WO2024050617A1 - Método de detecção e classificação de insetos e classificação de insetos e animais - Google Patents

Método de detecção e classificação de insetos e classificação de insetos e animais Download PDF

Info

Publication number
WO2024050617A1
WO2024050617A1 PCT/BR2023/050315 BR2023050315W WO2024050617A1 WO 2024050617 A1 WO2024050617 A1 WO 2024050617A1 BR 2023050315 W BR2023050315 W BR 2023050315W WO 2024050617 A1 WO2024050617 A1 WO 2024050617A1
Authority
WO
WIPO (PCT)
Prior art keywords
radar
insect
insects
fact
species
Prior art date
Application number
PCT/BR2023/050315
Other languages
English (en)
French (fr)
Inventor
Laila Fabi Moreira
Regina Bernardina JOHANNA HAKVOORT
Original Assignee
Radaz Industria E Comércio De Produtos Eletronicos Ltda
Anáhata Soluções Inovadoras Em Agronomia Ltda
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
Priority claimed from BR102022017948-4A external-priority patent/BR102022017948A2/pt
Application filed by Radaz Industria E Comércio De Produtos Eletronicos Ltda, Anáhata Soluções Inovadoras Em Agronomia Ltda filed Critical Radaz Industria E Comércio De Produtos Eletronicos Ltda
Publication of WO2024050617A1 publication Critical patent/WO2024050617A1/pt

Links

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
    • A01M99/00—Subject matter not provided for in other groups of this subclass
    • 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
    • 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
    • G06V40/20—Movements or behaviour, e.g. gesture recognition

