一种烟草甲虫虫情监测预警方法及系统技术方案

本发明专利技术公开了一种烟草甲虫虫情监测预警方法及系统，包括图像采集终端、无线通信模块、信息传输模块、信息识别模块、图像识别单元、特征提取单元、数据处理单元、预警监测服务器、数据分析服务器，方法及系统通过图像采集装置对烟草甲虫进行诱集和拍照,并将获取的烟草甲虫图像输入训练后的深度学习识别模型进行识别分类，以得到烟甲虫对应的虫态识别虫数，当所述虫数满足预设条件时，发岀预警提示，并自动识别烟甲虫的种类以及对应的虫态,提高了对烟甲虫识别的准确率以及效率，预警提示及大数据分析有助于相关人员及早发现烟加虫的防治适期。期。期。

【技术实现步骤摘要】
一种烟草甲虫虫情监测预警方法及系统


[0001]本专利技术涉及烟草虫害防治
，尤其涉及一种烟草甲虫虫情监测预警方法及系统。

技术介绍

[0002]烟草甲虫的发育最适条件是温度为30
°
C ,相对湿度为70% ,在这种最适环境下完成其生活周约需24天。每一雌虫一生能产卵100多粒。卵产在烟叶缝隙或粮粒凹陷处，每次产卵一粒。烟草甲虫是烟叶及其制品的重要烟甲虫，危害相当严重；它也能危害粮食,在我国大部分省区都有分布。
[0003]现有的防治方法主要有低温储藏、化学药剂灭杀、根据烟甲虫的趋光性采用灯光诱集、制作专门的性诱剂用诱捕器诱杀等,但是防治的前提是要可以预测烟草甲虫的发展趋势，确定什么时候开始灭杀最合适，避免不必要的成本投入。
[0004]目前的烟草甲虫预测装置主要采用灯诱和性诱诱捕器这两种形式,但是传统的诱捕器诱捕之后还需要人为查数和识别，大大增加了观察人员的观测强度和识别能力要求，普通人员根本无法完成。
[0005]因此，为了降低观察人员的观测强度和识别能力要求，亟需一种烟草甲虫虫情监测预警方法及系统及系统。

