CN117291291B - 一种基于物联网的虫情智能监控系统及方法 - Google Patents

一种基于物联网的虫情智能监控系统及方法 Download PDF

Info

Publication number
CN117291291B
CN117291291B CN202311012836.9A CN202311012836A CN117291291B CN 117291291 B CN117291291 B CN 117291291B CN 202311012836 A CN202311012836 A CN 202311012836A CN 117291291 B CN117291291 B CN 117291291B
Authority
CN
China
Prior art keywords
pest
monitoring
insect
unit
classification 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.)
Active
Application number
CN202311012836.9A
Other languages
English (en)
Other versions
CN117291291A (zh
Inventor
庞景涛
金保泽
奚清华
徐建伟
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.)
Jiangsu Xinshi Environmental Engineering Co ltd
Original Assignee
Jiangsu Xinshi Environmental Engineering Co ltd
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 Jiangsu Xinshi Environmental Engineering Co ltd filed Critical Jiangsu Xinshi Environmental Engineering Co ltd
Priority to CN202311012836.9A priority Critical patent/CN117291291B/zh
Publication of CN117291291A publication Critical patent/CN117291291A/zh
Application granted granted Critical
Publication of CN117291291B publication Critical patent/CN117291291B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • A01M1/02—Stationary means for catching or killing insects with devices or substances, e.g. food, pheronones attracting the insects
    • A01M1/04—Attracting insects by using illumination or colours
    • 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
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Pest Control & Pesticides (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Evolutionary Computation (AREA)
  • Development Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • Quality & Reliability (AREA)
  • Primary Health Care (AREA)
  • Educational Administration (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Operations Research (AREA)
  • Evolutionary Biology (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Multimedia (AREA)
  • Game Theory and Decision Science (AREA)
  • Insects & Arthropods (AREA)
  • Wood Science & Technology (AREA)
  • Zoology (AREA)
  • Environmental Sciences (AREA)
  • Catching Or Destruction (AREA)

Abstract

本发明涉及虫情监控技术领域，具体为一种基于物联网的虫情智能监控系统及方法，包括：虫情智能监控模块、监控信息采集模块、数据管理中心、虫情信息分析模块和区域划分管理模块，通过虫情智能监控模块利用自动虫情测报灯进行虫情监控，通过监控信息采集模块采集监控到的害虫信息并传输至数据管理中心，通过数据管理中心存储并管理接收到的全部数据，通过虫情信息分析模块分析不同区域的害虫信息，将区域进行分类，对划分到同一类的区域内的害虫进行集中防治，通过区域划分管理模块对区域划分时间进行动态规划，提高了通过虫情监控来帮助进行病虫害防治的效率，对区域划分进行动态划分，提高了虫害集中防治的有效性。

