效地对图像中目标对象的轮廓信息进行提取,从而获得高质量的目标对象的轮廓信息。
在本实施例中,图像处理模块对目标对象的灰度图像进行轮廓信息提取,这里,可以采用OpenCV软件库对目标对象的轮廓进行绘制及计算提取,获取到目标对象的轮廓信息。
进一步地,图像处理模块在提取到目标对象的轮廓信息之后,还将目标对象的轮廓信息与靶标害虫的轮廓信息进行相似度分析,通过将目标对象的轮廓信息中的各类特征数据对应与靶标害虫的轮廓信息进行逐一比对,得到相似度分析结果,在满足预设条件的情况下,确定出目标对象的类别,判断目标对象属于靶标害虫,还是属于其他虫类杂物。
在一些实施例中,轮廓信息包括轮廓周长、轮廓面积、轮廓最小外接圆、轮廓最小外接矩形中的至少一项。
也就是说,轮廓信息可以包括轮廓周长、轮廓面积、轮廓最小外接圆、轮廓最小外接矩形中的任意一项信息,也可以包括其中任意两项或三项信息,优选地,轮廓信息可以同时包括轮廓周长、轮廓面积、轮廓最小外接圆和轮廓最小外接矩形。
可以理解的是,通过对轮廓信息进行细化分类,增加轮廓信息相似度分析的特征信息,并进行逐一分析,可以有效提高确定目标对象的类别的准确率。
本发明实施例的系统,通过对轮廓信息的具体内容进行细化分析,更有利于目标对象的轮廓信息与靶标害虫的轮廓信息的相似度分析,可以有效地提高轮廓信息相似度分析的准确性。
采集控制模块130,用于基于目标对象的类别,控制拍摄平台翻转,将目标对象送入目标对象的类别对应的采集空间中。
具体地,本发明实施例所描述的采集空间指的是用于区分靶标害虫和其他虫类杂物的空间,其具体可以采用收集箱、收集盒或收集袋等物体的内部空间,其数量的确定可以视靶标害虫的种类进行确定;
例如,只有一种靶标害虫,采集空间可以设置为两处,一处采集靶标害虫,一处用于收集除靶标害虫的杂物;
又例如,有多种靶标害虫,可以对应设置为多个采集空间,从而对各种靶标害虫和杂物进行区分采集。
在本实施例中,采集空间可以设置于拍摄平台的下方,便于采集;此外,针对目标对象的类别,可以设置有两类采集空间,一类为靶标害虫的标本采集空间,一类是杂物采集空间。
在本实施例中,图像处理模块确定目标对象的类别之后,可以将目标对象的类别信息发送给采集控制模块,采集控制模块在接收到目标对象的类别信息后,将控制拍摄平台翻转,把目标对象送入目标对象的类别对应的采集空间中。
在本发明的实施例中,图像处理模块还可以直接集成到采集控制模块中作为图像处理子模块,从而直接由采集控制模块一个模块对目标对象的图像进行分析以及根据分析结果进行目标对象的分类处理,具体原理与上述实施方式类似,对此不做赘述。
在一些实施例中,采集控制模块具体还用于:
在确定目标对象的类别为靶标害虫的情况下,控制拍摄平台沿着目标方向翻转,将目标对象送入到靶标害虫对应的采集空间中。
具体地,本发明实施例所描述的目标方向指的是靶标害虫对应的采集空间的方向。
采集控制模块在确定目标对象的类别为靶标害虫的情况下,可以采用电机驱动、液压驱动等驱动模式,控制拍摄平台沿着目标方向翻转,将目标对象送入到靶标害虫对应的采集空间中,实现对靶标害虫的分类采集。
在本发明的实施例中,通过确定目标对象的类别为靶标害虫,采集控制模块通过驱动控制拍摄平台翻转,将目标对象送入到靶标害虫的采集空间中,有利于帮助工作人员获取到清洁的靶标害虫标本,提高害虫监测的效率。
由此,本发明实施例的系统,针对现有技术中,单一性的诱捕装置或灯光诱集装置在进行害虫监测过程中无法有效地区分靶标害虫和杂物的技术缺陷,通过上述图像生成模块、图像处理模块和采集控制模块,采用图像识别技术和自动化控制技术,有效地实现了对靶标害虫和其他杂物的物理分类,确保获取干净的靶标害虫标本。