Definitions

  • the present invention relates to the control of pests that affect crops and, more specifically, to the detection of insects and animals using radar.
  • Insects constitute the most diverse and numerous class of the arthropod phylum, with approximately 1 million species having already been described. Insects are the only invertebrates with wings capable of autonomous flight, which they use to carry out essential activities such as searching for refuge and food, locating host plants, avoiding predators, finding partners, looking for places to lay eggs and long-distance migration. Many billions of insects migrate annually, with considerable economic consequences, such as damage to crops, spread of diseases in plants as well as in humans and livestock.
  • Insect pests that cause direct or indirect damage to crops often reproduce in geometric progression, reaching high population levels in a short space of time, to the point of requiring many interventions with pesticides and, even so, causing irreversible damage.
  • coleoptera cotton boll weevil and coffee borer
  • lepidoptera polyphagous or non-polyphagous moths that, depending on the species, lay 1300 eggs per night, resulting in a huge number of caterpillars that attack crops such as corn, soybeans, coffee, peach, beans, grapes, coconut, rice, etc.
  • Severe damage is also caused by insect vectors, often suckers that, when sucking, transmit viruses or bacteria, causing irreversible damage to plants and reducing their productivity, making it even necessary to eradicate them in the worst cases. Examples: whitefly on beans or papaya; thrips on tomatoes; leafhoppers in corn, grapes, pastures, as well as citrus psyllid.
  • Adhesive plates with attractive colors are used to attract and quantify flying insects, if they are attracted to a certain color, usually yellow.
  • Visual monitoring that consists of the monitors walking randomly within the crops, observing the plants and quantifying the pests found. The intervals to review the areas are weekly.
  • the innovation in this sector has been the digitization of the field logbook (the recorded data is now entered by the monitor using a tablet or data collector), but it continues to be essentially a sampling process and does not provide information about what actually happens. is happening in the area as a whole, not in real time, but rather, according to the periodicity of monitoring.
  • the first two methods provide information about absence or presence in the crop, being more of an indication; Furthermore, they are restricted to a few species of insects.
  • the most used method for decision-making for pesticide application is pest monitoring carried out by technicians trained in insect identification. However, they present some problems such as the fact that employee turnover for this work is very high, requiring new training every year, as well as relying on the work of beginners to correctly recognize pests.
  • the images will quantify the damage that has already occurred, as they will not identify most pest species, only their damage.
  • An important function of monitoring is to assist in making decisions about whether to apply pesticides or release insects.
  • current methods do not allow an assessment of the quality of control carried out by applying a pesticide, for example. Therefore, if there is an error in the quality of the application, this ends up not being noticed.
  • the present invention aims to provide a method and system designed to improve pest monitoring to aid in decision making, making control more effective and carried out at the correct time, optimizing the use of insecticides and acaricides and reducing their impact on the ecosystem.
  • Another objective is to allow real-time monitoring of the evolution of pest populations due to the application of pesticides or the release of macrophage insects.
  • Another objective is to provide real-time monitoring of the precise geographic coordinates of areas infested by predatory insects/animals in crop and/or forest regions.
  • a method in which the insect or vertebrate animal is detected by the radar echo and identified through analysis of the spectrogram of the Doppler signal generated by its displacement and flapping of its wings (in in the case of insects) or body movement (in the case of vertebrates).
  • the invention comprises a method for determining the signature of each species of animal, said signature comprising information relating to the radar signal echo spectrogram and associated information.
  • said signature is composed of the spectrogram of the Doppler signal produced by the echo of the radar signal and respective information associated with one or more of the patterns corresponding to the histogram, standard deviation, kurtosis, asymmetry (skewness), the entropy and energy of the spectrogram itself and also of the respective echo of the radar signal.
  • obtaining the echo of the radar signal comprises illuminating an insect by a beam of radiation from a centimeter radar and capturing the reflected signal and processing it to obtain the respective spectrogram.
  • illumination and capture of the reflected signal are carried out within an anechoic chamber.
  • the insect is retained in a container with walls transparent to radar waves.
  • At least one signature associated with the insect of interest is used to train a neural network.
  • the trained neural network is uploaded to the radar in the form of software and the radar is now able to detect, classify and estimate the number of previously trained insects and animals and report their respective position in real time .
  • the system comprises a neural network which is trained by a set of signatures, each corresponding to a specific species of insect or animal.
  • a large set of signatures for each insect and animal species ensures the robustness of the neural network in the detection and classification process.
  • the trained neural network is uploaded to the radar in the form of software and the radar is now able to detect, classify and estimate the number of previously trained insects and animals and report their respective position in real time.
  • Figure 1 is a block diagram of the radar used to acquire raw insect data for subsequent processing and respective collection of insect signatures.
  • Figure 2 exemplifies the construction of the apparatus used to accommodate the radar and the insects with a view to acquiring raw insect data for subsequent processing and corresponding signature collection.
  • Figure 3 illustrates the block diagram corresponding to the processing of data obtained through the apparatus illustrated in the previous figure, extraction of insect signatures and training of the neural network.
  • Figure 4 is a block diagram of the radar for detection, classification, estimation of the quantity and location of insects and animals.
  • Figure 5 is a block diagram of processing the raw radar data from the previous figure.
  • Figure 6 is a top view of a typical installation of the radar for detecting insects in a crop.
  • Figure 7-a comprises a side view and figure 7-b a top view of a field arrangement for detecting insects and vertebrate animals in an industrial forest.
  • An insect or animal has two basic movements: translational movement and another movement.
  • Translational movement is the displacement of the insect or animal along the 3 axes.
  • Proper motion is the flapping of the wings or movement of the legs or body, which can be decoupled (i.e., independent) from its translational motion.
  • an insect in hovering flight has only proper motion and no translational motion.
  • the radar can measure the two basic movements of insects or animals in the radial direction, that is, the projection of movements in the direction of propagation of radar signals. Translational movement is measured using Doppler frequency. Proper motion is measured using micro-Doppler.
