| 序号 | 专利名 | 申请号 | 申请日 | 公开（公告）号 | 公开（公告）日 | 发明人 |
|---|---|---|---|---|---|---|
| 41 | 一种粘虫板图像上小体积害虫检测方法及系统 | CN202110221105.X | 2021-02-26 | CN112861767A | 2021-05-28 | 李文勇; 王杜锦; 李明; 杨信廷; 孙传恒 |
| 本发明提供一种粘虫板图像上小体积害虫检测方法及系统，包括：获取目标图像，目标图像为捕获目标害虫的粘虫板图像；将目标图像输入至训练好的害虫检测识别模型，以确定目标害虫的种类信息和位置信息，训练好的害虫检测识别模型是基于单阶段目标检测算法构建的；通过统计检测出的种类信息和位置信息获取目标害虫的数量信息。本发明提供的粘虫板图像上小体积害虫检测方法及系统，采用针对小体积害虫检测的深度学习模型统计粘虫板图像上目标害虫的数量，利用特征拼接来扩大特征图和增加残差单元的手段，实现对田间粘虫板图像上小体积害虫的自动准确检测，为害虫的种群密度估计提供一种精准的数据采集方法，并对后期害虫防治策略提供数据基础。 | ||||||
| 42 | 一种虫情信息管理方法及装置 | CN202011213422.9 | 2020-11-04 | CN114528315A | 2022-05-24 | 李江涛; 秦戈; 李琦 |
| 本发明提供了一种虫情信息管理方法及装置，该方法包括第一设备获取目标区域的害虫的图像、目标区域所在粮仓的第一标识信息及目标区域在粮仓中的地理位置信息；对上述图像进行识别，得到上述图像中的害虫信息，该害虫信息包括至少一种害虫的第二标识信息；将上述害虫信息、粮仓的第一标识信息和目标区域在粮仓中的地理位置信息展示给用户；在用户点击任一种害虫的第二标识信息后，查询与该种害虫的第二标识信息对应的害虫介绍信息；将查询到的害虫介绍信息推送给用户。本发明中，通过第一设备可及时、方便的获取害虫图像及与害虫发生相关的多维信息，方便得到害虫介绍信息，避免人工方式查找，节省了工作量，方便用户直观得知粮仓内的害虫情况。 | ||||||
| 43 | 一种虫情信息管理方法及装置 | CN201710579540.3 | 2017-07-17 | CN107239582A | 2017-10-10 | 周慧玲; 赵彬宇; 黄晓玲; 陶径 |
| 本发明提供了一种虫情信息管理方法及装置，该方法包括第一设备获取目标区域的害虫的图像、目标区域所在粮仓的第一标识信息及目标区域在粮仓中的地理位置信息；对上述图像进行识别，得到上述图像中的害虫信息，该害虫信息包括至少一种害虫的第二标识信息；将上述害虫信息、粮仓的第一标识信息和目标区域在粮仓中的地理位置信息展示给用户；在用户点击任一种害虫的第二标识信息后，查询与该种害虫的第二标识信息对应的害虫介绍信息；将查询到的害虫介绍信息推送给用户。本发明中，通过第一设备可及时、方便的获取害虫图像及与害虫发生相关的多维信息，方便得到害虫介绍信息，避免人工方式查找，节省了工作量，方便用户直观得知粮仓内的害虫情况。 | ||||||
| 44 | 一种室内杀虫检测跟踪处理方法及系统 | CN202311566535.0 | 2023-11-21 | CN117671729A | 2024-03-08 | 单玉刚; 汪家宝; 刘思远; 童雷 |
| 本发明提供一种室内杀虫检测跟踪处理方法及系统，属于目标识别技术领域，包括：采集红外目标图像，采用Transformer结合ResNet对所述红外目标图像进行检测，获得害虫位置信息和害虫类别信息；利用DeepSORT算法对所述害虫位置信息和所述害虫类别信息进行跟踪，得到害虫运动轨迹；对所述害虫运动轨迹进行定位，确定目标害虫距离以及方向，结合超声波避障策略，移动至目标害虫有效距离范围内，完成害虫消杀。本发明通过室内机器人杀虫小车对多种类型的害虫进行检测、分类和动态跟踪，确定消杀目标后，移动小车到最佳距离进行消杀，如果目标跟踪过程中目标消失，则重新选择新的消杀目标进行跟踪，最后移动到害虫附近喷剂消杀，具有实现成本低、实用性强的特点。 | ||||||
| 45 | 无标签自监督学习的害虫识别方法、装置、设备及介质 | CN202311617231.2 | 2023-11-29 | CN117392462A | 2024-01-12 | 陆翔; 张哲; 姜祏; 田朝杰 |