本发明实施例的靶标害虫监测识别系统,通过图像生成模块生成落在拍摄平台上的目标对象的图像,该拍摄平台的颜色设置为与靶标害虫的颜色不同的纯色,使得拍摄的目标对象的图像更容易识别;图像处理模块对图像生成模块所生成的目标对象的图像进行灰度处理,生成目标对象的灰度图像,以通过目标对象的灰度图像更加准确地提取目标对象的轮廓信息,并通过对目标对象的轮廓信息与靶标害虫的轮廓信息进行相似度分析,来确定目标对象属于靶标害虫类别还是属于其他虫类杂物类别,由此,采集控制模块可以基于目标对象的类别,控制拍摄平台翻转,将目标对象送入对应的采集空间中,实现自动分离靶标害虫与其他杂物的效果,帮助工作人员获取到清洁的靶标害虫标本,从而有利于提高害虫监测的效率,促进靶标害虫的收集调研工作。
在一些实施例中,图像处理模块具体还用于:
调用OpenCV库函数对灰度图像进行分析,获取目标对象的轮廓曲线;
基于目标对象的轮廓曲线,确定目标对象的轮廓信息。
具体地,在本实施例中,图像处理模块将获取到的目标对象的图像进行灰度处理得到灰度图像后,调用OpenCV库中findContours()函数在目标对象的灰度图像中查找目标对象的轮廓,然后调用drawContours()函数绘制出目标对象的轮廓曲线,进而通过对目标对象的轮廓曲线进行分析和计算,提取出目标对象的轮廓信息;
在本实施例中,基于OpenCV库,还可以使用Canny算法,在获得目标对象的灰度图像之后,对目标对象的灰度图像进行边缘检测,提取灰度图像的边缘信息,从而获得目标对象的轮廓信息。
在本实施例中,在图像处理模块提取目标对象的轮廓信息的过程中,其具体可以提取出目标对象的轮廓周长、轮廓面积、最小外接圆、最小外接矩形等其中的至少一项信息,以通过对目标对象的轮廓信息进行细分类,提高后续轮廓信息相似度分析结果的准确性。
本发明实施例的系统,通过调用OpenCV库函数,图像处理模块可以有效地提取目标对象的轮廓信息,确保获得的轮廓信息的准确性。
在一些实施例中,该系统还包括:
红外检测模块,用于在检测到目标对象落在拍摄平台上的情况下,生成目标触发信息;目标触发信息用于触发图像生成模块对目标对象进行拍摄,生成目标对象的图像。
具体地,本发明实施例所描述的目标触发信息指的是目标对象落在拍摄平台上的信息
本发明实施例提供的靶标害虫监测识别系统中,还包括红外检测模块,其中,红外检测模块可以使用扇形红外光源,在其对侧可以配套使用阵列式的红外信号接收端,从而可以增大对目标对象检测的覆盖面,保障有目标对象落入到拍摄平台时,能够有效地生成目标触发信息。
在本发明的实施例中,红外检测模块生成目标触发信息后将该目标触发信息发送给采集控制模块,采集控制模块检测到目标触发信息后,将控制图像生成模块对目标对象进行拍摄,生成目标对象的图像。
在本发明的实施例中,红外检测模块生成目标触发信息后,还可以将目标触发信息直接发送给图像生成模块,触发图像生成模块对落在拍摄平台上的目标对象进行拍摄,生成目标对象的图像。
本发明实施例的系统,基于红外检测技术的灵敏度高、功耗小及使用方便等优点,通过增加红外检测模块,利用红外探测方式触发,保证系统能够精准地判断目标对象落入拍摄平台的信息,有利于提高对靶标害虫和其他杂物分类处理的效率。
优选地,在本发明的实施例中,轮廓信息可以包括轮廓周长、轮廓面积、轮廓最小外接圆和轮廓最小外接矩形,图像处理模块具体还用于:
对目标对象的轮廓信息中的轮廓周长、轮廓面积、轮廓最小外接圆和轮廓最小外接矩形分别与靶标害虫的轮廓信息中的相同信息进行相似度分析,分别确定目标对象的轮廓信息中的轮廓周长、轮廓面积、轮廓最小外接圆和轮廓最小外接矩形的相似度;
在目标对象的轮廓信息中的轮廓周长、轮廓面积、轮廓最小外接圆和轮廓最小外接矩形的相似度均不小于目标阈值的情况下,确定目标对象的类别为靶标害虫。
