CN116569898A - 害虫智能防治方法及系统 - Google Patents
害虫智能防治方法及系统 Download PDFInfo
- Publication number
- CN116569898A CN116569898A CN202310852154.2A CN202310852154A CN116569898A CN 116569898 A CN116569898 A CN 116569898A CN 202310852154 A CN202310852154 A CN 202310852154A CN 116569898 A CN116569898 A CN 116569898A
- Authority
- CN
- China
- Prior art keywords
- pest
- host
- intelligent
- slave
- detection result
- 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
- 241000607479 Yersinia pestis Species 0.000 title claims abstract description 356
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000001514 detection method Methods 0.000 claims abstract description 78
- 238000004891 communication Methods 0.000 claims abstract description 47
- 238000013136 deep learning model Methods 0.000 claims abstract description 19
- 230000002319 phototactic effect Effects 0.000 claims description 12
- 241000238631 Hexapoda Species 0.000 claims description 11
- 230000005059 dormancy Effects 0.000 claims description 8
- 238000001228 spectrum Methods 0.000 claims description 8
- 238000005516 engineering process Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 239000000575 pesticide Substances 0.000 description 7
- QVFWZNCVPCJQOP-UHFFFAOYSA-N chloralodol Chemical compound CC(O)(C)CC(C)OC(O)C(Cl)(Cl)Cl QVFWZNCVPCJQOP-UHFFFAOYSA-N 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 238000003912 environmental pollution Methods 0.000 description 4
- 238000013135 deep learning Methods 0.000 description 3
- 230000007958 sleep Effects 0.000 description 3
- 230000000087 stabilizing effect Effects 0.000 description 3
- 239000002699 waste material Substances 0.000 description 3
- HPTJABJPZMULFH-UHFFFAOYSA-N 12-[(Cyclohexylcarbamoyl)amino]dodecanoic acid Chemical group OC(=O)CCCCCCCCCCCNC(=O)NC1CCCCC1 HPTJABJPZMULFH-UHFFFAOYSA-N 0.000 description 2
- 230000000712 assembly Effects 0.000 description 2
- 238000000429 assembly Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 241000894007 species Species 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 241000209140 Triticum Species 0.000 description 1
- 235000021307 Triticum Nutrition 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000000361 pesticidal effect Effects 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 230000033764 rhythmic process Effects 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- 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
