基于人工智能和声音识别虫害方法和机器人技术

基于人工智能和声音识别虫害方法和机器人，包括：位置获取步骤；声音采集步骤；专家标注虫害步骤；虫声识别模型训练步骤；虫声识别模型预测步骤。上述方法、系统和机器人，通过虫声识别的方法开创了害虫识别的新模式，传统基于视觉的害虫识别，难度很大，因为害虫很小不易被摄像头捕获到，更难以通过计算机进行识别，而虫声是害虫非常明显的特点，通过虫声进行害虫识别是一种独创，而且结合人工智能技术，可以做到自动快速的识别和预测，为精准灭虫提供了可能。虫提供了可能。虫提供了可能。

【技术实现步骤摘要】
基于人工智能和声音识别虫害方法和机器人


[0001]本专利技术涉及人工智能
，特别是涉及一种基于人工智能和声音识别虫害方法和机器人。

技术介绍

[0002]在实现本专利技术过程中，专利技术人发现现有技术中至少存在如下问题：传统基于视觉的害虫识别，难度很大，因为害虫很小不易被摄像头捕获到，更难以通过计算机进行识别。
[0003]因此，现有技术还有待于改进和发展。

技术实现思路

[0004]基于此，有必要针对现有技术的缺陷或不足，提供基于人工智能和声音识别虫害方法和机器人，以解决虫害难以通过视觉现的问题，通过虫声进行害虫识别，结合人工智能技术，可以做到自动快速的识别和预测，为精准灭虫、防虫提供了可能。
[0005]第一方面，本专利技术实施例提供一种人工智能方法，所述方法包括：
[0006]位置获取步骤：获取预设场所的多个录音装置所在的多个位置的位置信息，作为多个录音位置；
[0007]声音采集步骤：通过所述多个录音装置采集声音，将声音文件切分为预设时间长度的声音片段，该声音片段对应的时间段作为录音时段；并将所述声音片段与采集该声音的录音装置、录音装置的位置、录音时段进行关联后存入声音大数据；
[0008]专家标注虫害步骤：获取每一个声音片段的专家标注，专家标注包括虫害的类型、虫害的严重程度；
[0009]虫声识别模型训练步骤：获取用于训练的声音片段及其专家标注，将声音片段作为输入，将声音片段的专家标注作为预期输出，对预设的第一深度学习模型进行训练，得到虫声识别深度学习模型；
[0010]虫声识别模型预测步骤：获取用于预测的声音片段，将该声音片段输入虫声识别深度学习模型，得到该声音片段对应的虫害的类型、虫害的严重程度。
[0011]优选地，所述方法还包括：
[0012]虫害可视化步骤：对预设场所的每个录音装置录制的声音片段进行预测，得到预设场所的每个录音装置录制的声音片段对应的虫害的类型、虫害的严重程度；将所述虫害的类型、虫害的严重程度以不同的标志(例如不同的颜色和颜色深度，或不同的虫子图像和虫子密集度示意)标识到电子地图上，所述电子地图不但具有空间维还具有时间维。
[0013]优选地，所述方法还包括：
[0014]未来虫害模型训练步骤：获取用于训练的每个录音位置的每个时间段的虫害的类型、虫害的严重程度，将所述录音位置的前M个时间段的虫害的类型、虫害的严重程度作为输入，将所述录音位置的后N个时间段的虫害的类型、虫害的严重程度作为预期输出，对预设的第二深度学习模型进行训练，得到虫害未来预测模型；
[0015]未来虫害模型预测步骤：获取用于预测的每个录音位置的每个时间段的虫害的类型、虫害的严重程度，将所述录音位置的最近M个时间段的虫害的类型、虫害的严重程度作为输入，输入虫害未来预测模型，计算得到未来N个时间段的虫害的类型、虫害的严重程度。
[0016]优选地，所述方法还包括：
[0017]虫害空间拟合步骤：根据不同录音位置上预测得到的虫害的类型、虫害的严重程度，进行预设场所中虫害的类型、虫害的严重程度的空间拟合，得到预设场所中虫害的类型、虫害的严重程度的空间分布；
[0018]虫害时空拟合步骤：根据不同录音位置上不同时段预测得到的虫害的类型、虫害的严重程度，进行预设场所中虫害的类型、虫害的严重程度的时空拟合，得到预设场所中虫害的类型、虫害的严重程度的时空分布。
[0019]第二方面，本专利技术实施例提供一种人工智能装置，所述装置包括：
[0020]位置获取模型：获取预设场所的多个录音装置所在的多个位置的位置信息，作为多个录音位置；
[0021]声音采集模型：通过所述多个录音装置采集声音，将声音文件切分为预设时间长度的声音片段，该声音片段对应的时间段作为录音时段；并将所述声音片段与采集该声音的录音装置、录音装置的位置、录音时段进行关联后存入声音大数据；
[0022]专家标注虫害模型：获取每一个声音片段的专家标注，专家标注包括虫害的类型、虫害的严重程度；
[0023]虫声识别模型训练模型：获取用于训练的声音片段及其专家标注，将声音片段作为输入，将声音片段的专家标注作为预期输出，对预设的第一深度学习模型进行训练，得到虫声识别深度学习模型；
[0024]虫声识别模型预测模型：获取用于预测的声音片段，将该声音片段输入虫声识别深度学习模型，得到该声音片段对应的虫害的类型、虫害的严重程度。
[0025]优选地，所述装置还包括：
[0026]虫害可视化模型：对预设场所的每个录音装置录制的声音片段进行预测，得到预设场所的每个录音装置录制的声音片段对应的虫害的类型、虫害的严重程度；将所述虫害的类型、虫害的严重程度以不同的标志(例如不同的颜色和颜色深度，或不同的虫子图像和虫子密集度示意)标识到电子地图上，所述电子地图不但具有空间维还具有时间维。