Description

一种基于物联网的虫情智能监控系统及方法
技术领域
本发明涉及虫情监控技术领域，具体为一种基于物联网的虫情智能监控系统及方法。
背景技术
城市不同程度地开展了绿化植物的种植、造景和管护工作，但是园林绿化植物常常受到病虫害的危害，在注重种植和造景以达到绿化和美化作用的同时更应重视绿化植物的病虫害防治，以实现绿化植物的有效管护，利用物联网技术实现园林内的虫情监控以及虫情信息的有效传输，有利于帮助做好园林植物病虫害防治工作；
然而，现有的虫情监控方式仍存在一些弊端：首先，现有技术依靠在园林内设置不同的监控点来对不同区域进行虫害监控，对于每类害虫的防治，都是分开对不同区域进行不同程度的预防或扑杀，对于一些虫害严重程度相近的区域未进行集中防治，降低了通过虫情监控来帮助进行病虫害防治的效率；其次，由于虫害情况随着时间推移在不断地变化，需要进行集中防治的区域也会随虫害情况的变化而出现变化，现有技术未对集中防治区域的划分时间进行动态规划、及时对区域进行重新划分以提高虫害集中防治的有效性。
所以，人们需要一种基于物联网的虫情智能监控系统及方法来解决上述问题。
发明内容
本发明的目的在于提供一种基于物联网的虫情智能监控系统及方法，以解决上述背景技术中提出的问题。
为了解决上述技术问题，本发明提供如下技术方案：一种基于物联网的虫情智能监控系统，所述系统包括：虫情智能监控模块、监控信息采集模块、数据管理中心、虫情信息分析模块和区域划分管理模块；
所述虫情智能监控模块的输出端连接所述监控信息采集模块的输入端，所述监控信息采集模块的输出端连接所述数据管理中心的输入端，所述数据管理中心的输出端连接所述虫情信息分析模块的输入端，所述虫情信息分析模块的输出端连接所述区域划分管理模块的输入端；
通过所述虫情智能监控模块利用自动虫情测报灯进行虫情监控；
通过所述监控信息采集模块采集监控到的害虫信息并传输至所述数据管理中心；
通过所述数据管理中心存储并管理接收到的全部数据；
通过所述虫情信息分析模块分析不同区域的害虫信息，将区域进行分类，对划分到同一类的区域内的害虫进行集中防治；
通过所述区域划分管理模块对区域划分时间进行动态规划。
进一步的，所述虫情智能监控模块包括灯光控制单元、虫体图像拍摄单元、图像数据传输单元和虫体识别单元；
所述灯光控制单元的输出端连接所述虫体图像拍摄单元的输入端，所述虫体图像拍摄单元的输出端连接所述图像数据传输单元的输入端，所述图像数据传输单元的输出端连接所述虫体识别单元的输入端；
所述灯光控制单元用于控制自动虫情测报灯开启吸引害虫，害虫接近时会掉入集虫箱，在害虫掉入集虫箱后进行杀虫；
所述虫体图像拍摄单元用于拍摄虫体图像；
所述图像数据传输单元用于将拍摄到的虫体图像上传到监控终端；
所述虫体识别单元用于在监控终端利用AI识别害虫种类，统计不同种类害虫的数量。
进一步的，所述监控信息采集模块包括监控点信息采集单元和害虫数量采集单元；
所述监控点信息采集单元的输入端连接所述灯光控制单元的输入端，所述害虫数量采集单元的输入端连接所述虫体识别单元的输入端，所述监控点信息采集单元和害虫数量采集单元的输出端连接所述数据管理中心的输入端；
所述监控点信息采集单元用于采集虫情监控点的数量和监控区域信息，一个自动虫情测报灯为一个虫情监控点；
所述害虫数量采集单元用于采集监控到的不同区域的不同种类害虫数量。
进一步的，所述虫情信息分析模块包括害虫数量分析单元、区域划分单元和划分信息传输单元；
所述害虫数量分析单元的输入端连接所述数据管理中心的输出端，所述害虫数量分析单元的输出端连接所述区域划分单元的输入端，所述区域划分单元的输出端连接所述划分信息传输单元的输入端；
所述害虫数量分析单元用于调取并分析不同区域出现随机一种害虫的数量；
所述区域划分单元用于将区域按害虫数量大小进行分类，并选择最优的分类结果；
所述划分信息传输单元用于将区域最优的分类结果传输至监控终端，对同一类区域对应出现的害虫进行集中防治。
进一步的，所述区域划分管理模块包括维持时长调取单元和动态划分规划单元；
所述维持时长调取单元的输入端连接所述划分信息传输单元的输出端，所述维持时长调取单元的输出端连接所述动态划分规划单元的输入端；
所述维持时长调取单元用于调取以往与当前分类结果相同的分类结果出现时，分类结果维持不变的时长信息至所述动态划分规划单元；
所述动态划分规划单元用于建立区域划分判断模型，预测需要对区域进行重新划分的时间，在预测的时间重新分析各区域的对应种类害虫数量，并将区域重新进行分类，对重新分类后同一类区域对应出现的害虫进行集中防治。
