TWI700985B - 圖像化蟲害辨識與分佈範圍的方法 - Google Patents
圖像化蟲害辨識與分佈範圍的方法 Download PDFInfo
- Publication number
- TWI700985B TWI700985B TW108131374A TW108131374A TWI700985B TW I700985 B TWI700985 B TW I700985B TW 108131374 A TW108131374 A TW 108131374A TW 108131374 A TW108131374 A TW 108131374A TW I700985 B TWI700985 B TW I700985B
- Authority
- TW
- Taiwan
- Prior art keywords
- pest
- image
- remote server
- pests
- insect
- Prior art date
Links
Images
Abstract
一種圖像化蟲害辨識與分佈範圍的方法包含:利用行動裝置,於蟲害地點拍攝蟲害影像,並傳送蟲害影像及對應蟲害地點的定位資訊至遠端伺服器;利用遠端伺服器的判釋模組對蟲害影像進行分析並判斷蟲害影像是否具蟲害特徵,若是,則執行下一步驟;利用遠端伺服器的預警模組根據定位資訊將蟲害影像疊套於地理影像中的相應位置,得到蟲害分佈圖。
Description
一種蟲害防治的方法,尤指一種以圖像化製作辨識蟲害特徵以及蟲害分佈的方法。
對於農業立基的國家而言,農耕技術發展顯的相當重要,其蟲害的防治為一大重點,然而隨著全球生物多樣化趨勢,除了本土蟲害外,外來種的蟲害問題也越發嚴重。
對於業者而言,對於不同階段的蟲害,有不同的防疫措施。
然而蟲害的變化瞬息萬變,生長及擴展速度快,因此業者常無法掌握其生長狀況以及分佈範圍,無法有效的進行防疫動作,常錯失先機而損失嚴重。
因此,如何提出一種蟲害防治的方法,能簡便的操作並且有效的掌握蟲害問題,進一步的預先防治,是相關領域的專業人員極需研究的課題。
有鑑於此,本發明一實施例提出一種圖像化蟲害辨識與分佈範圍的方法包含:利用行動裝置,於蟲害地點拍攝蟲害影像,並傳送蟲害影像及對應蟲害地點的定位資訊至遠端伺服器;利用遠端伺服器的判釋模組對蟲害影像進行分析並判斷蟲害影像是否具蟲害特徵,若是,則執行下一步驟;利用遠端伺服器的預警模組根據定位資訊將蟲害影像疊套於地理影像中的相應位置,得到蟲害分佈圖。
如上述的圖像化蟲害辨識與分佈範圍的方法,在一實施例中,判釋模組判斷蟲害影像具有蟲害特徵時,更進一步判斷蟲害特徵的蟲齡並給予蟲害影像一對應於其蟲齡的蟲齡分類成果。
如上述的圖像化蟲害辨識與分佈範圍的方法,在一實施例中,遠端伺服器更允許一使用者選擇一部份的蟲齡分類成果而使蟲害分佈圖僅套疊具有使用者所選定的蟲齡分類成果的蟲害影像。
如上述的圖像化蟲害辨識與分佈範圍的方法,在一實施例中,行動裝置更傳送一對應於蟲害影像的拍攝時間的時間資訊至遠端伺服器。
如上述的圖像化蟲害辨識與分佈範圍的方法,在一實施例中,遠端伺服器更允許使用者選擇時間區間而使蟲害分佈圖僅套疊落入使用者所選定的時間區間的蟲害影像。
如上述的圖像化蟲害辨識與分佈範圍的方法,在一實施例中,遠端伺服器更依據不同的時間區間而產生多個蟲害分佈圖,各蟲害分佈圖僅套疊其對應的時間區間的蟲害影像,且遠端伺服器更依據時間順序輪流播放蟲害分佈圖。
如上述的圖像化蟲害辨識與分佈範圍的方法,在一實施例中,遠端伺服器更將蟲害特徵判斷結果反餽至行動裝置。
如上述的圖像化蟲害辨識與分佈範圍的方法,在一實施例中,遠端伺服器更將蟲齡分類成果反餽至行動裝置。
經由上述一個或多個實施例提供的圖像化蟲害辨識與分佈範圍的方法,可以建立起蟲害特徵資料、蟲害分佈影像及地理影像等資料,使用者可依據此方法,找出蟲害分佈熱點以及預測擴散趨勢,進行有效的預防以減少作物的損害,得以解決先前技術所遭遇的問題。
請參閱圖1為本發明圖像化蟲害辨識與分佈範圍的方法之一實施例之流程示意圖。
圖像化蟲害辨識與分佈範圍的方法包含:
步驟S1:利用行動裝置,於蟲害地點拍攝蟲害影像,並傳送蟲害影像及對應蟲害地點的定位資訊至遠端伺服器。行動裝置例如智慧型手機或是平版電腦,於疑似或是已發生蟲害的蟲害地點拍攝植株影像,並進一步將對應蟲害地點的定位資訊傳送至遠端伺服器,拍攝影像的使用者可能是一般民眾、農業從業人員或其他病蟲害防制作業人員。所述的地位資訊例如經緯度的數值。所述的地位資訊例如經緯度的數值。
步驟S2:利用遠端伺服器的判釋模組對蟲害影像進行分析並判斷蟲害影像是否具蟲害特徵,若是,則執行下一步驟S3。在一實施例中,判釋模組為一種卷積神經網路,預先深度學習,提供各種蟲害影像的訓練,建立起一權重模型。
步驟S3:利用遠端伺服器的預警模組根據定位資訊將蟲害影像疊套於地理影像中的相應位置,得到蟲害分佈圖。所述的地理影像可由空拍機拍攝取得,或是取自衛星影像,或是由空拍機所拍攝的影像與衛星影像疊套處理得到。
若判釋模組對蟲害影像進行分析並判斷蟲害影像不具蟲害特徵,則進行步驟S4,將該蟲害影像分類歸檔。
請參閱圖2,為本發明圖像化蟲害辨識與分佈範圍的方法之地理影像一實施例之示意圖,預警模組還將上述的定位資訊標示於蟲害分佈圖或是地理影像上,使用者可藉此瞭解發生蟲害正確的位置,如圖2所示。
此外,判釋模組在判斷蟲害影像具有蟲害特徵時,更進一步判斷蟲害特徵的蟲齡並給予蟲害影像對應於其蟲齡的蟲齡分類成果。即針對各蟲齡做齡期的分類,如圖1所示。
在一實施例中,遠端伺服器更允許使用者選擇一部份的蟲齡分類成果而使蟲害分佈圖僅套疊具有使用者所選定的蟲齡分類成果的蟲害影像。所述的使用者例如為農作相關業者或主管機關,於後端平台(即遠端伺服器1)選擇需要的蟲齡及相對應的蟲害影像,瞭解其分佈的範圍,藉此掌握蟲害狀況,預先進行防疫措施。
此外,在一些實施例中,行動裝置更傳送對應於蟲害影像的拍攝時間的時間資訊至遠端伺服器。遠端伺服器將此時間資訊標示在該蟲害分佈圖或是地理影像上。
除此之外,遠端伺服器因接收多個蟲害影像及多個對應的時間資訊,在一些實施例中,遠端伺服器更允許使用者選擇時間區間而使蟲害分佈圖僅套疊落入使用者所選定的時間區間的蟲害影像,作為瞭解各時區蟲害的範圍所用。
為了能事先預測蟲害的擴散方向以及擴散範圍,遠端伺服器更可依據不同的時間區間而產生多個蟲害分佈圖,各蟲害分佈圖僅套疊其對應的時間區間的蟲害影像,且遠端伺服器更依據時間順序輪流播放蟲害分佈圖。藉此,藉此,使用者可以瞭解蟲害的隨時間演進的動態擴散方向,並且進一步的預測其擴散的範圍。
在上述的各實施例中,遠端伺服器可以將上述蟲害特徵判斷結果反餽至行動裝置。例如將上述的蟲害分佈圖、不同時區對應蟲害特徵的蟲害分佈圖、對應不同蟲齡的蟲害份佈圖、標示定位資訊、時間資訊的地理影像以及判釋模組所建立的蟲齡分類成果等資料回傳至行動裝置,供行動裝置的使用者參考該等資料,提升防蟲教育或對防蟲做進一步的規劃,例如遠離有蟲害的區域。
經由上述一個或多個實施例提供的圖像化蟲害辨識與分佈範圍的方法,可以通過公眾的參與,建立起蟲害特徵資料、分類成果及蟲害分佈圖,讓後端使用者,例如主管機關可依據此方法,找出蟲害分佈的熱點,並且預測其擴散的方向及範圍,進行有效的預防以減少作物的損害。
A:地理面積
A’:含目標植株的地理面積
S1-S4:步驟
[圖1]係本發明圖像化蟲害辨識與分佈範圍的方法之一實施例之流程示意圖。
[圖2]係本發明圖像化蟲害辨識與分佈範圍的方法之地理影像一實施例之示意圖。
S1-S4:步驟
Claims (7)
- 一種圖像化蟲害辨識與分佈範圍的方法,包含:利用一行動裝置,於一蟲害地點拍攝一蟲害影像,並傳送該蟲害影像及對應該蟲害地點的一定位資訊至一遠端伺服器;利用該遠端伺服器的一判釋模組對該蟲害影像進行分析並判斷該蟲害影像是否具一蟲害特徵,若是,則執行下一步驟;利用該遠端伺服器的一預警模組根據該定位資訊將該蟲害影像疊套於一地理影像中的相應位置,得到一蟲害分佈圖;其中該判釋模組判斷該蟲害影像具有該蟲害特徵時,更進一步判斷該蟲害特徵的蟲齡並給予該蟲害影像一對應於其蟲齡的蟲齡分類成果。
- 如請求項1所述的圖像化蟲害辨識與分佈範圍的方法,其中該遠端伺服器更允許一使用者選擇一部份的該蟲齡分類成果而使該蟲害分佈圖僅套疊具有該使用者所選定的蟲齡分類成果的蟲害影像。
- 如請求項1所述的圖像化蟲害辨識與分佈範圍的方法,其中該行動裝置更傳送一對應於該蟲害影像的拍攝時間的時間資訊至該遠端伺服器。
