阅读说明：本技术 一种基于机器视觉的稻飞虱监测装置及监测方法 (Rice planthopper monitoring device and monitoring method based on machine vision ) 是由 刘双喜 张正辉 刘印增 白壮壮 黄信诚 胡宪亮 高发瑞 于 2021-07-15 设计创作，主要内容包括：本发明涉及一种基于机器视觉的稻飞虱监测装置及监测方法,其中的一种基于机器视觉的稻飞虱监测装置,包括收集盒,以及设置在收集盒内的黄色诱捕粘板和图像采集装置,图像采集装置的图像采集端朝向黄色诱捕粘板,收集盒的侧壁上设有隔离栅栏,隔离栅栏的栅栏孔尺寸大于飞虱尺寸、小于飞蛾尺寸。本发明通过黄色诱捕粘板、蓝色诱捕灯和隔离栅栏的设置,使飞虱聚集在飞虱收集腔,便于图像采集装置对飞虱情况进行图像采集,图像采集装置采集的图像通过无线传输传至计算机,利用已训练好的卷积神经网络模型对图像进行识别,从而可以及时关注稻飞虱的数量、种类,以便及时制定调整防治策略,减少虫害对稻田的危害,提高水稻的产量。(The invention relates to a rice planthopper monitoring device and a monitoring method based on machine vision, wherein the rice planthopper monitoring device based on machine vision comprises a collecting box, a yellow trapping sticky plate and an image acquisition device, wherein the yellow trapping sticky plate and the image acquisition device are arranged in the collecting box, the image acquisition end of the image acquisition device faces the yellow trapping sticky plate, a barrier is arranged on the side wall of the collecting box, and the size of a barrier hole of the barrier is larger than that of a planthopper and smaller than that of a moth. According to the rice planthopper collecting device, the yellow trapping sticky plates, the blue trapping lamps and the isolation fences are arranged, so that planthoppers are gathered in the planthopper collecting cavity, an image collecting device can conveniently collect images of the planthoppers, the images collected by the image collecting device are transmitted to a computer through wireless transmission, and the images are identified by using a trained convolutional neural network model, so that the number and the types of the rice planthoppers can be paid attention to in time, a control strategy can be established and adjusted in time, damage of insect pests to a rice field is reduced, and the yield of rice is increased.)

一种基于机器视觉的稻飞虱监测装置及监测方法

技术领域

本发明涉及水稻虫害识别技术领域，尤其涉及到一种基于机器视觉的稻飞虱监测装置及监测方法。

背景技术

随着农业的不断发展，智慧农业成为主流发展方向，虫害的识别技术得到发展，传统的虫情监测设别对飞蛾类虫情具有良好的检测效果，但由于飞虱类虫害体型较小，传统检测设备无法有效捕捉识别，目前也还没有专门用于稻飞虱监测的设备，因此无法及时预测稻飞虱的爆发时间，给种植户造成大量损失。

发明内容

本发明针对现有技术的不足，提供一种基于机器视觉的稻飞虱监测装置及监测方法，实现了对稻飞虱的监测，给虫害爆发的处理和预防提供依据。机器视觉，是指在机械装置或设备上设置图像采集装置，让机器具有“视觉”。

本发明是通过如下技术方案实现的，提供一种基于机器视觉的稻飞虱监测装置，包括收集盒，以及设置在收集盒内的黄色诱捕粘板和图像采集装置，图像采集装置的图像采集端朝向黄色诱捕粘板，收集盒的侧壁上设有隔离栅栏，隔离栅栏的栅栏孔尺寸大于飞虱尺寸、小于飞蛾尺寸。

本方案的监测装置在使用时，通过黄色诱捕粘板将飞虱引至收集盒内，并通过隔离栅栏阻止飞蛾进入收集盒，以避免对监测效果造成影响，飞虱被引至收集盒内后形成聚集，通过图像采集装置对收集盒的飞虱情况进行图像采集，为虫害分析提供参考。

作为优化，收集盒的顶部固设有密封盒，图像采集装置位于密封盒内，密封盒的底板上设有与图像采集装置的图像采集端适配的拍摄孔，所述黄色诱捕粘板固定在收集盒的底部，隔离栅栏、密封盒的底板和收集盒的底板之间形成飞虱收集腔。本优化方案通过设置密封盒，对图像采集装置形成防护，并且利用密封盒的底板对飞虱形成阻挡，避免飞虱飞至拍摄孔的上方，有利于减小图像采集的盲区；并且利用密封盒形成对飞虱收集腔的遮挡，减小雨水对飞虱的冲刷。

