CN1351305A - 粮库粮虫智能监测系统及方法 - Google Patents
粮库粮虫智能监测系统及方法 Download PDFInfo
- Publication number
- CN1351305A CN1351305A CN 01125651 CN01125651A CN1351305A CN 1351305 A CN1351305 A CN 1351305A CN 01125651 CN01125651 CN 01125651 CN 01125651 A CN01125651 A CN 01125651A CN 1351305 A CN1351305 A CN 1351305A
- Authority
- CN
- China
- Prior art keywords
- grain
- image
- worm
- grain worm
- video
- 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.)
- Granted
Links
Images
Landscapes
- Image Processing (AREA)
- Closed-Circuit Television Systems (AREA)
Abstract
本发明涉及一种对粮库粮虫进行监测的粮库粮虫智能监测系统和方法,该系统由监测中心主计算机与粮仓前端多路视频监测站、插入粮食的影像探测杆组成。由探测杆摄取粮食及粮虫影像,经用模拟视频信号方式送至监测站进行数字化,并对数字化后的视频图像数据压缩,再经通信编码被中心主计算机取入,在监测中心计算机进行识别及各类处理。用于解决在粮食仓储保管中及时发现粮食长虫情况,同时解决观察、研究不同粮食、不同种类粮虫在粮仓中生长条件和生长规律的研究手段,解决自动监测、自动识别、自动分析、自动统计、自动报警等技术问题。
Description
技术领域
本发明涉及一种监测系统和方法,尤其涉及一种对粮库的粮虫进行监测的智能系统和方法。
背景技术
1998年国务院、国家计委、国家粮食局决定扩大粮食储备量,拟在全国新建1000亿斤粮食仓库。在此以前全国国家级粮库和地方粮库总库容量已有大约1200亿斤,新建后达到2200亿斤。但是所有这些粮库都没有实现粮虫自动化监测,粮食生虫的观察和发现历来没有一个有效手段。粮库管理人员为了探测粮食中有无生虫,采用粮虫陷阱方法。粮虫陷阱示意如图1探测杆示意图中探测头(102)纵剖面图所示。使用金属管或玻璃钢管,管壁打若干粮虫可爬入的细孔(104),管的下底部装有倒角档板(105),使粮虫(106)坠入后很难再爬出来,即成为粮虫陷阱。粮库管理人员定期或不定期将此陷阱管插入粮食中,等候一段时间认为粮虫进入了,再取出陷阱管观看或带回办公室详细察看。这就是传统的人工检查方法。而为了灭虫,常规地采用定期毒药熏蒸的办法,没有生虫也定期地熏,既增加了仓库管理成本,同时多少都会对粮食有污染作用,尽管号称该毒药能自然挥发,但人们的心理效果总难以抹平。
发明内容
为了在粮食仓储保管中及时发现粮虫,也为了能密切观察、研究不同粮食、不同种类粮虫的生长环境条件和生长规律,本发明提供了一种粮库粮虫智能监测系统及方法,不仅可以实现对粮库粮虫的自动监测,还可以实现对粮虫自动识别、自动分析、自动统计,并提供自动报警。
为实现上述目的,本发明的粮库粮虫智能监测系统由监测中心主计算机、粮仓前端多路视频监测站、插入粮食的影像探测杆组成,其中:
用网络将主计算机与一个或多个多路视频监测站连接起来,每一个多路视频监测站根据自动化检测的需要可连接多个影像探测杆;
每个影像探测杆内部包括一个摄像头,插入粮食后,经控制成像照明,拍摄粮虫影像,并输出模拟视频信号给多路视频监测站。
