阅读说明：本技术 基于计算机视觉效应的自动换纸系统和虫害监测系统 (Automatic paper changing system based on computer vision effect and insect pest monitoring system ) 是由 黄仁杰 姚廷山 郑勇强 黄伟 赵亦欣 李涛 于 2019-10-12 设计创作，主要内容包括：本发明公开了一种基于计算机视觉效应的自动换纸系统和虫害监测系统。自动换纸系统包括覆膜粘虫纸、换纸装置、图像采集装置和处理器；覆膜粘虫纸设置于换纸装置内,处理器控制换纸装置对粘虫纸进行更换。粘虫纸为双层(含工作层和保护层)结构,工作层包括内浸引诱剂的基底层、设有透气微孔的粘胶层和固体引诱剂层,保护层粘贴于工作层表面。换纸装置采用双轴联动方式更换新粘虫纸和回收已用粘虫纸。虫害监测系统基于深度神经网络对特定目标昆虫进行计数,同时采集环境数据。本发明不仅可实现长期、有效、连续地诱捕害虫和采集害虫图像数据,而且,采用深度神经网络技术识别和统计害虫种类和数量,精准地监测虫害规模和趋势。(The invention discloses an automatic paper changing system and a pest monitoring system based on computer vision effect. The automatic paper changing system comprises film-covered pest sticking paper, a paper changing device, an image acquisition device and a processor; the tectorial membrane mythimna separata paper sets up in trading the paper device, and treater control trades the paper device and changes the mythimna separata paper. The insect sticking paper is of a double-layer (including a working layer and a protective layer) structure, the working layer comprises a substrate layer internally soaked with attractant, a sticky layer provided with breathable micropores and a solid attractant layer, and the protective layer is stuck to the surface of the working layer. The paper changing device adopts a double-shaft linkage mode to change new sticky trap paper and recover used sticky trap paper. The insect pest monitoring system counts specific target insects based on the deep neural network and collects environmental data at the same time. The invention can realize long-term, effective and continuous trapping of pests and acquisition of pest image data, and can also identify and count pest species and quantity by adopting a deep neural network technology, thereby accurately monitoring pest scale and trend.)

基于计算机视觉效应的自动换纸系统和虫害监测系统

技术领域

本发明涉及虫害监控预警领域，尤其是一种基于计算机视觉效应的粘虫纸自动更换系统和基于此的虫害监测系统。

背景技术

病虫害监控与管理是农业生产中重要的生产环节。部署害虫灾害监控预警系统是农业生产管理部门和大型现代化农场监控和管理害虫的重要手段。害虫灾害监控预警系统主要包括：害虫数据收集、害虫数据分析、统计与趋势预测。

其中，长期地和及时地采集害虫数据是害虫灾害监控预警系统的最基础环节。大多数采用“分布定点采集、集中汇总”的方式采集区域内害虫数据。长期地采集目标害虫及其繁殖环境数据有助于形成目标害虫大数据、开发更可靠的预警与预测系统。及时地采集害虫数据可以及时掌握区域内害虫种群分布和传播趋势，实现及时预警。然而，由于害虫或无或有，或零散地分布于特定区域、特定农作物、果树的特定部位，因此，长期、有效、连续地采集害虫基础数据非常困难。

当前，大多数害虫监控系统针对可诱捕害虫，采用人工方式或半自动化的方式采集和分析害虫数据。其中“诱捕器+计算机视觉系统”是最流行的监控方式。例如，针对柑橘大实蝇、桔小实蝇、瓜实蝇等实蝇科害虫，斜纹夜蛾、甜菜夜蛾、甘蓝夜蛾等蛾类害虫，采用诱捕器诱捕害虫，然后由人工或计算机视觉系统收集、报送和鉴定害虫，形成害虫基础数据。

然而，当前的诱捕器大多数是面向诱杀害虫而非监控害虫。例如，常见的带诱芯球状诱捕器、矩形粘虫板、矩形粘虫纸、McPhail类型诱捕器等类型诱捕器，尽管可以诱捕害虫，亦可配置视觉系统监控采集图片。但是这些诱捕器不适合配置自动更换引诱剂装置或不适合在安装点大量储存诱捕剂，必须人工手动更换引诱剂达到长期监控的目的。