- A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
- A01G13/00—Protecting plants
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
-
- 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)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Environmental Sciences (AREA)
- General Physics & Mathematics (AREA)
- Wood Science & Technology (AREA)
- Toxicology (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Zoology (AREA)
- Insects & Arthropods (AREA)
- Human Computer Interaction (AREA)
- Catching Or Destruction (AREA)
Abstract
本发明涉及害虫智能防治技术领域,提供一种害虫智能防治方法及系统,该方法应用于害虫智能防治系统中的主机,主机与害虫智能防治系统中的若干个从机通信连接,首先接收从机的第一害虫检测结果;然后若第一害虫检测结果为不存在害虫,则接收主机对应的图像采集设备采集得到的主机环境图像,并基于深度学习模型确定主机环境图像的第二害虫检测结果,若第二害虫检测结果为存在害虫,则控制主机对应的第一害虫诱杀装置进行害虫诱杀;若第一害虫检测结果为存在害虫,则控制从机对应的第二害虫诱杀装置进行害虫诱杀。该方法通过主机控制第一害虫诱杀装置对其周围的害虫进行诱杀,并可以通过主机控制从机实现对第二害虫诱杀装置的控制,自动化程度高。
Description
技术领域
本发明涉及害虫智能防治技术领域,尤其涉及一种害虫智能防治方法及系统。
背景技术
目前,农田害虫防治大多通过化学农药或者人工灭杀的手段,这种方式自动化程度低,污染环境的同时需要消耗大量人力资源。而且,对于大面积农田来说,将进一步增加害虫防治成本。因此,提高稻田害虫防治的智能化水平是现在亟需解决的问题。
发明内容
本发明提供一种害虫智能防治方法及系统,用以解决现有技术中存在的缺陷。
本发明提供一种害虫智能防治方法,应用于害虫智能防治系统中的主机,所述主机与所述害虫智能防治系统中的若干个从机通信连接,包括:
接收所述从机的第一害虫检测结果;
若所述第一害虫检测结果为不存在害虫,则接收所述主机对应的第一图像采集设备采集得到的主机环境图像,并基于深度学习模型确定所述主机环境图像的第二害虫检测结果,若所述第二害虫检测结果为存在害虫,则控制所述主机对应的第一害虫诱杀装置进行害虫诱杀;
若所述第一害虫检测结果为存在害虫,则控制所述从机对应的第二害虫诱杀装置进行害虫诱杀。
根据本发明提供的一种害虫智能防治方法,所述第一害虫诱杀装置包括第一诱虫灯和第一风机,所述第二害虫诱杀装置包括第二诱虫灯和第二风机;
所述第一害虫检测结果和所述第二害虫检测结果均包括害虫类别,所述主机用于控制所述第一诱虫灯用于发出所述第一害虫检测结果中包括的害虫类别对应的趋光波段的第一光束,并控制所述第一风机工作;
所述主机还用于控制所述第二诱虫灯用于发出所述第二害虫检测结果中包括的害虫类别对应的趋光波段的第二光束,并控制所述第二风机工作。
根据本发明提供的一种害虫智能防治方法,控制所述主机对应的第一害虫诱杀装置进行害虫诱杀,和/或,控制所述从机对应的第二害虫诱杀装置进行害虫诱杀,之后包括:
判断是否接收休眠指令;
若接收到所述休眠指令,则停止工作。
根据本发明提供的一种害虫智能防治方法,所述深度学习模型为基于ONNX中间表示对PyTorch框架下构建的模型进行转换得到的TensorRT框架下的模型。
根据本发明提供的一种害虫智能防治方法,还包括:
获取自身位置信息,并将所述自身位置信息发送至用户终端。
本发明还提供一种害虫智能防治系统,包括主机组件和多个从机组件;
所述主机组件包括主机以及与所述主机连接的第一图像采集设备、第一害虫诱杀装置和第一通信装置,所述从机组件包括从机以及与所述从机连接的第二图像采集设备、第二害虫诱杀装置以及第二通信装置;
所述主机通过所述第一通信装置和所述第二通信装置与所述从机通信连接;
所述第二图像采集设备用于采集从机环境信息,所述从机用于基于害虫检测模型,对所述从机环境图像进行识别,确定所述第一害虫检测结果;
所述主机用于执行上述的害虫智能防治方法。
根据本发明提供的一种害虫智能防治系统,所述第一害虫诱杀装置包括第一诱虫灯和第一风机,所述第二害虫诱杀装置包括第二诱虫灯和第二风机;
所述第一图像采集设备朝向所述第一诱虫灯设置,所述第一风机设置于所述第一诱虫灯下方;
所述第二图像采集设备朝向所述第二诱虫灯设置,所述第二风机设置于所述第二诱虫灯下方。
根据本发明提供的一种害虫智能防治系统,所述第一图像采集设备包括分布于所述第一诱虫灯周围的多个第一摄像头组合,每个第一摄像头组合均包括沿竖直方向分布的多个第一摄像头,每个第一摄像头位于设备支架上的孔位内;
所述第二图像采集设备包括分布于所述第二诱虫灯周围的多个第二摄像头组合,每个第二摄像头组合均包括沿竖直方向分布的多个第二摄像头,每个第二摄像头位于设备支架上的孔位内。
根据本发明提供的一种害虫智能防治系统,所述第一诱虫灯和所述第二诱虫灯均为8光谱LED灯。
根据本发明提供的一种害虫智能防治系统,所述主机组件还包括第一定位模块,所述第一定位模块用于确定所述主机的定位信息,并将所述主机的定位信息发送至用户终端;
