[发明专利]一种基于深度学习的蚊虫识别与驱除装置及其方法在审
申请号: | 202011294922.X | 申请日: | 2020-11-18 |
公开(公告)号: | CN112418052A | 公开(公告)日: | 2021-02-26 |
发明(设计)人: | 张开生;张蓉蓉;宋森;秦博 | 申请(专利权)人: | 陕西科技大学 |
主分类号: | G06K9/00 | 分类号: | G06K9/00;A01M1/02;A01M1/04;A01M29/18;G06K9/62;G06N3/04;G06N3/08 |
代理公司: | 西安智大知识产权代理事务所 61215 | 代理人: | 王晶 |
地址: | 710021 陕西省*** | 国省代码: | 陕西;61 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 深度 学习 蚊虫 识别 驱除 装置 及其 方法 | ||
1.一种基于深度学习的蚊虫识别与驱除装置,其特征在于,包括控制器(1)和麦克风阵列(3),所述麦克风阵列(3)为多个,形成环形结构,所述控制器(1)与形成环形结构的麦克风阵列(3)相连。
2.根据权利要求1所述的一种基于深度学习的蚊虫识别与驱除装置,其特征在于,所述控制器(1)和麦克风阵列(3)通过低电流高电压线相连,外侧设置有保护网。
3.根据权利要求1所述的一种基于深度学习的蚊虫识别与驱除装置,其特征在于,所述每个麦克风阵列(3)前后面各嵌入三个角度相错的麦克风,麦克风阵列(3)内部设置有白光LED(7),外侧设置有紫外荧光灯(6)。
4.根据权利要求3所述的一种基于深度学习的蚊虫识别与驱除装置,其特征在于,所述控制器(1)表面设置有电源模块(2)、键盘模块(4)、显示模块(5)和发声器(8),所述电源模块(2)为装置提供电源;所述控制器(1)接收麦克风阵列(3)和键盘模块(4)的信号输入;所述控制器(1)控制显示模块(5)、紫外荧光灯(6)、白光LED(7)和发声器(8)的信号输出。
5.根据权利要求1所述的一种基于深度学习的蚊虫识别与驱除装置,其特征在于,所述的麦克风阵列(3)对所在区域周围的蚊虫翅振音进行声音收集,并采用深度学习的方式对收集的声音进行蚊虫识别模型训练,根据训练的结果判断所在区域的蚊虫种类;
所述麦克风阵列(3)包括至少一个用于收集声源发出声音的麦克风,所述麦克风之间间隔一定距离,且相邻麦克风朝向不同,保证麦克风阵列(3)的采音范围可以全覆盖环形区域,所述控制器(1)通过CAN总线或载波对其进行管理控制;
所述控制器(1)根据麦克风阵列(3)采集到的周围蚊虫信息判断周围蚊虫是否被吸引,在被吸引后,驱动发声器(8)芯片释放雄蚊或类似蚊虫天敌蜻蜓的超声波信号,并控制白光LED(7)瞬间点亮,震慑蚊虫,从而快速的驱赶蚊虫;
所述显示模块(5)用于显示麦克风阵列(3)中识别到的蚊虫种类以及麦克风的工作状态,为吸引蚊虫或是驱赶蚊虫。
6.基于权利要求1所述一种基于深度学习的蚊虫识别与驱除装置的方法,其特征在于,包括以下步骤;
步骤一:
通过麦克风阵列(3)收集声音;
步骤二:
采用瞬时线性混叠盲分离算法对信号分离;
步骤三:
对分离后的声音再进行小波阈值去噪处理;
步骤四:
步骤三去噪处理后对声谱进行信号分析并提取其特征参数;
步骤五:
将提取的特征参数分为两份,一份为训练集,一份为测试集;
利用训练数据对训练集进行训练,建立完整的卷积神经网络;
利用测试数据对测试集进行准确率测试,并对卷积神经网络进行参数再调整、再优化;
步骤六:
通过优化后获得的卷积神经网络对麦克风阵列(3)收集到的蚊虫神棍进行蚊虫种类识别;将识别的结果传送至控制器(1),控制器(1)控制发声器(8)释放接近蚊虫本身的生物频率,同时驱动紫外荧光灯(6)点亮,对周围区域的蚊虫进行吸引,在控制器(1)根据检测到的声音强度判断蚊虫被吸引后,控制发声器(8)释放类似蚊虫天敌的超声波信号,同时控制白光LED(7)点亮,从而快速驱赶蚊虫。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于陕西科技大学,未经陕西科技大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202011294922.X/1.html,转载请声明来源钻瓜专利网。