具体地,本发明实施例所描述的目标阈值可以是系统默认的相似度对比阈值,还可以是用户设置的相似度对比阈值,其可以用于确定目标对象的轮廓信息与靶标害虫的轮廓信息之间相似度分析的结果。其具体可以设置为85%~95%。
在本发明的实施例中,轮廓信息可以包括轮廓周长、轮廓面积、轮廓最小外接圆和轮廓最小外接矩形,对目标对象的轮廓信息中的轮廓周长、轮廓面积、轮廓最小外接圆和轮廓最小外接矩形分别与靶标害虫的轮廓信息中的相同信息进行相似度分析,确定分析结果;
也就是说,分别将目标对象的轮廓信息中的轮廓周长与靶标害虫的轮廓信息中的轮廓周长进行相似度分析,将目标对象的轮廓信息中的轮廓面积与靶标害虫的轮廓信息中的轮廓面积进行相似度分析,将目标对象的轮廓信息中的轮廓最小外接圆与靶标害虫的轮廓信息中的轮廓最小外接圆进行相似度分析,将目标对象的轮廓信息中的轮廓最小外接矩形与靶标害虫的轮廓信息中的轮廓最小外接矩形进行相似度分析,从而分别可以确定出目标对象的轮廓信息中的轮廓周长、轮廓面积、轮廓最小外接圆和轮廓最小外接矩形的相似度;
进一步地,在目标对象的轮廓信息中的轮廓周长、轮廓面积、轮廓最小外接圆和轮廓最小外接矩形的相似度均不小于目标阈值的情况下,确定目标对象的类别为靶标害虫。
在一个实施例中,目标阈值设置为90%,则在确定目标对象的轮廓信息中的轮廓周长相似度不小于90%,目标对象的轮廓信息中的轮廓面积相似度不小于90%目标对象的轮廓信息中的轮廓最小外接圆相似度不小于90%目标对象的轮廓信息中的最小外接矩形相似度不小于90%时,则可以确定目标对象的类别为靶标害虫;
此时,本实施例中还可以对分类确定的靶标害虫进行准确计数,降低红外检测模块无法识别靶标害虫而造成的计数偏差,进而将计数结果发送给采集控制模块进行存储,便于工作人员可以实时获取及了解采集的靶标害虫的数量信息。
若确定目标对象的轮廓信息中的轮廓周长、轮廓面积、轮廓最小外接圆和轮廓最小外接矩形的相似度其中任意一项相似度低于90%时,则可以确定目标对象的类别为其他杂物类别。
由此,在确定目标对象的类别之后,采集控制模块将控制拍摄平台沿目标对象的类别对应的采集空间的方向进行翻转,将目标对象送入对应的采集空间中,可以实现对目标对象的分类采集,同时还可以对采集的靶标害虫进行计数。
本发明实施例的系统,轮廓信息可以包括轮廓周长、轮廓面积、轮廓最小外接圆和轮廓最小外接矩形四项信息,通过对轮廓信息进行细分类对比,可以有效提高目标对象的轮廓信息与靶标害虫的轮廓信息的相似度分析结果的准确性,确保有效地对目标对象进行分类处理,同时通过图像识别,可以准确地对靶标害虫的采集数量进行计数,有利于促进靶标害虫的收集调研工作。
下面对本发明提供的害虫监测方法进行描述,下文描述的害虫监测方法与上文描述的害虫监测系统可相互对应参照。
图2是本发明实施例提供的害虫监测方法的流程示意图,该方法应用于的害虫监测系统,如图2所示,该方法包括:
步骤S1,图像生成模块生成落在拍摄平台上的目标对象的图像;拍摄平台的颜色为纯色,且与靶标害虫的颜色不同;
步骤S2,图像处理模块基于图像生成模块生成的目标对象的图像,得到目标对象的灰度图像,并对提取灰度图像中的目标对象的轮廓信息与靶标害虫的轮廓信息进行相似度分析,确定目标对象的类别;
步骤S3,采集控制模块基于目标对象的类别,控制拍摄平台翻转,将目标对象送入目标对象的类别对应的采集空间中。
在一些实施例中,该方法还包括:
红外检测模块在检测到目标对象落在拍摄平台上的情况下,生成目标触发信息;目标触发信息用于触发图像生成模块对目标对象进行拍摄,生成目标对象的图像。
在一些实施例中,在对提取灰度图像中的目标对象的轮廓信息与靶标害虫的轮廓信息进行相似度分析,确定目标对象的类别之前,包括:
图像处理模块调用OpenCV库函数对灰度图像进行分析,获取目标对象的轮廓曲线;
图像处理模块基于目标对象的轮廓曲线,确定目标对象的轮廓信息。