和/或,
所述从机组件还包括第二定位模块,所述第二定位模块用于确定所述从机的定位信息,并将所述从机的定位信息发送至用户终端。
与现有技术相比,本发明具有如下有益效果:
本发明提供的害虫智能防治方法及系统,该方法应用于害虫智能防治系统中的主机,主机与害虫智能防治系统中的若干个从机通信连接,首先接收从机的第一害虫检测结果;然后若第一害虫检测结果为不存在害虫,则接收主机对应的第一图像采集设备采集得到的主机环境图像,并基于深度学习模型确定主机环境图像的第二害虫检测结果,若第二害虫检测结果为存在害虫,则控制主机对应的第一害虫诱杀装置进行害虫诱杀;若第一害虫检测结果为存在害虫,则控制从机对应的第二害虫诱杀装置进行害虫诱杀。该方法通过主机控制第一害虫诱杀装置对其周围的害虫进行诱杀,并可以通过主机控制从机实现对第二害虫诱杀装置的控制,自动化程度高,不仅可以大大降低人力资源的消耗,也可以避免因使用农药带来的环境污染。而且,该方法借助于主机对从机的控制,不仅实现大面积区域的害虫防治,还可以降低害虫防治成本。
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简单地介绍,显而易见地,下面描述中的附图,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是本发明提供的害虫智能防治方法的流程示意图;
图2是本发明提供的害虫智能防治系统的结构示意图;
图3是本发明提供的害虫智能防治系统中第一害虫诱杀装置与第一摄像头组合的位置关系示意图;
图4是本发明提供的害虫智能防治系统中第二害虫诱杀装置与第二摄像头组合的位置关系示意图;
图5是本发明提供的害虫智能防治系统中主机组件的完整架构示意图;
图6是本发明提供的害虫智能防治系统实现的害虫智能防治方法的完整流程示意图。
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。
由于现有的农田害虫防治方法大多通过化学农药或者人工灭杀的手段,这种方式自动化程度低,污染环境的同时需要消耗大量人力资源。而且,对于大面积农田来说,将进一步增加害虫防治成本。为此,本发明实施例中提供了一种害虫智能防治方法,该方法可以应用于稻田、麦田等农田以及林地等,此处对其应用场景不作具体限定。
图1为本发明实施例中提供的一种害虫智能防治方法的流程示意图,如图1所示,该方法应用于害虫智能防治系统中的主机,主机与害虫智能防治系统中的若干个从机通信连接,该方法包括:
S1,接收从机的第一害虫检测结果;
S2,若所述第一害虫检测结果为不存在害虫,则接收所述主机对应的第一图像采集设备采集得到的主机环境图像,并基于深度学习模型确定所述主机环境图像的第二害虫检测结果,若所述第二害虫检测结果为存在害虫,则控制所述主机对应的第一害虫诱杀装置进行害虫诱杀;
S3,若所述第一害虫检测结果为存在害虫,则控制所述从机对应的第二害虫诱杀装置进行害虫诱杀。
具体地,本发明实施例中提供的害虫智能防治方法,其执行主体为害虫智能防治系统中的主机。该害虫智能防治系统基于深度学习与物联网构建,该害虫智能防治系统包括一个主机和至少一个从机,主机通过与各从机之间的通信连接,可以实现对各从机的控制。本发明实施例中,主机与各从机之间可以通过LoRa通信技术进行通信连接。
其中,LoRa是一种基于扩频技术的低功耗窄带远距离通信技术,其使用线性调频扩频调制技术,把能量扩展到噪声中,在保持低功耗的同时,增加了通信距离和网络效率,同等发射功率下比传统的无线射频通信距离扩大3-5倍。LoRa通信具有成本低、通信距离远、网络部署灵活等特点,但需要考虑通信速率慢和需自建网络等问题。
主机可以是由ESP32微控制器和Jetson Xavier NX组成。ESP32微控制器负责主机的数据读取与控制任务,Jetson Xavier NX负责部署用于进行害虫检测的深度学习模型,ESP32微控制器与Jetson Xavier NX之间可以通过USB串口进行通信。
ESP32微控制器由于其广泛的特性和功能,被认为是构建物联网(IoT)嵌入式系统的最佳选择。ESP32微控制器集成的蓝牙和Wi-Fi功能使其成为在物联网设备中实现无线连接的理想选择。ESP32微控制器还具有广泛的输入/输出(I/O)接口,包括UART、SPI、I2C和ADC,可用于将各种传感器和其他外围设备连接到设备。此外,ESP32微控制器配备了强大的处理单元和存储器,使其能够执行复杂的算法和应用程序。ESP32微控制器的高度集成特性,以及其低功耗和成本效益,使其成为构建需要高性能、可靠性和连接性的物联网嵌入式系统的领先选择。
Jetson Xavier NX是NVIDIA开发的高性能、低功耗嵌入式计算平台,其被设计用于各种基于AI的应用,包括机器人、自动机器和智能物联网设备。Jetson Xavier NX的特点是高达21 TeraFLOPS的GPU计算性能,具有384个NVIDIA CUDA Cores、48个Tensor Cores、6块Carmel ARM CPU和两个NVIDIA深度学习加速器(NVDLA)引擎,为计算密集型任务提供了优化的解决方案。Jetson Xavier NX还提供对CUDA、cuDNN和TensorRT软件库的支持,使其易于集成到现有的开发工作流中。
从机上未部署Jetson Xavier NX等嵌入式计算平台,而是通过部署害虫检测模型检测从机周围是否存在害虫。害虫检测模型可以选用PicoDet、YOLOv3-Tiny或者其他轻量化的目标检测模型,并可以通过实地采集害虫数据集进行训练得到。