多路视频监测站对影像探测杆输出的视频信号进行视频数字化、压缩编码、通信编码处理,再经网络送入监控中心主计算机;
主计算机采用统计数学方法对经过处理的视频信号进行图像分析,识别粮虫,计算虫数,给出虫情报警;并在主计算机上建立数据库,存储长期观测数据、粮虫活动影像,用于查询、统计分析及研究粮虫生长规律。
根据本发明的另一个方面,提供了一套对粮库粮虫进行监测的方法,包括以下几种:
(1)使影像探测杆前端探测头具有粮虫陷阱功能,在杆内装设拍摄成像及控制装置;
(2)将影像探测杆插入粮食中,粮虫爬入后,控制成像照明和拍摄粮虫活动影像及显微形态,并输出模拟视频信号给多路视频监测站;
(3)多路视频监测站对影像探测杆输出的视频信号进行视频数字化、压缩编码、通信编码;
(4)主计算机采用统计数学方法对经过处理的视频信号进行图像分析,识别粮虫并给出虫情报警;
识别过程包括:
参照由影像探测杆内粮虫陷阱底板在没有粮虫时拍成的背景图像,由粮虫监测时拍摄的目标图像对其进行减取;
对经减取的图像采用直方图求解阈值的方法获取阈值;
计算采集图像与背景图像象素色度差的统计值,如果一帧采集图像的所有像素点颜色值的总和与背景图像所有像素点颜色色度值总和的差大于阈值,则判断图像中有粮虫出现,并立即报警。
在发现粮虫的同时通过软件计数粮虫个数,并送数据库予以记载。本发明具有以下优点:
①自动探测,减少管理人员进出粮仓的次数和时间,节省人工检查工作量;
②可连续自动监测,不分白天黑夜不间断监测,使不失时机地即时发现粮虫;
③系统能实现自动识别、自动计数、自动报警、自动统计分析;
④系统能存储所有监测情况,供事后定期或不定期研究,提供粮食保管技术及粮虫科研使用。
使用本系统能够及时发现库存粮食中的粮虫,分析虫情,避免或减少粮食变质造成的损失;如没有生虫,即不用盲目毒药熏蒸,节省费用,减少对粮食的污染。
附图及说明
下面结合附图和实施例对本发明作详细说明。
图1是影像探测杆示意图;
图2是粮库粮虫监测系统构成图;
图3是系统监控主程序流程图;
图4是数据库查询主界面;
图5是系统主机主控界面;
图6是视频解码软件流程。
具体实施方式
1.系统主体组成及工作原理
参照附图2,本系统主体由三部分组成:监测中心主计算机(201)、粮仓前端多路视频监测站(202)、插入粮食的影像探测杆(203),主计算机与监测站中都配套有相应软件。
主计算机用计算机网络将一个或多个监测站(个数决定于粮库中粮仓的多少)连接起来,每个监测站根据自动化监测的需要可连接多个探测杆。图2中计算机网络由粗同轴电缆(204)、网络收发器(205)、网络终端器(206)等组成。由探测杆摄取粮食及粮虫影像,经用模拟视频信号方式送至监测站进行数字化,并对数字化后的视频图像数据压缩,再经通信编码被中心主计算机取入,在后台系统进行识别及各类处理。
其中粮虫视频监测站使用另一专利产品《多路视频监测站》实现,粮虫探测杆使用专利产品《影像探测杆》实现,该两方面的技术在对应申请专利说明书中详细介绍,在本系统中不作专门说明。
系统工作过程与工作原理为:
粮库工作人员将影像探测杆(图1所示)插入(或固定在)粮食中,为使能检测到粮食中有无生虫,将探测头外壳(102)做成粮虫陷阱,在杆壁上打上斜孔(104),杆内腔有空气和诱虫剂,粮虫会积极趋入。装置在探测杆内部的摄像头,经控制灯光照明,即可拍摄粮虫影像。摄像头输出的视频信号送入视频监测站,经视频数字化、压缩编码、通信编码、再经计算机网络送入监控中心主计算机,进行处理、识别、统计、分析。