一种基于物联网的虫情智能监控方法，包括以下步骤：
S1：利用自动虫情测报灯进行虫情监控；
S2：采集并分析不同区域监控到的害虫信息，将区域进行分类，对划分到同一类的区域内的害虫进行集中防治；
S3：建立区域划分判断模型，预测需要对区域进行重新划分的时间；
S4：在预测的时间重新分析各区域的害虫数量，将区域重新进行分类。
进一步的，在步骤S1中：控制自动虫情测报灯开启吸引害虫掉入集虫箱，在害虫掉入集虫箱后进行杀虫处理，并拍摄虫体图像，将拍摄到的虫体图像长传到监控终端，利用AI识别害虫种类，统计不同种类害虫的数量。
进一步的，在步骤S2中：采集到园林内设置有n个自动虫情测报灯，采集n个自动虫情测报灯的位置信息以及监控区域信息：获取到每个自动虫情测报灯的监控区域为以测报灯所在位置为中心，半径为r的圆形区域，获取到n个监控区域内出现的随机一种害虫数量集合为K={K1，K2，…，Kn}，将n个监控区域内出现的对应害虫数量按从小到大的顺序进行排列，将n个监控区域按排列好的害虫数量大小分为m类，获取到按随机一种分类方式得到的m类中每一类监控区域内出现的平均害虫数量集合为K’={K1 ’，K2 ’，…，Kj ’，…，Km ’}，根据下列公式计算按随机一种分类方式分类后每类参数的差异程度Qi：
Qi=[(∑m j=1(Kj ’-∑m j=1(Kj ’)/m)2)/m]1/2；
其中，Kj ’表示按随机一种分类方式得到的m类中第j类监控区域内出现的平均害虫数量，通过相同方式计算按不同分类方式分类后每类参数的差异程度，参数指的是平均害虫数量，选择按使得差异程度最大的方式分类后得到的分类结果为最优的分类结果，将最优的分类结果传输至监控终端，对最优的分类结果中划分到同一类的区域内的害虫进行集中防治；
通过大数据技术采集并分析不同区域内出现的一种害虫数量，对于害虫数量相近的区域，可以进行相同程度的害虫扑杀或预防工作，将区域按害虫数量大小进行分类，选择最优分类结果的目的在于得到最佳的区域划分方式，最佳的区域划分方式中每类区域内出现的害虫数量最为接近，且不同类别间的害虫数量相差最大，提高了区域划分的有效性，能够帮助更好地对不同类区域进行不同程度的害虫扑杀或预防工作，进一步提高了通过虫情监控来帮助进行病虫害防治的效率。
进一步的，在步骤S3中：调取到以往共f次出现了与当前分类结果相同的分类结果，分类结果以往f次维持不变的时长集合为T={T1，T2，…，Tf}，其中，Tf表示与当前相同的分类结果第f次维持不变的时长，即当前出现对应分类结果的前一次出现的相同的分类结果维持不变的时长，建立区域划分判断模型：
Tf+1=γ*Tf+(1-γ)*Zf；
其中，Tf+1表示当前的分类结果维持不变的时长，γ表示平滑系数，Zf表示与当前相同的分类结果第f次维持不变的时长指数平滑值，根据公式Z1=γ*T1+(1-γ)*[(T1+T2+T3)/3]计算得到与当前相同的分类结果第1次维持不变的时长指数平滑值Z1，根据公式Z2=γ*T1+(1-γ)*Z1计算得到与当前相同的分类结果第2次维持不变的时长指数平滑值Z2，依此类推根据公式Zf=γ*Tf-1+(1-γ)*Zf-1计算得到Zf，其中，Tf-1表示与当前相同的分类结果第f-1次维持不变的时长，Zf-1表示与当前相同的分类结果第f-1次维持不变的时长指数平滑值，预测得到当前的分类结果会在间隔Tf+1时长之后出现变化，判断在间隔Tf+1时长之后需要对区域进行重新划分。
进一步的，在步骤S4中：在间隔Tf+1时长之后重新分析各区域的害虫数量，将区域重新进行分类，对重新分类后划分到同一类的区域内的害虫进行集中防治；
因不同区域的害虫数量随着时间的推移会出现变化，因此，在害虫数量出现变化时，最优的分类结果也有可能会出现变化，即区域可能会转移到另一个类别中，通过大数据采集并分析与当前分类结果相同的分类结果维持不变的时长，分类结果维持不变表示所有区域所处类别未发生转移，利用指数平滑算法预测当前分类结果能够维持不变的时长，目的在于在预测的时间重新分析区域内出现对应种类害虫的数量以及时对区域进行重新划分，对重新划分后在同一类的区域进行虫害集中防治，提高了虫害集中防治的有效性。
与现有技术相比，本发明所达到的有益效果是：
本发明通过大数据技术采集并分析不同区域内出现的一种害虫数量，将区域按害虫数量大小进行分类，选择最优分类结果，得到最佳的区域划分方式，提高了区域划分的有效性，能够帮助更好地对不同类区域进行不同程度的害虫扑杀或预防工作，进一步提高了通过虫情监控来帮助进行病虫害防治的效率；