此处,从机可以由主机发送的控制信号来控制对其周围害虫的灭杀。该害虫智能防治系统由主机控制从机的构成能够实现对害虫的高效灭杀并且成本低廉。通过将主机与各从机设置于不同位置可以使该害虫智能防治系统适用于大面积的害虫防治。
主机首先执行步骤S1,接收从机的第一害虫检测结果,从机可以通过害虫检测模型对从机环境图像进行识别得到第一害虫检测结果,该第一害虫检测结果可以包括是否存在害虫的判断结果,以及存在的害虫类别和害虫数量等信息。
主机然后执行步骤S2,若第一害虫检测结果为不存在害虫,则接收主机对应的第一图像采集设备采集得到的主机环境图像,并利用深度学习模型对主机环境图像进行识别,确定主机环境图像的第二害虫检测结果。该深度学习模型可以选用PicoDet、YOLOv3-Tiny或者其他轻量化的目标检测模型,也可以通过实地采集害虫数据集进行训练得到。
该第二害虫检测结果与第一害虫检测结果相同,也可以包括是否存在害虫的判断结果,以及存在的害虫类别和害虫数量等信息。若第二害虫检测结果为存在害虫,则控制主机对应的第一害虫诱杀装置进行害虫诱杀。
第一害虫诱杀装置可以与主机连接,主机可以控制第一害虫诱杀装置工作,对主机周围环境中的害虫进行诱杀。此处,第一害虫诱杀装置可以包括害虫诱惑设备和害虫捕杀设备,害虫诱杀设备可以是诱虫灯,害虫捕杀设备可以是具有一定吸力的风机。
作为步骤S2的并列步骤,主机还执行步骤S3,若第一害虫检测结果为存在害虫,则控制从机对应的第二害虫诱杀装置进行害虫诱杀。第二害虫诱杀装置可以与从机连接,从机可以在接收到主机的控制信号后控制第二害虫诱杀装置工作,对从机周围环境中的害虫进行诱杀。此处,第二害虫诱杀装置可以与第一害虫诱杀装置相同,也包括害虫诱惑设备和害虫捕杀设备,害虫诱杀设备可以是诱虫灯,害虫捕杀设备可以是具有一定吸力的风机。
本发明实施例中提供的害虫智能防治方法,该方法应用于害虫智能防治系统中的主机,主机与害虫智能防治系统中的若干个从机通信连接,首先接收从机的第一害虫检测结果;然后若第一害虫检测结果为不存在害虫,则接收主机对应的第一图像采集设备采集得到的主机环境图像,并基于深度学习模型确定主机环境图像的第二害虫检测结果,若第二害虫检测结果为存在害虫,则控制主机对应的第一害虫诱杀装置进行害虫诱杀;若第一害虫检测结果为存在害虫,则控制从机对应的第二害虫诱杀装置进行害虫诱杀。该方法通过主机控制第一害虫诱杀装置对其周围的害虫进行诱杀,并可以通过主机控制从机实现对第二害虫诱杀装置的控制,自动化程度高,不仅可以大大降低人力资源的消耗,也可以避免因使用农药带来的环境污染。而且,该方法借助于主机对从机的控制,不仅实现大面积区域的害虫防治,还可以降低害虫防治成本。
在上述实施例的基础上,本发明实施例中提供的害虫智能防治方法,所述第一害虫诱杀装置包括第一诱虫灯和第一风机,所述第二害虫诱杀装置包括第二诱虫灯和第二风机;
所述第一害虫检测结果和所述第二害虫检测结果均包括害虫类别,所述主机用于控制所述第一诱虫灯用于发出所述第一害虫检测结果中包括的害虫类别对应的趋光波段的第一光束,并控制所述第一风机工作;
所述主机还用于控制所述第二诱虫灯用于发出所述第二害虫检测结果中包括的害虫类别对应的趋光波段的第二光束,并控制所述第二风机工作。
具体地,第一害虫诱杀装置和第二害虫诱杀装置中的害虫诱惑设备均可以是诱虫灯,害虫捕杀设备均可以是风机,即第一害虫诱杀装置可以包括第一诱虫灯和第一风机,第二害虫诱杀装置包括第二诱虫灯和第二风机。
同时,第一害虫检测结果和第二害虫检测结果均可以包括害虫类别。进而,主机可以在第一害虫检测结果为不存在害虫时,控制第一诱虫灯用于发出第二害虫检测结果中包括的害虫类别对应的趋光波段的第一光束,并控制第一风机工作。其中,第一光束可以用于吸引第一害虫检测结果中包括的害虫类别,以使该害虫类别的害虫飞往第一诱虫灯。
以应用场景为稻田,则害虫类别与对应的趋光波段如表1所示。
表1 稻田的害虫类别与对应的趋光波段和扑灯节律
第一风机在工作时,可以对第一诱虫灯所吸引的害虫进行捕杀,例如第一风机可以设置于第一诱虫灯的正下方,将第一诱虫灯所吸引的害虫吸入灭杀。该第一风机可以是大功率风机,如此可以实现害虫的快速吸入灭杀。
主机还用于通过向从机发送控制信号,控制第二诱虫灯发出第二害虫检测结果中包括的害虫类别对应的趋光波段的第二光束,并控制第二风机工作。其中,第二光束可以用于吸引第二害虫检测结果中包括的害虫类别,以使该害虫类别的害虫飞往第二诱虫灯。
第二风机在工作时,可以对第二诱虫灯所吸引的害虫进行捕杀,例如第二风机可以设置于第二诱虫灯的正下方,将第二诱虫灯所吸引的害虫吸入灭杀。该第二风机可以是大功率风机,如此可以实现害虫的快速吸入灭杀。
本发明实施例中,通过诱虫灯和风机相结合的方式构造害虫诱杀装置,可以避免因使用农药带来的环境污染,也可以降低人力资源的浪费,结构简单,实现成本较低。
在上述实施例的基础上,本发明实施例中提供的害虫智能防治方法,控制所述主机对应的第一害虫诱杀装置进行害虫诱杀,和/或,控制所述从机对应的第二害虫诱杀装置进行害虫诱杀,之后包括:
判断是否接收休眠指令;
若接收到所述休眠指令,则停止工作。
具体地,主机控制第一害虫诱杀装置进行害虫诱杀之后,可以判断是否接收到休眠指令,该休眠指令可以是用户通过用户终端发送。主机若接收到休眠指令,则停止工作。若没有接收到休眠指令,则继续工作,以执行步骤S1-S3。
本发明实施例中,通过人工介入以控制主机是否工作,如此可以节约主机的续航能力。
在上述实施例的基础上,本发明实施例中提供的害虫智能防治方法,所述深度学习模型为基于ONNX中间表示对PyTorch框架下构建的模型进行转换得到的TensorRT框架下的模型。