以下分开各部分具体说明功能与技术。2.总体系统配置及有关指标2.1为使一套网络系统能管理一整座粮库,必须采用粗同轴电缆连接各监测站,粗缆基本段可长达800~1000米,必要时还可通过粗缆中继器予以延长;2.2一个监测站可以管理紧邻的多个粮仓,仓中测点可以布设1个或多个,测点对监测站的连线长度一般限制在200米以内,如果有特殊需要,经特殊措施可以扩展得更长些,但增加成本。2.3一个监测站一般管理8个前端测点,特殊需要时,可以扩展到16个,全系统总探测点数以不超过320点为宜;2.4自动巡回监测时,推荐一天4遍,每遍的起始时间为0时、7时、12时、18时;对每探测点连续采集10秒钟影像,320点共占3200秒时间,将近占用1个小时。使得每天的自动采集时间不占用上班时间,不影响人工观测;2.5自动影像采集的帧率不少于20F/S,使可连续观察粮虫活动;每帧图像数字化的分辨率取640×480,达到每毫米约20像素点的精度,足可分清最细的粮虫;在显微成像时可达每毫米400像素点的精度,使可分辩虫脚及虫背花纹;2.6为使上述图像数据能在粗缆以太网10Mbps带宽下有效传递,系统视频监测站中压缩编码算法可将视频图像数据压缩到<2Mbps范围以内。3.粮虫监测系统运行流程
参照附图3系统监控主程序流程图。
图中①②③④⑤⑥为程序流程的控制返回点。
系统一般工作在自动化监测方式,24小时运行;
可以适应管理人员的需要,人工参与系统,半自动化监测,以及事后查询分析,采用人工交互方式操作。3.1自动巡测功能图中301
按时自启动(3011),主计算机根据系统时间,在0时、7时、12时、18时自动启动进入此流程。
系统自动启动01监测站,顺序开启011、012……018探测杆,对每个探测杆顺序执行:开启、摄取视频影像、主处理、关闭、返回等处理步骤。测完最后一个监测站的最后一个探测杆以后,返回主控程序①点,等候下一个时间到来,或者由人工参与进入人工监测或查询分析。
3012——摄取视频影像执行过程为:主机通过视频监测站开启该探测杆照明电源、开启摄像头电源、启动视频监测站使按每秒20帧速率摄取图像并对视频信号数字化、压缩数据编码、数据通信编码,持续摄取10秒共200帧图像后,监测站关闭探测杆中摄像头电源、再关闭照明电源,同时完成上述编码处理,主机通过网络从该监测站取入全部200帧图像压缩数据(其中至少设置5个关键图像帧),经解压缩恢复出源图像。至此完成全部视频影像摄取过程。
3013——主处理流程:主机将上述恢复出的图像予以临时存储,从中取出第一关键帧图像,使对背景图像(在系统初始化时测取)进行剪取,对剪取后的图像进行粮虫识别,如有粮虫则计算粮虫个数,记为x:如无粮虫,则记x=0;接着取第2关键帧图像,重复上述过程,有虫则计算虫数置y,无虫则置y=0;再取第3关键帧图像,重复上述过程,有虫则计算虫数置z,无虫则置z=0。比较x、y、z三数,若非0,则取最大者存入数据库,作为监测虫数记载,同时将上述视频影像存成文件。为节省存储量,可存储压缩的图像数据。影像文件名在对应数据库中予以记录。如果x、y、z三数皆为0,则数据库中记为无虫,同时删除前临时存储的压缩图像数据和解压缩恢复的图像数据。
如果发现有虫,为了观察和分析虫的种类,拟摄取粮虫显微图像。主计算机通过此处所选视频监测站控制探测杆中电机,驱动摄像头贴近物面,放大拍摄获取粮虫显微图像,并存在图像文件中,文件名又记录在对应数据库记录中。
3014——报警功能
①一旦发现粮虫从无到有,立即报警;粮虫数量比前次发生增多也予以提示报警;
②计算机屏幕设有报警区,闪烁显示粮虫图像,作为报警提示;
③声音报警,每隔1分钟持续鸣叫2秒钟,提示人们察看粮食生虫情况;
④报警被发现后,可人工关闭、退出报警状态。3.2人工监测功能(见附图3中302)
以人机交互方式点击主控菜单进入。
依据所想监测的探测点点击相应监测站及其中探测点,或者监看粮虫活动,或者监看粮虫形态。