通过大数据采集并分析与当前分类结果相同的分类结果维持不变的时长，利用指数平滑算法预测当前分类结果能够维持不变的时长，在预测的时间重新分析区域内出现对应种类害虫的数量以及时对区域进行重新划分，对重新划分后在同一类的区域进行虫害集中防治，提高了虫害集中防治的有效性。
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是本发明一种基于物联网的虫情智能监控系统的结构图；
图2是本发明一种基于物联网的虫情智能监控方法的流程图。
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。
下面结合图1-图2和具体实施例对本发明作进一步的说明。
实施例1：如图1所示，本实施例提供了一种基于物联网的虫情智能监控系统，系统包括：虫情智能监控模块、监控信息采集模块、数据管理中心、虫情信息分析模块和区域划分管理模块；
虫情智能监控模块的输出端连接监控信息采集模块的输入端，监控信息采集模块的输出端连接数据管理中心的输入端，数据管理中心的输出端连接虫情信息分析模块的输入端，虫情信息分析模块的输出端连接区域划分管理模块的输入端；
通过虫情智能监控模块利用自动虫情测报灯进行虫情监控；
通过监控信息采集模块采集监控到的害虫信息并传输至数据管理中心；
通过数据管理中心存储并管理接收到的全部数据；
通过虫情信息分析模块分析不同区域的害虫信息，将区域进行分类，对划分到同一类的区域内的害虫进行集中防治；
通过区域划分管理模块对区域划分时间进行动态规划。
虫情智能监控模块包括灯光控制单元、虫体图像拍摄单元、图像数据传输单元和虫体识别单元；
灯光控制单元的输出端连接虫体图像拍摄单元的输入端，虫体图像拍摄单元的输出端连接图像数据传输单元的输入端，图像数据传输单元的输出端连接虫体识别单元的输入端；
灯光控制单元用于控制自动虫情测报灯开启吸引害虫，害虫接近时会掉入集虫箱，在害虫掉入集虫箱后进行杀虫；
虫体图像拍摄单元用于拍摄虫体图像；
图像数据传输单元用于将拍摄到的虫体图像上传到监控终端；
虫体识别单元用于在监控终端利用AI识别害虫种类，统计不同种类害虫的数量。
监控信息采集模块包括监控点信息采集单元和害虫数量采集单元；
监控点信息采集单元的输入端连接灯光控制单元的输入端，害虫数量采集单元的输入端连接虫体识别单元的输入端，监控点信息采集单元和害虫数量采集单元的输出端连接数据管理中心的输入端；
监控点信息采集单元用于采集虫情监控点的数量和监控区域信息，一个自动虫情测报灯为一个虫情监控点；
害虫数量采集单元用于采集监控到的不同区域的不同种类害虫数量。
虫情信息分析模块包括害虫数量分析单元、区域划分单元和划分信息传输单元；
害虫数量分析单元的输入端连接数据管理中心的输出端，害虫数量分析单元的输出端连接区域划分单元的输入端，区域划分单元的输出端连接划分信息传输单元的输入端；
害虫数量分析单元用于调取并分析不同区域出现随机一种害虫的数量；
区域划分单元用于将区域按害虫数量大小进行分类，并选择最优的分类结果；
划分信息传输单元用于将区域最优的分类结果传输至监控终端，对同一类区域对应出现的害虫进行集中防治。
区域划分管理模块包括维持时长调取单元和动态划分规划单元；
维持时长调取单元的输入端连接划分信息传输单元的输出端，维持时长调取单元的输出端连接动态划分规划单元的输入端；
维持时长调取单元用于调取以往与当前分类结果相同的分类结果出现时，分类结果维持不变的时长信息至动态划分规划单元；
动态划分规划单元用于建立区域划分判断模型，预测需要对区域进行重新划分的时间，在预测的时间重新分析各区域的对应种类害虫数量，并将区域重新进行分类，对重新分类后同一类区域对应出现的害虫进行集中防治。
实施例2：如图2所示，本实施例提供了一种基于物联网的虫情智能监控方法，其基于实施例中的监控系统实现，具体包括以下步骤：
S1：利用自动虫情测报灯进行虫情监控，控制自动虫情测报灯开启吸引害虫掉入集虫箱，在害虫掉入集虫箱后进行杀虫处理，并拍摄虫体图像，将拍摄到的虫体图像长传到监控终端，利用AI识别害虫种类，统计不同种类害虫的数量；
S2：采集并分析不同区域监控到的害虫信息，将区域进行分类，对划分到同一类的区域内的害虫进行集中防治，采集到园林内设置有n个自动虫情测报灯，采集n个自动虫情测报灯的位置信息以及监控区域信息：获取到每个自动虫情测报灯的监控区域为以测报灯所在位置为中心，半径为r的圆形区域，获取到n个监控区域内出现的随机一种害虫数量集合为K={K1，K2，…，Kn}，将n个监控区域内出现的对应害虫数量按从小到大的顺序进行排列，将n个监控区域按排列好的害虫数量大小分为m类，获取到按随机一种分类方式得到的m类中每一类监控区域内出现的平均害虫数量集合为K’={K1 ’，K2 ’，…，Kj ’，…，Km ’}，根据下列公式计算按随机一种分类方式分类后每类参数的差异程度Qi：