| 本申请提供了一种无标签自监督学习的害虫识别方法、装置、设备及介质。该方法包括：获取害虫图像数据，并将所述害虫图像数据进行图像增强处理得到目标害虫图像数据；采用已标记害虫图像数据初始化聚类中心，并采用未标记害虫图像数据对所述初始化聚类中心进行迭代更新确定更新后的初始化聚类中心；确定更新后的初始化聚类中心的目标损失函数，并依据所述目标损失函数确定害虫识别分类模型；对所述害虫识别分类模型进行优化调整得到目标害虫识别分类模型，并采用所述目标害虫识别分类模型进行害虫种类的识别。本方案采用聚类算法对初始化聚类中心进行更新，通过引入正负样本权重系数对害虫识别分类模型进行优化调整，从而提高分类和聚类的准确性。 | ||||||
| 46 | 害虫诱捕控制方法、终端、害虫诱捕设备及其系统 | CN202311069956.2 | 2023-08-23 | CN117243200A | 2023-12-19 | 胡科; 张忠杰; 张贵州 |
| 本发明公开一种害虫诱捕控制方法、终端、害虫诱捕设备及其系统，其中，害虫诱捕控制方法包括以下步骤：终端获取目标仓储的地理位置、仓储类型、仓储对象种类和仓储时间；根据目标仓储的地理位置、仓储类型、仓储对象种类和仓储时间确定害虫信息以及对应所述害虫信息的灯光控制模式，所述灯光控制模式包括不同害虫信息的诱捕灯光波长以及相应害虫在不同生长周期的光辐照强度；将灯光控制模式发送至目标害虫诱捕设备，以使目标害虫诱捕设备根据灯光控制模式控制目标诱捕灯组发出目标波长和目标强度的诱捕光。本发明的技术方案可以实现对害虫的精准诱捕，提高害虫诱捕终端的智能化程度。 | ||||||
| 47 | 新的害虫防治方法 | CN201480021264.3 | 2014-05-28 | CN105339385A | 2016-02-17 | 托尔斯滕·威尔; 安德烈亚斯·维尔辛斯卡斯; 瑞纳尔·费希尔 |
| 本发明提供的技术涉及通过将针对结构性鞘蛋白(SHP)的抑制剂掺入农业目标害虫体内的多种类害虫防治的方法，以及用于所述方法的害虫防治试剂，以及转基因作物、温室和观赏植物。 | ||||||
| 48 | 一种害虫分类与检测方法 | CN202311035877.X | 2023-08-16 | CN117152498A | 2023-12-01 | 谭军; 梁诗琪 |
| 本发明提出一种害虫分类与检测方法，涉及图像分析与处理的技术领域，首先获取害虫样本图像数据集，然后构建害虫图像特征提取模型，利用数据集对害虫图像特征提取模型进行训练，得到训练好的害虫图像特征提取模型，将待处理的害虫图像输入训练好的害虫图像特征提取模型，得到害虫图像特征图，再分别通过分类分支和检测分支对图像特征图进行害虫的分类与检测，解决了密集目标检测遗漏问题，有效兼顾了害虫分类与检测方法的优性能和高精度，适用于不同分类与检测场景。 | ||||||
| 49 | 一种智能识别和预警害虫的方法及系统 | CN201810794841.2 | 2018-07-19 | CN110659659A | 2020-01-07 | 黄桂芳; 刘嘉惠; 成秋喜; 李权; 韩蓝青 |
| 本发明涉及生物信息领域，具体涉及一种智能识别和预警害虫的方法及系统。本发明通过收集害虫图像数据，并对害虫图像数据增强处理；对害虫图像数据进行除噪处理和标注；通过卷积神经网络对害虫图像数据进行训练和迁移学习；将目标害虫图像导入训练好的神经网络中对害虫类别进行预测；统计生成害虫图像现有数据信息和害虫预警数据信息。可将该方法拓展至用于检测田间植物，检测昆虫，检测害虫视频，并且不受外界多方面影响，实现实时分类；可以自动识别害虫种类与统计害虫数量，提供更高的识别准确度与解放更多人力，节省时间和人力，并且可以对害虫进行预警。 | ||||||
| 50 | 一种农业害虫监测系统和方法 | CN202211153143.7 | 2022-09-21 | CN115523954A | 2022-12-27 | 张立; 张旭; 曾祥琼 |
| 本发明提供一种农业害虫监测系统和方法，于目标区域设置的若干监测点、每个监测点包括用于实时采集害虫活动数据的数据采集装置；数据处理子系统接收并处理害虫活动数据得到每个监测点的害虫监测结果数据；以及对监测点的害虫监测结果数据进行处理得到目标区域的害虫监测结果数据；远程数据库存储害虫活动数据和害虫监测结果数据。实时高效，成本低，可以长周期实时进行害虫检测，监测精确度和工作自主程度均得到提高。 | ||||||