作为优化，密封盒的底板下表面固定有呈环形设置的蓝色诱捕灯。本优化方案通过设置蓝色诱捕灯，进一步提高了对飞虱的诱导效果，将蓝色诱捕灯设置为环形，增大了光照面积，同时利于飞虱在环形诱捕灯处聚集。

作为优化，密封盒的底板下表面还固定有呈环形设置的照明灯，照明灯位于蓝色诱捕灯的环形内侧。本优化方案通过设置照明灯，增加图像采集时的亮度，以提高所采集图像的质量。

作为优化，密封盒内还设有与照明灯、图像采集装置电性连接的控制装置，以及给蓝色诱捕灯、照明灯、图像采集装置和控制装置供电的蓄电池。本优化方案通过设置控制装置，方便对照明灯的启闭和图像采集装置的采集工作进行控制，提高自动化水平，通过设置蓄电池给各用电装置提供电能，使得本监测装置可以长时间在稻田内使用，同时也解决了稻田中不方便用电的问题，密封盒对控制装置和蓄电池起到防护作用。

作为优化，收集盒的上方固设有与所述蓄电池电性连接的太阳能供电装置。本优化方案采用太阳能供电，有利于节能环保，同时适合在稻田中使用，稻田中无遮挡，采光效果好，采光时间长。

作为优化，还包括可伸缩式的立杆，立杆的上端与收集盒的底板固接。本优化方案通过设置立杆，方便将装置整体在稻田中固定，将立杆设置为可伸缩结构，便于调整收集盒的高度，满足不同高度水稻稻田的使用，提高了通用性。

作为优化，所述立杆包括与收集盒固接的内杆，以及套设于内杆下端的外管，外管的管壁上通过螺纹连接有沿横向顶至内杆的调整螺栓。本优化方案的立杆伸缩结构简单，通过调整螺栓将外管和内杆相对固定，松开调整螺栓后，即可调整内杆伸至外管的长度，操作方便。

本方案还提供一种基于机器视觉的稻飞虱监测方法，包括如下方面：

1、将立杆沿竖向固定在稻田间，并使收集盒高出植株叶面10~20cm；

2、开启蓝色诱捕灯并保持常亮，通过黄色诱捕粘板和蓝色诱捕灯将飞虱引至图像采集装置和黄色诱捕粘板之间的飞虱收集腔，并利用隔离栅栏阻止飞蛾进入飞虱收集腔，从而避免飞蛾影响对稻飞虱的监测效果；

3、每间隔一定时间，通过图像采集装置对飞虱收集腔内进行图像采集，利用照明灯提高图像采集时的亮度，且在每次图像采集之前开启照明灯，每次图像采集之后关闭照明灯，有效节省电池电量，延长使用时间；

4、图像采集装置采集的图像无线传输至计算机，利用计算机中搭载的图像识别系统对采集的图像进行识别、分割，从而确定虫害的种类及爆发情况。

本发明的有益效果为：通过黄色诱捕粘板、蓝色诱捕灯和隔离栅栏的设置，使飞虱聚集在飞虱收集腔，便于图像采集装置对飞虱情况进行图像采集，图像采集装置采集的图像通过无线传输传至计算机，利用已训练好的卷积神经网络模型对图像进行识别，从而可以及时关注稻飞虱的数量、种类，以便及时制定调整防治策略，减少虫害对稻田的危害，提高水稻的产量。

附图说明

图1为本发明稻飞虱监测装置结构示意图；

图2为收集盒结构示意图；

图3为本发明稻飞虱监测装置轴测图；

图中所示：

1、密封盒，2、单片机，3、图像采集装置，4、蓄电池，5、隔离栅栏，6、收集盒的底板，7、太阳能电池板，8、蓝色诱捕灯， 9、照明灯，10、图像采集端，11、调整螺栓，12、外管，13、诱捕板放置台。

具体实施方式

为能清楚说明本方案的技术特点，下面通过具体实施方式，对本方案进行阐述。

如图1所示一种基于机器视觉的稻飞虱监测装置，包括收集盒，以及设置在收集盒内的黄色诱捕粘板和图像采集装置3，图像采集装置的图像采集端10朝向黄色诱捕粘板，本实施例的图像采集装置为，家用无线高清网络摄像头带WiFi热点手机远程监控摄像机SDK相机，其镜头朝向下方的诱捕板。图像采集装置采集的图像传至计算机，由计算机进行图像数据的处理。计算机中搭载图形处理系统，利用已训练好的网络识别模型对采集的图像进行识别，从而确定虫害的种类及爆发情况。利用卷积神经网络，使用大量稻飞虱实验样本进行训练，得到训练模型，使用训练模型进行虫害识别。