在一些实施例中,轮廓信息包括轮廓周长、轮廓面积、轮廓最小外接圆和轮廓最小外接矩形,对提取灰度图像中的目标对象的轮廓信息与靶标害虫的轮廓信息进行相似度分析,确定目标对象的类别,包括:
图像处理模块对目标对象的轮廓信息中的轮廓周长、轮廓面积、轮廓最小外接圆和轮廓最小外接矩形分别与靶标害虫的轮廓信息中的相同信息进行相似度分析,分别确定目标对象的轮廓信息中的轮廓周长、轮廓面积、轮廓最小外接圆和轮廓最小外接矩形的相似度;
图像处理模块在目标对象的轮廓信息中的轮廓周长、轮廓面积、轮廓最小外接圆和轮廓最小外接矩形的相似度均不小于目标阈值的情况下,确定目标对象的类别为靶标害虫。
在一些实施例中,在确定目标对象的类别为靶标害虫之后,还包括:
采集控制模块在确定目标对象的类别为靶标害虫的情况下,控制拍摄平台沿着目标方向翻转,将目标对象送入到靶标害虫对应的采集空间中。
可以理解的是,本实施例的靶标害虫监测识别方法可以应用于上述靶标害虫监测识别系统实施例,其原理和技术效果类似,此处不再赘述。
本发明实施例提供的靶标害虫监测识别方法,通过图像生成模块生成落在拍摄平台上的目标对象的图像,该拍摄平台的颜色设置为与靶标害虫的颜色不同的纯色,使得拍摄的目标对象的图像更容易识别;图像处理模块对图像生成模块所生成的目标对象的图像进行灰度处理,生成目标对象的灰度图像,以通过目标对象的灰度图像更加准确地提取目标对象的轮廓信息,并通过对目标对象的轮廓信息与靶标害虫的轮廓信息进行相似度分析,来确定目标对象属于靶标害虫类别还是属于其他虫类杂物类别,由此,采集控制模块可以基于目标对象的类别,控制拍摄平台翻转,将目标对象送入对应的采集空间中,实现自动分离靶标害虫与其他杂物的效果,帮助工作人员获取到清洁的靶标害虫标本,从而有利于提高害虫监测的效率,促进靶标害虫的收集调研工作。
图3是本发明实施例提供的靶标害虫监测识别系统的整体结构示意图,如图3所示,本发明实施例的靶标害虫监测识别系统的整体结构中包括采集控制模块1、害虫诱捕采集子系统2、气象信息采集子系统3和电源管理模块4;
其中,采集控制模块1包括卫星定位子模块、图像处理子模块、数据存储子模块、4G网络传输子模块、核心处理器、对外通信接口、电源转换子模块等;
气象信息采集子系统3包括空气温度湿度传感器、风速风向传感器、光照传感器、降雨传感器等;
电源管理模块4包括蓄电池、太阳能控制器、太阳能板等;
图4是本发明实施例提供的靶标害虫监测识别系统中害虫诱捕采集子系统的结构示意图,如图4所示,害虫诱捕采集子系统2包括诱捕室201、收集通道202、红外检测模块203、多功能舱204、图像生成模块,如摄像头模块205、电机模块206、拍摄平台207、杂物采集通道208、靶标害虫采集通道209、杂物采集空间210、靶标害虫采集空间211。
在本实施例中,害虫诱捕采集子系统的主要功能为害虫的诱集、捕捉及图像信息获取,其中,诱捕室负责通过信息素诱集害虫并捕捉进入其内部,然后害虫落入收集通道,并经过红外检测模块落入多功能舱内,掉落在拍摄平台上。
在本发明的实施例中,采集控制模块能够通过搭载的卫星定位系统,如全球导航卫星系统(Global Navigation Satellite System,GNSS),获取精确的系统时钟、位置信息,为工作过程提供重要的时间节点,如可以为监测装置采集到的害虫数量信息及图像信息提供时间戳,为害虫的监测提供更可靠的实时性;
数据存储子模块使用大容量的TF-CARD,能够将采集到的气象数据、图像数据及系统工作记录存放在其内,并记录时间信息;能够通过4G网络传输子模块与远程服务器进行数据交互,将图像数据、气象数据传输到远程服务器端,并接收来自服务器端的指令信息;