CN103598169A公开了一种基于McPhail类型诱捕器的果蝇监控装置及系统，液体引诱剂装盛在诱捕瓶，摄像头安装在瓶口采集被液体捕获的害虫图像，该装置必须定期手动更换诱捕瓶内的引诱剂以保持诱捕瓶能长期有效的工作，且果蝇被诱捕在液体内，昆虫可在液体内移动或被浸入液体，导致采集的害虫图像模糊或可区分的特征被改变，从而严重影响后期的识别统计。

CN104186449A公开了一种基于粘虫板类型诱捕器的害虫监控装置及系统，其采用性引诱剂与粘虫板色引诱分离的方法诱捕害虫，将性引诱剂放置在粘虫板上方，其采用多组电机传送系统更换和回收对应的粘虫板。由于引诱剂与粘虫板分离，可以自动更换诱捕器而无法自动更换引诱剂，且由于引诱剂在完全暴露后容易快速失效，其无法长期、有效工作，必须通过人工更换引诱剂保持有效连续诱捕监控害虫。此外，其采用性引诱和色引诱分离的方式，各种引诱方式仅能实现单一的引诱效果，无法结合以增强引诱效果，且忽略了食物诱惑，因此引诱效果实质上并未增强，无法增强引诱的有效性。

CN208609748U公开了一种病虫害监测系统用粘虫装置，其中采用的粘虫纸结构为：粘虫纸的一面铺设黏胶，黏胶上粘贴保护膜，刮膜装置配装在固定架体上，刮膜装置用于刮除保护膜。该方式能对未使用的粘虫纸起到保护作用。但是，一方面，刮除的保护膜被浪费掉、被刮除的保护膜无法有效处理将影响长期连续使用，另一方面，需要严格控制刮膜量才能确保黏胶的有效性和换纸面积，同时，由于未对粘虫纸的诱捕效果进行改进，诱捕效果也不强。

CN105454182A提出了一种换装粘虫板柑橘大实蝇诱捕器，其具有四个挂柱，可同时挂装四个粘虫板，但其设计目的是为了方便人工更换粘虫板。其必须通过手动更换，无法实现粘虫板的自动更换。

综上所述，现有装置及系统的引诱剂、诱捕器、更换装置、诱捕装置及其监控方法无法有机协调实现长期、有效、连续地、无需人工维护地采集害虫数据和识别统计害虫。大多数存在引诱剂失效快、诱捕效果差、需要人工更换诱捕剂、自动更换效果对更换精度或诱捕器有效性控制不佳、无法长期有效地采集害虫数据、害虫自动分类精度偏低导致的害虫统计信息不准等不足的问题。

发明内容

本发明的发明目的在于：针对上述存在的问题，提供一种基于计算机视觉效应的粘虫纸自动更换系统。以大量存储粘虫纸，实现对粘虫纸的自动更换，并确保粘虫纸具备较长的使用寿命和长时间的工作有效性，总体实现长期、有效、连续地诱捕害虫和采集害虫数据，无需人工维护。还提供一种虫害监测系统。以实现对特定目标害虫的精准监控，为虫害预警提供有效的数据支撑。

本发明采用的技术方案如下：

一种基于计算机视觉效应的覆膜粘虫纸自动更换系统，其包括：

覆膜粘虫纸，设置于换纸装置上，覆膜粘虫纸包括第一膜层和第二膜层，第一膜层包括基底层、粘胶层和固体引诱剂层，基底层、粘胶层和固体引诱剂层依次排列以构成第一膜层的工作表面，第二膜层为非透气膜层，第二膜层与第一膜层的工作表面贴合；基底层为浸有液态引诱剂的浸纸层，基底层远离粘胶层的表面做防透气处理(即基底层的暴露面做了防透气处理)，粘胶层涂覆于基底层表面，粘胶层设置有透气微孔，固体引诱剂层至少设置于粘胶层表面；