Qi=[(∑m j=1(Kj ’-∑m j=1(Kj ’)/m)2)/m]1/2；
其中，Kj ’表示按随机一种分类方式得到的m类中第j类监控区域内出现的平均害虫数量，通过相同方式计算按不同分类方式分类后每类参数的差异程度，参数指的是平均害虫数量，选择按使得差异程度最大的方式分类后得到的分类结果为最优的分类结果，将最优的分类结果传输至监控终端，对最优的分类结果中划分到同一类的区域内的害虫进行集中防治；
例如：采集到设置有7个自动虫情测报灯，获取到在3天内，7个自动虫情测报灯所监控的区域内出现的随机一种害虫数量集合为K={K1，K2，K3，K4，K5，K6，K7}={100，200，150，154，166，180，260}，将7个监控区域内出现的对应害虫数量按从小到大的顺序进行排列，将7个监控区域按排列好的害虫数量大小分为3类，获取到按随机一种分类方式得到的分类结果为：每类监控区域出现的害虫数量集合分别为{100，150}、{154，166，180}、{200，260}，3类中每一类监控区域内出现的平均害虫数量集合为K’={K1 ’，K2 ’，K3 ’}={125，167，230}，根据公式Qi=[(∑m j=1(Kj ’-∑m j=1(Kj ’)/m)2)/m]1/2计算按随机一种分类方式分类后每类参数的差异程度Qi≈43.2，计算按不同分类方式分类后每类参数的差异程度，选择按使得差异程度最大的方式分类后得到的分类结果为最优的分类结果，最优的分类结果为：每类监控区域出现的害虫数量集合分别为{100}、{150，154，166，180，200}、{260}，将最优的分类结果传输至监控终端，对最优的分类结果中划分到同一类的区域内的害虫进行集中防治；
S3：建立区域划分判断模型，预测需要对区域进行重新划分的时间，调取到以往共f次出现了与当前分类结果相同的分类结果，分类结果以往f次维持不变的时长集合为T={T1，T2，…，Tf}，其中，Tf表示与当前相同的分类结果第f次维持不变的时长，即当前出现对应分类结果的前一次出现的相同的分类结果维持不变的时长，建立区域划分判断模型：
Tf+1=γ*Tf+(1-γ)*Zf；
其中，Tf+1表示当前的分类结果维持不变的时长，γ表示平滑系数，Zf表示与当前相同的分类结果第f次维持不变的时长指数平滑值，根据公式Z1=γ*T1+(1-γ)*[(T1+T2+T3)/3]计算得到与当前相同的分类结果第1次维持不变的时长指数平滑值Z1，根据公式Z2=γ*T1+(1-γ)*Z1计算得到与当前相同的分类结果第2次维持不变的时长指数平滑值Z2，依此类推根据公式Zf=γ*Tf-1+(1-γ)*Zf-1计算得到Zf，其中，Tf-1表示与当前相同的分类结果第f-1次维持不变的时长，Zf-1表示与当前相同的分类结果第f-1次维持不变的时长指数平滑值，预测得到当前的分类结果会在间隔Tf+1时长之后出现变化，判断在间隔Tf+1时长之后需要对区域进行重新划分；
S4：在间隔Tf+1时长之后重新分析各区域的害虫数量，将区域重新进行分类，对重新分类后划分到同一类的区域内的害虫进行集中防治；
例如：调取到以往共4次出现了与当前分类结果相同的分类结果，分类结果以往4次维持不变的时长集合为T={T1，T2，T3，T4}={20，25，22，24}，单位为：天，建立区域划分判断模型：Tf+1=γ*Tf+(1-γ)*Zf，得到T5=γ*T4+(1-γ)*Z4，设置平滑系数γ=0.4，根据公式Z1=γ*T1+(1-γ)*[(T1+T2+T3)/3]计算得到与当前相同的分类结果第1次维持不变的时长指数平滑值Z1≈21，根据公式Z2=γ*T1+(1-γ)*Z1计算得到与当前相同的分类结果第2次维持不变的时长指数平滑值Z2≈21，Z3=γ*T2+(1-γ)*Z2=23，Z4=γ*T3+(1-γ)*Z3=23，得到T5=23，预测得到当前的分类结果会在23天后出现变化，判断在23天后需要对区域进行重新划分，在23天后重新分析各区域的害虫数量，将区域重新进行分类，对重新分类后划分到同一类的区域内的害虫进行集中防治。
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 (8)