| 51 | 基于注意力融合因子特征金字塔的极小尺度害虫图像检测方法 | CN202211004153.4 | 2022-08-22 | CN115358993A | 2022-11-18 | 焦林; 陈鹏; 李高强; 梁栋; 雷雨 |
| 本发明涉及基于注意力融合因子特征金字塔的极小尺度害虫图像检测方法，与现有技术相比解决了难以针对极小尺度害虫图像进行检测的缺陷。本发明包括以下步骤：极小尺度害虫图像数据的获取；基于注意力融合因子特征金字塔的构建；害虫目标定位分类网络的构建；基于注意力融合因子特征金字塔与害虫目标定位分类网络的联合训练；待测极小尺度害虫图像的获取；极小尺度害虫图像的定位识别。本发明提升了对小尺度害虫图像的细节特征提取的能力，增强了小尺度害虫的特征表达能力。 | ||||||
| 52 | 一种害虫实时检测计数系统 | CN202110221101.1 | 2021-02-26 | CN112862054B | 2024-05-14 | 张瑞瑞; 伊铜川; 陈梅香; 王维佳; 徐刚; 丁晨琛; 华玟; 李龙龙 |
| 本发明提供一种害虫实时检测计数系统，包括：数据采集部分、害虫监测部分和图像识别部分；害虫监测部分至少包括光电计数装置、害虫收集器和图像采集装置；数据采集部分按预设工作频率驱动光电计数装置采集检测信号；在根据检测信号确定有害虫进入害虫收集器的情况下，数据采集部分驱动位于害虫收集器内的图像采集装置进行拍照，以获取目标图像；图像识别部分对目标图像进行识别，以根据识别结果确定目标害虫的检测计数结果。本发明提供的害虫实时检测计数系统，通过光电传感器和害虫图像同时进行害虫实时检测计数，避免以往只能凭借单一计数方式计数产生偏差时无法进行校对的问题，保障了计数的准确性。 | ||||||
| 53 | 一种基于卷积神经网络的靶向药物喷洒方法 | CN201810477485.1 | 2018-05-18 | CN108734277A | 2018-11-02 | 古万荣; 施玉健; 毛宜军; 李海良; 朱韬 |
| 本发明公开了一种基于卷积神经网络的靶向药物喷洒方法，包括步骤：S1、输入样本图像和选定的迭代次数训练能够识别N类目标害虫的CNN卷积神经网络，输入目标图像，得出该图像对应N类目标害虫的判定得分；S2、根据步骤S1得出图像的N类判定得分，与预先设定的害虫识别阀值比较，如果得分大于害虫识别阀值，则判别该害虫种类，进行步骤S3，如果小于害虫的识别阀值，则判断为无害虫，无需靶向药物喷洒；S3、根据步骤S2判别的害虫种类，输入到针对害虫所训练的RCNN区域网络模型，统计该害虫的数据，并用框图显示害虫的区域位置，从而进行药物喷洒。本发明可以在低配置环境下高效实施准确率较高的靶向药物喷洒，同时工程适用性强。 | ||||||
| 54 | 一种害虫实时检测计数系统 | CN202110221101.1 | 2021-02-26 | CN112862054A | 2021-05-28 | 张瑞瑞; 伊铜川; 陈梅香; 王维佳; 徐刚; 丁晨琛; 华玟; 李龙龙 |
| 本发明提供一种害虫实时检测计数系统，包括：数据采集部分、害虫监测部分和图像识别部分；害虫监测部分至少包括光电计数装置、害虫收集器和图像采集装置；数据采集部分按预设工作频率驱动光电计数装置采集检测信号；在根据检测信号确定有害虫进入害虫收集器的情况下，数据采集部分驱动位于害虫收集器内的图像采集装置进行拍照，以获取目标图像；图像识别部分对目标图像进行识别，以根据识别结果确定目标害虫的检测计数结果。本发明提供的害虫实时检测计数系统，通过光电传感器和害虫图像同时进行害虫实时检测计数，避免以往只能凭借单一计数方式计数产生偏差时无法进行校对的问题，保障了计数的准确性。 | ||||||
| 55 | 一种基于球形摄像机建立储粮害虫图像数据集的方法 | CN202310553664.X | 2023-05-17 | CN116310658B | 2023-08-01 | 李丹丹; 范运乾; 刘靖椿; 李月; 严晓平; 马一铭; 周庆; 李江涛; 周慧玲 |