换纸装置，用于通过卷绕方式存储未被使用的覆膜粘虫纸，在接收到换纸信号时，利用所存储的未被使用的覆膜粘虫纸更换已使用的粘虫纸，包括：输出未被使用的覆膜粘虫纸，在输出过程中，分离未使用的覆膜粘虫纸的第一膜层和第二膜层，使第一膜层暴露；以及在输出覆膜粘虫纸过程中，通过卷绕方式同步回收已被使用的第一膜层和第二膜层。换纸过程主要包括分离和回收过程。其包括分离未使用的覆膜粘虫纸的第一膜层和第二膜层，使第一膜层粘虫纸暴露于诱捕器诱捕害虫(布置到或替换已被使用的第一膜层的位置)，和使第二膜层能被有效回收。回收过程使覆膜粘虫纸的第一膜层和第二膜层卷绕到一个端部重新组合进行同步回收，进而实现有效保存和节约保存空间。

图像采集装置，用于至少采集粘虫纸工作区域的图像，作为粘虫纸工作面图像；

处理器，分别连接换纸装置和图像采集装置，用于在粘虫纸工作面图像中的昆虫密度达到预设值，或者在达到预设换纸时间时，向换纸装置发送换纸信号。

本发明的系统中，粘虫纸采用双层膜结构，通过卷绕的方式可以进行大量的存储。同时，双层膜结构以可以有效防止粘虫纸在长时间存放后失效。液、固体引诱剂的配合使用可以大幅提高引诱效果。透气微孔的设计使得液体引诱剂被缓慢挥发，进而大幅延长粘虫纸的使用寿命。本发明系统基于对时间或粘虫纸昆虫密度的监控，可以及时自动更换粘虫纸，及时性强、自动化程度高。配合本发明的粘虫纸，在一次人工补充粘虫纸后，在电源供应稳定的情况下，可以长期自动化工作。

进一步的，第一膜层的两侧进行了密封处理。两侧密封可以防止引诱剂的有效成分被挥发，粘胶部分被氧化，从而确保粘虫纸在被长时间存放后仍不失效。

进一步的，固体引诱剂层由嵌入粘胶层的固体引诱剂颗粒构成。颗粒状的固体引诱剂可以尽量小的影响粘胶层对昆虫的粘黏。

进一步的，换纸装置包括外壳和安装于外壳内的换纸机构，换纸机构包括第一卷轴、第二卷轴、第一滚轴组和第二滚轴组，第一滚轴组和第二滚轴组均分别包含若干滚轴，第一卷轴用于存储粘虫纸，从第一卷轴引出的第一膜层经第一滚轴组后，连接到第二卷轴，从第一卷轴引出的第二膜层经第二滚轴组后，连接到第二卷轴，第二卷轴转动以同步回收粘虫纸的第一膜层和第二膜层，外壳设置有敞口，敞口将经过第一滚轴组的第一膜层的全部或部分暴露在外。

在需要更换粘虫纸时，转动第二卷轴，其开始回收已使用的粘虫纸，进而带动第一滚轴转动以输出未使用的粘虫纸，在第二卷轴回收粘虫纸过程中，第一卷轴输出的覆膜粘虫纸的第一膜层(粘虫纸)和第二膜层(密封膜)在第一滚轴组和第二滚轴组的相邻端部发生分离，各自往两个不同方向运动，最后均被第二滚轴回收。当新输出的第一膜层完全填充完敞口时，停止转动第二卷轴。此时则完成了第一膜层的更换。采用该装置，粘虫纸使用多少则被分离多少，避免造成浪费。该方式以简便的方式，快速更换粘虫纸(回收已使用粘虫纸和部署新的粘虫纸)。换纸装置结构简单，空间利用率高，可存储大量的粘虫纸。除敞口部位外，其余部分全部由外壳封闭，对内部设施能起到较好的保护作用。

进一步的，外壳的敞口靠近第二卷轴侧端部，设置有清理刮，该清理刮与第一膜层相接触。该清理刮在回收粘虫纸时，可以实现对被粘大个体昆虫的清理，小个体昆虫可以被相邻的两个滚轴辊压后随粘虫纸被回收。

进一步的，第一滚轴组的路径长度不大于第二滚轴组的路径长度。第一膜层和第二膜层需要构成环形，这样设计，尽量多的使用第二膜层填充环形弧，进而尽量少的分离出第一膜层(工作面)，防止粘虫纸有效部分因填充环状弧而被浪费，提高对粘虫纸的利用率。