- 如請求項3所述的圖像化蟲害辨識與分佈範圍的方法,其中該遠端伺服器更允許一使用者選擇一時間區間而使該蟲害分佈圖僅套疊落入該使用者所選定的時間區間的蟲害影像。
- 如請求項3所述的圖像化蟲害辨識與分佈範圍的方法,其中該遠端伺服器更依據不同的時間區間而產生多個蟲害分佈圖,各蟲害分佈圖僅套疊其對應的時間區間的蟲害影像。
- 如請求項1所述的圖像化蟲害辨識與分佈範圍的方法,其中該遠端伺服器更將該蟲害特徵判斷結果反餽至該行動裝置。
- 如請求項1所述的圖像化蟲害辨識與分佈範圍的方法,其中該遠端伺服器更將該蟲齡分類成果反餽至該行動裝置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW108131374A TWI700985B (zh) | 2019-08-30 | 2019-08-30 | 圖像化蟲害辨識與分佈範圍的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW108131374A TWI700985B (zh) | 2019-08-30 | 2019-08-30 | 圖像化蟲害辨識與分佈範圍的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
TWI700985B true TWI700985B (zh) | 2020-08-11 |
TW202107978A TW202107978A (zh) | 2021-03-01 |
Family
ID=73003021
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW108131374A TWI700985B (zh) | 2019-08-30 | 2019-08-30 | 圖像化蟲害辨識與分佈範圍的方法 |
Country Status (1)
Country | Link |
---|---|
TW (1) | TWI700985B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006101739A (ja) * | 2004-10-04 | 2006-04-20 | Toppan Printing Co Ltd | 園芸用ラベルおよび園芸管理システム |
WO2013145159A1 (ja) * | 2012-03-28 | 2013-10-03 | 株式会社日立システムズ | Icタグを用いた植物生育履歴管理システム |
TWM528579U (zh) * | 2016-06-15 | 2016-09-21 | Nat Taitung Jr College | 用於行列植株之病蟲害辨識系統 |
CN109977924A (zh) * | 2019-04-15 | 2019-07-05 | 北京麦飞科技有限公司 | 针对农作物的无人机机上实时图像处理方法及系统 |
-
2019
- 2019-08-30 TW TW108131374A patent/TWI700985B/zh active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006101739A (ja) * | 2004-10-04 | 2006-04-20 | Toppan Printing Co Ltd | 園芸用ラベルおよび園芸管理システム |
WO2013145159A1 (ja) * | 2012-03-28 | 2013-10-03 | 株式会社日立システムズ | Icタグを用いた植物生育履歴管理システム |
TWM528579U (zh) * | 2016-06-15 | 2016-09-21 | Nat Taitung Jr College | 用於行列植株之病蟲害辨識系統 |
CN109977924A (zh) * | 2019-04-15 | 2019-07-05 | 北京麦飞科技有限公司 | 针对农作物的无人机机上实时图像处理方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