查看粮虫活动(3021)——此时主机通过所选监测站控制探测杆中电机使摄像头提取,可观察物面全局,监测站以20F/S帧率不停从摄像头取出视频影像,不停压缩编码,主机不停接收并解压播放显示,此即达到实时监视粮虫活动效能。
查看粮虫形态(3022)——即实时观察所发现粮虫的头、颈、腿特征和背部纹理、色彩,以分析该虫属何种类型,这时必须摄取放大的显微图像,为此控制摄像头贴近成像物面,具体摄取粮虫近景完整图像。3.3查询分析功能(见附图3中303)
此种方式是事后通过数据库中存储的数据及影像来观察和统计分析过去自动巡测记载的情况。其中划分为四种工作方式,都是进入数据库管理系统进行。
3031——查看原存影像文件,参照附图4——数据库查询粮虫监测情况界面,在窗口下部输入查询条件:年、月、日时间及测站号、测点号等,如果当时发现有粮虫,则此界面上对应会指出视频文件名和图像文件名,点击该文件名,即显示出所存视频影像和图像。
3032——查虫数量,利用附图4之界面,即可查出数据库中原存粮虫数量变化。
3033——查温湿度情况,此数据库中同样存有测点周围温度及湿度的统计值,也可通过类似界面查出。温湿度与生虫情况同时记载,可辅助观察和分析粮虫生长的外部条件。温度和湿度的测量不包括在本文范围内。
3034——虫情统计分析,通过数据库的较长时间积累,即可获得关于粮虫监测的统计分析结果,共功能为:
①统计功能:统计全库年度生虫情况
统计分仓年度生虫情况
统计全库分季节生虫情况
统计本系统监测工作情况
②分析功能:可与粮食存储情况、温湿度情况、加药灭虫情况联合分析
分析不同季节粮虫生长、活动情况
分析白天、黑夜粮虫生长、活动情况
分析不同粮食粮虫生长、活动情况。4.数据库存储与管理
对自动巡测结果在数据库中存储,用于事后查询与统计分析;4.1数据库中数据项设置:
测点编号——同一系统中所有测点统一编号,其中包括测站编号和测点序列号。
监测时间:年、月、日、时、分,每项取2位;
虫数
报警:无/有
存储影像文件名:
存储源图像文件名:
粮食类型
测点温度
测点湿度4.2数据库查询方式:
按测点查询
按监测时间查询
按有/无报警查询
按虫数多少查询5.系统软件说明
系统配合硬件实现上述功能的软件有以下多个模块:
系统主界面及主控软件;
粮虫统计、报警软件;
粮虫目标提取与计数软件;
粮虫影像视频编码软件(在《视频监测站》专利说明书中介绍和说明);
粮虫影像视频解码软件;
系统数据库查询及统计分析软件。5.1系统主界面及主控软件
系统主界面如附图5所示,图中左边主体部分为影像显示主窗口,图中显示出粮食内已有加红圈标记的蛀虫。图中右边自上至下为6个功能操作按钮。功能分别为:
501选择监测站,按了以后显示出系统连接的所有视频监测站编号,点击任一编号,即进入该站管理的监测范围;
502选择监测点,每个监测点对应使用一支影像探测杆;点击其中任一编号,即开始控制获取从该点拍摄来的粮虫影像;
503数据库查询,点击后出现如附图4所示数据库查询窗口,在其中查看以前许多时间点监测获取的监测数据,其中包括:监测时间、监测站号、监测点号、自动分析计数出的粮虫数目,还包括记录所拍影像的视频文件名、静止图像文件名。
504查看粮虫个数,点击后出现数据库查询窗口使直接显示对应探测点当前的粮虫个数;
505测点粮温,点击后出现数据库查询窗口直接显示当前站点的粮食温度;
506测点湿度,点击后出现数据库查询窗口直接显示当前站点的粮食湿度;
图5的主控界面为提供人工交互操作使用,与附图3所示主控程序流程提供了两种操作方式。5.2粮虫统计报警软件
