[发明专利]灯诱昆虫识别计数方法及系统

权利要求书

1.一种灯诱昆虫识别计数方法，其特征在于，应用于害虫识别系统，所述系统包括至少一个图像采集装置以及与所述图像采集装置通信的服务器，所述图像采集装置包括用于引诱昆虫的诱虫板、采集所述诱虫板上图像信息的图像采集单元以及至少一个诱虫灯；所述诱虫灯设置在所述诱虫板上，用于引诱所述昆虫以使所述昆虫聚集在所述诱虫板上；所述服务器包括深度学习识别模型；所述方法包括：

所述图像采集装置通过所述图像采集单元每隔第一预设时长获取诱虫板上的昆虫图像，并发送给所述服务器；

所述服务器将获取到的昆虫图像分割为包含单个昆虫的昆虫子图像；

将所述昆虫子图像输入训练后的深度学习识别模型进行识别分类；

每间隔第二预设时长统计该第二预设时长内获取到的昆虫图像中出现的昆虫种类及数量，其中，所述第二预设时长大于等于第一预设时长。

2.根据权利要求1所述的方法，其特征在于，所述每间隔第二预设时长统计该第二预设时长内获取到的昆虫图像中出现的昆虫种类及数量的步骤，包括：

计算所有图像采集装置在所述第二预设时长内采集的昆虫的种类数以及每种昆虫的数量。

3.根据权利要求1所述的方法，其特征在于，所述图像采集装置每隔第一预设时长获取诱虫板上的昆虫图像，并发送给所述服务器的步骤之前，所述方法还包括：

获取昆虫的训练图像集，包括多个训练子图像，每个所述训练子图像包括单个昆虫的图像以及对应的昆虫的预设种类标签；

使用所述训练图像集，对所述深度学习识别模型进行训练。

4.根据权利要求3所述的方法，其特征在于，所述使用所述训练图像集，对所述深度学习识别模型进行训练的步骤，包括：

所述训练图像集采用深度学习算法训练所述深度学习识别模型，得到训练后的深度学习识别模型。

5.根据权利要求3所述的方法，其特征在于，所述将所述昆虫子图像输入训练后的深度学习识别模型进行识别分类的步骤，包括：

将所述昆虫子图像的图像特征与所述深度学习识别模型中的训练图像集中的训练子图像的图像特征进行匹配，得到所述昆虫子图像与所述训练子图像的相似度；

在所述训练图像集中选取相似度最大的所述训练子图像，将选出的所述训练子图像的预设种类标签作为所述昆虫子图像的实际种类标签。

6.根据权利要求1-5中任意一项所述的方法，其特征在于，所述诱虫板的颜色包括便于在形成的所述昆虫图像上显示昆虫的单一浅色。

7.一种灯诱昆虫识别计数系统，其特征在于，所述灯诱昆虫识别计数系统包括至少一个图像采集装置以及与所述图像采集装置通信的服务器，所述图像采集装置包括用于引诱昆虫的诱虫板、采集所述诱虫板上图像信息的图像采集单元以及至少一个诱虫灯；所述诱虫灯设置在所述诱虫板上，用于引诱所述昆虫以使所述昆虫聚集在所述诱虫板上；所述图像采集装置通过所述图像采集单元每隔第一预设时长获取诱虫板上的昆虫图像，并发送给所述服务器；所述服务器包括深度学习识别模型，所述服务器还包括：

分割单元，用于将所述服务器获取到的昆虫图像分割为包含单个昆虫的昆虫子图像；

识别分类单元，用于将所述昆虫子图像输入训练后的深度学习识别模型进行识别分类；

统计单元，用于每间隔第二预设时长统计该第二预设时长内获取到的昆虫图像中出现的昆虫种类及数量，其中，所述第二预设时长大于等于第一预设时长。

8.根据权利要求7所述的灯诱昆虫识别计数系统，其特征在于，所述统计单元还用于：

计算所有图像采集装置在所述第二预设时长内采集的昆虫的种类数以及每种昆虫的数量。

9.根据权利要求7所述的灯诱昆虫识别计数系统，其特征在于，所述图像采集装置在每隔第一预设时长获取诱虫板上的昆虫图像之前，还用于：

获取昆虫的训练图像集，包括多个训练子图像，每个所述训练子图像包括单个昆虫的图像以及对应的昆虫的预设种类标签；

所述服务器根据所述训练图像集，对所述深度学习识别模型进行训练。

10.根据权利要求9所述的灯诱昆虫识别计数系统，其特征在于，所述服务器还用于采用深度学习算法使所述训练图像集训练所述深度学习识别模型，得到训练后的深度学习识别模型。