【技術實現步驟摘要】
本專利技術涉及害蟲識別，具體為基于數據分類的害蟲識別系統及方法。
技術介紹
1、切梢小蠹作為鞘翅目小蠹科的一員，是松屬樹種的天敵，尤其偏愛、云南松、華山松等珍貴樹種。它們的大規模爆發能夠迅速破壞整片松林，造成森林資源的巨大損失。此外，由于松林在生態系統中扮演著重要角色，如保持水土、調節氣候等，因此切梢小蠹的肆虐還可能對生態環境產生深遠影響。為了有效控制切梢小蠹的危害，需要采取綜合的防治措施，包括營林管理、生物防治、化學防治以及加強檢疫等。
2、在切梢小蠹蟲害對云南松的影響極為顯著，它們能夠直接取食松梢，冬季在樹干內越冬。蛀梢和蛀干危害導致云南松生長受阻、葉片變紅和脫落，最終整株樹木死亡。此外，蟲害還可能傳播病毒和病菌，加劇蟲害發生，威脅云南的森林生態安全和林業經濟生產。
3、在申請公布號為cn113743513a的中國專利技術專利中，公開了一種基于多特征數據的蟲害分類方法和裝置；該方法包括：獲取待識別圖片；對圖片的多種特征數據進行提取；確定最優的信息組合方式；根據最優的信息組合方式將特征數據與原圖片信息進行組合，獲得融合信息；將融合信息輸入到蟲害分類模型中進行識別，獲得蟲害分類結果；所述蟲害分類模型為經過訓練的深度卷積網絡模型。可以有效識別出蟲害類別，具有很強的特征表達與分類能力，為后續智能變量噴藥等蟲害防治提供信息；并且對正常拍攝圖片，非針對蟲體的放大圖像也具有很好的分類準確度。
4、在對蟲害進行防治前，需要對各類型蟲害進行識別和分類，現有的識別方式通常是通過圖像采集裝置采集昆蟲的圖像數據，
5、為此，本專利技術提供了基于數據分類的害蟲識別系統及方法。
技術實現思路
1、(一)解決的技術問題
2、針對現有技術的不足，本專利技術提供了基于數據分類的害蟲識別系統及方法，通過使用訓練好的蟲害分類模型進行識別和分類，構建蟲害識別數據集合，若識別出的蟲害危害程度超過預期，采集蟲害暴發數據，使用訓練好的蟲害暴發因素識別模型對松林區域內的蟲害暴發進行誘因分析，由蟲害暴發數據生成蟲害值，在蟲害值超過蟲害閾值時，依據誘因特征與種植處理方案間的對應性，由種植處理方案庫輸出種植處理方案；在對松林區域內松林種植狀態的調整未取到預期效果時，由蟲害應急處理知識圖譜輸出相應的蟲害處理方案。通過構建多級報警機制以及多級應急處理機制，在已經存在蟲害暴發時，在不同層次實現蟲害處理，降低蟲害影響，從而解決了
技術介紹
中的問題。
3、(二)技術方案
4、為實現以上目的，本專利技術通過以下技術方案予以實現：
5、基于數據分類的害蟲識別方法，包括，在收集的松林生長狀態數據與目標值偏差超過預期時，在松林區域內收集蟲害的聲音及圖像數據；
6、以圖像和聲音特征作為輸入，使用訓練好的蟲害分類模型進行識別和分類，構建蟲害識別數據集合；
7、若識別出的蟲害危害程度超過預期，采集蟲害暴發數據，使用訓練好的蟲害暴發因素識別模型對松林區域內的蟲害暴發進行誘因分析，獲取暴發誘因數據；
8、由蟲害暴發數據生成蟲害值，在蟲害值超過蟲害閾值時，依據誘因特征與種植處理方案間的對應性，由種植處理方案庫輸出種植處理方案；
9、在對松林區域內松林種植狀態的調整未取到預期效果時，依據蟲害暴發特征，由蟲害應急處理知識圖譜輸出相應的蟲害處理方案。
10、進一步的，采集和記錄松林區域的林分郁閉度、林分坡向及景觀斑塊的連通度，匯總后生成松林生長狀態數據集合；
11、由松林生長狀態數據集合生成狀態系數，若狀態系數超出波動閾值，在松林區域內均勻設置若干個數據采集點，于數據采集點處采集害蟲圖像，記錄害蟲活動時的聲音匯總后生成蟲害音像數據集合。
12、進一步的，對蟲害音像數據集合內的聲音及圖像數據進行標注，包括害蟲種類和聲音特征，對蟲害的圖像及聲音數據進行預處理后，分別對圖像及聲音數據進行特征提取；
13、將圖像和聲音的特征向量進行拼接或融合后形成綜合特征向量，由綜合特征向量訓練多模態神經網絡，并在經過測試驗證后獲取訓練好的蟲害分類模型。
14、進一步的，將采集到的蟲害圖像和聲音數據進行預處理，通過特征提取獲取相應的圖像特征及聲音特征；以圖像和聲音的特征作為輸入，使用訓練好的蟲害分類模型進行識別和分類，獲取相應的識別和分類結果，匯總后生成蟲害識別數據集合。
15、進一步的，在獲取到松林區域內的蟲害類型及數量后，以其作為輸入，使用訓練后的蟲害危害評價模型進行危害評分，獲取相應的危害分；
16、將連續獲取若干種不同蟲害的危害分匯總，若危害分之和超過預設的危害閾值，向外部發出誘因分析指令。
17、進一步的，由松林區域內的傳感器網絡實時采集環境數據，將種植狀態數據、環境條件數據與蟲害識別數據進行關聯，匯總后建立蟲害暴發數據集合；
18、接收到誘因分析指令后，以蟲害暴發數據集合內的數據作為輸入，使用訓練好的蟲害暴發因素識別模型對松林區域內的蟲害暴發進行誘因分析，識別獲取可能導致蟲害暴發的爆發誘因，匯總后生成誘因數據集合。
19、進一步的，在對松林區域內的蟲害進行識別后，依據蟲害的分布狀態，由訓練后的分類器將蟲害區分為若干個聚落，并確定各個聚落內的危害分及各個聚落間的位置信息；
20、依據蟲害聚落的危害分及其位置信息構建蟲害值，若蟲害值超過蟲害閾值，向外部發出一級報警指令。
21、進一步的，通過預先收集或制定若干個種植處理方案，匯總后生成種植處理方案庫；
22、接收到一級報警指令后，對松林區域內的爆發誘因數據進行特征提取后，獲取相應的誘因特征；依據誘因特征與種植處理方案間的對應性，由種植處理方案庫輸出相應的種植處理方案。
23、進一步的，執行種植處理方案對松林區域內的種植狀態進行調整，在預先設置的觀察周期內結束后，通過松林區域內的傳感器網絡持續采集和識別蟲害數據；
24、若連續接收到的一級報警指令次數超過預期，將接收到一次報警指令的時間節點作為報警節點，依據報警節點分布以及每次蟲害值超過蟲害閾值的比例作為警戒比例。
25、進一步的，依據報警節點的分布及警戒比例構建警戒值jtp，若獲取的警戒值jtp超過警戒閾值，向外部發出二級報警指令，構建警戒值jtp的方式如下：
26、
27、式中：|t1-t0|為一級報警指令的接收區間，m為報警節點的個數，xi為第i個報警節點上環境條件的警戒比例；e可以取值2.718；權重系數本文檔來自技高網...
【技術保護點】
1.基于數據分類的害蟲識別方法，其特征在于：包括，
2.根據權利要求1所述的基于數據分類的害蟲識別方法，其特征在于：
3.根據權利要求2所述的基于數據分類的害蟲識別方法，其特征在于：
4.根據權利要求3所述的基于數據分類的害蟲識別方法，其特征在于：
5.根據權利要求4所述的基于數據分類的害蟲識別方法，其特征在于：
6.根據權利要求5所述的基于數據分類的害蟲識別方法，其特征在于：
7.根據權利要求6所述的基于數據分類的害蟲識別方法，其特征在于：
8.根據權利要求7所述的基于數據分類的害蟲識別方法，其特征在于：
9.根據權利要求8所述的基于數據分類的害蟲識別方法，其特征在于：
10.根據權利要求9所述的基于數據分類的害蟲識別方法，其特征在于：
11.根據權利要求10所述的基于數據分類的害蟲識別方法，其特征在于：
12.基于數據分類的害蟲識別系統，其特征在于：包括，
【技術特征摘要】
1.基于數據分類的害蟲識別方法，其特征在于：包括，
2.根據權利要求1所述的基于數據分類的害蟲識別方法，其特征在于：
3.根據權利要求2所述的基于數據分類的害蟲識別方法，其特征在于：
4.根據權利要求3所述的基于數據分類的害蟲識別方法，其特征在于：
5.根據權利要求4所述的基于數據分類的害蟲識別方法，其特征在于：
6.根據權利要求5所述的基于數據分類的害蟲識別方法，其特征在于：
【專利技術屬性】
技術研發人員：詹鐘易，王雷光，楊松，王麗霞，王世春云，
申請(專利權)人：西南林業大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。