  • Each insect has its own typical movement, which can be represented by the micro-Doppler frequency spectrum. However, this movement changes over time and this results in a representation with a series of spectra that is called a spectrogram.
  • the micro-Doppler spectrogram is then a history of micro-Doppler spectra, caused by the movement of insects or animals.
  • an insect can flap its wings at 1 m/s and generate a spectrum with a bandwidth of 80 Hz, as presented above. However, it can increase the beating speed to 1.5 m/s, resulting in an increase in bandwidth to 120 Hz, and then reduce it to 0.5 m/s, reducing the bandwidth to 40 Hz.
  • the bandwidth of the micro-Doppler can vary in width over time and is then well represented by the spectrogram.
  • Another resource can be adopted which consists of immobilizing the insect using an adhesive, for example.
  • Both the bandwidth and its variation over time are main parameters for the characterization of the insect or animal and are present in the spectrogram.
  • Another information present in the spectrogram is the intensity of the micro-Doppler return signal, which is represented in the intensity of the spectrogram lines presented in graph 420 of Figures 3 and 5.
  • the spectrogram is then the main information for the detection and classification of insects or animals.
  • Additional patterns are also extracted from the shape of the spectrogram, a process called pattern extraction.
  • a neural network is trained based on the spectrogram and also on the patterns extracted from its shape (i.e., the insect's signature), this process being called training the neural network.
  • the trained neural network is integrated into the radar and it is able to detect, classify, estimate their quantity and locate insects and/or animals. This process will be clarified below.
  • Fig. 1 shows the block diagram of the apparatus.
  • the insect 80 is illuminated by the radar transmitting antenna Tx 20 and its reflected signal is received by the radar receiving antenna Rx 21.
  • the radar generates a pulsed or continuous wave 11 that is amplified by the amplifier 10 and sent to the transmitting antenna 20
  • this radar transmits and receives simultaneously and measures only Doppler and Micro-Doppler frequencies. In other words, the distance to the insect does not need to be measured, as this arrangement is only for surveying the Doppler and Micro-Doppler frequencies, corresponding to the beating of the wings.
  • Fig. 2 presents an example of the physical assembly of the apparatus schematized in Figure 1.
  • the radar consisting of parts 10, 11, 31 and 40 is located on the floor of the anechoic camera 90, which has microwave absorbing layers 91 in all its sides.
  • the insect 80 is inside a cage or container 93 that is suspended and away from the radar by the base 92.
  • the anechoic camera and its internal assembly may have varying dimensions. External dimensions of 1500 mm at the base and 2400 mm in height for the anechoic chamber 90, 800 mm for the base 92 and 500 mm for the cage 93 are recommended for most insects.
  • the radar consisting of 10, 11, 31 and 40 illuminate a cage or area where the animals are in natural movement.
  • the echo to be treated corresponds to the movement of the appendages (legs and arms).
  • the data acquired by the specific apparatus for collecting signatures, presented in Figures 1 and 2, are processed according to the block diagram in Figure 3.
  • the insect presents a Micro-Doppler with a bandwidth in the range of 2 at 10 Hz, varying in time. Before and after this movement phase, the insect does not flap its wings, that is, the Micro-Doppler frequency is 0.
  • the insect's wings do not show translational movement or low-frequency Doppler, the insect is fixed by its legs inside the cage, in such a way that it can flap its wings without showing translational movement. Another resource is to hang the insect using a wire. In both cases, it ends up generating only the micro-Doppler and not Doppler.
  • insects such as caterpillars
  • Other insects can be positioned on a plant, so that they have an environment conducive to their movement. Translational motion can also be considered in spectrograms.
  • the technique for handling the insect at this stage of echo radar capture will depend on the species and its importance in the natural detection range.
  • patterns are extracted from the spectrogram such as the histogram, the frequency of the Micro-Doppler frequency history itself and other patterns such as standard deviation, kurtosis, entropy and energy of the spectrogram. All these patterns will be analyzed for each insect and only the most relevant patterns for detection and classification will be selected out of 440 to form the signature. The other less significant patterns will be discarded.
  • the neural network will be trained with the selected signatures in 450 and then specific neural networks, 460-1 to 460-N, for the detection and classification of an insect or animal or a group of insects or animals will be generated.
  • Each specific neural network represented here as 460-1 to 460-N, was trained for a specific insect or animal. For detection and classification of various insects, the respective trained neural networks must be used.
  • the operational radar 900 for detection and classification of insects and/or animals in the field is shown in Fig. 4.
  • the transmission pulse 101 is amplified by the amplifier 100 and radiated by the transmitting antenna 200 to the insect 800.
  • the signal reflected by the insect 800 is picked up by the receiving antennas 201 and 202 and the signal amplified by amplifiers 301 and 302 respectively.
  • 400 then performs real-time digitization and processing of the signals amplified by amplifiers 301 and 302.
  • the real-time processing at 400 detects, classifies and locates the insects and/or animals and transmits this information with low volume data rate through from the transmission link 500 to the remote monitoring system 600.
  • An operator or surveillance system receives information on range, azimuth, type of insect or animal and their quantity. Range and azimuth information can also be converted into location, being represented in latitude and longitude, for example.
  • FIG. 5 The system for real-time processing 400 of the operational radar 900 is described in Fig. 5, which corresponds to the use of the system in the field.
  • the block diagram is very similar to Figure 3, which represents the sequence of steps carried out in the laboratory.
  • the trained neural network(s), 460-1 to 460-M generated by the process of Figure 3 and copied to real-time processing 400 are used to analyze the signal acquired by the operational radar 900, through subsystems 411, 420 and 430, pertaining to real-time processing 400.
  • Fig. 6 shows the installation of operational radar 900 in a field.
  • the antennas 200, 201 and 202 of the radar 900 illuminate with an aperture 901 with azimuth or horizontal angle 0a and illuminate a pre-defined area of the crop 910.
  • Insects 920 are detected by the radar 900 at a range R and at an angle of azimuth a of the center of antennas 200, 201 and 202.
  • the range R and angle a can be converted into latitude and longitude for location on the farm field.
  • Figures 7-a and 7-b present the case of simultaneous monitoring of insects and animals, where insects and a capuchin monkey meet in an industrial forest.
  • the 900 radar can detect and classify both insects and animals simultaneously, remembering that in the case of vertebrate animals the micro-Doppler echo will be produced by the movements of the body and appendages (arms and legs).
  • the species identification stage using neural networks could be replaced by “fuzzy logic” techniques or even maximum likelihood.