技术实现思路

[0006]为了克服上述现有技术中的不足,本专利技术提供一种烟草甲虫识别预警方法及系统，以解决上述问题。
[0007]为了实现上述目的，本专利技术较佳实施例所提供的技术方案如下所示：就方法而言，本专利技术较佳实施例提供一种烟草甲虫识别预警方法，应用于烟草甲虫识别系统，所述系统包括至少一个图像采集装置、与所述图像采集装置通信的用户终端以及设置在所述用户终端的深度学习识别模型;所述方法包括：所述图像采集装置采集烟草甲虫图像，以作为所述烟草甲虫识别系统所获取的烟甲虫图像；将获取到的烟草甲虫图像输入训练后的深度学习识别模型进行识别分类，以得到烟草甲虫的种类以及对应的虫态；判断所述虫态，当所述虫态满足预设条件时,发出预警提示。
[0008]在本专利技术的较佳实施例中，上述将获取到的烟甲虫图像输入训练后的深度学习识别模型进行识别分类的步骤之前，所述方法包括：获取烟甲虫的训练图像集,包括多个训练子图像，每个所述训练子图像包括单个昆虫的图像以及对应的烟甲虫的预设标签,所述预设标签包括烟甲虫的种类信息、虫态信息。
[0009]使用所述训练图像集，采用深度学习算法训练所述深度学习识别模型，得到训练
后的深度学习识别模型。
[0010]在本专利技术的较佳实施例中，上述将获取到的烟草甲虫图像输入训练后的深度学习识别模型进行识别分类的步骤,包括：将所述烟草甲虫图像的图像特征与所述深度学习识别模型中的训练图像集中的训练子图像的图像特征进行匹配，得到所述烟草甲虫图像与所述训练子图像的相似度；在所述训练图像集中选取相似度最大的所述训练子图像，将选出的所述训练子图像的预设标签作为所述烟草甲虫图像的实际标签，以得到烟甲虫的种类以及烟草甲虫虫态。
[0011]在本专利技术的较佳实施例中，上述将获取到的烟甲虫图像输入训练后的深度学习识别模型进行识别分类的步骤,包括：统计图像采集装置在预设时长内采集的烟草甲虫虫态对应的数量。
[0012]在本专利技术的较佳实施例中，上述判断所述虫态，当所述虫态满足预设条件时,发出预警提示的步骤,包括：本区域本日、本周、本月的虫数累计信息及增量信息，根据所述区域信息、虫态计算所述区域烟甲虫的累计数、增量数，并发出预警提示，其中，所述预警范围包括区域轻度、中度、重度报警。
[0013]在本专利技术的较佳实施例中，上述烟甲虫系统还包括服务器，所述服务器与所述用户终端通信连接，所述服务器设置有所述深度学习模型,所述图像采集装置采集各类烟甲虫图像，以作为所述烟甲虫识别系统所获取的烟甲虫图像的步骤,包括：所述图像采集装置将采集的各类烟甲虫图像上传至所述服务器。
[0014]在本专利技术的较佳实施例中，上述将获取到的烟甲虫图像输入训练后的深度学习识别模型进行识别分类的步骤,包括：所述服务器将获取的各类烟甲虫图像输入服务器的深度学习识别模型中，以对各类烟甲虫图像进行识别计数。
[0015]就系统而言，本专利技术的较佳实施例提供一种烟甲虫识别预警方法及系统，所述系统包括至少一个图像采集装置、与所述图像采集装置通信的用户终端以及与所述用户终端连接的烟甲虫识别预警装置，所述图像采集装置采集各类烟甲虫图像，以作为所述烟甲虫识别预警方法及系统所获取的烟甲虫图像;所述用户终端包括深度学习识别模型，所述烟甲虫识别预警装置包括：图像单元，用于将获取到的烟甲虫图像输入训练后的深度学习识别模型进行识别分类，以得到烟甲虫的种类以及对应的虫态；预警判断单元，用于判断所述虫态，当所述虫态满足预设条件时,发出预警提示。
[0016]在本专利技术的较佳实施例中，上述烟甲虫识别预警装置还包括：图像获取单元，用于获取烟甲虫的训练图像集，包括多个训练子图像,每个所述训练子图像包括单个烟甲虫的图像以及对应的烟甲虫的预设标签，所述预设标签包括烟甲虫的种类信息、虫态信息。
[0017]模型训练单元，用于使用所述训练图像集，采用深度学习算法训练所述深度学习
识别模型,得到训练后的深度学习识别模型。
[0018]在本专利技术的较佳实施例中，上述预警判断单元还用于：本车间区域本日、本周、本月的虫数累计信息及增量信息，根据所述区域信息、虫态计算所述区域烟甲虫的累计数、增量数，并发出预警提示，其中，所述预警范围包括区域轻度、中度、重度报警相对于现有技术而言，本专利技术提供的方法及系统至少具有以下有益效果:所述方法及系统可自动识别烟甲虫的种类以及对应的虫态，在虫态满足预设条件时发出预警提示, 提高了对烟甲虫识别的准确率以及效率，另外，预警提示有助于相关人员及早发现烟甲虫的防治适期。具体地，所述方法及系统通过图像采集装置采集到的各类烟甲虫图像，以作为所述害虫识别系统所获取的烟甲虫图像;然后将获取到的烟甲虫图像输入训练后的深度学习识别模型进行识别分类，以得到烟甲虫的种类以及对应的虫态；利用用户终端识别烟甲虫的种类以及对应的虫态，简化了对烟甲虫识别分类的操作，缩短了识别计数的时间。
[0019]为使本专利技术的上述目的、特征和优点能更明显易懂，下文特举本专利技术较佳实施例，并配合所附附图，作详细说明如下。
附图说明
[0020]为了更清楚地说明本专利技术实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍。应当理解，以下附图仅示出了本专利技术的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
[0021]图1为本专利技术较佳实施例提供的烟草甲虫虫情监测预警方法及系统的交互示意图。
[0022]图2为本专利技术较佳实施例提供的图像采集装置的方框示意图。
[0023]图3为本专利技术较佳实施例提供的用户终端的方框示意图。
[0024]图4为本专利技术较佳实施例提供的烟草甲虫虫情监测预警方法及系统的流程示意图之一。
[0025]图5为本专利技术较佳实施例提供的烟草甲虫虫情监本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种烟草甲虫虫情监测预警方法及系统，其特征在于，应用于烟甲虫识别预警方法及系统，所述系统包括至少一个图像采集装置、与所述图像采集装置通信的用户终端以及设置在所述用户终端的深度学习识别模型；所述方法包括：所述图像采集装置采集各类烟甲虫图像，以作为所述烟甲虫识别系统所获取的烟甲虫图像；将获取到的烟甲虫图像输入训练后的深度学习识别模型进行识别分类，以得到烟甲虫及对应的虫态；判断所述虫态，当所述虫态满足预设条件时，发出预警提示。2.根据权利要求1所述的方法，其特征在于，所述将获取到的烟甲虫图像输入训练后的深度学习识别模型进行识别分类的步骤之前,所述方法包括：获取烟甲虫的训练图像集,包括多个训练子图像，每个所述训练子图像包括单个烟甲虫的图像以及对应的烟甲虫的预设标签,所述预设标签包括烟甲虫的种类信息、虫态信息。使用所述训练图像集，采用深度学习算法训练所述深度学习识别模型，得到训练后的深度学习识别模型。3.根据权利要求2所述的方法，其特征在于，所述将获取到的烟甲虫图像输入训练后的深度学习识别模型进行识别分类的步骤,包括：将所述烟甲虫图像的图像特征与所述深度学习识别模型中的训练图像集中的训练子图像的图像特征进行匹配,得到所述烟甲虫图像与所述训练子图像的相似度；在所述训练图像集中选取相似度最大的所述训练子图像，将选出的所述训练子图像的预设标签作为所述烟甲虫图像的实际标签，以得到烟甲虫的种类以及虫态。4.根据权利要求2所述的方法，其特征在于，所述将获取到的烟甲虫图像输入训练后的深度学习识别模型进行识别分类的步骤,包括：统计图像采集装置在预定时长内采集的各类烟甲虫虫态对应的数量。5.根据权利要求1所述的方法,其特征在于,所述判断所述虫态，当所述虫态计数满足预设条件时，发出预警提示的步骤,包括：获取本区域本日、本周、本月的虫数累计信息及增量信息，根据所述区域信息、虫态计算所述烟甲虫的报警范围，并发出预警提示，其中，所述预警范围包括区域轻度、中度、重度报警。6.根据权利要求1所述的方法，其特征在于，所述烟甲虫识别预警方法及系统还包括服务器，所述服务器与所述用户终端通信...

【专利技术属性】
技术研发人员：王源，王伟，黎建建，郭焕璋，钟智敏，邓晓云，
申请(专利权)人：江西中烟工业有限责任公司，
类型：发明
国别省市：