【技術(shù)實(shí)現(xiàn)步驟摘要】
本專(zhuān)利技術(shù)涉及茶園蟲(chóng)害防治，具體涉及一種基于自動(dòng)捕獲的茶小綠葉蟬防治適期預(yù)估方法。
技術(shù)介紹
1、茶小綠葉蟬是一種小型昆蟲(chóng)，其身體長(zhǎng)度一般在3～4mm左右，身體顏色主要為淡綠色至黃綠色；茶小綠葉蟬具有較強(qiáng)的繁殖能力和適應(yīng)能力，是目前茶園中最常見(jiàn)的害蟲(chóng)之一。目前，針對(duì)于茶小綠葉蟬的防治包括物理防治方法、生物防治方法與化學(xué)防治方法；物理防治方法，即在茶園內(nèi)安裝色板、誘蟲(chóng)燈等設(shè)備，對(duì)茶小綠葉蟬進(jìn)行誘捕；生物防治方法，即通過(guò)在茶園投放茶小綠葉蟬的天敵（如捕食螨、寄生蜂等）或者生物源制劑來(lái)控制茶小綠葉蟬的數(shù)量；化學(xué)防治方法，即通過(guò)施用化學(xué)農(nóng)藥的方式進(jìn)行茶小綠葉蟬的直接滅殺。其中，物理防治方法與生物防治方法在茶小綠葉蟬蟲(chóng)口密度較小時(shí)、使用的效果最佳，當(dāng)茶小綠葉蟬的蟲(chóng)口密度達(dá)到一定程度后，物理防治與生物防治手段將無(wú)法有效控制茶小綠葉蟬的數(shù)量而引起茶葉損失（即需要采用大量的物理防治設(shè)備與生物防治天敵對(duì)茶小綠葉蟬進(jìn)行匹配、達(dá)到防治目的，這不僅極大的提高了防治成本，還極易破壞茶園的生態(tài)平衡）；因此，當(dāng)茶小綠葉蟬蟲(chóng)口密度較大時(shí)，需要采用化學(xué)防治的手段，從而更加高效、低成本的進(jìn)行茶小綠葉蟬的防治。但是，目前針對(duì)于茶園中的害蟲(chóng)監(jiān)控，主要是通過(guò)人工觀察茶園的狀況、依據(jù)過(guò)往經(jīng)驗(yàn)進(jìn)行茶小綠葉蟬爆發(fā)時(shí)期（即蟲(chóng)口密度）的判斷，這種方法一是浪費(fèi)勞動(dòng)生產(chǎn)力、提升防治成本，且耗時(shí)長(zhǎng)、效率低；二是茶小綠葉蟬體型小、人工不易觀察捕捉（無(wú)論是人工直接在茶園觀察、還是通過(guò)布置在茶園的攝像頭進(jìn)行觀測(cè)，都需要通過(guò)人工肉眼進(jìn)行茶小綠葉蟬的捕捉），極易出現(xiàn)判斷失誤或捕捉不準(zhǔn)確等問(wèn)題，影
技術(shù)實(shí)現(xiàn)思路
1、針對(duì)以上現(xiàn)有技術(shù)存在的問(wèn)題，本專(zhuān)利技術(shù)的目的在于提供一種基于自動(dòng)捕獲的茶小綠葉蟬防治適期預(yù)估方法，該方法能夠有效采集茶小綠葉蟬的狀態(tài)與數(shù)量，并通過(guò)自動(dòng)化系統(tǒng)對(duì)茶小綠葉蟬的爆發(fā)時(shí)期（即蟲(chóng)口密度）進(jìn)行精確預(yù)測(cè)，從而減少對(duì)專(zhuān)業(yè)技術(shù)人員的依賴(lài)，減少人工判斷和預(yù)測(cè)的誤差，提高預(yù)測(cè)效率、降低蟲(chóng)害預(yù)測(cè)成本。
2、本專(zhuān)利技術(shù)的目的通過(guò)以下技術(shù)方案實(shí)現(xiàn)：
3、一種基于自動(dòng)捕獲的茶小綠葉蟬防治適期預(yù)估方法，包括：
4、步驟s1、主動(dòng)捕捉：采用主動(dòng)擾動(dòng)捕捉器對(duì)目標(biāo)茶樹(shù)種植區(qū)域內(nèi)的茶小綠葉蟬進(jìn)行捕捉，并通過(guò)高清攝像機(jī)進(jìn)行成像保存；