Landscapes

  • Engineering & Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Psychiatry (AREA)
  • Social Psychology (AREA)
  • Health & Medical Sciences (AREA)
  • Insects & Arthropods (AREA)
  • Pest Control & Pesticides (AREA)
  • Wood Science & Technology (AREA)
  • Zoology (AREA)
  • Environmental Sciences (AREA)
  • Catching Or Destruction (AREA)

Abstract

Método de detecção e classificação de insetos e animais, tendo por objetivo o controle de pragas que afetam as lavouras e, mais especificamente, à detecção de insetos e animais por meio de radar. A invenção compreende a comparação entre o conjunto de padrões derivado do eco de um sinal de radar centimétrico captado em campo por um radar operacional (900) e a assinatura característica de cada espécie animal (80, 921) determinada pelo tratamento de dados captados em laboratório. O dito tratamento compreende a geração de um espectrograma (420) do sinal Doppler gerado pela movimentação dos apêndices da espécie animal (80) que, no caso dos insetos, consiste no batimento das asas. Para cada espécie é gerada uma assinatura, a partir do espectrograma e dos padrões relevantes selecionados dentre o grupo que consiste no desvio padrão, da curtose, da assimetria (skewness), da entropia e da energia do eco do sinal radar.

Description

MÉTODO DE DETECÇÃO E CLASSIFICAÇÃO DE INSETOS E ANIMAIS
Campo da invenção
[001] Refere-se a presente invenção ao controle de pragas que afetam as lavouras e, mais especificamente, à detecção de insetos e animais por meio de radar.
Antecedentes da invenção
[002] Os insetos constituem a classe mais diversificada e mais numerosa do filo dos artrópodes, já tendo sido descritas aproximadamente 1 milhão de espécies. Os insetos são os únicos invertebrados dotados de asas com capacidade de vôo autônomo, que utilizam para realizar atividades essenciais tais como buscar refúgios e alimentos, localizar plantas hospedeiras, evitar predadores, encontrar parceiros, procurar locais para deposição de ovos e migração de longa distância. Muitos bilhões de insetos migram anualmente, com consequências economias consideráveis, tais como danos às plantações, disseminação de doenças em plantas, bem como em seres humanos e no gado.
[003] Como a maioria das espécies de insetos migratórios são noturnos, voam centenas de metros acima do solo e são muito pequenos para observação de movimento e rastreamento individual, o conhecimento das migrações de insetos é precário quando comparado com o dos vertebrados gais como aves, morcegos e mamíferos terrestres ou marinhos.
[004] Tradicionalmente, o monitoramento de insetos é realizado através de trabalho de campo, onde uma ou mais pessoas percorrem as lavouras e observam a presença de insetos. Esse trabalho é feito por amostragem, ou seja, apenas uma parcela da lavoura é vistoriada. Além disso, tal monitoramento é predominantemente feito durante o dia, de forma descontínua, ou seja, com intervalos semanais.
[005] Para facilitar esse monitoramento existem recursos tais como o uso de feromônios sexuais ou alimentares que são periodicamente colocados em armadilhas para atração de determinadas espécies de insetos, como forma de identificar presença das pragas específicas em determinados locais. Outros insetos podem ser identificados através do uso de adesivos com cores atrativas.
[006] Todavia, tais métodos requerem uma considerável quantidade de mão de obra para colocação, manutenção e monitoramento, caso sejam distribuídas em toda a extensão da lavoura.
[007] Devido ao fato de tais métodos não localizarem de maneira precisa o foco inicial ou de maior concentração da praga, faz-se necessária a aplicação de defensivos em área total, empregando grande quantidade de inseticida e um alto esforço de pulverização, seja terrestre ou aérea; isto também se deve ao fato de que as atuais formas de monitoramento não identificam o início do foco, e percebe- se a praga quando a área está com alto grau de infestação, muitas vezes com várias gerações dos insetos já desenvolvidas.
[008] Os insetos-pragas causadores de danos diretos ou indiretos em lavouras, muitas vezes têm sua reprodução em progressão geométrica, alcançando níveis de população elevados em curto espaço de tempo, a ponto de exigir muitas intervenções com defensivos e, ainda assim, causar danos irreversíveis. Por exemplo: coleópteros (bicudo-do-algodoeiro e broca-do-café) e lepidópteros (mariposas polífagas ou não que, conforme a espécie, depositam 1300 ovos por noite, resultando em enorme número de lagartas que atacam culturas como milho, soja, café, pêssego, feijão, uva, coco, arroz, etc.).
[009] Prejuízos severos, ainda, são causados por insetos vetores, muitas vezes sugadores que, ao sugar, transmitem vírus ou bactérias, causando danos irreversíveis às plantas e diminuindo a produtividade destas, fazendo-se necessário até a sua erradicação nos piores casos. Exemplos: mosca-branca no feijão ou mamão; tripes em tomate; cigarrinhas em milho, uva, pastagens, bem como psilídeo-dos-citrus.
[0010] A história da humanidade tem vários relatos de dizimação de culturas inteiras em algumas regiões devido ao ataque de pragas. Por exemplo: bicudo-do-algodoeiro dizimou a cultura no nordeste e sudeste do Brasil, inviabilizando o cultivo do algodão em razão de perdas superiores a 70% por dano direto no final dos anos 80 do século passado. O inseto vetor psilídeo-do-citrus reduziu a produtividade da laranja na Flórida (EUA) a apenas 1/4 do original. Há regiões no cinturão citrícola brasileiro onde já está se alcançando um índice de contaminação de 60% das plantas pelo greening, doença causada por bactéria disseminada pelo psilídeo, inviabilizando pomares.
[0011] As atuais formas de identificação das pragas nas lavouras ocorrem de três maneiras, variando conforme as espécies de inseto- praga.
[0012] Armadilhas com feromônios sexuais ou alimentares específicos por espécies. Estas atraem insetos que ficam presos podendo ser, portanto, quantificados. O número de insetos coletados são um indicativo de presença ou ausência ou até mesmo, da gravidade quando os números estão muito expressivos. Ainda assim, é apenas um indicativo, pois não mostra com precisão se toda a área está infestada ou se a praga é mais localizada. Ademais, dado a especificidade dos feromônios, são poucas as espécies para as quais esta tecnologia se encontra disponível.
[0013] Placas adesivas com cores atrativas são utilizados para atrair e quantificar insetos voadores, caso sejam atraídos por determinada cor, geralmente o amarelo. [0014] Monitoramento visual que consiste no caminhamento dos monitores de forma aleatória dentro das lavouras, observando as plantas e quantificando as pragas encontradas. Os intervalos para repassar as áreas são semanais. Nos últimos anos a inovação havida neste setor foi a digitalização da caderneta de campo (os dados anotados são agora inseridos pelo monitor por meio de tablet ou coletor de dados), mas continua sendo essencialmente um processo por amostragem e não traz a informação do que realmente está acontecendo na área como um todo, nem em tempo real, e sim, de acordo com a periodicidade do monitoramento.
