一种基于YOLO算法的稻飞虱迁飞路径预测方法技术

一种基于YOLO算法的稻飞虱迁飞路径预测方法，涉及机器视觉与人工智能的技术领域。本发明专利技术对于获得的田间昆虫图片，通过YOLO算法训练收集的图像集，生成稻飞虱检测模型，完成实际田间拍摄状态下的稻飞虱图像检测；然后，对不同地区获取的稻飞虱图像进行识别和检测，并分别对图像中识别出的稻飞虱进行数量统计，并将数据上传到数据管理中心平台。根据不同地区稻飞虱数量的统计，完成稻飞虱迁徙路径的预测。利用高效的数据智能管理平台，来精确识别不同地区稻飞虱数量，统计稻飞虱病虫害严重性程度以及预测稻飞虱迁飞路径，对稻田等农作物有关稻飞虱虫害预防提供重要参考数据，可以节省大量人力和物力资源，提高农业虫害防治效率。

【技术实现步骤摘要】
一种基于YOLO算法的稻飞虱迁飞路径预测方法
本专利技术涉及机器视觉与人工智能的
，尤其涉及一种基于YOLO算法的稻飞虱迁飞路径预测方法。
技术介绍
我国水稻种植区域广泛，横跨纬度范围大，从我国东北地区到江淮、江汉一带，一直到我国华南、西南地区均有广泛面积种植水稻。水稻是我国最重要的主产粮食作物之一，水稻在生长过程中会受到不同病虫害的影响，其中稻飞虱就是一种严重影响水稻植株生长的一种病虫害。稻飞虱，种属同翅目飞虱科，是农业稻田病虫害中一种以刺吸植株汁液的迁飞性害虫。近几年我国稻飞虱病虫害呈持续多发、重发趋势，造成了我国水稻严重减产，一般稻田减产10％-30％，少数严重失防田块减产超过50％，稻飞虱病虫害影响了我国水稻生长和生产。危害我国农田作物的稻飞虱主要分为三种：褐飞虱、白背飞虱和灰飞虱。稻飞虱成虫和若虫群集植株茎基部刺吸汁液，造成叶片枯黄，并产卵于叶鞘组织中，致叶鞘受损出现黄褐色伤痕。因此，全面实现田间稻飞虱病虫害的自动统计，减少稻飞虱人工搜集和数据统计工作量，减少劳动强度作业，对现代化农业管理水平的提升具有重要意义。目前对于本文档来自技高网...

【技术保护点】
1.一种基于YOLO算法的稻飞虱迁飞路径预测方法，其特征在于包括如下步骤：/nS1.在全国多个水稻种植区域从南到北布置若干个稻飞虱昆虫捕捉装置，该装置里有用于吸引稻飞虱的诱虫灯，该昆虫捕捉装置底端有用于承载昆虫的孔板，孔板的上方设置至少四个摄像机用于拍摄清晰的稻飞虱图像，孔板的另一侧设置鼓风机，吸引昆虫阶段，鼓风机用于吸气，将昆虫吸附于孔板上；释放昆虫阶段，鼓风机用于吹气，将孔板上的昆虫吹走；同时，获取4个像机通道的昆虫高清图片，同时对上述图片进行拼接得到完整的底板稻飞虱图像；/nS2.步骤S1获得的昆虫图片，基于YOLO算法进行离线学习，训练稻飞虱图像检测模型；/nS3.步骤S1采集的图像通...

【技术特征摘要】
1.一种基于YOLO算法的稻飞虱迁飞路径预测方法，其特征在于包括如下步骤：
S1.在全国多个水稻种植区域从南到北布置若干个稻飞虱昆虫捕捉装置，该装置里有用于吸引稻飞虱的诱虫灯，该昆虫捕捉装置底端有用于承载昆虫的孔板，孔板的上方设置至少四个摄像机用于拍摄清晰的稻飞虱图像，孔板的另一侧设置鼓风机，吸引昆虫阶段，鼓风机用于吸气，将昆虫吸附于孔板上；释放昆虫阶段，鼓风机用于吹气，将孔板上的昆虫吹走；同时，获取4个像机通道的昆虫高清图片，同时对上述图片进行拼接得到完整的底板稻飞虱图像；
S2.步骤S1获得的昆虫图片，基于YOLO算法进行离线学习，训练稻飞虱图像检测模型；
S3.步骤S1采集的图像通过无线传输装置上传到数据管理中心，并结合步骤S2离线学习后的稻飞虱检测模型，完成不同地区的稻田中实时拍摄的稻飞虱图像检测；
S4.对步骤S3的稻飞虱图像检测结果进行应用，对各区域不同时间获取的稻飞虱数量进行数量统计分析，根据稻飞虱数量对稻飞虱的迁飞路径及迁飞方向进行预测。


2.根据权利要求1所述的基于YOLO算法的稻飞虱迁飞路径预测方法，其特征在于上述步骤S2包括如下步骤：
S21.通过在终端数据平台收集不同时段采集和拼接好的高清昆虫图片，首先通过Labelimage图像标注工具，对采集的15000幅稻飞虱图像进行标注；
S22.标注后输入图片调整为448x448像素大小，然后送入卷积神经网络，最后通过对网络模型进行线下学习，训练稻飞虱图像实时检测模型，实现稻飞虱图像检测。


3.根据权利要求2所述的基于YOLO算法的稻飞虱迁飞路径预测方法，其特征在于上述步骤S2中使用15000张稻飞虱图片作为训练集，2000张稻飞虱图像作为测试集，用以验证YOLO神经网络模型学习效果。


4.根据权利要求3所述的基于YOLO算法的稻飞虱迁飞路径预测方法，其特征在于上述步骤S2中的YOLO算法具体包括：先将图片分成S*S个单元格，每个单元格会预测B...

【专利技术属性】
技术研发人员：路绳方，沈卫康，陈烨，张健，焦良葆，曹雪虹，
申请(专利权)人：南京工程学院，
类型：发明
国别省市：江苏;32