通过对外通信接口连接外部设备,接口包含UART接口、RX485接口、脉宽调制PWM输出接口、AD采样接口等,与气象信息采集子系统中的传感器、外部摄像头模块、电机模块、模拟信号通信,获取对应数据;电源转换子模块能够控制所有外部设备电源通断,在需要进入低功耗模式时,切断采集控制模块内部部件电源。
在本实施例中,采集控制模块检测到红外检测模块发送的目标触发信息后,控制图像生成模块获取害虫的图像,图像背景为纯色的拍摄平台,其颜色与靶标害虫的颜色有明显区别,将获取到的害虫的图像进行灰度处理,使用OpenCV库函数绘制出该害虫的轮廓曲线,进一步提取轮廓周长、轮廓面积、轮廓最小外接圆、轮廓最小外接矩形等轮廓信息,将提取到的害虫的轮廓信息与预存的靶标害虫的轮廓信息进行相似度分析,确定落入诱捕室中的害虫的类别为靶标害虫时,采集控制模块将控制电机模块带动拍摄平台翻转,将靶标害虫送入靶标害虫收集盒中;若确定落入诱捕室中的害虫不为靶标害虫,判定该害虫的类别为杂物类别,采集控制模块将控制电机模块带动拍摄平台反向翻转,将该害虫送入杂物收集盒中。
在本发明的实施例中,采集控制模块需根据气象数据决定系统工作状态,当遇到恶劣天气如大风、降雨、低温等情况,采集控制模块将关闭害虫诱捕采集子系统。
在本发明的实施例中,通过气象信息采集子系统,实时获取害虫诱捕采集子系统所处的环境信息,包括空气温度、湿度、风速、风向、光照、降雨、地理位置等信息。
在本发明的实施例中,通过气象信息采集子系统实时检测气象信息,当遇到恶劣天气如降雨、低温等情况,系统将进入超低功耗模式,只保留红外检测模块与核心处理芯片供电,关闭其他子系统及模块,保障系统在安全工作模式下运行。
在本发明的实施例中,气象数据可以设置定时10分钟~60分钟采集,可手动配置采集时间间隔,在停止采集的时间段内,电源管理模块将切断气象信息采集子系统的电源,降低系统能耗。
本发明实施例中,害虫监测识别系统还与上位机软件系统通信,上位机软件系统的主要功能包含登录、设备管理、害虫数据统计、害虫图像标识、气象数据显示、气象数据显示、历史数据查看等;
其中,上位机软件可以提供图像数据的人工标识功能,在害虫监测识别系统识别图像发生错误的情况下进行人工标识,使得靶标害虫的计数更加准确,还可以方便人员对系统历史数据进行回溯,便于数据统计。
图5是本发明实施例提供的电子设备的实体结构示意图,如图5所示,该电子设备可以包括:处理器(processor)510、通信接口(Communications Interface)520、存储器(memory)830和通信总线540,其中,处理器510,通信接口520,存储器530通过通信总线540完成相互间的通信。处理器510可以调用存储器530中的逻辑指令,以执行上述各方法所提供的靶标害虫监测识别方法,该方法包括:所述图像生成模块生成落在拍摄平台上的目标对象的图像;所述拍摄平台的颜色为纯色,且与靶标害虫的颜色不同;所述图像处理模块基于所述图像生成模块生成的所述目标对象的图像,得到所述目标对象的灰度图像,并对提取所述灰度图像中的所述目标对象的轮廓信息与所述靶标害虫的轮廓信息进行相似度分析,确定所述目标对象的类别;所述采集控制模块基于所述目标对象的类别,控制所述拍摄平台翻转,将所述目标对象送入所述目标对象的类别对应的采集空间中。
此外,上述的存储器530中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面,本发明还提供一种计算机程序产品,所述计算机程序产品包括计算机程序,计算机程序可存储在非暂态计算机可读存储介质上,所述计算机程序被处理器执行时,计算机能够执行上述各方法所提供的靶标害虫监测识别方法,该方法包括:所述图像生成模块生成落在拍摄平台上的目标对象的图像;所述拍摄平台的颜色为纯色,且与靶标害虫的颜色不同;所述图像处理模块基于所述图像生成模块生成的所述目标对象的图像,得到所述目标对象的灰度图像,并对提取所述灰度图像中的所述目标对象的轮廓信息与所述靶标害虫的轮廓信息进行相似度分析,确定所述目标对象的类别;所述采集控制模块基于所述目标对象的类别,控制所述拍摄平台翻转,将所述目标对象送入所述目标对象的类别对应的采集空间中。