[0015] Existem inovações utilizando imagens das áreas produtivas cujos mapas de calor identificam deficiência de nutrientes, plantas daninhas, doenças já instaladas a ponto da planta apresentar sintomas. Poucas pragas poderão ser identificadas por esta metodologia, como por exemplo, folhas comidas/ deformadas por lagartas ou então plantas de laranja amareladas por causa do greening. Nestes dois últimos casos, o radar trará a informação bem antes do dano ser causado, pois assim que a praga entrar na área, já será identificada e, tomando a decisão de controle e atitude, perante uma informação preditiva, diminuindo em muito o aparecimento dos sintomas / danos.
[0016] Os dois primeiros métodos trazem a informação de ausência ou presença na lavoura, tratando-se mais de um indicativo; ademais estão restritos a algumas poucas espécies de insetos. O método mais utilizado para tomada de decisão para aplicação de defensivo é o monitoramento de pragas realizado por técnicos treinados na identificação dos insetos. Todavia, apresentam alguns problemas tais como o fato de a rotatividade de funcionários para este trabalho ser muito alta, necessitando a cada ano um novo treinamento, bem como confiar no trabalho de iniciantes no correto reconhecimento das pragas. As imagens quantificarão os danos já ocorridos, pois não irão identificar a maioria das espécies de pragas, apenas seus danos.
[0017] A avaliação dos insetos e sua quantidade torna-se dependente da qualidade da mão de obra; existe uma tendência da pessoa percorrer a área de forma parecida, não necessariamente onde está localizado um foco da praga. Por outro lado, os intervalos para retornar às áreas para novos monitoramentos são por vezes longos demais e ainda, o número de monitores contratados é geralmente menor do que o ideal.
[0018] Ademais, nas 3 metodologias descritas há necessidade de deslocamento dos profissionais até as áreas afetadas, seja para monitorar a quantidade de insetos ou para trocar o feromônio, tornando o monitoramento custoso e moroso.
[0019] Uma importante função do monitoramento é o de auxiliar na tomada de decisão de se aplicar defensivo ou a soltura de insetos. Todavia, os métodos atuais não permitem uma avaliação da qualidade de controle feito pela aplicação de um defensivo, por exemplo. Assim, se houver erro na qualidade da aplicação, isto acaba não sendo percebido.
[0020] Além dos insetos, culturas agrícolas de importância econômica têm sido prejudicadas por animais predadores de maior porte, como o javali. Este animal exótico tem sua reprodução em progressão geométrica. De hábitos noturnos, anda em bandos causando grandes prejuízos nas lavouras, principalmente de milho. O macho desta espécie percorre 12 km em apenas uma noite. O javali (Sus scrofa) é uma espécie originária da Europa, introduzida no Brasil há muitos anos, e que se tornou asselvajada e fora de controle. Devido aos impactos que já causam, a caça com arma branca ou de fogo é autorizada e concedida por órgãos públicos, conforme Instrução Normativa do Ibama n° 03/2013 . Com a localização identificada por radar, os caçadores poderão ser mais efetivos no abate deste animal. [0021] Um outro exemplo de animal nocivo é o macaco-prego, que vem causando prejuízos em áreas florestais, mais especificamente na produção de pinus.
Objetivos da invenção
[0022] Em vista do exposto, tem a presente invenção o objetivo de proporcionar um método e um sistema destinados a melhorar o monitoramento de pragas para auxílio na tomada de decisão, tornando o controle mais eficaz e realizado no momento correto, otimizando o uso de inseticidas e acaricidas e diminuindo seu impacto sobre o ecossistema.
[0023] Constitui outro objetivo permitir o acompanhamento em tempo real da evolução das populações das pragas em função da aplicação de defensivos ou soltura de insetos macrófagos.
[0024] Constitui outro objetivo prover o monitoramento em tempo real das coordenadas geográficas precisas de áreas infestadas por insetos/ animais predadores em regiões de cultura e/ou florestas.
Descrição resumida da invenção
[0025] Os objetivos acima, bem como outros, são atingidos pela invenção mediante o provimento de um sistema compreendendo um radar centimétrico de pequeno porte, fixo ou transportável por aeronave, de baixo consumo e custo reduzido, com capacidade de alcance desde dezenas de metros até quilômetros de distância.
[0026] De acordo com outra característica da invenção, é provido um método no qual o inseto ou o animal vertebrado é detectado pelo eco do radar e identificado através da análise do espectrograma do sinal Doppler gerado pelo seu deslocamento e batimento de suas asas (no caso de insetos) ou movimento próprio do corpo (no caso de vertebrados).
[0027] De acordo com outra característica, a invenção compreende um método para determinar a assinatura de cada espécie de animal, dita assinatura compreendendo informações referentes ao espectrograma do eco do sinal radar e de informações associadas.
[0028] De acordo com outra característica da invenção, dita assinatura é composta pelo espectrograma do sinal Doppler produzido pelo eco do sinal radar e respectivas informações associadas a um ou mais dentre os padrões correspondentes ao histograma, ao desvio padrão, à curtose, à assimetria (skewness), à entropia e à energia do próprio espectrograma e também do respectivo eco do sinal radar.
[0029] De acordo com outra característica da invenção, a obtenção do eco do sinal radar compreende a iluminação de um inseto por um feixe de radiação de um radar centimétrico e a captação do sinal refletido e o seu tratamento para obtenção do respectivo espectrograma.
[0030] De acordo com outra característica da invenção dita iluminação e captação do sinal refletido são realizados dentro de uma câmara anecoica.
[0031] De acordo com outra característica da invenção, o inseto é retido num recipiente de paredes transparentes às ondas radar.
[0032] De acordo com mais outra característica da invenção, pelo menos uma assinatura associada ao inseto de interesse é utilizada para treinar uma rede neural.
[0033] De acordo com outra característica da invenção, a rede neural treinada é carregada ao radar na forma de software e o radar passa a poder detectar, classificar e estimar a quantidade dos insetos e animais previamente treinados e informar sua respectiva posição em tempo real.