具体地,在Jetson Xavier NX上部署深度学习模型包括两个过程,一个过程是在PyTorch框架中开发模型,另一个过程是通过ONNX中间表示将PyTorch框架中开发的模型转换为TensorRT框架。这种转换使Jetson Xavier NX上的深度学习模型得以优化部署,与传统GPU相比,Jetson Xayer NX的资源有限。
ONNX中间表示可以是通过ONNX框架提供的标准化表示,允许轻松转换为各种硬件优化框架,如TensorRT框架。转换后,TensorRT框架可用于优化Jetson Xavier NX上深度学习模型的部署,方法是执行层融合、精确校准和内核自动调整,以最大化部署深度学习模型的性能和效率。
在上述实施例的基础上,本发明实施例中提供的害虫智能防治方法,还包括:
获取自身位置信息,并将所述自身位置信息发送至用户终端。
具体地,为了保证设备的安全性,考虑到用户可能需要实时监控设备的位置信息,主机中还配置有定位模块,该定位模块可以是全球定位系统(Global PositioningSystem,GPS)。主机可以通过定位模块获取自身位置信息,并可以将自身位置信息发送至用户终端。
将定位功能集成到与害虫智能防治相关的主机中可以具有许多好处,包括对资产和设备的实时监控和跟踪,提高了野外作业的精度,增强了资源分配和优化方面的决策能力。此外,位置信息可用于对作物生长和产量、土壤湿度和其他环境因素产生有价值的见解,从而实现更有效和高效的实践工作。准确确定农业环境中的位置和时间信息的能力对提高野外作业的整体效率和生产力具有重要意义。
如图2所示,在上述实施例的基础上,本发明实施例中还提供了一种害虫智能防治系统,包括主机组件1和多个从机组件2;
主机组件1包括主机11以及与主机11连接的第一图像采集设备12、第一害虫诱杀装置13以及第一通信装置14;从机组件2包括从机21以及与从机21连接的第二图像采集设备22、第二害虫诱杀装置23和第二通信装置24;
主机11通过从机组件2中的第二通信装置24和主机组件1中的第一通信装置14与从机21通信连接;
从机组件2中的第二图像采集设备22用于采集从机环境信息,从机21用于基于害虫检测模型,对从机环境图像进行识别,确定第一害虫检测结果;
主机11用于执行上述各实施例中提供的害虫智能防治方法。
具体地,从机组件2中的第二图像采集设备22可以采集从机环境信息,并将采集到的从机环境信息发送至从机21,从机21则利用害虫检测模型,对从机环境图像进行识别,以确定第一害虫检测结果。
从机21由于不具有自主控制第二害虫诱杀装置23的功能,因此需要将第一害虫检测结果通过第二通信装置24与第一通信装置14之间的通信连接传输至主机11,主机11在接收到第一害虫检测结果之后,可以执行上述步骤S1-S3。
本发明实施例中提供的害虫智能防治系统,通过主机控制第一害虫诱杀装置对其周围的害虫进行诱杀,并可以通过主机控制从机实现对第二害虫诱杀装置的控制,自动化程度高,不仅可以大大降低人力资源的消耗,也可以避免因使用农药带来的环境污染。而且,该方法借助于主机对从机的控制,不仅实现大面积区域的害虫防治,还可以降低害虫防治成本。
在上述实施例的基础上,本发明实施例中提供的害虫智能防治系统,如图3所示,第一害虫诱杀装置13包括第一诱虫灯131和第一风机132。如图4所示,第二害虫诱杀装置23包括第二诱虫灯231和第二风机232。
主机组件1中的第一图像采集设备12朝向第一诱虫灯131设置,第一风机132设置于第一诱虫灯131下方。
从机组件2中的第二图像采集设备22朝向第二诱虫灯231设置,第二风机232设置于第二诱虫灯231下方。
具体地,如图3所示,主机组件1中的第一图像采集设备12采集得到的主机环境图像为第一诱虫灯131的周围图像,当主机环境图像中存在害虫时,主机1控制打开第一诱虫灯131,并控制设置于第一诱虫灯131下方的第一风机132工作,被第一诱虫灯131吸引的害虫则会被第一风机132吸入灭杀。
同样地,如图4所示,从机组件2中的第二图像采集设备22采集得到的从机环境图像为第二诱虫灯231的周围图像,当从机环境图像中存在害虫时,主机1控制从机2打开第二诱虫灯231,并控制设置于第二诱虫灯231下方的第二风机232工作,被第二诱虫灯231吸引的害虫则会被第二风机232吸入灭杀。
本发明实施例中,通过诱虫灯和风机相结合的方式构造害虫诱杀装置,可以避免因使用农药带来的环境污染,也可以降低人力资源的浪费,结构简单,实现成本较低。
在上述实施例的基础上,本发明实施例中提供的害虫智能防治系统,如图3所示,主机组件1中的第一图像采集设备12包括分布于第一诱虫灯131周围的多个第一摄像头组合111,每个第一摄像头组合111均包括沿竖直方向分布的多个第一摄像头,每个第一摄像头位于设备支架上的孔位内。
如图4所示,从机组件2中的第二图像采集设备22包括分布于第二诱虫灯231周围的多个第二摄像头组合221,每个第二摄像头组合221均包括沿竖直方向分布的多个第二摄像头,每个第二摄像头位于设备支架上的孔位内。
本发明实施例中,通过图像采集设备中的多个摄像头,使检测害虫的范围更广,防止单个摄像头拍摄范围受限而导致害虫无法全面灭杀的缺陷。
在上述实施例的基础上,本发明实施例中提供的害虫智能防治系统,第一诱虫灯131和第二诱虫灯231均为8光谱LED灯。
具体地,8光谱LED灯能够发出8种不同波长的光束,可以由主机根据不同害虫类别的害虫的趋光波段发出指定波长的光束,实现精准灭虫。
在上述实施例的基础上,本发明实施例中提供的害虫智能防治系统,主机组件1还包括第一定位模块,第一定位模块用于确定主机11的定位信息,并将主机11的定位信息发送至用户终端。
和/或,
从机组件2还包括第二定位模块,第二定位模块用于确定从机21的定位信息,并将从机21的定位信息发送至用户终端。