又一方面,本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以执行上述各方法提供的靶标害虫监测识别方法,该方法包括:所述图像生成模块生成落在拍摄平台上的目标对象的图像;所述拍摄平台的颜色为纯色,且与靶标害虫的颜色不同;所述图像处理模块基于所述图像生成模块生成的所述目标对象的图像,得到所述目标对象的灰度图像,并对提取所述灰度图像中的所述目标对象的轮廓信息与所述靶标害虫的轮廓信息进行相似度分析,确定所述目标对象的类别;所述采集控制模块基于所述目标对象的类别,控制所述拍摄平台翻转,将所述目标对象送入所述目标对象的类别对应的采集空间中。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解: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;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种靶标害虫监测识别系统,其特征在于,包括:
图像生成模块,用于生成落在拍摄平台上的目标对象的图像;所述拍摄平台的颜色为纯色,且与靶标害虫的颜色不同;
图像处理模块,用于基于所述图像生成模块生成的所述目标对象的图像,得到所述目标对象的灰度图像,并对提取所述灰度图像中的所述目标对象的轮廓信息与所述靶标害虫的轮廓信息进行相似度分析,确定所述目标对象的类别;
采集控制模块,用于基于所述目标对象的类别,控制所述拍摄平台翻转,将所述目标对象送入所述目标对象的类别对应的采集空间中。
2.根据权利要求1所述的靶标害虫监测识别系统,其特征在于,所述图像处理模块具体还用于:
调用OpenCV库函数对所述灰度图像进行分析,获取所述目标对象的轮廓曲线;
基于所述目标对象的轮廓曲线,确定所述目标对象的轮廓信息。
3.根据权利要求1所述的靶标害虫监测识别系统,其特征在于,所述轮廓信息包括轮廓周长、轮廓面积、轮廓最小外接圆、轮廓最小外接矩形中的至少一项。
4.根据权利要求1所述的靶标害虫监测识别系统,其特征在于,还包括:
红外检测模块,用于在检测到所述目标对象落在拍摄平台上的情况下,生成目标触发信息;所述目标触发信息用于触发所述图像生成模块对所述目标对象进行拍摄,生成所述目标对象的图像。
5.根据权利要求3所述的靶标害虫监测识别系统,其特征在于,所述轮廓信息包括轮廓周长、轮廓面积、轮廓最小外接圆和轮廓最小外接矩形,所述图像处理模块具体还用于:
对所述目标对象的轮廓信息中的轮廓周长、轮廓面积、轮廓最小外接圆和轮廓最小外接矩形分别与所述靶标害虫的轮廓信息中的相同信息进行相似度分析,分别确定所述目标对象的轮廓信息中的轮廓周长、轮廓面积、轮廓最小外接圆和轮廓最小外接矩形的相似度;
在所述目标对象的轮廓信息中的轮廓周长、轮廓面积、轮廓最小外接圆和轮廓最小外接矩形的相似度均不小于目标阈值的情况下,确定所述目标对象的类别为所述靶标害虫。
6.根据权利要求5所述的靶标害虫监测识别系统,其特征在于,所述采集控制模块具体还用于:
在确定所述目标对象的类别为所述靶标害虫的情况下,控制所述拍摄平台沿着目标方向翻转,将所述目标对象送入到所述靶标害虫对应的采集空间中。
7.一种应用于如权利要求1-6任一项所述的靶标害虫监测识别系统的害虫监测方法,其特征在于,包括:
所述图像生成模块生成落在拍摄平台上的目标对象的图像;所述拍摄平台的颜色为纯色,且与靶标害虫的颜色不同;