[0034] De acordo com outra característica da invenção, o sistema compreende uma rede neural a qual é treinada por um conjunto de assinaturas, cada qual correspondente a uma determinada espécie de inseto ou animal. [0035] O uso de um grande conjunto de assinaturas para cada espécie de inseto e animal garante a robustez da rede neural no processo de detecção e classificação. A rede neural treinada é carregada ao radar na forma de software e o radar passa a poder detectar, classificar e estimar a quantidade dos insetos e animais previamente treinados e informar sua respectiva posição em tempo real
Descrição das figuras
[0036] As demais características e vantagens da invenção poderão ser melhor entendidas através da descrição de uma concretização exemplificativa e não limitativa e das figuras que a ela se referem, nas quais:
[0037] A figura 1 é um diagrama em blocos do radar utilizado para realizar a aquisição dos dados brutos dos insetos para posterior processamento e respectivo levantamento de assinaturas dos insetos.
[0038] A figura 2 exemplifica a construtividade do aparato usado para acomodar o radar e os insetos visando a aquisição dos dados brutos dos insetos para posterior processamento e respectivo levantamento de assinaturas.
[0039] A figura 3 ilustra o diagrama em blocos correspondente ao processamento dos dados obtidos através do aparato ilustrado na figura anterior, extração das assinaturas dos insetos e treinamento da rede neural.
[0040] A figura 4 é um diagrama em blocos do radar para detecção, classificação, estimação da quantidade e localização de insetos e animais.
[0041] A figura 5 é um diagrama em blocos de processamento dos dados brutos do radar da figura anterior.
[0042] A figura 6 é uma vista superior de uma típica instalação do radar para detecção de insetos numa lavoura.
[0043] A figura 7-a compreende uma vista lateral e a figura 7-b a uma vista superior de um arranjo em campo para detecção de insetos e animais vertebrados numa floresta industrial.
Descrição detalhada da invenção
[0044] Um inseto ou um animal apresenta dois movimentos básicos: o movimento de translação e outro próprio. O movimento translacional é o deslocamento do inseto ou animal ao longo dos 3 eixos. O movimento próprio é o batimento das asas ou movimento das pernas ou do corpo, que podem ser desacoplados (isto é, independentes) de seu movimento translacional. Por exemplo, um inseto em voo pairado tem apenas o movimento próprio e nenhum movimento translacional.
[0045] O radar pode medir os dois movimentos básicos dos insetos ou animais na direção radial, ou seja, a projeção dos movimentos na direção de propagação dos sinais de radar. O movimento translacional é medido através da frequência Doppler. O movimento próprio é medido através do micro-Doppler.
[0046] Por exemplo, se um inseto se deslocar a 0, 1 m/s na direção radial do radar e o radar detectá-lo na banda C com comprimento de onda de 5 cm, o radar irá medir uma frequência Doppler de translação de 4 Hz através da equação PDoppler = 2 * V / À, onde V é a velocidade e À é o comprimento de onda. Porém, se o batimento das asas do inseto atingir uma velocidade de 1 m/s para trás e para frente, projetada na direção radial, as asas irão gerar um micro- Doppler de -40 Hz a +40 Hz. Assim podemos ter um espectro de 80 Hz de largura de banda centrado em 4 Hz. A largura de banda de 80 Hz provém do batimento das asas e os 4 Hz, da translação do inseto.
[0047] Cada inseto apresenta um movimento próprio típico, que pode ser representado pelo espectro da frequência do micro-Doppler. Porém esse movimento se altera com o tempo e disso resulta uma representação com uma série de espectros que é chamada de espectrograma. O espectrograma do micro-Doppler é então um histórico de espectros do micro-Doppler, causado pelo movimento próprio dos insetos ou animais.
[0048] Assim por exemplo, um inseto pode bater asas a 1 m/s e gerar um espectro com largura de banda de 80 Hz, como foi apresentado acima. Porém ele pode aumentar a velocidade de batimento para 1.5 m/s, disso resultando um aumento da largura de banda para 120 Hz, e reduzí-la em seguida para 0.5 m/s, reduzindo a banda para 40 Hz. Ou seja, a banda do micro-Doppler pode variar de largura durante o tempo e é então bem representada pelo espectrograma.
[0049] Além do eco de alta frequência produzido pelo batimento das asas, pode haver um eco de baixa frequência devido ao vôo do inseto dentro do recipiente. Para obter o espectrograma de interesse, é suficiente passar o sinal refletido por um filtro passa altas, o que elimina a influência do vôo do inseto.
[0050] Pode-se ainda adotar outro recurso que consiste em imobilizar o inseto por meio de adesivo, por exemplo.
[0051] Tanto a largura de banda como sua variação no tempo são parâmetros principais para a caracterização do inseto ou animal e estão presentes no espectrograma. Outra informação presente no espectrograma é a intensidade do sinal de retorno do micro-Doppler, que está representado na intensidade das linhas do espectrograma apresentado no gráfico 420 das Figuras 3 e 5.
[0052] O espectrograma é então a informação principal para a detecção e classificação de insetos ou animais. Além da forma do espectrograma, que é distinta e específica para cada inseto ou animal, extrai-se também padroes adicionais da forma do espectrograma, processo chamado de extração de padrões.
[0053] Finalmente uma rede neural é treinada com base no espectrograma e também nos padrões extraídos de sua forma (ou seja, a assinatura do inseto) sendo tal processo chamado de treinamento da rede neural. A rede neural treinada é integrada ao radar e ele passa a conseguir detectar, classificar, estimar sua quantidade e localizar insetos e/ou animais. Esse processo será esclarecido a seguir.
[0054] Para o levantamento da assinatura do inseto ou animal, utiliza-se então um aparato específico compreendendo um radar centimétrico e uma câmera anecoica, apresentado nas Figuras 1 e 2.
[0055] A Fig. 1 apresenta o diagrama em blocos do aparato. O inseto 80 é iluminado pela antena Tx de transmissão do radar 20 e seu sinal refletido é recebido pela antena Rx de recepção do radar 21. O radar gera uma onda pulsada ou contínua 11 que é amplificada pelo amplificador 10 e enviada à antena de transmissão 20. Como a distância entre as antenas 20 e 21 e o inseto 80 é de alguns decímetros, esse radar transmite e recebe simultaneamente e mede apenas as frequências Doppler e Micro-Doppler. Ou seja, a distância ao inseto não precisa ser medida, pois esse arranjo é apenas para levantamento das frequências Doppler e Micro-Doppler, correspondentes ao batimento das asas.