具体地,第一定位模块以及第二定位模块均可以是GPS,主机11的定位信息可以是主机自身位置信息,从机21的定位信息可以是主机自身位置信息。
在上述实施例的基础上,本发明实施例中提供的害虫智能防治系统,主机组件1和从机组件2均可以包括电池模块、稳压模块以及LED驱动板,通过电池模块进行供电,通过稳压模块使电池模块输出的直流电压更加平稳,通过LED驱动板分别驱动第一诱虫灯和第二诱虫灯发光。此处,电池模块可以包括4节18650型号的电池,通过稳压模块或者直接通过太阳能光伏板输出12V电压。
如图5所示,为本发明实施例中提供的害虫智能防治系统的主机组件1的完整架构示意图,该主机组件1包括ESP32微控制器1101、Jetson Xavier NX 1102、第一摄像头组合111、第一诱虫灯131、第一风机132、第一通信装置14和第一定位模块16。
ESP32微控制器负责处理第一摄像头组合111、第一通信装置14、第一定位模块16、第一诱虫灯131、第一风机132的数据读取和控制任务。
Jetson Xavier NX 1102上部署有深度学习模型,用于识别主机环境图像中是否存在害虫、存在的害虫类别以及害虫数量等信息。
ESP32微控制器1101可以通过第一通信装置14和各从机组件2中的第二通信装置24与各从机组件2中的从机21通信连接,以实现对各从机组件2中的第二诱虫灯231、第二风机232进行控制。
如图6所示,为本发明实施例中提供的害虫智能防治系统实现的害虫智能防治方法的完整流程示意图,该方法包括:
对害虫智能防治系统进行初始化,包括对主机、各通信装置、摄像头、定位模块、诱虫灯和风机的初始化。
设置完毕后,ESP32微控制器通过第一定位模块获取主机的自身位置信息并发送到用户终端,确保用户可以实时获取主机的位置信息。同时,各从机通过第二定位模块获取各从机的自身定位信息并发送至用户终端,确保用户可以实时获取从机的位置信息。
下一步,读取第一通信装置获取的由从机发送的第一害虫检测结果,判断从机是否检测到害虫。
如果从机没有检测到害虫,则ESP32微控制器读取Jetson Xavier NX的深度学习模型的第二害虫检测结果,判断主机是否检测到害虫。如果主机检测到害虫,则查询对应害虫类别并根据害虫类别打开对应第一诱虫灯并发出对应波长的第一光束进行诱虫,同时打开第一风机进行杀虫。如果主机没有检测到害虫,则继续接收第一害虫检测结果,并执行后续的步骤。
如果从机检测到害虫,则根据检测的害虫类别控制从机打开第二诱虫灯并发出对应波长的第二光束进行诱虫,同时打开第二风机进行杀虫。
在杀虫进行期间,用户终端可以向害虫智能防治系统发送休眠指令以关闭害虫智能防治系统。如果用户终端没有发送休眠指令,则继续循环初始化之后的步骤。
综上所述,本发明实施例中提供的害虫智能防治方法,通过构建深度学习模型实现害虫的自动检测,利用8光谱LED灯诱导害虫,并通过大功率风机进行灭杀。而且,利用LoRa通信技术组建通信网络,LoRa通信技术,能够在3km范围内实现主从机的信号收发,并且具有低功耗、成本低、网络部署灵活等优点。通过深度学习技术与LoRa通信技术相结合使得整个害虫智能防治系统实现了智能化、无人化和自动化。害虫智能防治系统中主机和从机均搭载定位模块,能够实时定位位置信息,防止主机和从机在室外被无关人员损坏或者偷窃。8光谱LED灯能够针对不同类别的害虫的趋光波段发出指定波长的光束,在诱导害虫方面,相比目前存在的系统更加精准和高效。
本发明实施例中构造的自动化害虫智能防治系统,由于主机和从机可以分布设置于不同位置,例如可以每隔一亩地设置一个,覆盖范围广,成本低廉。该害虫智能防治系统能够解决现有害虫防治污染环境和浪费人力资源的问题,为稻田农业自动化和智慧农业的发展做出了贡献。
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)
1.一种害虫智能防治方法,其特征在于,应用于害虫智能防治系统中的主机,所述主机与所述害虫智能防治系统中的若干个从机通信连接,包括:
接收所述从机的第一害虫检测结果;
若所述第一害虫检测结果为不存在害虫,则接收所述主机对应的第一图像采集设备采集得到的主机环境图像,并基于深度学习模型确定所述主机环境图像的第二害虫检测结果,若所述第二害虫检测结果为存在害虫,则控制所述主机对应的第一害虫诱杀装置进行害虫诱杀;
若所述第一害虫检测结果为存在害虫,则控制所述从机对应的第二害虫诱杀装置进行害虫诱杀。
2.根据权利要求1所述的害虫智能防治方法,其特征在于,所述第一害虫诱杀装置包括第一诱虫灯和第一风机,所述第二害虫诱杀装置包括第二诱虫灯和第二风机;
所述第一害虫检测结果和所述第二害虫检测结果均包括害虫类别,所述主机用于控制所述第一诱虫灯用于发出所述第一害虫检测结果中包括的害虫类别对应的趋光波段的第一光束,并控制所述第一风机工作;
所述主机还用于控制所述第二诱虫灯用于发出所述第二害虫检测结果中包括的害虫类别对应的趋光波段的第二光束,并控制所述第二风机工作。
3.根据权利要求1所述的害虫智能防治方法,其特征在于,控制所述主机对应的第一害虫诱杀装置进行害虫诱杀,和/或,控制所述从机对应的第二害虫诱杀装置进行害虫诱杀,之后包括:
判断是否接收休眠指令;
若接收到所述休眠指令,则停止工作。
4.根据权利要求1-3中任一项所述的害虫智能防治方法,其特征在于,所述深度学习模型为基于ONNX中间表示对PyTorch框架下构建的模型进行转换得到的TensorRT框架下的模型。
5.根据权利要求1-3中任一项所述的害虫智能防治方法,其特征在于,还包括:
获取自身位置信息,并将所述自身位置信息发送至用户终端。
6.一种害虫智能防治系统,其特征在于,包括主机组件和多个从机组件;