所述图像处理模块基于所述图像生成模块生成的所述目标对象的图像,得到所述目标对象的灰度图像,并对提取所述灰度图像中的所述目标对象的轮廓信息与所述靶标害虫的轮廓信息进行相似度分析,确定所述目标对象的类别;
所述采集控制模块基于所述目标对象的类别,控制所述拍摄平台翻转,将所述目标对象送入所述目标对象的类别对应的采集空间中。
8.根据权利要求7所述的靶标害虫监测识别方法,其特征在于,在所述对提取所述灰度图像中的所述目标对象的轮廓信息与所述靶标害虫的轮廓信息进行相似度分析,确定所述目标对象的类别之前,包括:
所述图像处理模块调用OpenCV库函数对所述灰度图像进行分析,获取所述目标对象的轮廓曲线;
所述图像处理模块基于所述目标对象的轮廓曲线,确定所述目标对象的轮廓信息。
9.根据权利要求7所述的靶标害虫监测识别方法,其特征在于,所述方法还包括:
所述红外检测模块在检测到所述目标对象落在拍摄平台上的情况下,生成目标触发信息;所述目标触发信息用于触发所述图像生成模块对所述目标对象进行拍摄,生成所述目标对象的图像。
10.根据权利要求7所述的靶标害虫监测识别方法,其特征在于,所述轮廓信息包括轮廓周长、轮廓面积、轮廓最小外接圆和轮廓最小外接矩形,所述对提取所述灰度图像中的所述目标对象的轮廓信息与所述靶标害虫的轮廓信息进行相似度分析,确定所述目标对象的类别,包括:
所述图像处理模块对所述目标对象的轮廓信息中的轮廓周长、轮廓面积、轮廓最小外接圆和轮廓最小外接矩形分别与所述靶标害虫的轮廓信息中的相同信息进行相似度分析,分别确定所述目标对象的轮廓信息中的轮廓周长、轮廓面积、轮廓最小外接圆和轮廓最小外接矩形的相似度;
所述图像处理模块在所述目标对象的轮廓信息中的轮廓周长、轮廓面积、轮廓最小外接圆和轮廓最小外接矩形的相似度均不小于目标阈值的情况下,确定所述目标对象的类别为所述靶标害虫。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210209971.1A CN114708438A (zh) | 2022-03-04 | 2022-03-04 | 一种靶标害虫监测识别系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210209971.1A CN114708438A (zh) | 2022-03-04 | 2022-03-04 | 一种靶标害虫监测识别系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114708438A true CN114708438A (zh) | 2022-07-05 |
Family
ID=82167261
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210209971.1A Pending CN114708438A (zh) | 2022-03-04 | 2022-03-04 | 一种靶标害虫监测识别系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114708438A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116538948A (zh) * | 2023-06-28 | 2023-08-04 | 深圳市鼎邦工程有限公司 | 一种基于光纤传感技术的建筑结构变形监测系统 |
-
2022