[0056] O sinal refletido pelo inseto 80 é recebido pela antena 21 e amplificado pelo amplificador de baixo ruído 31 e enviado à digitalização e aquisição 40. Para que a medida não sofra interferências, o radar e o insetos ficam dentro de uma câmera anecoica 90 e a fonte de alimentação 70 fica posicionada externamente à câmera anecoica. [0057] A Fig. 2 apresenta um exemplo da montagem física do aparato esquematizado na Figura 1. O radar constituído pelas partes 10, 11, 31 e 40 fica no piso da câmera anecóica 90, que possui camadas absorvedoras de microondas 91 em todos os seus lados. O inseto 80 fica dentro de uma gaiola ou recipiente 93 que fica suspensa e distante do radar pela base 92. Dependendo da dimensão do inseto ou do animal, a câmera anecóica e sua montagem interna podem ter dimensões variadas. Recomenda-se as dimensões externas de 1500 mm na base e 2400 mm de altura da câmera anecóica 90, de 800 mm da base 92 e de 500 mm da gaiola 93 para a maioria dos insetos.
[0058] Para animais vertebrados de grande porte como javalis e macacos-prego recomenda-se que o radar constituído por 10, 11, 31 e 40 ilumine uma gaiola ou área onde os animais se encontram em movimento natural. Nesse caso, o eco a ser tratado corresponde à movimentação dos apêndices (pernas e braços).
[0059] Os dados adquiridos pelo aparato específico para levantamento de assinaturas, apresentado nas Figuras 1 e 2, são processados conforme o diagrama em blocos da Figura 3. A ação de aquisição dos dados brutos do radar, constituído por 10, 11, 31 e 40, que pode durar vários minutos ou, eventualmente, horas, aqui denominada de 410, gera dados brutos onde o respectivo espectrograma é calculado em 420. No exemplo da Figura 3 o inseto apresenta um Micro-Doppler de largura de banda na faixa de 2 a 10 Hz, variando no tempo. Antes e depois dessa fase de movimento o inseto está sem bater as asas, ou seja, a frequência Micro-Doppler é 0.
[0060] Para que o inseto de asas não apresente movimento translacional ou Doppler de baixa frequência, o inseto é fixado pelas pernas dentro da gaiola, de tal forma que ele possa bater asas sem apresentar movimento translacional. Outro recurso é pendurar o inseto por meio de um arame. Em ambos os casos, ele acaba gerando apenas o micro-Doppler e nao o Doppler.
[0061] No caso dos insetos sem asas, eles são colocados dentro de um recipiente plástico de tamanho reduzido dentro da gaiola, de tal forma que eles possam se locomover, porém em uma área limitada. Esse é o caso, por exemplo, do bicudo que se locomove lentamente.
[0062] Outros insetos, como lagartas, podem estar posicionados em uma planta, para que eles tenham um ambiente propício à sua movimentação. O movimento translacional também pode ser considerado nos espectrogramas. A técnica para a manipulação do inseto nessa etapa de captação do eco radar irá depender da espécie e da importância dela no âmbito natural de detecção.
[0063] Em 430 ocorre a extração de padrões do espectrograma como o histograma, a frequência do próprio histórico da frequência Micro- Doppler e de outros padrões como o desvio padrão, curtosis, entropia e energia do espectrograma. Todos esses padrões serão analisados para cada inseto e somente os padrões mais relevantes à detecção e classificação serão selecionados em 440 para a formação da assinatura. Os outros padrões menos significativos serão descartados.
[0064] A rede neural será treinada com as assinaturas selecionadas em 450 e então redes neurais específicas, 460-1 a 460-N, para a detecção e classificação de um inseto ou animal ou de um grupo de insetos ou animais serão geradas.
[0065] Cada rede neural específica, aqui representada como 460-1 a 460-N, foi treinada para um inseto ou animal específico. Para detecção e classificação de vários insetos, deve-se utilizar as respectivas redes neurais treinadas. Cada bloco, aqui representado por 460-1 a 460-N, é materializado por uma rotina de software, que será copiada ao radar operacional 900.
[0066] O radar operacional 900 para detecção e classificação de insetos e/ou animais em campo está apresentado na Fig. 4. O pulso de transmissão 101 é amplificado pelo amplificador 100 e irradiado pela antena de transmissão 200 ao inseto 800. O sinal refletido pelo inseto 800 é captado pelas antenas de recepção 201 e 202 e o sinal amplificado pelos amplificadores 301 e 302 respectivamente. Em seguida 400 executa a digitalização e processamento em tempo real dos sinais amplificados pelos amplificadores 301 e 302. O processamento em tempo real em 400 detecta, classifica e localiza os insetos e/ou animais e transmite essa informação com baixo volume de taxa de dados através do link de transmissão 500 ao sistema de monitoramento remoto 600. Um operador ou um sistema de vigilância recebe a informação de alcance, azimute, tipo de inseto ou animal e a quantidade deles. A informação de alcance e azimute também pode ser convertida em localização, sendo representa em latitude e longitude, por exemplo.
[0067] O sistema para processamento em tempo real 400 do radar operacional 900 está descrito na Fig. 5, que corresponde à utilização do sistema no campo. O diagrama em blocos é muito semelhante ao da Figura 3, o qual representa a sequência de etapas realizadas em laboratório. Neste caso a ou as redes neurais treinadas, 460-1 a 460- M geradas pelo processo da Figura 3 e copiadas ao processamento em tempo real 400, são utilizadas para analisar o sinal adquirido pelo radar operacional 900, através dos subsistemas 411, 420 e 430, pertencentes ao processamento em tempo real 400.
[0068] A Fig. 6 apresenta a instalação do radar operacional 900 em uma lavoura. As antenas 200, 201 e 202 do radar 900 iluminam com uma abertura 901 com ângulo em azimute ou horizontal 0a e ilumina uma área pré-definida da lavoura 910. Os insetos 920 são detectados pelo radar 900 a um alcance R e a um ângulo de azimute a do centro das antenas 200, 201 e 202. O alcance R e o ângulo a podem ser convertidos em latitude e longitude para localizaçao no terreno da lavoura.
[0069] As figuras 7-a e 7-b apresentam o caso de monitoramento simultâneo de insetos e animais, onde insetos e um macaco-prego se encontram em uma floresta industrial. O radar 900 consegue detectar e classificar tanto os insetos como os animais simultaneamente, lembrando que no caso dos animais vertebrados o eco micro- Doppler será produzido pelos movimentos do corpo e dos apêndices (braços e pernas) .
[0070] Se bem que a invenção tenha sido descrita com base numa determinada concretização, fica entendido que, dado o fato dessa concretização ser exemplificativa, modificações poderão ser introduzidas por técnicos no assunto, desde que permanecendo dentro dos limites conceituais da invenção a qual, portanto, é definida e delimitada pelo conjunto de reivindicações que se segue.
[0071] Assim, por exemplo, a etapa de identificação da espécie mediante redes neurais poderá ser substituída por técnicas “fuzzy logic” ou ainda, por máxima verossimilhança.

