飞虫数量识别方法和装置制造方法及图纸

本发明专利技术公开了一种飞虫数量识别方法和装置。该方法包括：获取待识别区域中的识别单元的图像；使用预先训练好的图像识别模型对识别单元的图像进行分析，得到识别单元的图像中飞虫的数量，其中，预先训练好的图像识别模型是使用多组数据通过机器学习训练得到的，多组数据中的每组数据至少包括图像和图像中包含的飞虫数量；将每个识别单元中的飞虫的数量求和，得到待识别区域的飞虫总数量。通过本发明专利技术，达到了提高虫害监测效率的效果。

Method and Device for Identification of Flying Insect Quantity

The invention discloses a method and device for identifying the number of flying insects. The method includes: acquiring the image of the recognition unit in the area to be recognized; using the pre-trained image recognition model to analyze the image of the recognition unit, the number of flying insects in the image of the recognition unit is obtained. The pre-trained image recognition model is trained by machine learning using multiple sets of data, and each group of data in multiple sets includes at least images. And the number of flying insects contained in the image; sum the number of flying insects in each recognition unit to get the total number of flying insects in the area to be identified. The invention achieves the effect of improving the efficiency of pest monitoring.

【技术实现步骤摘要】
飞虫数量识别方法和装置
本专利技术涉及目标检测领域，具体而言，涉及一种飞虫数量识别方法和装置。
技术介绍
有害生物监测是商用有害生物防治工作中的一项重要的基础工作，具体指对有害生物的种类、数量、分布变化等资料进行整理分析，并对结果进行解释和反馈。有害生物不仅可以直接通过叮咬和污染食物，危害人类的正常生活，更可以通过多种途径传播一系列传染病，造成更大范围的。常见的有害生物包括苍蝇、蚊子、老鼠、蟑螂等。在商用有害生物防治领域，餐饮、酒店业从业者，以及制造工厂、食品加工厂等大型园区场所的管理人员，为保障生产场所的物资设施和食品安全，聘请专业的防治公司实施有害生物防治业务。防治公司在开展防治工作的同时，为了评估实施的手段是否有效，需要长期、连续地收集鼠类、蚊类、蝇类和蟑螂等生物的出没和抓捕情况，对其种类、数量、密度、分布等变化等资料进行整理分析。对于餐饮、酒店业等企业而言，也需要应用有害生物监测数据来评估有害生物对生产和营业环境的影响，以便于及时调整生产和营业计划。有害生物监测活动中，虫害监测工作主要包括蚊子、苍蝇、飞蛾等。苍蝇属于杂食性蝇类，以人的食物、人和畜禽的分泌物和排泄物、厨房残渣和其他垃圾以及植物的液汁等为食，常见的品种有家蝇、大头金蝇、丝光绿蝇、丽蝇、麻蝇等；蚊子的种类包括按蚊、伊蚊和库蚊等，通常雌性以血液作为食物，传播的疾病达80多种之多。虫害监测在实际工作中，不仅需要耗费虫害防治员的时间精力来精确计数，还需要人员具备一定的昆虫知识，以识别特殊的飞虫种类，避免出现由于忽视了高危险级别的昆虫的存在，而造成环境卫生面临威胁、人员健康状况处在危险之下的情况发生。目前有害生物监测主要通过虫害防治员在实施现场手动鉴别与计数。蚊蝇和飞虫的密度监测使用诱蚊灯、粘蚊板等，经过一定的时间取出，由虫害防治员手动鉴定种类，以及计数；蟑螂密度监测使用粘蟑纸或蟑螂屋。经过一定的时间清点蟑螂的捕获数量。以上的工作中，测量蚊蝇等飞虫的虫害时存在人为计数耗费时间、准确度不保证，飞虫种类较多而难以辨别齐全的问题，尤其在虫害防治员的从业时间较短，不具备完备的昆虫知识储备时，难以辨别出特定飞虫的种类，可能就导致最终采取错误的除虫措施，无法达到消除虫害的目的。而且手动记录的数据需要经过后续处理和分析才能用于虫害评估，分析结果不能即时呈现。针对相关技术中虫害监测效率低的问题，目前尚未提出有效的解决方案。
技术实现思路
本专利技术的主要目的在于提供一种飞虫数量识别方法和装置，以解决相关技术中虫害监测效率低的问题。为了实现上述目的，根据本专利技术的一个方面，提供了一种飞虫数量识别方法，该方法包括：获取待识别区域中的识别单元的图像；使用预先训练好的图像识别模型对所述识别单元的图像进行分析，得到所述识别单元的图像中飞虫的数量，其中，所述预先训练好的图像识别模型是使用多组数据通过机器学习训练得到的，所述多组数据中的每组数据至少包括图像和图像中包含的飞虫数量；将每个所述识别单元中的飞虫的数量求和，得到所述待识别区域的飞虫总数量。进一步地，所述多组数据中的每组数据还包括图像和图像中包含的飞虫种类，所述方法还包括：使用预先训练好的图像识别模型对所述识别单元的图像进行分析，得到所述识别单元的图像中飞虫的种类和每个种类对应的数量；按照种类对每个所述识别单元中的飞虫的数量求和，得到所述待识别区域的飞虫种类和每个种类对应的数量。进一步地，在得到所述识别单元的图像中飞虫的种类和每个种类对应的数量之后，所述方法还包括：用不同颜色标记所述识别单元的图像中不同种类的飞虫。进一步地，使用预先训练好的图像识别模型对所述识别单元的图像进行分析，得到所述识别单元的图像中飞虫的种类包括：使用预先训练好的图像识别模型对所述识别单元的图像进行分析，得到所述识别单元的图像中飞虫属于预设的种类集合中每个种类的概率；将概率最大值对应的种类作为所述识别单元的图像中飞虫的种类。进一步地，在得到所述待识别区域的飞虫种类和每个种类对应的数量之后，所述方法还包括：获取待识别区域中飞虫的采集时间；根据所述采集时间和每个飞虫种类对应的数量计算每个飞虫种类在预设时间段内的虫害密度。进一步地，在使用预先训练好的图像识别模型对所述识别单元的图像进行分析，得到所述识别单元的图像中飞虫的数量之前，所述方法还包括：采集预设数量的飞虫图像样本，其中，每组飞虫图像样本都包括图像和图像中包含的飞虫数量；基于所述预设数量的飞虫图像样本对图像识别模型进行模型训练，得到训练好的图像识别模型。为了实现上述目的，根据本专利技术的另一方面，还提供了一种飞虫数量识别装置，该装置包括：获取单元，用于获取待识别区域中的识别单元的图像；第一模型处理单元，用于使用预先训练好的图像识别模型对所述识别单元的图像进行分析，得到所述识别单元的图像中飞虫的数量，其中，所述预先训练好的图像识别模型是使用多组数据通过机器学习训练得到的，所述多组数据中的每组数据至少包括图像和图像中包含的飞虫数量；第一求和单元，用于将每个所述识别单元中的飞虫的数量求和，得到所述待识别区域的飞虫总数量。进一步地，所述多组数据中的每组数据还包括图像和图像中包含的飞虫种类，所述装置还包括：第二模型处理单元，用于使用预先训练好的图像识别模型对所述识别单元的图像进行分析，得到所述识别单元的图像中飞虫的种类和每个种类对应的数量；第二求和单元，用于按照种类对每个所述识别单元中的飞虫的数量求和，得到所述待识别区域的飞虫种类和每个种类对应的数量。为了实现上述目的，根据本专利技术的另一方面，还提供了一种存储介质，包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行本专利技术所述的飞虫数量识别方法。为了实现上述目的，根据本专利技术的另一方面，还提供了一种处理器，用于运行程序，其中，所述程序运行时执行本专利技术所述的飞虫数量识别方法。本专利技术通过获取待识别区域中的识别单元的图像；使用预先训练好的图像识别模型对识别单元的图像进行分析，得到识别单元的图像中飞虫的数量，其中，预先训练好的图像识别模型是使用多组数据通过机器学习训练得到的，多组数据中的每组数据至少包括图像和图像中包含的飞虫数量；将每个识别单元中的飞虫的数量求和，得到待识别区域的飞虫总数量，解决了相关技术中虫害监测效率低的问题，进而达到了提高虫害监测效率的效果。附图说明构成本申请的一部分的附图用来提供对本专利技术的进一步理解，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。在附图中：图1是根据本专利技术实施例的飞虫数量识别方法的流程图；图2是本专利技术实施例的蚊蝇识别过程示意图；图3是本专利技术实施例的蚊蝇检测算法的示意图；图4是根据本专利技术实施例的飞虫数量识别装置的示意图。具体实施方式需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本专利技术。为了使本
的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。需要说明的是，本申请的说明书和权利要本文档来自技高网...