进一步的，换纸信号包括开始换纸信号和停止换纸信号，处理器在粘虫纸工作面图像中的昆虫密度达到预设值，或者在达到预设换纸时间时，向换纸装置发送开始换纸信号，以控制换纸装置开始换纸；再检测图像采集装置采集的图像，计算所采集的图像与空白粘虫纸的图像之间的差异，在差异小于预设的差异阈值时，向换纸装置发送停止换纸信号，以控制换纸装置结束换纸。该设计可以实现对换纸过程的精准控制，防止粘虫纸被过多分离或分离不足。

一种基于上述基于计算机视觉效应的粘虫纸自动更换系统的虫害监测系统，其还包括：

环境数据采集装置，用于采集环境数据；

无线通信模块，用于与远端进行无线通信；

处理器还分别连接环境数据采集装置和无线通信模块，用于对粘虫纸工作面图像进行处理和识别，对粘虫纸工作面图像中的昆虫进行分类和分别计数，通过无线通信模块将粘虫纸工作面图像、昆虫种类和对应数量，以及对应的环境数据发送到远端。

本发明同时采集昆虫图像、种类、数量等昆虫数据和相对应的温度、湿度、光照等环境数据，形成更加完备的结构化害虫数据，能够更好地利用该害虫数据预估害虫灾害趋势。

进一步的，处理器对粘虫纸工作面图像进行处理的方法包括：

A.计算本次采集的粘虫纸工作面图像和上一次采集的粘虫纸工作面图像之间的差值图像，对差值图像进行灰度处理以得到灰度图像；即去除已检测和分割过的图像，凸显新捕获的昆虫；

B.对灰度图像进行二值化运算，得到二值化图像；

C.对二值化图像进行形态学处理；

D.对经C处理的图像进行轮廓检测，并计算各轮廓区域的中心和面积；

E.根据预设的上、下限面积阈值，对二值化图像中的各个轮廓区域进行过滤，以排除非目标害虫；面积阈值可根据目标害虫虫体大小进行设定；

F.对应于过滤后剩余的各个轮廓区域，在本次采集的粘虫纸工作面图像中分割出子图即得到待识别的昆虫。剩余的各个轮廓区域对应于粘虫纸工作面图像中的位置，对图像中对应位置进行标记，分割出标记的区域即为所求。

上述方法可以实现对有效监控目标的筛选，自动过滤无效目标，可确保对监控目标的针对性。通过设置不同的阈值，可以灵活更改监控目标。

进一步的，处理器对待识别的昆虫进行识别的方法包括：

A.利用与预定目标的害虫相似的昆虫构建数据库对预训练的ResNet50模型进行精调，然后再用预定目标害虫的图像数据库对粗调后的ResNet50模型进行精调，将最后的ResNet50作为特征提取器；

B.利用预定目标害虫的图像数据库，基于支持向量机训练若干类分类器，其中，预定目标的害虫的图像数据库的特征向量由ResNet50提取；

C.对粘虫纸工作面图像中待识别的昆虫采用ResNet50提取特征向量，利用训练的分类器进行识别。

上述方法基于深度卷积神经网络的害虫种类识别，实现目标害虫的自动鉴别，极大地减少人工鉴定成本，同时大幅提高虫害鉴别的准确率。同时，该方法可以有效地利用现有非目标害虫数据，提高所学习特征的可区分性，解决目标害虫训练数据不足的问题。

综上所述，由于采用了上述技术方案，本发明的有益效果是：

1、本发明所采用的粘虫纸，便于就地大量存储。其采用多种引诱剂结合的方式，大幅增强了引诱效果。工作层的结构使得液体引诱剂被缓慢释放，进而在使用时，延长了引诱剂的使用周期，即延长了粘虫纸的保质期。

2、本发明通过设计新型的粘虫纸，配合双轴联动的换纸装置，基于计算机视觉识别技术，实现了对粘虫纸的自动更换，更换及时性高。通过卷绕的方式(针对于本发明设计的粘虫纸)，可以在装置中存储大量的粘虫纸，进而在人工补充粘虫纸后，全自动更换粘虫纸，减小人工维护成本，提高基于粘虫纸监控害虫工作的连续性。