Claims

REIVINDICAÇÕES
1. MÉTODO DE DETECÇÃO E CLASSIFICAÇÃO DE INSETOS E ANIMAIS mediante utilização de radar caracterizado pelo fato de compreender a comparação entre o conjunto de padrões derivado do eco de um sinal de radar centimétrico captado em campo por um radar operacional (900) e a assinatura característica de cada espécie animal, determinada pelo tratamento de dados captados em laboratório.
2. MÉTODO de acordo com a reivindicação 1, caracterizado pelo fato de dito tratamento compreender a geração de um espectrograma (420) do sinal Doppler gerado pela movimentação dos apêndices da espécie animal (80).
3. MÉTODO de acordo com a reivindicação 2, caracterizado pelo fato de dita movimentação consistir no batimento das asas de insetos (80).
4. MÉTODO de acordo com a reivindicação 2, caracterizado pelo fato de dita movimentação consistir no movimento dos apêndices e do corpo das espécies animais desprovidas de asas (921).
5. MÉTODO de acordo com a reivindicação 1, caracterizado pelo fato de dito tratamento compreender adicionalmente a extração de padrões específicos (430) de cada espécie de inseto ou animal, dita extração compreendendo o processamento das informações correspondentes ao histograma, ao desvio padrão, à curtose, à assimetria (skewness), à entropia e à energia do eco do sinal radar e de seu respectivo espectrograma.
6. MÉTODO de acordo com a reivindicação 1, caracterizado pelo fato de que a dita captação dos dados em laboratório compreende a iluminação do inseto pelo feixe de radiação (R) de um radar centimétrico e a captaçao do sinal refletido (Rl, R2) realizados dentro de uma câmara anecoica (90).
7. MÉTODO de acordo com a reivindicação 6, caracterizado pelo fato de que o inseto (80) iluminado pelo feixe de radar é mantido dentro de uma gaiola (92).
8. MÉTODO de acordo com qualquer uma das reivindicações 6 ou 7, caracterizado pelo fato de que o inseto iluminado pelo feixe de radar é mantido dentro de um recipiente plástico de tamanho reduzido.
9. MÉTODO de acordo com qualquer uma das reivindicações 6 ou 7, caracterizado pelo fato de que o inseto é imobilizado mediante adesivo.
10. MÉTODO de acordo com qualquer uma das reivindicações 6 ou 7, caracterizado pelo fato de que o inseto é pendurado por meio de um arame.
11. MÉTODO de acordo com qualquer uma das reivindicações anteriores, caracterizado pelo fato de ser gerada uma assinatura específica de cada espécie a partir do espectrograma e dos padrões relevantes selecionados dentre o grupo que consiste no desvio padrão, da curtose, da assimetria (skewness), da entropia e da energia do eco do sinal radar.
12. MÉTODO de acordo com a reivindicação 11, caracterizado pelo fato de compreender o treinamento de redes neurais (460-1, 460- 2, 460-N) pelas assinaturas das espécies de interesse.
13. MÉTODO de acordo com a reivindicação 12, caracterizado pelo fato de compreender o carregamento num radar operacional (900) das redes neurais treinadas pelas assinaturas das espécies de interesse.
14. MÉTODO de acordo com a reivindicação 12, caracterizado pelo fato que após a detecção do grupo de insetos pelas redes neurais é avaliada sua abrangência e calculada sua localização, através da medida de alcance R pelo tempo de propagação e da medida de azimute pela diferença de fase dos sinais refletidos R1/R2, e assim sua respectiva latitude e longitude.
15. MÉTODO de acordo com a reivindicação 11, caracterizado pelo fato de compreender o tratamento dos dados incluídos nas assinaturas das espécies de interesse por fuzzy logic ou máxima verossimilhança.
PCT/BR2023/050315 2022-09-08 2023-09-21 Método de detecção e classificação de insetos e classificação de insetos e animais WO2024050617A1 (pt)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
BR102022017948-4A BR102022017948A2 (pt) 2022-09-08 Método de detecção e classificação de insetos e animais
BRBR1020220179484 2022-09-08

Publications (1)

Publication Number Publication Date
WO2024050617A1 true WO2024050617A1 (pt) 2024-03-14

Family

ID=90192595

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/BR2023/050315 WO2024050617A1 (pt) 2022-09-08 2023-09-21 Método de detecção e classificação de insetos e classificação de insetos e animais

Country Status (1)

Country Link
WO (1) WO2024050617A1 (pt)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118377013A (zh) * 2024-06-21 2024-07-23 厦门欣恒艺科技有限公司 一种基于毫米波雷达的昆虫检测装置及昆虫识别方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10577103B2 (en) * 2016-09-08 2020-03-03 Walmart Apollo, Llc Systems and methods for dispensing an insecticide via unmanned vehicles to defend a crop-containing area against pests
US11102969B2 (en) * 2016-10-07 2021-08-31 Basf Agro Trademarks Gmbh Identification of beneficial insects and/or pollutants in a field for crop plants

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10577103B2 (en) * 2016-09-08 2020-03-03 Walmart Apollo, Llc Systems and methods for dispensing an insecticide via unmanned vehicles to defend a crop-containing area against pests
US11102969B2 (en) * 2016-10-07 2021-08-31 Basf Agro Trademarks Gmbh Identification of beneficial insects and/or pollutants in a field for crop plants

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118377013A (zh) * 2024-06-21 2024-07-23 厦门欣恒艺科技有限公司 一种基于毫米波雷达的昆虫检测装置及昆虫识别方法

Similar Documents

Publication Publication Date Title
US10311293B2 (en) Photonic fence
AU2018253554B2 (en) Photonic Fence
Ackerman Of mice and mallards: positive indirect effects of coexisting prey on waterfowl nest success
Sedlock et al. A survey of bats in a karst landscape in the central Philippines
Holland et al. Spatio-temporal distribution and emergence of beetles in arable fields in relation to soil moisture
Bonnet et al. How the common vole copes with modern farming: Insights from a capture–mark–recapture experiment
Azfar et al. Monitoring, detection and control techniques of agriculture pests and diseases using wireless sensor network: a review
WO2024050617A1 (pt) Método de detecção e classificação de insetos e classificação de insetos e animais
Robel et al. Spring burning: resulting avian abundance and nesting in Kansas CRP.
US20230206626A1 (en) Plant disease and pest control method using spectral remote sensing and artificial intelligence
Ellison et al. Nest defense-grassland bird responses to snakes
Devries et al. Waterfowl nesting in fall‐seeded and spring‐seeded cropland in Saskatchewan
Demirel et al. Artificial intelligence in integrated pest management
Stoeckli et al. Influence of canopy aspect and height on codling moth (Lepidoptera: Tortricidae) larval infestation in apple, and relationship between infestation and fruit size
Choi et al. Breeding-Season Survival, Home-Range Size, and Habitat Selection of Female Bachman's Sparrows
Shirley et al. Ring‐necked pheasant nest site selection in a landscape with high adoption of fall‐seeded cover crops
BR102022017948A2 (pt) Método de detecção e classificação de insetos e animais
Monroe et al. Pasture-scale vegetation predicts Dickcissel nest-site selection and success in native and exotic grass pastures
Telfer et al. Evaluating the current integrated pest management recommendations in Canada for carrot weevil (Coleoptera: Curculionidae) and carrot rust fly (Diptera: Psilidae)
Kumar Survey on computational entomology: sensors based approaches to detect and classify the fruit flies
Kolar et al. Survival and cause-specific mortality of pronghorn in southwestern North Dakota
Murray Success and predation of bird nests in grasslands at Valley Forge National Historical Park
Borgo et al. Influence of shelterbelts on success and density of waterfowl nests within the prairie pothole region of North America
Beck et al. Edge effects and avian community structure in a restored tallgrass prairie
Forrest Habitat selection of the declining Cassin’s Sparrow in an imperiled grassland biome

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 23861740

Country of ref document: EP

Kind code of ref document: A1

DPE1 Request for preliminary examination filed after expiration of 19th month from priority date (pct application filed from 20040101)