基于机器视觉和深度学习的稻纵卷叶螟性诱智能监测系统

文献类型： 中文期刊

第一作者： 张哲宇

作者： 张哲宇;孙果镓;杨保军;刘淑华;吕军;姚青;唐健

作者机构：

关键词： 稻纵卷叶螟;性诱捕器;机器视觉;智能监测;深度学习;目标检测

期刊名称： 昆虫学报

ISSN： 0454-6296

年卷期： 2022 年 008 期

页码： 1045-1055

收录情况： 北大核心 ; CSCD

摘要： 【目的】为减轻基层测报人员工作量，提高稻纵卷叶螟Cnaphalocrocis medinalis性诱测报的准确率和实时性，实现监测数据可追溯，建立了基于机器视觉的稻纵卷叶螟性诱智能监测系统。【方法】稻纵卷叶螟性诱智能监测系统包括基于机器视觉的智能性诱捕器、基于深度学习的稻纵卷叶螟检测模型、系统Web前端和服务器端。利用工业相机、光源和Android平板搭建了智能性诱捕器的机器视觉系统；建立了基于改进的YOLOv3和DBTNet-101双层网络的稻纵卷叶螟检测模型；利用HTML, CSS, JavaScript和Vue搭建系统Web前端展示稻纵卷叶螟检测与计数结果；使用Django框架搭建服务器端，对来自智能性诱捕器通过4G网络上传的图像进行接收与结果反馈；采用MySQL数据库保存图像和模型检测结果等信息。【结果】基于机器视觉的稻纵卷叶螟性诱智能监测系统利用智能性诱捕器自动定期上传稻纵卷叶螟图像至服务器，部署在服务器上的目标检测模型对稻纵卷叶螟成虫进行实时自动检测，精确率和召回率分别达97.6%和98.6%;用户可通过Web前端查看稻纵卷叶螟检测结果图。【结论】基于机器视觉的稻纵卷叶螟性诱智能监测系统实现了图像的定时自动采集、稻纵卷叶螟成虫的准确检测与计数，实现了稻纵卷叶螟性诱监测的智能化和实时性，减轻了测报人员的工作量，监测数据可追溯。

分类号： S435.112.1

  • 相关文献

[1]基于红外感应的稻纵卷叶螟智能监测装置的设计与实现. 林峰. 2021

[2]基于区域亮度自适应校正的茶叶嫩芽检测模型. 吕军,方梦瑞,姚青,武传宇,贺盈磊,边磊,钟小玉. 2021

[3]基于机器视觉的鲐鱼鱼体定向排列输送装置设计与试验. 万鹏,黄毓毅,汪荣,李梦珂,肖畅宇,吴文锦. 2023

[4]农业害虫检测的深度学习算法综述. 蒋心璐,陈天恩,王聪,李书琴,张宏鸣,赵春江. 2023

[5]基于深度学习的蚕茧种类识别研究. 石洪康,李林波,祝明辉,陈义安,马勇,张剑飞. 2023

[6]基于AlexNet的栽培苜蓿病害识别. 李云昊,李仲贤,伏帅,张忠雪,茆士琴,冯琦胜,梁天刚,李彦忠. 2023

[7]基于YOLOv4的稻田杂草目标检测算法. 袁涛,胡冬,马超,李琳一,郑秀国,钱戴玲. 2023

[8]基于深度学习的杂草识别方法研究进展. 付豪,赵学观,翟长远,郑康,郑申玉,王秀. 2023

[9]基于改进YOLOv5s的日光温室黄瓜霜霉病孢子囊检测计数方法. 李明,丁智欢,赵靖暄,陈思铭,李文勇,杨信廷. 2023

[10]基于YOLOv5s-SE和通道剪枝的虫咬紫金蝉茶检测方法研究. 戴佳兵,宋春芳,凌彩金,李臻锋,孙崇高. 2024

[11]基于YOLOv3模型的金枪鱼鱼群特征识别初步研究. 马硕,张禹,王鲁民,张勋,金卫国,王国来,常卫东. 2021

[12]大田环境下的农业害虫图像小目标检测算法. 蒋心璐,陈天恩,王聪,赵春江. 2024

[13]基于深度学习的半监督图像标注系统设计与实现. 胡明玉,夏雪,杨晨雪,曹景军,柴秀娟. 2021

[14]深度学习在蜜蜂研究中的应用. 孙逸飞,丁桂玲,路运才,刘振虎,黄家兴. 2023

[15]面向海洋渔业捕捞生产的深度学习方法应用研究进展. 张胜茂,孙永文,樊伟,唐峰华,崔雪森,伍玉梅. 2022

[16]水族馆鱼类目标检测网络优化研究. 刘洋,张胜茂,王书献,王斐,樊伟,邹国华,伯静. 2022

[17]基于坐标注意力机制与高效边界框回归损失的线虫快速识别. 陆健强,梁效,余超然,兰玉彬,邱洪斌,黄捷伟,尹梓濠,陈慧洁,郑胜杰. 2022

[18]基于改进YOLO-V4网络的浅海生物检测模型. 毛国君,翁伟栋,朱晋德,张媛,吴富村,毛玉泽. 2021

[19]基于性诱和深度学习的草地贪夜蛾成虫自动识别计数方法. 邱荣洲,赵健,何玉仙,陈韶萍,黄美玲,池美香,梁勇,翁启勇. 2021

[20]基于深度学习的跨年龄人脸识别. 孙文斌,王荣,孙连烛,林源松. 2022

作者其他论文 更多>>

微信小程序