[0027]优选地，所述装置还包括：
[0028]未来虫害模型训练模型：获取用于训练的每个录音位置的每个时间段的虫害的类型、虫害的严重程度，将所述录音位置的前M个时间段的虫害的类型、虫害的严重程度作为输入，将所述录音位置的后N个时间段的虫害的类型、虫害的严重程度作为预期输出，对预设的第二深度学习模型进行训练，得到虫害未来预测模型；
[0029]未来虫害模型预测模型：获取用于预测的每个录音位置的每个时间段的虫害的类型、虫害的严重程度，将所述录音位置的最近M个时间段的虫害的类型、虫害的严重程度作为输入，输入虫害未来预测模型，计算得到未来N个时间段的虫害的类型、虫害的严重程度。
[0030]优选地，所述装置还包括：
[0031]虫害空间拟合模型：根据不同录音位置上预测得到的虫害的类型、虫害的严重程度，进行预设场所中虫害的类型、虫害的严重程度的空间拟合，得到预设场所中虫害的类
型、虫害的严重程度的空间分布；
[0032]虫害时空拟合模型：根据不同录音位置上不同时段预测得到的虫害的类型、虫害的严重程度，进行预设场所中虫害的类型、虫害的严重程度的时空拟合，得到预设场所中虫害的类型、虫害的严重程度的时空分布。
[0033]第三方面，本专利技术实施例提供一种人工智能系统，所述系统包括第二方面实施例任意一项所述装置的模块。
[0034]第四方面，本专利技术实施例提供一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现第一方面实施例任意一项所述方法的步骤。
[0035]第五方面，本专利技术实施例提供一种机器人系统，包括存储器、处理器及存储在存储器上并可在处理器上运行的人工智能机器人程序，其特征在于，所述处理器执行所述程序时实现第一方面实施例任意一项所述方法的步骤。
[0036]本实施例提供的基于人工智能和声音识别虫害方法和机器人，包括：位置获取步骤；声音采集步骤；专家标注虫害步骤；虫声识别模型训练步骤；虫声识别模型预测步骤。上述方法、系统和机器人，通过虫声识别的方法开创本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种人工智能方法，其特征在于，所述方法包括：位置获取步骤：获取预设场所的多个录音装置所在的多个位置的位置信息，作为多个录音位置；声音采集步骤：通过所述多个录音装置采集声音，将声音文件切分为预设时间长度的声音片段，该声音片段对应的时间段作为录音时段；并将所述声音片段与采集该声音的录音装置、录音装置的位置、录音时段进行关联后存入声音大数据；专家标注虫害步骤：获取每一个声音片段的专家标注，专家标注包括虫害的类型、虫害的严重程度；虫声识别模型训练步骤：获取用于训练的声音片段及其专家标注，将声音片段作为输入，将声音片段的专家标注作为预期输出，对预设的第一深度学习模型进行训练，得到虫声识别深度学习模型；虫声识别模型预测步骤：获取用于预测的声音片段，将该声音片段输入虫声识别深度学习模型，得到该声音片段对应的虫害的类型、虫害的严重程度。2.根据权利要求1所述的人工智能方法，其特征在于，所述方法还包括：虫害可视化步骤：对预设场所的每个录音装置录制的声音片段进行预测，得到预设场所的每个录音装置录制的声音片段对应的虫害的类型、虫害的严重程度；将所述虫害的类型、虫害的严重程度以不同的标志(例如不同的颜色和颜色深度，或不同的虫子图像和虫子密集度示意)标识到电子地图上，所述电子地图不但具有空间维还具有时间维。3.根据权利要求1所述的人工智能方法，其特征在于，所述方法还包括：未来虫害模型训练步骤：获取用于训练的每个录音位置的每个时间段的虫害的类型、虫害的严重程度，将所述录音位置的前M个时间段的虫害的类型、虫害的严重程度作为输入，将所述录音位置的后N个时间段的虫害的类型、虫害的严重程度作为预期输出，对预设的第二深度学习模型进行训练，得到虫害未来预测模型；未来虫害模型预测步骤：获取用于预测的每个录音位置的每个时间段的虫害的类型、虫害的严重程度，将所述录音位置的最近M个时间段的虫害的类型、虫害的严重程度作为输入，输入虫害未来预测模型，计算得到未来N个时间段的虫害的类型、虫害的严重程度。4.根据权利要求1所述的人工智能方法，其特征在于，所述方法还包括：虫害空间拟合步骤：根据不同录音位置上预测得到的虫害的类型、虫害的严重程度，进行预设场所中虫害的类型、虫害的严重程度的空间拟合，得到预设场所中虫害的类型、虫害的严重程度的空间分布；虫害时空拟合步骤：根据不同录音位置上不同时段预测得到的虫害的类型、虫害的严重程度，进行预设场所中虫害的类型、虫害的严重程度的时空拟合，得到预设场所中虫害的类型、虫害的严重程度的时空分布。5.一种人工智能装置，其特征在于，所述装置包括：位置获取模型：获取预设场所的多个录音装置所在的多个位置的位置信息，作为多个录音位置；声音采集模型：通过所述多个录音装置采集声音，将声音文件切分...

【专利技术属性】
技术研发人员：朱定局，
申请(专利权)人：华南师范大学，
类型：发明
国别省市：