3、本发明对于虫害的监控具有针对性，可以自动过滤无效目标，基于神经网络的虫害识别技术，可以实现对昆虫的准确定位和识别。进而确保了对虫害监控的有效性。

4、本发明集合环境数据，配合精准的监控目标，可以确保所采集数据对虫害预警的有效支撑。较传统对昆虫的全量统计而言，针对性更强、数据的完整性和丰富性更强。

5、本发明布置粘虫纸时，可以实现对粘虫纸的高效利用，不会造成浪费。

附图说明

本发明将通过例子并参照附图的方式说明，其中：

图1是虫害监测系统结构的一个实施例。

图2是虫害监测系统中，嵌入式装置构造的一个实施例。

图3是换纸控制的流程图。

图4是昆虫定位与分割方法的流程图。

图5是昆虫识别方法的流程图。

图6是换纸装置的结构图。

图7是图6内部设施的侧视图。

图8是图7基础上不包含第二滚轴组的结构图。

图9是图7基础上不包含第一滚轴组的结构图。

图10是粘虫纸的结构图。

图11是沿图10长度方向的剖面图。

具体实施方式

本说明书中公开的所有特征，或公开的所有方法或过程中的步骤，除了互相排斥的特征和/或步骤以外，均可以以任何方式组合。

本说明书(包括任何附加权利要求、摘要)中公开的任一特征，除非特别叙述，均可被其他等效或具有类似目的的替代特征加以替换。即，除非特别叙述，每个特征只是一系列等效或类似特征中的一个例子而已。

实施例一

本实施例公开了一种基于计算机视觉效应的覆膜粘虫纸自动更换系统，包括：

覆膜粘虫纸，设置于换纸装置上，其工作区域用于诱捕昆虫。如图10、11所示，该粘虫纸为双层粘虫纸结构，包括第一膜层9和第二膜层10，第一膜层9包括基底层91、粘胶层92和固体引诱剂层94，所述基底层91、粘胶层92和固体引诱剂层94依次排列以构成第一膜层9的工作表面，第二膜层10为非透气膜层，第二膜层10与第一膜层9的工作表面贴合；基底层91为浸有液态引诱剂的浸纸层，基底层91上背离粘胶层92的表面910做防透气处理，粘胶层92涂覆于基底层91表面，粘胶层92设置有透气微孔93，固体引诱剂层94至少设置于粘胶层92表面。双层结构的粘虫纸，在一方面，将工作层用非透气膜层密封，可以防止未被拆封的粘虫纸内的有效引诱剂挥发失效，防止粘接剂氧化失效，进而达到长期存放的效果，在另一方面，采用膜层结构设计，也可实现粘虫纸的卷绕存储，便于单次存储大量的粘虫纸。粘虫纸中的液体、固体引诱剂，针对不同的应用场景(诱捕不同的昆虫)，可以进行针对性的设计。通常的，液体引诱剂采用性引诱剂或果味引诱剂，固体引诱剂层94采用食物引诱剂，以实现多种引诱剂相互分离，又共同作用的效果。例如，针对于柑橘大、小实蝇，液体引诱剂包括甲基丁香酚和/或乙酸乙酯。固体引诱剂层94由固体引诱剂颗粒构成，其均匀洒在粘胶层的暴露面上。粘胶层92上的透气微孔93在一个实施例中，以列为单位沿粘虫纸的长度方向排列。为了防止固体引诱剂颗粒堵住透气微孔93而影响液体引诱剂的挥发，透气微孔93的孔径大于固体引诱剂颗粒的直径。考虑到粘虫纸的第一膜层9由若干子层构成，该若干子层并非一体成型，因此，各层间存在界面，若长期存放，则从界面边缘开始，存在被缓慢氧化或有效成分挥发的情况。针对该种情况，在第一膜层9的两侧边缘进行了密封处理。即将第一膜层9的各子层(基底层91和粘胶层92，因固体引诱剂层94为洒在粘胶层上，因此，通过第二膜层10密封即可)的两侧边缘进行了密封。此处的密封可以采用石蜡或其它油脂性材料密封。通常的，部分昆虫对颜色较为敏感，采用普通的色纸即可达到一定的引诱效果，粘虫纸中，粘胶层92为透明层，将基底层91设计为黄色即可，其对柑橘实蝇本身就带有一定的引诱作用。