监测中心主计算机自动对每个视频监测站所连接的各影像探测杆巡回测取,对取进来的图像进行分析,分析时采用统计数学方法。计算采集图像与被比较图像像素色度差的统计值。如果一帧图像的所有像素点颜色值的总和与被比较图像(这帧图像是粮虫陷阱中未出现粮虫的背景图像)所有像素点颜色色度值总和的差大于阀值,判断图像中有粮虫出现,立即报警。报警方式有两种:一种是利用计算机屏幕报警,屏幕设有报警区,在其中闪烁显示粮虫图像,并显示该监测站及监测点的编号。另一种是声音报警,每隔1分钟持续鸣叫2秒钟。当报警被发现后,可人工关闭报警,退出报警状态。5.3粮虫目标提取与计数软件
①背景减除
将影像探测杆内粮虫陷阱底板在系统初始化时拍成背景图像,由粮虫监测时拍摄的目标图像对背景图像进行减除。以下乃对剪除后的图像进行处理。
②目标提取
目标提取是从上述经减除的图像中将目标粮虫提取出来。第一步根据图像的直方图,求取阀值。方法是:
因为被处理的图像主要是目标和背景两种类型,所以根据图像的期望方差求出阀值,效果比较理想,即根据每个灰度值出现的概率来确定,公式为:
thresh=∑gray*p[gray];其中gray为[0..255],p[gray]为图像中值为gray的灰度值出现的概率。
第二步根据阀值,将图像二值化。即灰度值小于阀值的,置其灰度值为0,大于阀值的,置其灰度值为255。这样就可以将粮虫与背景分离,提取出了目标粮虫的实体形状。
③目标识别与计数
目标识别是指将图像中的粮虫分割出来。沿着粮虫黑块边沿按一定规则进行寻找计数。具体方法是:从图像的第一个像素点开始搜索,若搜索到块上的点(即像素值为0的点),则将该点入栈,然后依次检查该点周围四个方向的像素点值,看它们是否是块上的点,若是,则再将其入栈,否则,不入栈。将该点四个方向上的点检查完毕后,就将该点弹出栈,接着再用同样的方法检查下一个栈顶的像素,直到该栈为空,则表明处理完一个轮廓,相应的标志加一。(注意:在此过程中,要将已经搜索过的像素点做标记,以免下次再搜索)栈空后,再搜索轮廓图像中下一个像素点,直到整个轮廓图像搜索完。考虑到轮廓图像中孤立点及其它杂点的存在,在我们统计完轮廓个数后,还要排除这些点的影响。方法是:若轮廓栈中点的个数小于规定的阀值,则将其看作杂点处理,即不计其为轮廓点。最后得到的轮廓点的个数即为粮虫的个数。5.4视频解码软件
解码实现过程如附图6所示。其中
601可变长解码
可变长解码通过查表法解出码头信息和DCT数据。
602逆向扫描
逆向扫描过程是将一维数据QFS[n]变换为二维系数阵列QFS[v][u],其中n的范围为0-63,u、v的范围均为0-7。
603逆量化过程,其中各环节分别为逆量化算术运算、限幅、不匹配控制,分述如下:
6031逆量化算术运算:
帧内编码块DC系数的逆量化方法与其它系数的量化方法不同。在帧内块中,F”[0][0]应由QF[0][0]乘以由intra_dc_precision决定的常数intra_dc_mult得到。其它系数由下列方程式定义的算术运算来重建F”[v][u]。F”[v][u]=((2QF[v][u]+k)×W[w][v][u]×quantiser_scale)/32其中K在帧内块时为0,非帧内块时为sign(QF[v][u])。加权矩阵W[w][v][u]中的w值为0-3,指示当前由色差格式和块类型决定的矩阵。Quantiser_scale_code和图像编码扩展中的q_scale_type决定适当的quantiser_scale。
6032限幅和非匹配控制
在对块中所有重建、限幅的系数F’[v][u]求和后,如果和为偶数,则应对系数F[7][7]进行修改。如果F’[7][7]为奇数,F[7][7]等于F’[7][7]减一;如果F’[7][7]为偶数,F[7][7]等于F’[7][7]加一。这种非匹配控制是IDCT解谐控制。
604逆DCT,按以下公式计算:
其中i,j=0,1…7,u,v=0,1…7.