1.一种基于物联网的虫情智能监控方法，其特征在于：包括以下步骤：
S1：利用自动虫情测报灯进行虫情监控；
S2：采集并分析不同区域监控到的害虫信息，将区域进行分类，对划分到同一类的区域内的害虫进行集中防治；
S3：建立区域划分判断模型，预测需要对区域进行重新划分的时间；
S4：在预测的时间重新分析各区域的害虫数量，将区域重新进行分类；
在步骤S2中：采集到园林内设置有n个自动虫情测报灯，采集n个自动虫情测报灯的位置信息以及监控区域信息：获取到每个自动虫情测报灯的监控区域为以测报灯所在位置为中心，半径为r的圆形区域，获取到n个监控区域内出现的随机一种害虫数量集合为K＝{K1，K2，…，Kn}，将n个监控区域内出现的对应害虫数量按从小到大的顺序进行排列，将n个监控区域按排列好的害虫数量大小分为m类，获取到按随机一种分类方式得到的m类中每一类监控区域内出现的平均害虫数量集合为K’＝{K1 ’，K2 ’，…，Kj ’，…，Km ’}，根据下列公式计算按随机一种分类方式分类后每类参数的差异程度Qi：
Qi＝[(∑m j＝1(Kj ’-∑m j＝1(Kj ’)/m)2)/m]1/2；
其中，Kj ’表示按随机一种分类方式得到的m类中第j类监控区域内出现的平均害虫数量，通过相同方式计算按不同分类方式分类后每类参数的差异程度，选择按使得差异程度最大的方式分类后得到的分类结果为最优的分类结果，将最优的分类结果传输至监控终端，对最优的分类结果中划分到同一类的区域内的害虫进行集中防治；
在步骤S3中：调取到以往共f次出现了与当前分类结果相同的分类结果，分类结果以往f次维持不变的时长集合为T＝{T1，T2，…，Tf}，其中，Tf表示与当前相同的分类结果第f次维持不变的时长，建立区域划分判断模型：
Tf+1＝γ*Tf+(1-γ)*Zf；
其中，Tf+1表示当前的分类结果维持不变的时长，γ表示平滑系数，Zf表示与当前相同的分类结果第f次维持不变的时长指数平滑值，根据公式Z1＝γ*T1+(1-γ)*[(T1+T2+T3)/3]计算得到与当前相同的分类结果第1次维持不变的时长指数平滑值Z1，根据公式Z2＝γ*T1+(1-γ)*Z1计算得到与当前相同的分类结果第2次维持不变的时长指数平滑值Z2，依此类推根据公式Zf＝γ*Tf-1+(1-γ)*Zf-1计算得到Zf，其中，Tf-1表示与当前相同的分类结果第f-1次维持不变的时长，Zf-1表示与当前相同的分类结果第f-1次维持不变的时长指数平滑值，预测得到当前的分类结果会在间隔Tf+1时长之后出现变化，判断在间隔Tf+1时长之后需要对区域进行重新划分。
2.根据权利要求1所述的一种基于物联网的虫情智能监控方法，其特征在于：在步骤S1中：控制自动虫情测报灯开启吸引害虫掉入集虫箱，在害虫掉入集虫箱后进行杀虫处理，并拍摄虫体图像，将拍摄到的虫体图像上传到监控终端，利用AI识别害虫种类，统计不同种类害虫的数量。
3.根据权利要求1所述的一种基于物联网的虫情智能监控方法，其特征在于：在步骤S4中：在间隔Tf+1时长之后重新分析各区域的害虫数量，将区域重新进行分类，对重新分类后划分到同一类的区域内的害虫进行集中防治。
4.一种基于物联网的虫情智能监控系统，应用于如权利要求1所述的一种基于物联网的虫情智能监控方法，其特征在于：所述系统包括：虫情智能监控模块、监控信息采集模块、数据管理中心、虫情信息分析模块和区域划分管理模块；
所述虫情智能监控模块的输出端连接所述监控信息采集模块的输入端，所述监控信息采集模块的输出端连接所述数据管理中心的输入端，所述数据管理中心的输出端连接所述虫情信息分析模块的输入端，所述虫情信息分析模块的输出端连接所述区域划分管理模块的输入端；
通过所述虫情智能监控模块利用自动虫情测报灯进行虫情监控；
通过所述监控信息采集模块采集监控到的害虫信息并传输至所述数据管理中心；
通过所述数据管理中心存储并管理接收到的全部数据；
通过所述虫情信息分析模块分析不同区域的害虫信息，将区域进行分类，对划分到同一类的区域内的害虫进行集中防治；
通过所述区域划分管理模块对区域划分时间进行动态规划。
5.根据权利要求4所述的一种基于物联网的虫情智能监控系统，其特征在于：所述虫情智能监控模块包括灯光控制单元、虫体图像拍摄单元、图像数据传输单元和虫体识别单元；
所述灯光控制单元的输出端连接所述虫体图像拍摄单元的输入端，所述虫体图像拍摄单元的输出端连接所述图像数据传输单元的输入端，所述图像数据传输单元的输出端连接所述虫体识别单元的输入端；
所述灯光控制单元用于控制自动虫情测报灯开启吸引害虫；
所述虫体图像拍摄单元用于拍摄虫体图像；
所述图像数据传输单元用于将拍摄到的虫体图像上传到监控终端；
所述虫体识别单元用于在监控终端利用AI识别害虫种类，统计不同种类害虫的数量。
6.根据权利要求5所述的一种基于物联网的虫情智能监控系统，其特征在于：所述监控信息采集模块包括监控点信息采集单元和害虫数量采集单元；
所述监控点信息采集单元的输入端连接所述灯光控制单元的输入端，所述害虫数量采集单元的输入端连接所述虫体识别单元的输入端，所述监控点信息采集单元和害虫数量采集单元的输出端连接所述数据管理中心的输入端；
所述监控点信息采集单元用于采集虫情监控点的数量和监控区域信息；
所述害虫数量采集单元用于采集监控到的不同区域的不同种类害虫数量。
7.根据权利要求6所述的一种基于物联网的虫情智能监控系统，其特征在于：所述虫情信息分析模块包括害虫数量分析单元、区域划分单元和划分信息传输单元；
所述害虫数量分析单元的输入端连接所述数据管理中心的输出端，所述害虫数量分析单元的输出端连接所述区域划分单元的输入端，所述区域划分单元的输出端连接所述划分信息传输单元的输入端；
所述害虫数量分析单元用于调取并分析不同区域出现随机一种害虫的数量；
所述区域划分单元用于将区域按害虫数量大小进行分类，并选择最优的分类结果；
所述划分信息传输单元用于将区域最优的分类结果传输至监控终端，对同一类区域对应出现的害虫进行集中防治。
8.根据权利要求7所述的一种基于物联网的虫情智能监控系统，其特征在于：所述区域划分管理模块包括维持时长调取单元和动态划分规划单元；
所述维持时长调取单元的输入端连接所述划分信息传输单元的输出端，所述维持时长调取单元的输出端连接所述动态划分规划单元的输入端；
所述维持时长调取单元用于调取以往与当前分类结果相同的分类结果出现时，分类结果维持不变的时长信息至所述动态划分规划单元；
所述动态划分规划单元用于建立区域划分判断模型，预测需要对区域进行重新划分的时间，在预测的时间重新分析各区域的对应种类害虫数量，并将区域重新进行分类，对重新分类后同一类区域对应出现的害虫进行集中防治。
CN202311012836.9A 2023-08-12 2023-08-12 一种基于物联网的虫情智能监控系统及方法 Active CN117291291B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311012836.9A CN117291291B (zh) 2023-08-12 2023-08-12 一种基于物联网的虫情智能监控系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311012836.9A CN117291291B (zh) 2023-08-12 2023-08-12 一种基于物联网的虫情智能监控系统及方法