换纸装置，用于以卷绕方式存储未被使用的覆膜粘虫纸，并在接收到换纸信号时，利用所存储的未被使用的覆膜粘虫纸到工作区域，替换已使用的覆膜粘虫纸，包括：输出未被使用的覆膜粘虫纸，在输出过程中，分离未使用的覆膜粘虫纸的第一膜层和第二膜层，使第一膜层替换掉已被使用的第一膜层，新的第一膜层同样被暴露；在输出覆膜粘虫纸过程中，通过卷绕方式同步回收已被使用的第一膜层和先前已被分离的第二膜层。所回收的第一膜层和第二膜层的长度，对应于输出的覆膜粘虫纸的长度。

图像采集装置，正对于粘虫装置的粘虫纸工作面设置，用于至少采集粘虫纸工作区域的图像，作为粘虫纸工作面图像。

处理器，分别连接换纸装置和图像采集装置，用于对粘虫纸工作面图像进行处理和识别，在粘虫纸工作面图像中昆虫密度达到预设值，或者在达到预设换纸时间时，向换纸装置发送换纸信号。

昆虫密度r的计算方法为：

其中，P_t指(粘虫纸工作区域)诱捕器矩形黄色粘虫纸图像的所有像素，P_i指已检测出的第i个昆虫所占的像素数目。

具体的，参见图3，处理器发出换纸信号的策略流程为：

1.检测定时器信号和计算昆虫密度；

2.判断定时器信号的计时达到引诱剂有效期阈值时，或者判断昆虫密度达到预设阈值时，发出换纸信号，触发换纸装置换纸；

换纸装置对于粘虫纸的控制，可以为步进控制，即每次更换预定长度(面积)的粘虫纸，或者通过计算机视觉识别进行控制，具体如下：

参见图3，处理器检测图像采集装置采集的图像，分别提取采集的图像和预设背景图像(对应于新的粘虫纸的图像)的LBP(局部二值化模式)特征，计算该图像与预设背景图像特征间的欧氏距离(特征差异)，在距离小于差异阈值时，判定完成了对已使用粘虫纸的完全更换，此时，处理器向换纸装置发送停止换纸信号，控制换纸装置停止更换粘虫纸。在换纸完成后，需要更新换纸时间，以重新确定粘虫纸的保质期。

实施例二(这部分你应该仔细读一下，对着标号，有些标号是错的或者混淆的)

本实施例公开了换纸装置的结构。如图6、7所示换纸装置包括外壳1和设置于外壳1内的换纸机构，换纸机构包括第一卷轴2、第二卷轴3、第一滚轴组4和第二滚轴组5，第一滚轴组4和第二滚轴组5各自包含有若干根滚轴，第一卷轴2通过卷绕的方式存储未使用的双层覆膜粘虫纸，存储于第一卷轴2的粘虫纸的保护层7(即第二膜层)经过第二滚轴组5(的各滚轴)后，固定到第二卷轴3上，粘虫纸的工作层(即第一膜层)8经过第一滚轴组4(的各滚轴)后，固定到第二卷轴3上，且最终回收到第二卷轴3上，外壳1设置有敞口14，该敞口14将经过第一滚轴组4的工作层8的全部或部分暴露在外。工作层8作为粘虫纸的工作面，用于粘虫，因此需要将其暴露在外。敞口14暴露的部分，即为粘虫纸的工作区域。敞口14所暴露出的工作层8为平面状，以便于采集被诱捕害虫图像进一步处理和识别。

将卷装覆膜粘虫纸安装到第一卷轴2上后，粘虫纸的自由端端部的保护层7和工作层8分离，保护层7经过第二滚轴组5后固定到第二卷轴3，工作层8经过第一滚轴组4后同样缠绕于第二卷轴。第二卷轴转动，则会同步回收保护层7和已被使用的工作层8，第一卷轴2上会同步输出粘虫纸来补充工作区域，以此达到更换暴露在外的工作层8的目的。