605运动补偿
运动补偿的关键是如何利用运动矢量重建原图像。在解码器端,要通过码流中的参数重建差值运动矢量。为了解码运动矢量,解码器保持4个运动矢量预测器(水平分量和垂直分量各一个),表示为PMV[r][s][t]。对每个预测,首先得到vector’[r][s][t]。对每一彩色分量,给出运动矢量vector[r][s][t],然后根据色差格式进行缩放。6.系统扩展功能
根据安全监测及粮库管理工作需要,可以在本系统前端视频监测站上增加连接1台普通摄像机,将摄像机置于粮仓粮食之外适当高度地方,可监视仓中粮食堆高,计算储存数量,同时可监视进入仓中人员及活动情况。
Claims (15)
1.一种粮库粮虫智能监测系统,其特征在于它由监测中心主计算机、粮仓前端多路视频监测站、插入粮食的影像探测杆组成,其中:
用网络将主计算机与若干个多路视频监测站连接起来,每一个多路视频监测站根据自动化检测的需要可连接多个影像探测杆;
利用影像探测杆的功能实现,拍摄粮食内粮虫影像,并输出模拟视频信号给多路视频监测站;
多路视频监测站收集影像探测杆输出的视频信号进行视频数字化、压缩编码、通信编码处理,再经网络送入监控中心主计算机;
主计算机接收视频监测站送出的压缩数据,进行解码恢复;
主计算机采用统计数学方法对经过恢复的视频数据进行图像分析,识别粮虫,计算虫数,给出虫情报警;并在主计算机上建立数据库,存储长期观测数据、粮虫活动影像,用于查询、统计分析及研究粮虫生长规律。
2.如权利要求1所述的粮库粮虫智能监测系统,其特征在于:所述影像探测杆做成粮虫陷阱结构,在杆壁上打上斜孔,杆内腔装入空气和诱虫剂,使粮虫积极趋入。
3.如权利要求2所述一种对粮虫影像测取方法,使用影像探测杆插入粮食内,粮虫爬入后,使能拍摄两种影像,一种是镜面离物面较远,拍摄粮虫活动情况;另一种是镜面与物面距离较近,获取局部粮虫形态。
4.如权利要求1所述的粮库粮虫智能监测系统,共特征在于:一套2级计算机网络方式,第一级由主计算机经粗缆连接各监测站,使总体连网距离较长;第二级由监测站星形连接各探测杆。
5.如权利要求1所述的粮库粮虫智能监测系统,其特征在于:所述报警方式是利用计算机屏幕报警和声音报警两种方式,屏幕设有报警区,在其中闪烁显示粮虫图像,并显示对应监测站及监测点的编号;声音报警方式则是每隔1分钟持续鸣叫2秒钟。
6.如权利要求1所述粮库粮虫智能监测系统,其特征在于:使用多路视频监测站对粮虫影像进行数字化,使视频帧率不少于20F/S,图像分辩率达640×480,为实时传送数据,高数据压缩比达≥200。
7.如权利要求1所述粮库粮虫智能监测系统,其特征在于:主计算机采用统计数学方法对经过处理的视频数据进行图像分析及识别粮虫、计数粮虫、粮虫数据及影像管理、研究粮虫生长规律。
8.如权利要求7所述主计算机的粮虫图像分析,其特征在于:参照由影像探测杆内粮虫陷阱底板在没有粮虫时拍成的背景图像,由粮虫监测时拍摄的目标图像对其进行减取;
对经减取的图像采用直方图求解阈值的方法获取阈值;
计算采集图像与背景图像象素色度差的统计值,如果一帧采集图像的所有像素点颜色值的总和与背景图像所有像素点颜色色度值总和的差大于阈值,则判断图像中有粮虫出现,并立即报警。
9.如权利要求7所述主计算机对粮虫的识别,其特征在于:一种从粮虫影像分离出粮虫形状的技术,当发现粮虫时,根据阈值,将图像二值化,分离粮虫与背景图像,提取出目标粮虫的实体形状。
10.如权利要求7所述主计算机对粮虫计数技术,其特征在于:采用梯度法勾出粮虫轮廓,沿着粮虫边沿进行寻找,对图像中的粮虫个数进行统计。
11.如权利要求7所述主计算机对粮虫数据及影像管理技术,其特征在于:在主计算机上建立数据库,存储长期观测数据、粮虫活动影像,用于查询、统计分析及研究粮虫生长规律。
12.如权利要求11所述研究粮虫生长规律,其特征在于:一种对粮库粮虫生长规律研究统计分析软件:
统计全库年、季生虫情况,不同粮食生虫规律;
分析温湿度对粮虫生长的影响,分析加药灭虫对粮虫的影响。
13.如权利要求1所述主计算机对压缩视频数据进行解码恢复,其特征在于:一套对压缩粮虫影像解码恢复的软件,其功能包括:可变长解码、逆向扫描、逆量化、算术运算、逆DCT的快速运算、非匹配控制、运动补偿等。
14.如权利要求1所述主计算机对粮虫图像的处理,其特征在于:一套主处理流程,其中包括用视频关键图像帧对背景图像减取,三遍识别粮虫并计数处理,取最大数存数据库,并存储视频影像文件,同时获取显微图像予以存储。