- 2022-03-04 CN CN202210209971.1A patent/CN114708438A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116538948A (zh) * | 2023-06-28 | 2023-08-04 | 深圳市鼎邦工程有限公司 | 一种基于光纤传感技术的建筑结构变形监测系统 |
CN116538948B (zh) * | 2023-06-28 | 2023-09-08 | 深圳市鼎邦工程有限公司 | 一种基于光纤传感技术的建筑结构变形监测系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111582055B (zh) | 一种无人机的航空施药航线生成方法及系统 | |
CN108710126B (zh) | 自动化探测驱逐目标方法及其系统 | |
Arakeri et al. | Computer vision based robotic weed control system for precision agriculture | |
CN109726700B (zh) | 一种基于多特征的虫害识别预警方法和装置 | |
Lippi et al. | A yolo-based pest detection system for precision agriculture | |
CN114972843B (zh) | 一种基于大数据的农业病虫害诊断与预警系统 | |
US10729117B2 (en) | Pest monitoring method based on machine vision | |
CN106332855A (zh) | 一种病虫害自动预警系统 | |
CN110926430A (zh) | 一种空地一体化红树林监测系统及控制方法 | |
CN105844659A (zh) | 运动部件的跟踪方法和装置 | |
CN101701915A (zh) | 基于可见光—近红外双目机器视觉的粮虫检测装置和方法 | |
Majeed et al. | Estimating the trajectories of vine cordons in full foliage canopies for automated green shoot thinning in vineyards | |
CN111727457A (zh) | 一种基于计算机视觉的棉花作物行检测方法、装置及存储介质 | |
CN108874910B (zh) | 基于视觉的小目标识别系统 | |
CN108829762A (zh) | 基于视觉的小目标识别方法和装置 | |
CN112106747A (zh) | 一种智慧农业虫害远程自动监控系统 | |
CN111199192A (zh) | 一种采用平行线取样的田间红提葡萄整体成熟度检测方法 | |
CN114708438A (zh) | 一种靶标害虫监测识别系统及方法 | |
CN114818909A (zh) | 一种基于作物长势特征的杂草检测方法和装置 | |
CN114627411A (zh) | 基于计算机视觉下并行检测的农作物生育期识别方法 | |
CN114460080A (zh) | 一种水稻病虫智能监控系统 | |
CN114723667A (zh) | 一种农业精细化种植及灾害预防控制系统 | |
CN112580671A (zh) | 一种基于深度学习的稻穗多发育期自动检测方法及系统 | |
CN112883906B (zh) | 一种基于目标检测的人员状态分析方法 | |
Chinchuluun et al. | Machine vision-based citrus yield mapping system. |
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 |