基于图像识别的蜂螨识别方法及设备技术

本公开提出了基于图像识别的蜂螨识别方法及设备，蜂螨识别方法包括如下步骤：获取蜂脾图像；采用深度学习方法结合图像处理方法对蜂螨情况进行识别；周期性的执行上述步骤对蜜蜂染螨情况进行统计预测蜂螨发病规律，根据发病规律生成蜂螨防控方案。通过使用计算机视觉识别技术，对染螨蜜蜂进行分析统计，辅助养殖决策，使得蜜蜂养殖具有更加智能、更加高效、更加精准且操作简单的优点。加精准且操作简单的优点。加精准且操作简单的优点。

【技术实现步骤摘要】
基于图像识别的蜂螨识别方法及设备


[0001]本公开涉及蜜蜂养殖相关
，具体的说，是涉及基于图像识别的蜂螨识别方法及设备。

技术介绍

[0002]本部分的陈述仅仅是提供了与本公开相关的
技术介绍
信息，并不必然构成在先技术。
[0003]蜂螨是全球蜜蜂养殖中最严重的生物威胁，目前主要依赖化学杀螨药治螨。但是在生产中经常存在杀螨药乱用的情况，过频过量使用会加大蜂螨的耐药性，低剂量、不及时用药，起不到杀螨效果，蜂群损失严重。导致这些情况主要原因是因为养蜂人无法快速精准检测蜂群螨害寄生率、预测螨害发生的时空规律、不了解蜂螨寄生率与用药剂量的关系等，故而无法做到适时、适地、适量的用药，更无法采取准确的提前防控措施。
[0004]专利技术人发现，目前的识别方法，在蜜蜂养殖生产中，通常采用的肉眼识别的方法，但是蜂螨个体小、群内蜜蜂数目多，无法做到逐一识别，只能根据检查蜂群时观察到染螨的频率和蜜蜂体况大致估测蜂螨的寄生率，无法给出精准的数据，只能用高、中、低进行粗略的等级评价。在科研中，为了获得可描述的数据，通常采用抽样调查的方法，即每个蜂本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于图像识别的蜂螨识别方法，其特征是，包括如下步骤：获取蜂脾图像；采用深度学习方法结合图像处理方法对蜂螨情况进行识别；周期性的执行上述步骤对蜜蜂染螨情况进行统计预测蜂螨发病规律，根据发病规律生成蜂螨防控方案。2.如权利要求1所述的基于图像识别的蜂螨识别方法，其特征是：染满情况包括感染蜂螨的蜜蜂的类型、各类型感染蜂螨的蜜蜂的数量或占比、感染的蜂螨的类型以及各类型蜂螨所占的比例。3.如权利要求1所述的基于图像识别的蜂螨识别方法，其特征是：对图像中蜜蜂的染螨情况进行识别，包括如下步骤：预处理蜂脾图像，针对预处理的图像采用深度学习算法识别蜜蜂是否感染蜂螨；若感染蜂螨，采用深度学习算法继续识别该蜜蜂的类型，并进行计数；其中所述蜜蜂类型包括工蜂换和雄蜂；采用深度学习计数方法识别所染蜂螨为大蜂螨还是小蜂螨，并计算感染大小蜂螨的比例。4.如权利要求1所述的基于图像识别的蜂螨识别方法，其特征是：所述深度学习方法为卷积算法，具体的采用yolo3模型融合Mobi leNetV2模型；或者，yolo3模型融合MobileNetV2模型的具体结构为：包括依次连接的yolov3部分和MovileNetV2部分，yolov3部分的识别结果作为Movi leNetV2部分的输入；具体的，yolov3部分包括输入层、多个第一卷积层以及第一输出层，检测结果为将蜜蜂框出部分的图像矩阵；所述MobileNetV2部分包括第二卷积层、多层逆残差结构以及第二输出层，多层逆残差结构先将图像进行升维，再提取特征，最后进行降维操作，通过第二输出层识别结果。5.如权利要求1所述的基于图像识别的蜂螨识别方法，其特征是：识别蜂螨为大蜂螨还是小蜂螨的方法具体为：同步获取大蜂螨与小蜂螨形态图片训练yolo3模型，将...

【专利技术属性】
技术研发人员：王红芳，孙晓勇，韩金玉，胥保华，刘振国，
申请(专利权)人：山东农业大学，
类型：发明
国别省市：