15.一种对粮库工作监视及安全监视的方法,其特征是:在系统前端视频监测站增加连接1台通用摄像机,将摄像机置于粮仓顶部,监视仓中粮食堆高,计算储存粮食数量,同时可监视进出仓人员及活动情况。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNB011256516A CN1139890C (zh) | 2001-08-18 | 2001-08-18 | 粮库粮虫智能监测系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNB011256516A CN1139890C (zh) | 2001-08-18 | 2001-08-18 | 粮库粮虫智能监测系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN1351305A true CN1351305A (zh) | 2002-05-29 |
CN1139890C CN1139890C (zh) | 2004-02-25 |
Family
ID=4666034
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNB011256516A Expired - Fee Related CN1139890C (zh) | 2001-08-18 | 2001-08-18 | 粮库粮虫智能监测系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN1139890C (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101441805B (zh) * | 2007-11-21 | 2010-09-22 | 中国科学院电子学研究所 | 一种传感器网络粮情监测系统 |
CN101976350A (zh) * | 2010-10-20 | 2011-02-16 | 中国农业大学 | 基于视频分析的储粮害虫检测识别方法及其系统 |
CN101701906B (zh) * | 2009-11-13 | 2012-01-18 | 江苏大学 | 基于近红外超光谱成像技术的仓储害虫检测方法和装置 |
CN104656624A (zh) * | 2015-02-04 | 2015-05-27 | 安徽益宁储粮设备有限公司 | 智能数字化粮库粮情监管系统 |
CN105892381A (zh) * | 2016-03-23 | 2016-08-24 | 安徽科杰粮保仓储设备有限公司 | 数字化粮库智能测虫系统 |
CN106094008A (zh) * | 2016-05-20 | 2016-11-09 | 渭南师范学院 | 一种储粮害虫声检测识别系统 |
CN107183835A (zh) * | 2017-07-24 | 2017-09-22 | 重庆小爱科技有限公司 | 一种使用手机拍照扫描生成脚部模型及数据的方法 |
CN108008463A (zh) * | 2017-10-27 | 2018-05-08 | 无锡艾科瑞思产品设计与研究有限公司 | 一种粮食生虫智能检测仪 |
WO2020057159A1 (zh) * | 2018-09-19 | 2020-03-26 | 中国石油大学(华东) | 一种高校餐厅食品加工违规行为视频分析系统及方法 |
CN112739206A (zh) * | 2018-09-21 | 2021-04-30 | 拜耳公司 | 基于传感器的节肢动物观察 |
CN116105800A (zh) * | 2023-04-04 | 2023-05-12 | 河北省五星面业有限公司 | 一种环流熏蒸监测系统及方法 |
-
2001
- 2001-08-18 CN CNB011256516A patent/CN1139890C/zh not_active Expired - Fee Related
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101441805B (zh) * | 2007-11-21 | 2010-09-22 | 中国科学院电子学研究所 | 一种传感器网络粮情监测系统 |
CN101701906B (zh) * | 2009-11-13 | 2012-01-18 | 江苏大学 | 基于近红外超光谱成像技术的仓储害虫检测方法和装置 |
CN101976350A (zh) * | 2010-10-20 | 2011-02-16 | 中国农业大学 | 基于视频分析的储粮害虫检测识别方法及其系统 |
CN104656624A (zh) * | 2015-02-04 | 2015-05-27 | 安徽益宁储粮设备有限公司 | 智能数字化粮库粮情监管系统 |
CN105892381A (zh) * | 2016-03-23 | 2016-08-24 | 安徽科杰粮保仓储设备有限公司 | 数字化粮库智能测虫系统 |
CN106094008A (zh) * | 2016-05-20 | 2016-11-09 | 渭南师范学院 | 一种储粮害虫声检测识别系统 |