收集盒的侧壁上设有隔离栅栏5，隔离栅栏的栅栏孔尺寸大于飞虱尺寸、小于飞蛾尺寸，防止飞蛾进入影响观测。为了提高诱导效果，本实施例的隔离栅栏沿周向闭合。具体的，隔离栅栏由间隔5mm的若干铁丝组成，四面包围，允许稻飞虱自由进入，能阻隔大部分飞蛾类虫害进入，防止影响对稻飞虱的监测效果。

收集盒的顶部固设有密封盒1，图像采集装置位于密封盒内，密封盒的底板上设有与图像采集装置的图像采集端适配的拍摄孔，所述黄色诱捕粘板固定在收集盒底部的诱捕板放置台13，隔离栅栏、密封盒的底板和收集盒的底板之间形成飞虱收集腔。密封盒的底板下表面固定有呈环形设置的蓝色诱捕灯8和呈环形设置的照明灯9，照明灯位于蓝色诱捕灯的环形内侧。蓝色诱捕灯和黄色诱捕粘板形成诱捕装置，蓝色诱捕灯与电源连接并保持常亮，引诱飞虱在其周围绕飞，黄色诱捕粘板固定于收集盒的底板上，通过诱剂及色彩引诱飞虱停留捕获。

本实施例的监测装置还包括可伸缩式的立杆，立杆的上端与收集盒的底板6固接，收集盒的底板6上表面设有诱捕板放置台13。具体的，立杆包括与收集盒固接的内杆，以及套设于内杆下端的外管12，外管的管壁上通过螺纹连接有沿横向顶至内杆的调整螺栓11。

密封盒内还设有与照明灯、图像采集装置电性连接的控制装置，以及给蓝色诱捕灯、照明灯、图像采集装置和控制装置供电的蓄电池4，收集盒的上方固设有与所述蓄电池电性连接的太阳能供电装置，太阳能供电装置中的太阳能电池板7安装于收集盒上表面，倾斜角度为40度。本实施例的控制装置为单片机2，通过密封盒防止雨水侵入损坏电子元件。

本实施例还提供一种基于机器视觉的稻飞虱监测方法，包括如下方面：

1、将立杆沿竖向固定插设在稻田中，并调节立杆高度，使收集盒高出植株叶面10~20cm，太阳能电池板朝向正南；

2、开启蓝色诱捕灯并保持常亮，通过黄色诱捕粘板和蓝色诱捕灯将飞虱引至图像采集装置和黄色诱捕粘板之间的飞虱收集腔，并利用隔离栅栏阻止飞蛾进入飞虱收集腔，从而避免飞蛾影响对稻飞虱的监测效果；

3、打开计算机，通过无线连接图像采集装置，调整图像采集装置，使画面正对捕虫板并调整好清晰度，设置图像采集装置与照明灯同时工作，每间隔一小时，通过图像采集装置对飞虱收集腔内进行图像采集，利用照明灯提高图像采集时的亮度，改善拍摄效果，图像采集装置每次即将拍照时向单片机传递脉冲信号，单片机控制照明灯在图像采集时开启，图像采集结束时关闭，以有效节省电池电量；

4、图像采集装置采集的图像无线传输至计算机，利用计算机中搭载的图像识别系统对采集的图像进行识别、分割，从而确定虫害的种类及爆发情况，及时制定防治措施，具体是通过图形处理系统，使用卷积神经网络训练好的稻飞虱虫害识别模型对所得图像进行识别。

本发明通过蓝色诱灯和黄色诱捕粘板对稻飞虱进行诱捕，通过摄像机定时拍照采集诱捕板虫害信息，通过无线传输传至计算机，进行虫害诊断，不仅精度高，数据处理快，能及时反应虫害的发展趋势，从而可以更精准预测虫害爆发时间，制定最佳的防治计划。

当然，上述说明也并不仅限于上述举例，本发明未经描述的技术特征可以通过或采用现有技术实现，在此不再赘述；以上实施例及附图仅用于说明本发明的技术方案并非是对本发明的限制，参照优选的实施方式对本发明进行了详细说明，本领域的普通技术人员应当理解，本技术领域的普通技术人员在本发明的实质范围内所做出的变化、改型、添加或替换都不脱离本发明的宗旨，也应属于本发明的权利要求保护范围。