Publications (2)

Publication Number Publication Date
CN117291291A CN117291291A (zh) 2023-12-26
CN117291291B true CN117291291B (zh) 2024-04-23

Family

ID=89256022

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311012836.9A Active CN117291291B (zh) 2023-08-12 2023-08-12 一种基于物联网的虫情智能监控系统及方法

Country Status (1)

Country Link
CN (1) CN117291291B (zh)

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20040020833A (ko) * 2002-09-02 2004-03-09 주식회사 세스코 방제용 원격 감시 시스템 및 그 원격 감시 방법
CN105912436A (zh) * 2015-09-17 2016-08-31 乐视网信息技术（北京）股份有限公司 基于指数平滑预测的系统计算资源预测方法及装置
CN107622280A (zh) * 2017-09-14 2018-01-23 河南科技大学 基于场景分类的模块化处方式图像显著性检测方法
CN110487793A (zh) * 2019-08-29 2019-11-22 北京麦飞科技有限公司 病虫害时间动态分布监测方法及系统
KR20200044216A (ko) * 2018-10-11 2020-04-29 순천대학교 산학협력단 빅데이터를 이용한 병해충 발생 예측 시스템 및 방법
CN111445112A (zh) * 2020-03-09 2020-07-24 孔剑 智能虫情监测分析系统
CN113095555A (zh) * 2021-03-31 2021-07-09 佛山一本农业科技有限公司 基于物联网的农作物病虫害监控方法、系统及存储介质
CN113741597A (zh) * 2021-09-03 2021-12-03 安徽中昆绿色防控科技有限公司 农林诱虫测报智能控制系统
KR20220055530A (ko) * 2020-10-26 2022-05-04 주식회사 유비벨록스모바일 촬영 이미지 및 gps 분석 기반의 스마트 잔디 병충해 관리 시스템
CN114780826A (zh) * 2022-03-23 2022-07-22 江苏友开软件技术服务有限公司 一种基于植物的疾病和害虫数据的分析挖掘系统
CN114900671A (zh) * 2022-07-12 2022-08-12 深圳市盈润科技有限公司 一种基于农业物联网的综合管理服务系统及方法
CN115358883A (zh) * 2022-09-15 2022-11-18 河北省农林科学院植物保护研究所 一种棉蚜的抗性动态监测与防治用药推荐方法及系统
CN115984026A (zh) * 2022-12-28 2023-04-18 北京明朝万达科技股份有限公司 一种基于云计算的智慧农业管理系统
CN116448760A (zh) * 2023-03-21 2023-07-18 上海华维可控农业科技集团股份有限公司 一种基于机器视觉的农业智能监测系统及方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
IT201900002249A1 (it) * 2019-02-15 2020-08-15 Agrorobotica S R L Sistema e metodo di predizione del rischio di attacco di insetti
CN110826398B (zh) * 2019-09-23 2021-04-02 上海意略明数字科技股份有限公司 一种智能图像识别进行大数据采集分析系统及应用方法
US11321347B1 (en) * 2020-10-20 2022-05-03 X Development Llc Partitioning agricultural fields for annotation