5、步驟s2、識(shí)別計(jì)數(shù)：采用識(shí)別模型對(duì)步驟s1中獲得的圖片進(jìn)行茶小綠葉蟬的識(shí)別并計(jì)數(shù)，獲得茶小綠葉蟬的數(shù)量及平均體長(zhǎng)；
6、步驟s3、環(huán)境采集：通過(guò)分布于目標(biāo)茶樹(shù)種植區(qū)域內(nèi)的環(huán)境采集器進(jìn)行環(huán)境參數(shù)的采集；
7、步驟s4、蟲(chóng)害防治時(shí)期預(yù)測(cè)：通過(guò)線下預(yù)訓(xùn)練完成的預(yù)測(cè)模型對(duì)當(dāng)前狀態(tài)下的茶小綠葉蟬的防治時(shí)期進(jìn)行預(yù)測(cè)，并通過(guò)預(yù)測(cè)時(shí)間修正方法對(duì)防治時(shí)期的結(jié)果進(jìn)行修正，獲得精確的預(yù)測(cè)模型。
8、基于上述方案的進(jìn)一步優(yōu)化，所述主動(dòng)擾動(dòng)捕捉器均勻分布在目標(biāo)茶樹(shù)種植區(qū)域內(nèi)，包括擾動(dòng)與設(shè)置于擾動(dòng)桿正方向的黃色粘板（黃色粘板的大小固定），通過(guò)擾動(dòng)桿對(duì)目標(biāo)茶樹(shù)種植區(qū)域的對(duì)應(yīng)茶樹(shù)進(jìn)行擾動(dòng)，進(jìn)而使得附著于茶樹(shù)上的茶小綠葉蟬飛出，被設(shè)置于正方向的黃色粘板吸引而捕捉；高清攝像機(jī)對(duì)應(yīng)黃色粘板設(shè)置（即高清攝像機(jī)的焦距、焦點(diǎn)等固定，高清攝像機(jī)與黃色粘板的距離固定），能夠獲得黃色粘板的全區(qū)域、高清圖像。
9、基于上述方案的進(jìn)一步優(yōu)化，所述識(shí)別模型采用線下預(yù)訓(xùn)練完成的深度神經(jīng)網(wǎng)絡(luò)模型，識(shí)別模型對(duì)高清攝像機(jī)獲得的圖像進(jìn)行檢測(cè)識(shí)別（即高清圖像為輸入）、輸出檢測(cè)框，檢測(cè)框包括四個(gè)頂點(diǎn)坐標(biāo) (x1 ,y1 ),(x2 ,y2 ),(x3 ,y3 ),(x4 ,y4 )，步驟s2具體為：
10、首先，獲取每個(gè)檢測(cè)框的中心坐標(biāo) (x0 ,y0 )：
11、
12、隨后，對(duì)同一幅圖像中的所有中心坐標(biāo)進(jìn)行計(jì)數(shù)，即獲得對(duì)應(yīng)黃色粘板的茶小綠葉蟬數(shù)量 ni，并獲得所有黃色粘板的均值作為目標(biāo)茶樹(shù)種植區(qū)域內(nèi)茶小綠葉蟬數(shù)量的測(cè)量值：
13、
14、式中： n表示目標(biāo)茶樹(shù)種植區(qū)域內(nèi)設(shè)置 n塊黃色粘板；
15、之后，通過(guò)距離公式分別獲得檢測(cè)框四條邊之間的距離 di（i=1,2,3,4）：
16、
17、并取四條距離中的最大值作為對(duì)應(yīng)檢測(cè)框的體長(zhǎng) d；
18、最后，計(jì)算一張黃色粘板上所有茶小綠葉蟬體長(zhǎng)的平均值：
19、
20、式中： di,j表示第 i塊黃色粘板上第 j個(gè)檢測(cè)到的茶小綠葉蟬的長(zhǎng)度。
21、基于上述方案的進(jìn)一步優(yōu)化，所述環(huán)境采集器包括溫度傳感器、濕度傳感器及計(jì)時(shí)器，環(huán)境參數(shù)包括目標(biāo)茶樹(shù)種植區(qū)域的采集時(shí)刻溫度、濕度與時(shí)間。
22、基于上述方案的進(jìn)一步優(yōu)化，所述預(yù)測(cè)模型的主網(wǎng)絡(luò)采用mobilenetv4輕量化模型，在mobilenetv4網(wǎng)絡(luò)結(jié)構(gòu)的最后連接全鏈接層網(wǎng)絡(luò)，輸出維度為4x1，分別對(duì)應(yīng)預(yù)測(cè)防治時(shí)間、預(yù)測(cè)蟲(chóng)害規(guī)模、下次檢測(cè)時(shí)間和下次蟲(chóng)害預(yù)測(cè)規(guī)模；預(yù)測(cè)模型的輸入為狀態(tài)信息向量 vinput，其中，狀態(tài)信息向量 vinput由溫度、濕度、蟲(chóng)害規(guī)模組成：
23、
24、式中： t0表示預(yù)測(cè)時(shí)刻當(dāng)天的平均溫度； this表示預(yù)測(cè)時(shí)刻前第 i天的平均溫度，一般取前30天，即； h0表示預(yù)測(cè)時(shí)刻當(dāng)天的平均濕度； hhis表示預(yù)測(cè)時(shí)刻前第 i天的平均濕度，一般取前30天，即。
25、基于上述方案的進(jìn)一步優(yōu)化，所述預(yù)測(cè)時(shí)間修正方法包括蟲(chóng)害規(guī)模預(yù)測(cè)誤差計(jì)算、數(shù)據(jù)權(quán)重計(jì)算及預(yù)測(cè)模型微調(diào)，具體為：
26、步驟s41、蟲(chóng)害規(guī)模預(yù)測(cè)誤差計(jì)算：根據(jù)蟲(chóng)害防治時(shí)期預(yù)測(cè)的結(jié)果，即預(yù)測(cè)防治時(shí)間、預(yù)測(cè)蟲(chóng)害規(guī)模、下次檢測(cè)時(shí)間和下次蟲(chóng)害預(yù)測(cè)規(guī)模，通過(guò)主動(dòng)捕捉本文檔來(lái)自技高網(wǎng)...
【技術(shù)保護(hù)點(diǎn)】
1.一種基于自動(dòng)捕獲的茶小綠葉蟬防治適期預(yù)估方法，其特征在于：包括：
2.根據(jù)權(quán)利要求1所述的一種基于自動(dòng)捕獲的茶小綠葉蟬防治適期預(yù)估方法，其特征在于：所述主動(dòng)擾動(dòng)捕捉器均勻分布在目標(biāo)茶樹(shù)種植區(qū)域內(nèi)，包括擾動(dòng)與設(shè)置于擾動(dòng)桿正方向的黃色粘板，高清攝像機(jī)對(duì)應(yīng)黃色粘板設(shè)置。
3.根據(jù)權(quán)利要求1或2所述的一種基于自動(dòng)捕獲的茶小綠葉蟬防治適期預(yù)估方法，其特征在于：所述識(shí)別模型采用線下預(yù)訓(xùn)練完成的深度神經(jīng)網(wǎng)絡(luò)模型，識(shí)別模型對(duì)高清攝像機(jī)獲得的圖像進(jìn)行檢測(cè)識(shí)別、輸出檢測(cè)框，檢測(cè)框包括四個(gè)頂點(diǎn)坐標(biāo)(x1,y1),(x2,y2),(x3,y3),(x4,y4)，步驟S2具體為：
4.根據(jù)權(quán)利要求3所述的一種基于自動(dòng)捕獲的茶小綠葉蟬防治適期預(yù)估方法，其特征在于：所述環(huán)境采集器包括溫度傳感器、濕度傳感器及計(jì)時(shí)器，環(huán)境參數(shù)包括目標(biāo)茶樹(shù)種植區(qū)域的采集時(shí)刻溫度、濕度與時(shí)間。
5.根據(jù)權(quán)利要求3所述的一種基于自動(dòng)捕獲的茶小綠葉蟬防治適期預(yù)估方法，其特征在于：所述預(yù)測(cè)模型的主網(wǎng)絡(luò)采用MobileNetV4輕量化模型，在MobileNetV4網(wǎng)絡(luò)結(jié)構(gòu)的最后連接全鏈接層
6.根據(jù)權(quán)利要求5所述的一種基于自動(dòng)捕獲的茶小綠葉蟬防治適期預(yù)估方法，其特征在于：所述預(yù)測(cè)時(shí)間修正方法包括蟲(chóng)害規(guī)模預(yù)測(cè)誤差計(jì)算、數(shù)據(jù)權(quán)重計(jì)算及預(yù)測(cè)模型微調(diào)，具體為：
7.根據(jù)權(quán)利要求6所述的一種基于自動(dòng)捕獲的茶小綠葉蟬防治適期預(yù)估方法，其特征在于：所述蟲(chóng)害規(guī)模預(yù)測(cè)誤差err的具體計(jì)算方法為：根據(jù)預(yù)測(cè)模型輸出的下次檢測(cè)時(shí)間和下次蟲(chóng)害預(yù)測(cè)規(guī)模nnext，采用主動(dòng)捕捉與識(shí)別計(jì)數(shù)獲得下次檢測(cè)時(shí)間點(diǎn)的真實(shí)蟲(chóng)害規(guī)模nreal，則：
8.根據(jù)權(quán)利要求6所述的一種基于自動(dòng)捕獲的茶小綠葉蟬防治適期預(yù)估方法，其特征在于：所述數(shù)據(jù)權(quán)重計(jì)算具體為：計(jì)算訓(xùn)練數(shù)據(jù)中的所有樣本與當(dāng)前樣本的權(quán)重分?jǐn)?shù)，其中，權(quán)重分?jǐn)?shù)由體長(zhǎng)權(quán)重分?jǐn)?shù)、蟲(chóng)害規(guī)模權(quán)重分?jǐn)?shù)、溫度權(quán)重分?jǐn)?shù)和濕度權(quán)重分?jǐn)?shù)加權(quán)獲得；
...【技術(shù)特征摘要】
1.一種基于自動(dòng)捕獲的茶小綠葉蟬防治適期預(yù)估方法，其特征在于：包括：
2.根據(jù)權(quán)利要求1所述的一種基于自動(dòng)捕獲的茶小綠葉蟬防治適期預(yù)估方法，其特征在于：所述主動(dòng)擾動(dòng)捕捉器均勻分布在目標(biāo)茶樹(shù)種植區(qū)域內(nèi)，包括擾動(dòng)與設(shè)置于擾動(dòng)桿正方向的黃色粘板，高清攝像機(jī)對(duì)應(yīng)黃色粘板設(shè)置。
3.根據(jù)權(quán)利要求1或2所述的一種基于自動(dòng)捕獲的茶小綠葉蟬防治適期預(yù)估方法，其特征在于：所述識(shí)別模型采用線下預(yù)訓(xùn)練完成的深度神經(jīng)網(wǎng)絡(luò)模型，識(shí)別模型對(duì)高清攝像機(jī)獲得的圖像進(jìn)行檢測(cè)識(shí)別、輸出檢測(cè)框，檢測(cè)框包括四個(gè)頂點(diǎn)坐標(biāo)(x1,y1),(x2,y2),(x3,y3),(x4,y4)，步驟s2具體為：
4.根據(jù)權(quán)利要求3所述的一種基于自動(dòng)捕獲的茶小綠葉蟬防治適期預(yù)估方法，其特征在于：所述環(huán)境采集器包括溫度傳感器、濕度傳感器及計(jì)時(shí)器，環(huán)境參數(shù)包括目標(biāo)茶樹(shù)種植區(qū)域的采集時(shí)刻溫度、濕度與時(shí)間。
5.根據(jù)權(quán)利要求3所述的一種基于自動(dòng)捕獲的茶小綠葉蟬防治適期預(yù)估方法，其特征在于：所述預(yù)測(cè)模型的主網(wǎng)絡(luò)采用mobilenetv4輕量化模型...
【專(zhuān)利技術(shù)屬性】
技術(shù)研發(fā)人員：江宏燕，王曉慶，陳世春，廖姝然，陳亭旭，
申請(qǐng)(專(zhuān)利權(quán))人：重慶市農(nóng)業(yè)科學(xué)院，
類(lèi)型：發(fā)明
國(guó)別省市：
還沒(méi)有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。