基于opencv和机器学习的智能化驱鸟系统与方法技术方案

本发明专利技术公开了基于open cv和机器学习的智能化驱鸟系统与方法，系统包括：摄像头模块、嵌入式系统、GPS北斗双模定位模块、网络模块、服务器数据库。本发明专利技术中，通过视频采集完成目标检测、目标识别及目标位置矢量信息，识别鸟的种类及其进入、飞行的方向等信息，进一步提出智能驱鸟算法框架，通过结合open cv和机器学习的深度学习策略，搭建鸟群智能识别模型，制定针对性且高效的驱鸟方案，进而使识别精度的自动优化，达到长期有效的驱鸟效果，另外，由于鸟类具有很强的适应能力，单一的驱鸟方法或者设备无法长期起到驱赶效果，而且尚未能达到自动化、智能化，因此，相较于现市面上多为驱鸟方式单一的设备，本发明专利技术能够克服现有背景技术下存在的一系列问题。存在的一系列问题。存在的一系列问题。

【技术实现步骤摘要】
基于open cv和机器学习的智能化驱鸟系统与方法


[0001]本专利技术涉及驱鸟装置
，尤其涉及基于open cv和机器学习的智能化驱鸟系统与方法。

技术介绍

[0002]日常生活中，农场、果园、风力发电厂、军民用机场，输电塔上的电线等地方都可以见到鸟儿的踪影，鸟类和人类的生活密不可分，共同维护着生态平衡。但是在生活上的某些方面，鸟类的飞行、啄食等方面影响着人类的辛勤劳动成果或设备使用的安全。在过去的20年间，全世界有220人死于鸟撞，航空行业中鸟撞事件不仅给乘客的生命和财产带来了巨大的损失和危害，而且造成了航班延误等许多间接经济损失。鸟撞飞机现在被世界民航组织定义为A级空难的重大危害之一；现实中还存在着鸟类对农民辛苦种植农作物的啄食，影响了农民一年所期待的收成；鸟类在电线上的短暂栖息、筑巢等带来了断路事故，不仅对电网公司，也对其他靠电运作而工作的人们带来了极大的危害。对于鸟类带来的种种危害，解决这一问题迫在眉睫。然而，由于鸟类有很强的适应能力，一旦采取的方法被发觉是对它们无法造成实质性伤害的，它们便不会再害怕而远离。所以市场更需要智能驱鸟装置来解决这些问题。
[0003]目前，国内外现存驱鸟装置以及驱鸟方案的驱鸟效果不佳，不能满足相关工作场地驱鸟的现实需求。国内外现有的驱鸟装置与方案，主要存在以下不足：
[0004]难以达到长期有效的驱鸟效果，且智能化程度低。由于不同鸟类对不同的声音的频率的敏感度不一致，导致同一种驱鸟方法呈现出不同的驱鸟效果，没有认识到鸟类之间存在特性差异，且鸟类对环境有很强的适应能力，所以现有驱鸟设备在使用一段时间后，驱鸟效果不尽人意，产生的效益低，且尚未能达到系统化、自动化、智能化程度。
[0005]驱鸟方案单一，无法灵活驱鸟。不同的鸟群之间存在很大差异，并且随着时间的推移，鸟类为更好地生存不断地适应复杂多变的环境，长期使用单一的驱鸟方案对不同鸟类的驱离效果也会随着时间的推移而出现效果不断降低的情况，且无法达到高效、精准的驱散效果。
[0006]驱鸟系统监控范围有限。鸟类对驱鸟装置与系统产生一定的适应性后，能够灵活地躲避驱鸟器，无法高速、及时地达到驱鸟目的，因此驱鸟装置不得不扩大监控的范围，不停地更换工作场地，从而达到大范围的驱鸟。
[0007]控制系统难度大、人工成本高。大多驱鸟装置之间不能协同运行驱鸟，为了达到有效驱鸟的效果，常需要安排专门的工作人员负责操作维护驱鸟设备以应对鸟击事件。这种驱鸟模式，极大地提高了人工成本和造成了资源的浪费，且加大了控制系统难度。