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20040020833A (ko) * 2002-09-02 2004-03-09 주식회사 세스코 방제용 원격 감시 시스템 및 그 원격 감시 방법
CN105912436A (zh) * 2015-09-17 2016-08-31 乐视网信息技术（北京）股份有限公司 基于指数平滑预测的系统计算资源预测方法及装置
CN107622280A (zh) * 2017-09-14 2018-01-23 河南科技大学 基于场景分类的模块化处方式图像显著性检测方法
KR20200044216A (ko) * 2018-10-11 2020-04-29 순천대학교 산학협력단 빅데이터를 이용한 병해충 발생 예측 시스템 및 방법
CN110487793A (zh) * 2019-08-29 2019-11-22 北京麦飞科技有限公司 病虫害时间动态分布监测方法及系统
CN111445112A (zh) * 2020-03-09 2020-07-24 孔剑 智能虫情监测分析系统
KR20220055530A (ko) * 2020-10-26 2022-05-04 주식회사 유비벨록스모바일 촬영 이미지 및 gps 분석 기반의 스마트 잔디 병충해 관리 시스템
CN113095555A (zh) * 2021-03-31 2021-07-09 佛山一本农业科技有限公司 基于物联网的农作物病虫害监控方法、系统及存储介质
CN113741597A (zh) * 2021-09-03 2021-12-03 安徽中昆绿色防控科技有限公司 农林诱虫测报智能控制系统
CN114780826A (zh) * 2022-03-23 2022-07-22 江苏友开软件技术服务有限公司 一种基于植物的疾病和害虫数据的分析挖掘系统
CN114900671A (zh) * 2022-07-12 2022-08-12 深圳市盈润科技有限公司 一种基于农业物联网的综合管理服务系统及方法
CN115358883A (zh) * 2022-09-15 2022-11-18 河北省农林科学院植物保护研究所 一种棉蚜的抗性动态监测与防治用药推荐方法及系统
CN115984026A (zh) * 2022-12-28 2023-04-18 北京明朝万达科技股份有限公司 一种基于云计算的智慧农业管理系统
CN116448760A (zh) * 2023-03-21 2023-07-18 上海华维可控农业科技集团股份有限公司 一种基于机器视觉的农业智能监测系统及方法

Non-Patent Citations (8)

* Cited by examiner, † Cited by third party
Title
Classification and detection of insects from field images using deep learning for smart pest management: A systematic review;Wenyong Li等;Ecological Informatics;20211231;第66卷;1-18 *
Pest forecast model based on improved AdaBoost algorithm;Yu Jian等;Journal of Shenyang Agricultural University;20100101;第41卷(第6期);755-757 *
信息技术在农作物病虫害监测预警中的应用综述;李素等;江苏农业科学;20181129;第46卷(第22期);1-6 *
吉林省农作物病虫害测报信息化建设主要成效及发展思路探讨;张振铎等;中国植保导刊;20180825;第38卷(第08期);92-94+98 *
基于指数平滑法对羊布鲁氏菌病的预测分析;冯兴;家畜生态学报;20200315;第41卷(第03期);67-70 *
基于物联网技术的作物虫情采集监测预警系统构建;赵晴等;河南农业科学;20191215;第48卷(第12期);164-169 *
基于物联网技术的现代农业病虫害监控系统设计;傅晓耕;;计算机测量与控制;20180225;第26卷(第02期);89-92 *
基于自适应概率神经网络的农作物虫情预测研究;张海艳;中国优秀硕士学位论文全文数据库 (农业科技辑);20120531(第05期);D046-34 *

Also Published As

Publication number Publication date
CN117291291A (zh) 2023-12-26

Similar Documents

Publication Publication Date Title
EP3852520A1 (de) Detektion von gliederfüssern
WO2019081567A1 (de) Ertragsabschätzung beim anbau von kulturpflanzen
EP3626077A1 (de) Schädlingskontrolle
KR20200068052A (ko) 카메라 모듈을 이용한 병해충 진단 및 방제 방법
CN112465109A (zh) 一种基于云边协同的农业大棚控制装置
CN114384826A (zh) 一种基于ai模拟的智能农业监测系统
CN113298537A (zh) 基于物联网的稻米全链条质量信息智能检测系统及方法
CN108829762A (zh) 基于视觉的小目标识别方法和装置
EP3673425A1 (de) Ertragsabschätzung beim anbau von kulturpflanzen
CN114158548B (zh) 一种昆虫生物信息对抗系统
CN117291291B (zh) 一种基于物联网的虫情智能监控系统及方法
CN115390504A (zh) 一种基于5g物联网的智慧农业种植系统
CN116630663A (zh) 一种基于物联网的智能施药方法及系统
CN108874910A (zh) 基于视觉的小目标识别系统
WO2020248053A1 (en) Agricultural or industrial supply chain distributed network using multi-input decision algorithm
CN115601585A (zh) 基于图片分析的农业病虫害诊断方法及装置
CN113435825B (zh) 一种基于土传病害防治的智能管理方法、系统及存储介质
CN115238237A (zh) 虫情监测方法、装置及系统
CN113377141A (zh) 一种人工智能农业自动管理系统
CN109631990B (zh) 一种基于大数据和wsn技术的农业信息采集系统
CN111080616A (zh) 一种烟叶病虫害监测系统
WO2023215634A1 (en) Sensor-based smart insect monitoring system in the wild
CN112106748B (zh) 一种虫情监测装置和监测方法
CN116823581B (zh) 一种利用公交车辆进行路灯巡检的处理系统
CN117730702A (zh) 一种基于大数据的农作物种植管理方法及系统

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
GR01 Patent grant
GR01 Patent grant