【技术保护点】
1.一种飞虫数量识别方法，其特征在于，包括：获取待识别区域中的识别单元的图像；使用预先训练好的图像识别模型对所述识别单元的图像进行分析，得到所述识别单元的图像中飞虫的数量，其中，所述预先训练好的图像识别模型是使用多组数据通过机器学习训练得到的，所述多组数据中的每组数据至少包括图像和图像中包含的飞虫数量；将每个所述识别单元中的飞虫的数量求和，得到所述待识别区域的飞虫总数量。

【技术特征摘要】
1.一种飞虫数量识别方法，其特征在于，包括：获取待识别区域中的识别单元的图像；使用预先训练好的图像识别模型对所述识别单元的图像进行分析，得到所述识别单元的图像中飞虫的数量，其中，所述预先训练好的图像识别模型是使用多组数据通过机器学习训练得到的，所述多组数据中的每组数据至少包括图像和图像中包含的飞虫数量；将每个所述识别单元中的飞虫的数量求和，得到所述待识别区域的飞虫总数量。2.根据权利要求1所述的方法，其特征在于，所述多组数据中的每组数据还包括图像和图像中包含的飞虫种类，所述方法还包括：使用预先训练好的图像识别模型对所述识别单元的图像进行分析，得到所述识别单元的图像中飞虫的种类和每个种类对应的数量；按照种类对每个所述识别单元中的飞虫的数量求和，得到所述待识别区域的飞虫种类和每个种类对应的数量。3.根据权利要求2所述的方法，其特征在于，在得到所述识别单元的图像中飞虫的种类和每个种类对应的数量之后，所述方法还包括：用不同颜色标记所述识别单元的图像中不同种类的飞虫。4.根据权利要求2所述的方法，其特征在于，使用预先训练好的图像识别模型对所述识别单元的图像进行分析，得到所述识别单元的图像中飞虫的种类包括：使用预先训练好的图像识别模型对所述识别单元的图像进行分析，得到所述识别单元的图像中飞虫属于预设的种类集合中每个种类的概率；将概率最大值对应的种类作为所述识别单元的图像中飞虫的种类。5.根据权利要求1所述的方法，其特征在于，在得到所述待识别区域的飞虫种类和每个种类对应的数量之后，所述方法还包括：获取待识别区域中飞虫的采集时间；根据所述采集时间和每个飞虫种类对应的数量计算每个飞虫种类在预设时间段内的虫...

【专利技术属性】
技术研发人员：成子达，张娅，徐宝臣，臧云波，吴明辉，
申请(专利权)人：上海媒智科技有限公司，
类型：发明
国别省市：上海,31