第一滚轴组4和第二滚轴组5的两端部的滚轴成紧邻关系，如图8、9所示，滚轴41、42为第一滚轴组4两端的滚轴，滚轴51、52为第二滚轴组5两端的滚轴，滚轴41、51构成一对滚轴，滚轴42、52构成另一对滚轴。这样可以使得在靠近第一卷轴2端，粘虫纸的保护层7和工作层8分离，在靠近第二卷轴3端，保护层7和工作层8再次贴合回收。对于工作层8被清理后再行回收的情况，未被完全清理干净的害虫可被第二卷轴3端的两紧邻滚轴碾压回收。

为了在工作层8暴露区域面积保持不变时，尽量减小换纸装置的体积，第一滚轴组4和第二滚轴组5设计于第一卷轴2和第二卷轴3的外侧，呈相互背离结构，包围第一卷轴2和第二卷轴3。在一个实施例中，外壳1成平放的椭圆柱状，即其垂直于轴线方向的截面为椭圆状(跑道状)，第一卷轴2和第二卷轴3呈上下结构安装于外壳1内。具体而言，外壳1包括用于固定内部设施的底板11、容纳内部设施的筒体12和盖板13，筒体12两端分别与底板11和盖板13相连，底板11成椭圆状，第一卷轴2和第二卷轴3安装于椭圆底板11的长轴上，进一步的，两卷轴安装位置分别与两端弧形边缘同心。筒体12固定于底板11上，盖板13可拆卸连接于筒体12上。第一卷轴2、第二卷轴3、第一滚轴组4的滚轴和第二滚轴组5的滚轴的轴线均与外壳1轴线平行，卷轴和滚轴均通过插拔式安装于外壳1内。如图3所示，第一滚轴组4和第二滚轴组5构成类四边形-如六边形，第一滚轴组4包含3根滚轴，第一滚轴组4第二滚轴组5包含5根滚轴，第一滚轴组4和第二滚轴组5在两相邻的端部分别设置有一根滚轴，第二滚轴组5构成六边形的四边，第一滚轴组4构成六边形的剩余两边，即第二滚轴组5的路径长度不低于第一滚轴组4的路径长度，以尽量少地分离出工作层8，利用保护层7填补环状的剩余部分。利用第二；其中第一滚轴组4的靠近第一卷轴2的两根相邻滚轴支撑工作层8暴露于外壳1敞口14，具体而言，该两根滚轴设置于敞口14的两端。为了进一步提高对暴露在外的工作层8的支撑效果，在敞口14中部(即上述支撑工作层8暴露于外壳1敞口14的两根滚轴之间)，还设置有一根滚轴。

第二卷轴3通过低速电机驱动转动。电机可通过简单的开关量控制。在一个实施例中，电机通过单片机和微控开关控制(如定时更换)，其输出端通过减速齿轮连接到第二卷轴3的转轴。当启动电机时，第二卷轴3带动第一卷轴3同时转动换纸，当停止电机时，保护层7和工作层8与滚轴组4和滚轴组5之间的摩擦力停止卷轴转动。

在外壳1上设置有除虫机构，以在第二卷轴3回收粘虫纸时，清理已使用的工作层8上的个体大的昆虫，便于粘虫纸的回收。在一个实施例中，除虫机构为设置于外壳1敞口14靠近第二卷轴3侧端部的清理刮6。

实施例三

本实施例公开了一种基于上述实施例一中的基于计算机视觉效应的粘虫纸自动更换系统的虫害监测系统，其还包括环境数据采集装置，用于采集环境数据；例如空气和土壤的温度和湿度等，通过相应的传感器即可实现数据的采集。无线通信模块，用于与远端之间进行无线通信。处理器还分别连接环境数据采集装置和无线通信模块，用于对粘虫纸工作面图像进行处理和识别时，对粘虫纸工作面图像中的昆虫进行分类并分别计数，通过无线通信模块，将粘虫纸工作面图像、对应识别出的昆虫种类和数量、对应的环境数据发送到远端。以便于远端结合多项数据进行虫害分析。在一个实施例中，所处理器分别连接环境数据采集装置和无线通信模块，环境数据采集装置采集所处环境的温度、湿度、光照等环境数据，处理器将环境数据与检测分割的害虫图像、害虫图像分类和对应计数结果形成完备的结构化害虫数据，然后通过无线模块分布式地传输到控制管理中心。