CN107183835A (zh) * | 2017-07-24 | 2017-09-22 | 重庆小爱科技有限公司 | 一种使用手机拍照扫描生成脚部模型及数据的方法 |
CN108008463A (zh) * | 2017-10-27 | 2018-05-08 | 无锡艾科瑞思产品设计与研究有限公司 | 一种粮食生虫智能检测仪 |
WO2020057159A1 (zh) * | 2018-09-19 | 2020-03-26 | 中国石油大学(华东) | 一种高校餐厅食品加工违规行为视频分析系统及方法 |
CN112739206A (zh) * | 2018-09-21 | 2021-04-30 | 拜耳公司 | 基于传感器的节肢动物观察 |
CN112911931A (zh) * | 2018-09-21 | 2021-06-04 | 拜耳公司 | 节肢动物的检测 |
CN116105800A (zh) * | 2023-04-04 | 2023-05-12 | 河北省五星面业有限公司 | 一种环流熏蒸监测系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN1139890C (zh) | 2004-02-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8693778B1 (en) | Method and system for identifying plant life parameters in color-digital image information | |
CN103299969B (zh) | 一种害虫诱捕装置和害虫远程识别监控系统 | |
Pegoraro et al. | Automated video monitoring of insect pollinators in the field | |
CN1139890C (zh) | 粮库粮虫智能监测系统及方法 | |
CN113940326B (zh) | 一种基于物联网的害虫防控系统 | |
CN114581801A (zh) | 一种基于无人机数据采集的果树识别和数量监测方法 | |
CN111161090B (zh) | 圈养栏信息的确定方法、装置及系统、存储介质 | |
CN109063815A (zh) | 一种害虫识别统计装置、系统及方法 | |
CN113379769A (zh) | 一种农作物病虫害智能防御平台 | |
CN1414514A (zh) | 视频监视、识别智能装置与技术方法 | |
CN115100471A (zh) | 基于移动终端的储粮害虫多维信息采集及预警方法 | |
CN111967440A (zh) | 一种农作物病害的综合识别处理方法 | |
CN108510490B (zh) | 一种分析虫害趋势的方法、装置及计算机存储介质 | |
CN114511820A (zh) | 货架商品检测方法、装置、计算机设备及存储介质 | |
CN114898405B (zh) | 基于边缘计算的便携式肉鸡异常监测系统 | |
CN116030343A (zh) | 一种基于机器视觉识别的农作物病虫害监管系统 | |
CN108874910A (zh) | 基于视觉的小目标识别系统 | |
CN117195006B (zh) | 一种鸡肉用兽药残留数据管理系统 | |
CN116343201B (zh) | 谷粒类别识别方法、装置及计算机设备 | |
CN116258968B (zh) | 一种林果病虫管理方法及系统 | |
CN116523182A (zh) | 一种生态果园的构建和生产管理方法、系统及存储介质 | |
Darras et al. | Eyes on nature: Embedded vision cameras for multidisciplinary biodiversity monitoring | |
CN208421879U (zh) | 一种害虫识别统计装置及系统 | |
CN111414886A (zh) | 一种人体动态特征的智能识别系统 | |
CN113792715B (zh) | 粮仓害虫监测预警方法、装置、设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C06 | Publication | ||
PB01 | Publication | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
C19 | Lapse of patent right due to non-payment of the annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |