一种基于智能监测的柑橘木虱精准施药网格化系统

计算;推算;计数设备的制造及其应用技术1.本发明涉及植物保护领域，具体为一种基于智能监测的柑橘木虱精准施药网格化系统。背景技术：2.柑橘黄龙病（citrus huanglongbing, hlb）由一种迄今尚不能人工培养的韧皮部限制性难培养细菌（candiatus liberibacter spp.）引起，广泛分布于亚洲、非洲、美洲及中国南方柑橘主产区，严重威胁着各产区柑橘产业，树体一旦染病只有被根除，俗称为柑橘“癌症”。田间主要通过媒介昆虫柑橘木虱进行传播和扩散，严重的制约柑橘产业的发展，甚者给柑橘产业带来毁灭性的危害。由于各地气候条件的差异，柑橘木虱每年的发生代数有所不同，一般为每年6~14代，根据柑橘木虱的虫龄不同可分为卵、若虫和成虫，其中成虫具有翅，易与大风天气长距离迁移，造成hlb的大范围扩散，因此防治柑橘木虱是防治hlb的关键。3.目前生产中对柑橘木虱的防控主要依据在人工调查的基础上分析虫情，继而整个果园普施农药来防控木虱种群数量，该方案存在以下问题：（1）常造成虫情信息延后性和失去最佳的消杀木虱的防控时间；（2）导致木虱由于没有及时消杀，种群数量急速扩增，蔓延至其他柑橘种植区域，造成更大的危害；（3）整个果园普施农药导致果园农药用量大，存在环境污染和果实农药残留超标的隐患。4.因此，设计一种智能化精准施药系统，对果园柑橘木虱进行智能监测并精准施药防治是本领域技术人员亟待解决的技术问题。技术实现要素：5.本发明要解决的技术问题是针对以上不足，基于当前日益成熟的人工智能技术，提出一种基于智能监测的柑橘木虱精准施药网格化系统，利用人工智能技术结合深度学习实现柑橘木虱的智能监测及识别，在柑橘木虱的防控、防治上实现早预防及精准给药，从而精准监测柑橘木虱的入侵和种群扩散，并将入侵的零星木虱及时消杀，阻止黄龙病扩散。该发明系统能实现入侵柑橘木虱的智能化精准监测，一旦发现柑橘木虱在果园3-5米周围或果园中的任何位点出现，并针对出现柑橘木虱的精准位点启动网格化系统对应的精准施药位点，及时对入侵的柑橘木虱进行消杀，实现果园柑橘木虱的零发生，保障柑橘产业的健康发展。6.为解决以上技术问题，本发明所采用的技术方案为：本发明所涉及木虱精准施药网格化系统，包括视频采集模块、ai智能识别模块、自动控制台、施药模块，其特征在于：所述视频采集模块采集果园外围及内部上空的实时图像，并实时传送给所述ai智能识别模块，所述ai智能识别模块基于图像识别训练样本集对获取的图像进行识别判断，识别结果反馈给所述自动控制台，所述自动控制台根据反馈结果决定是否发出施药指令，所述施药模块在接收到指令后即进行施药杀灭木虱。7.柑橘木虱精准施药网格化系统，其特征在于：首先对实施木虱防治的柑橘果园根据场地环境、监控能力、施药能力进行网格化设置，并对每个网格进行编号，网格设置应全覆盖木虱可能入侵的果园外围空间及果园内部上部空间。8.所述视频采集模块包括摄像头、计算机、视频采集卡、监视器、存储器及鼠标键盘等外设，所述摄像头布置在果园外围及内部若干点位，布置点位设置应实现所有网格全覆盖，所述计算机用于视频数据处理及与显示器、存储器等设备通信，所述计算机可以是台式机或笔记本，所述视频采集卡安装在所述计算机上，用于采集所述摄像头获得的图像数据并通过所述计算机将采集的图像存储到所述存储器中，所述存储器可以是大容量的机械硬盘或固态硬盘，所述计算机安装有数据传输接口，如usb口或网线接口等，所述数据传输接口将获得的图像数据传输给所述ai智能识别模块，所述监视器连接到所述计算机用于实时显示采集到的视频图像。9.所述ai智能识别模块对接收到的图像进行木虱识别并输出识别结果，所述ai智能识别模块包括输入接口、人工智能芯片、输出接口，所述人工智能芯片在使用前先用大量木虱图像样本集进行训练，样本集可以提前在果园各个网格进行采集，采集的图像应包含木虱特征及网格编号等信息，采集样本时可以用遥控仿真昆虫代替木虱在网格内飞行，所述输入接口用于接收所述视频采集卡传输的图像数据并输入到所述人工智能芯片，所述人工智能芯片基于图像识别训练样本集对收到的图像进行识别，如识别结果为未发现木虱则跳过该图像，如识别为发现木虱，则进一步确定木虱所处的网格编号，所述输出接口用于在发现木虱入侵时输出入侵信号及木虱所在网格编号。10.所述自动控制台包含数据输入端、控制器、指令输出端，所述数据输入端用于接收木虱监测信号及木虱所在网格数据，所述控制器可采用单片机生成执行指令，所述指令输出端采用无线通信模块自动向木虱所在网格的所述施药模块发出施药指令，所述无线通信模块用于与所述施药模块通信，如有需要也可以同时与手机、电脑等客户终端进行通信，使客户端收到木虱入侵告警信息，所述无线通信模块作为预警信息下传、指挥指令交互的通信接口。11.所述施药模块包括输入端、继电器、旋转喷头、药箱，所述施药模块安装在每一个网格内，确保每个网格内的施药模块施药时能覆盖整个网格，所述输入端用于接收所述无线通信模块发出的施药指令，所述继电器连接控制所述旋转喷头，所述继电器接通则所述旋转喷头通过旋转对所在网格区域全覆盖喷药，所述药箱用于盛装杀灭木虱的药物如噻虫嗪等药剂，所述药箱连接所述旋转喷头提供药剂来源。12.系统工作时，所述视频采集模块采集果园外围及内部上空的实时图像，并实时传送给所述ai智能识别模块；所述ai智能识别模块基于图像识别训练样本集对获取的图像进行识别判断，如识别结果为未发现木虱则跳过该图像，如识别为发现木虱，则进一步确定木虱所处的网格，并将木虱入侵信号及网格数据发送给所述自动控制台，所述自动控制台在收到有木虱入侵的信号后通过无线通信向对应网格所在的所述施药模块发出施药指令，所述施药模块在接收到指令后即进行施药杀灭木虱。13.该系统具有智能监测、自动控制和精准施药等优点，因此，本发明将提供一种智能、高效、实时的木虱精准施药网格化系统，可在柑橘木虱的防控、防治上实现早预防并精准给药，避免了常规防治用药量大、污染大、效果差的缺点。附图说明14.图1为木虱精准施药网格化系统的框架图。15.图2为视频采集模块的框架图。16.图3为ai智能识别模块的框架图。17.图4为自动控制台的框架图。18.图5为施药模块的框架图。具体实施方式19.以下将结合附图，对本发明的优选实施例进行详细的描述：应当理解，优选实施例仅为了说明本发明，而不是为了限制本发明的保护范围。20.如图1所示，本发明涉及一种基于智能监测的柑橘木虱精准施药网格化系统，包括视频采集模块1、ai智能识别模块2、自动控制台3、施药模块4，其特征在于：所述视频采集模块1采集果园外围及内部上空的实时图像，并实时传送给所述ai智能识别模块2，所述ai智能识别模块2基于图像识别训练样本集对获取的图像进行识别判断，识别结果反馈给所述自动控制台3，所述自动控制台3根据反馈结果决定是否发出施药指令，所述施药模块4在接收到指令后即进行施药杀灭木虱。21.柑橘木虱精准施药网格化系统，其特征在于：首先对实施木虱防治的柑橘果园根据场地环境、监控能力、施药能力进行网格化设置，并对每个网格进行编号，网格设置应全覆盖木虱可能入侵的果园外围空间及果园内部上部空间。22.如图2所示，所述视频采集模块1包括摄像头1.1、计算机1.2、视频采集卡1.3、监视器1.4、存储器1.5及鼠标键盘等外设1.6，所述摄像头1.1布置在果园外围及内部若干点位，布置点位设置应实现所有网格全覆盖，所述计算机1.2用于视频数据处理及与显示器、存储器等设备通信，所述计算机1.2可以是台式机或笔记本，所述视频采集卡1.3安装在所述计算机1.2上，用于采集所述摄像头1.1获得的图像数据并通过所述计算机1.2将采集的图像存储到所述存储器1.5中，所述存储器1.5可以是大容量的机械硬盘或固态硬盘，所述计算机1.2安装有数据传输接口，如usb口或网线接口等，所述数据传输接口将获得的图像数据传输给所述ai智能识别模块2，所述监视器1.5连接到所述计算机1.2用于实时显示采集到的视频图像。23.如图3所示，所述ai智能识别模块2对接收到的图像进行木虱识别并输出识别结果，所述ai智能识别模块2包括输入接口2.1、人工智能芯片2.2、输出接口2.3，所述人工智能芯片2.2可以采用国产玉龙810芯片或邃思2.0芯片，所述人工智能芯片2.2在使用前先用大量木虱图像样本集进行训练，样本集可以提前在果园各个网格进行采集，采集的图像应包含木虱特征及网格编号等信息，采集样本时可以用遥控仿真昆虫代替木虱在网格内飞行，所述输入接口2.1用于接收所述视频采集卡1.3传输的图像数据并输入到所述人工智能芯片2.2，所述人工智能芯片2.2基于图像识别训练样本集对收到的图像进行识别，如识别结果为未发现木虱则跳过该图像，如识别为发现木虱，则进一步确定木虱所处的网格编号，所述输出接口2.3用于在发现木虱入侵时输出入侵信号及木虱所在网格编号数据。24.所述木虱图像样本集训练采用卷积神经网络模型进行深度学习的方法。所述卷积神经网络是一种完全监督的深度学习方法，由于它将特征提取和分类器自然地集成到一个框架中，因此具有更强大的分类能力。与完全连接的网络相比，卷积神经网络利用本地连接来提取图像的空间特征，通过权重共享机制可以显著减少网络参数。卷积神经网络输入层将数据输入到卷积层中进行数据特征提取，然后经过下采样层对卷积层的输出进行特征降维，经过若干次的卷积和下采样层交替的学习，最终得到数据的高层抽象特征。然后将得到的抽象特征展开为一维向量，输入到全连接层中，经过若干全连接层的学习后，再将最终输出送到分类器中，通过分类器得到最后的分类结果。卷积神经网络的训练过程分为两个阶段：一个是数据由低层次向高层次传播，称为向前传播过程；另一个阶段是当向前传播过程得到的结果与预期不符合时，将误差由高层次向低层次进行传播的过程，称为反向传播过程。神经网络的训练过程具体如下：首先进行神经网络的权值初始化过程，权值的初始化对于网络训练过程很重要，不好的初始化参数会导致梯度传播问题，降低训练速度；选择好了网络初始化方式之后，输入的数据经过卷积层、下采样层、全连接层的向前传播后得到输出值；然后计算输出值与目标值之间的误差值，当误差大于我们的期望值时，将误差传回网络，依次求得全连接层、下采样层、卷积层的误差；根据误差更新权重，反复上述步骤，直到误差小于我们的期望值的时候，停止训练。25.如图4所示，所述自动控制台3包含数据输入端3.1、控制器3.2、指令输出端3.3，所述数据输入端3.1用于接收木虱监测信号及木虱所在网格数据，所述控制器3.2可采用单片机生成执行指令，所述指令输出端3.3采用无线通信模块3.4自动向木虱所在网格的所述施药模块4发出施药指令，所述无线通信模块3.4可采用wifi、4g/5g公网通信，用于与所述施药模块4通信，如有需要也可以同时与手机、电脑等客户终端进行通信，使客户端收到木虱入侵告警信息，所述无线通信模块3.4作为预警信息下传、指挥指令交互的通信接口。26.如图5所示，所述施药模块4包括输入端4.1、继电器4.2、旋转喷头4.3、药箱4.4，所述施药模块4安装在每一个网格内，确保每个网格内的施药模块施药时能覆盖整个网格，所述输入端4.1用于接收所述无线通信模块3.4发出的施药指令，所述继电器4.2连接控制所述旋转喷头4.3，所述继电器4.2接通则所述旋转喷头4.3通过旋转对所在网格区域全覆盖喷药，所述药箱4.4用于盛装杀灭木虱的药物如噻虫嗪等药剂，所述药箱4.4连接所述旋转喷头4.3提供药剂来源。27.系统工作时，所述视频采集模块1采集果园外围及内部上空的实时图像，并实时传送给所述ai智能识别模块2；所述ai智能识别模块2基于图像识别训练样本集对获取的图像进行识别判断，如识别结果为未发现木虱则跳过该图像，如识别为发现木虱，则进一步确定木虱所处的网格，并将木虱入侵信号及网格数据发送给所述自动控制台3，所述自动控制台3在收到有木虱入侵的信号后通过无线通信向对应网格所在的所述施药模块4发出施药指令，所述施药模块4在接收到指令后即进行施药杀灭木虱。28.虽然结合附图描述了本发明的实施方式，但是本领域技术人员可以在不脱离本发明的精神和范围的情况下做出各种修改和变型，这样的修改和变型均落入由所附权利要求所限定的范围之内。









图片声明：本站部分配图来自人工智能系统AI生成,觅知网授权图片,PxHere摄影无版权图库。本站只作为美观性配图使用,无任何非法侵犯第三方意图,一切解释权归图片著作权方,本站不承担任何责任。如有恶意碰瓷者,必当奉陪到底严惩不贷!




内容声明：本文中引用的各种信息及资料（包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主体（包括但不限于公司、媒体、协会等机构）的官方网站或公开发表的信息。部分内容参考包括:(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供参考使用,不准确地方联系删除处理！本站为非盈利性质站点,发布内容不收取任何费用也不接任何广告!




免责声明：我们致力于保护作者版权，注重分享，被刊用文章因无法核实真实出处，未能及时与作者取得联系，或有版权异议的，请联系管理员，我们会立即处理，本文部分文字与图片资源来自于网络，部分文章是来自自研大数据AI进行生成,内容摘自(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供学习参考,不准确地方联系删除处理!的,若有来源标注错误或侵犯了您的合法权益，请立即通知我们，情况属实，我们会第一时间予以删除，并同时向您表示歉意,谢谢!