TW202107978A (zh) | 2021-03-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20210192247A1 (en) | Systems and methods for electronically identifying plant species | |
JP6821762B2 (ja) | 畳み込みニューラルネットワークを利用してpoi変化を検出するためのシステムおよび方法 | |
JP2020504868A5 (zh) | ||
CN112823229B (zh) | 诊断辅助系统及其方法 | |
US11803959B2 (en) | Individual plant recognition and localization | |
Duniway et al. | Rangeland and pasture monitoring: an approach to interpretation of high-resolution imagery focused on observer calibration for repeatability | |
US20140324630A1 (en) | System and method for delivering relevant, location-specific gis information to a mobile device | |
US20220189060A1 (en) | Visual Camera Re-Localization using Graph Neural Networks and Relative Pose Supervision | |
US11321855B2 (en) | Multi-camera homogeneous object trajectory alignment | |
US20170085656A1 (en) | Automatic absolute orientation and position | |
JP2024020295A (ja) | 連携仮想インターフェース | |
TWI794929B (zh) | 用於藉由使用方框嵌入以判定影像的視覺重疊之電腦實施方法及非暫時性電腦可讀記憶體 | |
TW201842352A (zh) | 用於映射位置偵測至圖形表示之方法、裝置及系統 | |
Zhu et al. | Human augmentation of uav cyber-attack detection | |
Wong et al. | Camera trapping—Advancing the technology | |
JP2024515995A (ja) | 注目点の再現性予測 | |
TWI700985B (zh) | 圖像化蟲害辨識與分佈範圍的方法 | |
US11442997B2 (en) | System and method associated with an insular digital content distribution platform that generates discrete epochs of content based on determination of a germane zip-span polygon region | |
US10989519B2 (en) | Estimating tracking sensor parametrization using known surface constraints | |
TW202147179A (zh) | 自單一影像判定可遍歷空間 | |
WO2021132276A1 (ja) | 農業支援システム | |
Mishra et al. | Monocots and dicot weeds growth phases using deep convolutional neural network | |
CN114154699A (zh) | 物种游览方法、游览系统及可读存储介质 | |
TWI837557B (zh) | 用於自監督多圖框單眼深度估計模型之電腦實施方法及非暫時性電腦可讀儲存媒體 | |
WO2024070654A1 (ja) | 情報処理装置、情報処理方法、およびプログラム |