实施例四

在一个实施例中，如图2所示，虫害监测系统采用嵌入式装置进行构造。嵌入式装置以NVIDIA Jetson Nano微型计算机(即处理器)为主体，其自身包含4核arm A57，128核Maxewell架构GPU和4Gibit内存。摄像头(即图像采集装置)与Jetson Nano之间，通过CSI接口连接。Jetson Nano通过I/O口连接微控开关，微控开关连接电机(即换纸装置)以控制对粘虫纸的更换。温、湿度传感器(即环境数据采集装置)通过A/D转换器连接到Jetson Nano的I/O口。4G通信模块(SIM7600CE-L，即无线通信模块)负责无线通信。Jetson Nano通过24V直流电源供电，其余模块由Jetson Nano供电。

对应于上述实施例二中的换纸装置，电机通过减速齿轮连接到第二卷轴以控制第二卷轴的转动。

本实施例还公开了一种虫害监测系统的安装结构。如图1所示，安装架D安装于地面，其上分别安装摄像头B和换纸装置C，摄像头B正对换纸装置C的敞口C2设计，嵌入式装置A也安装于安装架D上。嵌入式装置A连接到换纸装置C的电机C1.在安装架上D上，还安装有天线E、温度传感器F和湿度传感器G，三者均连接到嵌入式装置A，其中，湿度传感器沿安装架D伸入地底，温度传感器F和天线E的探头伸出嵌入式装置A的外壳。

实施例五

对于粘虫纸工作面图像中的昆虫进行识别前，需要先将昆虫分割出来。本实施例公开了用于分割出粘虫纸工作面图像的昆虫检测方法。在本实施例中，以主要检测柑橘大实蝇、桔小实蝇、蜜柑大实蝇以及体型大小与它们相近的苍蝇、蜜蜂、姬蜂等其他也可能被诱捕器捕获的昆虫。对于其他体型大小的昆虫进行排除，例如排除体型特别大或特别小的昆虫。以I_(i-1)表示上次采集的粘虫纸工作面图像，I_(i)表示当前采集图像，如图4所示，昆虫检测方法包括以下步骤：

1.计算I_(i-1))和I_(i)之间的差值图像，对差值图像进行灰度处理以转换为差值灰度图；

2.在差值灰度图上执行OTSU二值化操作，得到对应二值化图；

3.在二值化图上执行腐蚀和膨胀形态学操作；

4.执行轮廓检测并计算轮廓的中心和面积；

5.根据面积大小删除过小的候选区域和过大的候选区域；过大或过小区域以设定的上、下限面积阈值进行判定；

6.对应于剩余的候选区，利用矩形框在粘虫纸工作面图像中标记目标，并以矩形框为分割对象分割出目标。

实施例六

继续的，本实施例公开了对分割出的昆虫进行种类识别的方法。

与实施例五中对昆虫的检测方法对应，本实施例的识别方法主要用于识别柑橘大实蝇、桔小实蝇、蜜柑大实蝇三种昆虫，其他昆虫的识别方法同理。对于昆虫的识别方法，如图5所示，包括以下步骤：

1.从iNaturalist,ImageNet,IP102等公开的数据库上搜集与实蝇相似的昆虫和目标害虫图像构建大型数据库对预训练的ResNet50模型进行精调，使得训练的特征提取器能够更好地区分易混淆的昆虫，最终将训练后的ResNet50作为特征提取器。

2.利用搜集的柑橘实蝇图像数据库，基于ResNet50深度卷积网络特征提取器和支持向量机训练柑橘大实蝇、桔小实蝇、蜜柑大实蝇和其他昆虫4类别分类器。

3.对从粘虫纸工作面图像中检测出的待识别目标害虫，采用训练的分类器进行识别。

对应的，对于昆虫种类的计数，在上述步骤3识别出昆虫种类后，在对应的昆虫种类统计数据上加1。

本发明并不局限于前述的具体实施方式。本发明扩展到任何在本说明书中披露的新特征或任何新的组合，以及披露的任一新的方法或过程的步骤或任何新的组合。