所述主机组件包括主机以及与所述主机连接的第一图像采集设备、第一害虫诱杀装置和第一通信装置,所述从机组件包括从机以及与所述从机连接的第二图像采集设备、第二害虫诱杀装置以及第二通信装置;
所述主机通过所述第一通信装置和所述第二通信装置与所述从机通信连接;
所述第二图像采集设备用于采集从机环境信息,所述从机用于基于害虫检测模型,对所述从机环境图像进行识别,确定所述第一害虫检测结果;
所述主机用于执行如权利要求1-5中任一项所述的害虫智能防治方法。
7.根据权利要求6所述的害虫智能防治系统,其特征在于,所述第一害虫诱杀装置包括第一诱虫灯和第一风机,所述第二害虫诱杀装置包括第二诱虫灯和第二风机;
所述第一图像采集设备朝向所述第一诱虫灯设置,所述第一风机设置于所述第一诱虫灯下方;
所述第二图像采集设备朝向所述第二诱虫灯设置,所述第二风机设置于所述第二诱虫灯下方。
8.根据权利要求7所述的害虫智能防治系统,其特征在于,所述第一图像采集设备包括分布于所述第一诱虫灯周围的多个第一摄像头组合,每个第一摄像头组合均包括沿竖直方向分布的多个第一摄像头,每个第一摄像头位于设备支架上的孔位内;
所述第二图像采集设备包括分布于所述第二诱虫灯周围的多个第二摄像头组合,每个第二摄像头组合均包括沿竖直方向分布的多个第二摄像头,每个第二摄像头位于设备支架上的孔位内。
9.根据权利要求7所述的害虫智能防治系统,其特征在于,所述第一诱虫灯和所述第二诱虫灯均为8光谱LED灯。
10.根据权利要求6-9中任一项所述的害虫智能防治系统,其特征在于,所述主机组件还包括第一定位模块,所述第一定位模块用于确定所述主机的定位信息,并将所述主机的定位信息发送至用户终端;
和/或,
所述从机组件还包括第二定位模块,所述第二定位模块用于确定所述从机的定位信息,并将所述从机的定位信息发送至用户终端。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310852154.2A CN116569898A (zh) | 2023-07-12 | 2023-07-12 | 害虫智能防治方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310852154.2A CN116569898A (zh) | 2023-07-12 | 2023-07-12 | 害虫智能防治方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116569898A true CN116569898A (zh) | 2023-08-11 |
Family
ID=87536346
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310852154.2A Pending CN116569898A (zh) | 2023-07-12 | 2023-07-12 | 害虫智能防治方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116569898A (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105900954A (zh) * | 2016-04-19 | 2016-08-31 | 北京农业信息技术研究中心 | 害虫监测系统及方法 |
CN107463958A (zh) * | 2017-08-04 | 2017-12-12 | 成都东谷利农农业科技有限公司 | 昆虫识别预警方法及系统 |
CN108812575A (zh) * | 2018-05-18 | 2018-11-16 | 仲恺农业工程学院 | 一种基于学习型虫害防治设备的虫害防治方法 |
CN110796242A (zh) * | 2019-11-01 | 2020-02-14 | 广东三维家信息科技有限公司 | 神经网络模型推理方法、装置、电子设备及可读介质 |
KR102144474B1 (ko) * | 2019-07-26 | 2020-08-14 | 한국전기연구원 | 영상에서의 해충 검출 방법 |
CN112911931A (zh) * | 2018-09-21 | 2021-06-04 | 拜耳公司 | 节肢动物的检测 |
CN113383757A (zh) * | 2021-06-18 | 2021-09-14 | 上海擎昆信息科技有限公司 | 一种智能灭虫方法和装置 |
CN114022656A (zh) * | 2021-11-04 | 2022-02-08 | 闽都创新实验室 | 一种智能风吸式led特征光谱害虫诱杀系统及方法 |
CN116391690A (zh) * | 2023-04-24 | 2023-07-07 | 北星空间信息技术研究院(南京)有限公司 | 一种基于物联网大数据的智慧农业种植监测系统 |
-
2023
- 2023-07-12 CN CN202310852154.2A patent/CN116569898A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105900954A (zh) * | 2016-04-19 | 2016-08-31 | 北京农业信息技术研究中心 | 害虫监测系统及方法 |
CN107463958A (zh) * | 2017-08-04 | 2017-12-12 | 成都东谷利农农业科技有限公司 | 昆虫识别预警方法及系统 |
CN108812575A (zh) * | 2018-05-18 | 2018-11-16 | 仲恺农业工程学院 | 一种基于学习型虫害防治设备的虫害防治方法 |
CN112911931A (zh) * | 2018-09-21 | 2021-06-04 | 拜耳公司 | 节肢动物的检测 |
KR102144474B1 (ko) * | 2019-07-26 | 2020-08-14 | 한국전기연구원 | 영상에서의 해충 검출 방법 |
CN110796242A (zh) * | 2019-11-01 | 2020-02-14 | 广东三维家信息科技有限公司 | 神经网络模型推理方法、装置、电子设备及可读介质 |
CN113383757A (zh) * | 2021-06-18 | 2021-09-14 | 上海擎昆信息科技有限公司 | 一种智能灭虫方法和装置 |
CN114022656A (zh) * | 2021-11-04 | 2022-02-08 | 闽都创新实验室 | 一种智能风吸式led特征光谱害虫诱杀系统及方法 |
CN116391690A (zh) * | 2023-04-24 | 2023-07-07 | 北星空间信息技术研究院(南京)有限公司 | 一种基于物联网大数据的智慧农业种植监测系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Qazi et al. | IoT-equipped and AI-enabled next generation smart agriculture: A critical review, current challenges and future trends | |
Albanese et al. | Automated pest detection with DNN on the edge for precision agriculture | |
Adami et al. | Design, development and evaluation of an intelligent animal repelling system for crop protection based on embedded edge-AI | |
US10752378B2 (en) | Mobile apparatus for pest detection and engagement | |
JP6560392B1 (ja) | 制御装置、警備システム及びプログラム | |
CN110521716A (zh) | 一种有害生物驱赶方法、装置、设备和系统 | |
US20230404055A1 (en) | System and method for managing an insect swarm using drones | |
CN104777763A (zh) | 用于农业种植的智能系统 | |
Khujamatov et al. | IoT and 5G technology in agriculture | |
CN114158548B (zh) | 一种昆虫生物信息对抗系统 | |
CN216351838U (zh) | 一种农作物监测系统 | |
CN116569898A (zh) | 害虫智能防治方法及系统 | |
CN107678372A (zh) | 基于物联网农业病虫害智能监控的自动喷药机 | |
Lello et al. | Fruit fly automatic detection and monitoring techniques: A review | |
CN110602179A (zh) | 一种基于NB-IoT的农业数据采集系统 | |
Yadav et al. | Computer Vision for Volunteer Cotton Detection in a Corn Field with UAS Remote Sensing Imagery and Spot Spray Applications | |
Devi et al. | A review: smart farming using IoT in the area of crop monitoring | |
Sobreiro et al. | Intelligent Insect Monitoring System (I 2 MS): Using Internet of Things Technologies and Cloud Based Services for early detection of Pests of Field Crops | |
Vidya et al. | Virtual fencing using yolo framework in agriculture field | |
CN207136026U (zh) | 一种基于并行机构的智能激光害虫捕杀装置 | |
CN210901036U (zh) | 一种智能烟虫诱捕及分析装置 | |
KR20210006785A (ko) | 인공지능을 활용한 해충제거 로봇시스템 | |
Shaji et al. | Raspberry pi based real time monitoring of Agriculture & Irrigation Using IOT | |
CN208848051U (zh) | 一种农场防灾设备及系统 | |
Idowu et al. | A Descriptive Evaluation of Unmanned Aerial Vehicles and Internet of Things for Agricultural Production: A Review |
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 |