技术实现思路

[0008]本专利技术的目的是为了解决现有技术中存在的缺点，而提出的基于open cv和机器学习的智能化驱鸟系统与方法。
[0009]为了实现上述目的，本专利技术采用了如下技术方案：基于open cv和机器学习的智能化驱鸟系统，系统包括：摄像头模块、嵌入式系统、GPS北斗双模定位模块、网络模块、服务器数据库。
[0010]作为上述技术方案的进一步描述：
[0011]所述摄像头模块、嵌入式系统、GPS北斗双模定位模块以及网络模块均集成在装置主体内部，且摄像头模块位于装置主体一侧表面顶端位置，所述装置主体后方表面底部位置分别设有散热口以及电源接口。
[0012]作为上述技术方案的进一步描述：
[0013]所述服务器数据库由鸟情信息采集系统以及鸟情信息数据库构成，所述鸟情信息采集系统通过对鸟的种类、习性、迁徙季节等数据进行收集，以及对鸟、昆虫、土壤动物的种类以及生活习性和食物链等生态环境数据来构成，并以日、月、年为单位进行数据分析从而实现多维度的精准预测，上述系统由鸟情信息数据库以及根据不同鸟类之间的差异所制定的高效驱鸟方案构成。
[0014]作为上述技术方案的进一步描述：
[0015]所述摄像头模块进行视频采集并通过嵌入式系统进行分析，并且通过GPS北斗双模定位模块进行鸟情定位。
[0016]作为上述技术方案的进一步描述：
[0017]所述系统基于鸟类的适应性采用：通过视频采集完成目标检测、目标识别及目标位置矢量信息，识别鸟的种类及其进入、飞行的方向信息，进一步提出智能驱鸟算法框架，通过引入open cv和机器学习的深度学习策略，搭建鸟群智能识别模型，制定具有针对性且高效的驱鸟方案，进而使识别精度的自动优化，提高驱鸟效率，达到长期有效的驱鸟效果。
[0018]作为上述技术方案的进一步描述：
[0019]所述网络模块通过WIFI与服务器数据库相连接。
[0020]作为上述技术方案的进一步描述：
[0021]基于open cv和机器学习的智能化驱鸟方法，包括基于open cv和机器学习的智能化驱鸟系统，具体方法包括：
[0022]1.摄像头模块检测到飞行物时，将信号发送至嵌入式系统。
[0023]2.嵌入式系统在接收到信号后，发送指令至GPS北斗双模定位模块。
[0024]3.GPS北斗双模定位模块接受指令后，将所在地理位置信息发送至嵌入式系统。
[0025]4.嵌入式系统接受信息后，利用网络模块将摄像头自检测到飞行物时起，所收到的所有数据信息传输至服务器数据库。
[0026]5.将接收到的数据与数据库内已训练好的模型进行对比，判断是否为鸟类以及为何种鸟类，待确认后判断鸟类在摄像头画面中的运动方向。
[0027]6.将接收到的地理位置信息与系统所判定的鸟类在摄像头画面中的运动方向相结合，判断鸟类真实行进方向。
[0028]7.根据系统所判定的具体鸟类，在数据库中检索对应的驱鸟方案。
[0029]8.驱鸟方案执行后，发送信号至嵌入式系统，停止驱鸟。
[0030]与现有技术相比，本专利技术的有益效果是；
[0031]1、本专利技术中，通过视频采集完成目标检测、目标识别及目标位置矢量信息，识别鸟
的种类及其进入、飞行的方向信息，进一步提出智能驱鸟算法框架，通过引入open cv和机器学习的深度学习策略，搭建鸟群智能识别模型，制定具有针对性且高效的驱鸟方案，进而使识别精度的自动优化，提高驱鸟效率，达到长期有效的驱鸟效果，相较于现市面上多为驱鸟方式单一的装置设备，又由于鸟类具有很强的适应能力，单一的驱鸟方法或者设备无法长期起到驱赶效果，且尚未能达到自动化、智能化，本专利技术能够克服现有
技术介绍
下存在的一系列问题，从而大大提高了驱鸟效率。
附图说明
[0032]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍。
[0033]图1为本专利技术提出的基于open cv和机器学习的智能化驱鸟系统与方法的装置结构示意图；
[0034]图2为本专利技术提出的基于open cv和机器学习的智能化驱鸟系统与方法的工作流程示意图；
[0035]图3为本专利技术提出的基于open cv和机器学习的智能化驱鸟系统与方法的装置实现示意图；
[0036]图4为本专利技术提出的基于open本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于open cv和机器学习的智能化驱鸟系统，其特征在于，所述系统包括：摄像头模块(2)、嵌入式系统(7)、GPS北斗双模定位模块(5)、网络模块(6)、服务器数据库(8)。2.根据权利要求1所述的基于open cv和机器学习的智能化驱鸟系统，其特征在于，所述摄像头模块(2)、嵌入式系统(7)、GPS北斗双模定位模块(5)以及网络模块(6)均集成在装置主体(1)内部，且摄像头模块(2)位于装置主体(1)一侧表面顶端位置，所述装置主体(1)后方表面底部位置分别设有散热口(3)以及电源接口(4)。3.根据权利要求1所述的基于open cv和机器学习的智能化驱鸟系统，其特征在于，所述服务器数据库(8)由鸟情信息采集系统以及鸟情信息数据库构成，所述鸟情信息采集系统通过对鸟的种类、习性、迁徙季节等数据进行收集，以及对鸟、昆虫、土壤动物的种类以及生活习性和食物链等生态环境数据来构成，并以日、月、年为单位进行数据分析从而实现多维度的精准预测，上述系统由鸟情信息数据库以及根据不同鸟类之间的差异所制定的高效驱鸟方案构成。4.根据权利要求1所述的基于open cv和机器学习的智能化驱鸟系统，其特征在于，所述摄像头模块(2)进行视频采集并通过嵌入式系统(7)进行分析，并且通过GPS北斗双模定位模块(5)进行鸟情定位。5.根据权利要求1所述的基于open cv和机器学习的智能化驱鸟系统，其特征在于，所述系统基于鸟类的适应性采用：通过视频采集完成目标检测、目标识别及目标位置矢量信...

【专利技术属性】
技术研发人员：鲍军荣，李晓静，温燕红，黄宇洪，陈晓晴，汤海林，陈土银，黄格齐，蒲源，欧阳姗，翟敏焕，朱婷婷，余丽红，肖依帆，梁心咏，林野，汪智鹏，
申请(专利权)人：广东白云学院，
类型：发明
国别省市：