| 本发明涉及粮仓储粮害虫检测技术领域，公开了一种基于球形摄像机建立储粮害虫图像数据集的方法，旨在解决现有储粮害虫图像数据集存在规模小以及图像多样性差的问题，包括：通过球形摄像机获取储粮害虫的视频数据，视频数据包括自然发生害虫的第一视频数据和人工投放目标害虫的第二视频数据；生成视频数据对应的图像数据，并筛选出图像数据中只包含书虱或者包含鞘翅目害虫的图像数据；根据书虱数量对只包含书虱的图像数据进行标记，根据鞘翅目害虫的位置和类别对包含鞘翅目害虫的图像数据进行标记；建立储粮害虫图像数据集。本发明提升了储粮害虫图像数据集中图片数据的数量和规模，适用于针对球形摄像机的粮仓储粮害虫智能识别算法的训练及优化。 | ||||||
| 56 | 一种基于球形摄像机建立储粮害虫图像数据集的方法 | CN202310553664.X | 2023-05-17 | CN116310658A | 2023-06-23 | 李丹丹; 范运乾; 刘靖椿; 李月; 严晓平; 马一铭; 周庆; 李江涛; 周慧玲 |
| 本发明涉及粮仓储粮害虫检测技术领域，公开了一种基于球形摄像机建立储粮害虫图像数据集的方法，旨在解决现有储粮害虫图像数据集存在规模小以及图像多样性差的问题，包括：通过球形摄像机获取储粮害虫的视频数据，视频数据包括自然发生害虫的第一视频数据和人工投放目标害虫的第二视频数据；生成视频数据对应的图像数据，并筛选出图像数据中只包含书虱或者包含鞘翅目害虫的图像数据；根据书虱数量对只包含书虱的图像数据进行标记，根据鞘翅目害虫的位置和类别对包含鞘翅目害虫的图像数据进行标记；建立储粮害虫图像数据集。本发明提升了储粮害虫图像数据集中图片数据的数量和规模，适用于针对球形摄像机的粮仓储粮害虫智能识别算法的训练及优化。 | ||||||
| 57 | 一种基于特征差异化和任务分离技术的相似害虫图像检测方法 | CN202310010579.9 | 2023-01-05 | CN116342925A | 2023-06-27 | 王儒敬; 陈红波; 陈天娇; 杜健铭; 刘海云; 谢成军; 张洁; 李瑞; 胡海瀛 |
| 本发明涉及一种基于特征差异化和任务分离技术的相似害虫图像检测方法，包括：获取相似害虫图像；构建相似害虫检测模型，包括特征提取网络、特征差异化网络、特征融合网络和任务分离网络；利用相似害虫图像数据集对相似害虫检测模型进行训练；获取待检测的田间害虫图像；将待检测的田间害虫图像输入训练后的相似害虫检测模型，得到田间相似害虫的分类和定位结果。本发明从整体图片特征图中提取害虫差异化信息，特征语义表达能力更强，有利于相似害虫的区分,避免硬性选择某个尺度的特征导致的次优问题，更有利于多尺度目标的识别和检测；将害虫分类及定位特征进行分离，不同的特征专注于不同任务，更有利于分类和定位的准确性和网络训练。 | ||||||
| 58 | 基于高斯感受野增强自注意力的密集害虫图像检测方法 | CN202410302895.8 | 2024-03-18 | CN118053074A | 2024-05-17 | 陈红波; 陈天娇; 杜健铭; 张威; 刘海云; 王儒敬; 胡海瀛 |
| 本发明涉及基于高斯感受野增强自注意力的密集害虫图像检测方法，与现有技术相比解决了田间密集害虫图像检测容易出现漏检的缺陷。本发明包括以下步骤：获取密集害虫图像；构建密集害虫检测模型；密集害虫检测模型的训练；获取待检测害虫图像；获得害虫图像检测结果。本发明提供一种端到端的密集害虫检测框架，有利于密集害虫的检测。利用差异化特征选择网络去除大量相似目标查询，使得在一对一标签分配的网络训练中不会出现相似查询分配成正样本和负样本，从而造成网络训练难以拟合。 | ||||||
| 59 | 驱虫剂 | CN200480020595.1 | 2004-05-20 | CN1829443B | 2010-06-23 | J·D·贝克; J·T·阿纳森; C·麦克雷; J·M·瓦德; S·J·阿尔克马德 |
| 本发明提供可用于驱除目标区域的昆虫等目标害虫的组合物和方法。本发明的组合物包含至少一种驱避剂组合物的混合物或溶液。本发明的组合物优选包括有效量的月见草油(“EPO”)以及载体，以驱除动物、人、植物或建筑物等目标区域的目标害虫。该驱避剂组合物可包括EPO和另外的植物提取油的组合，以及EPO与荆芥油的组合，任选与另外的植物提取油联用。驱除动物身上的目标害虫的方法包括，使目标区域与该驱避剂组合物接触，以便驱除目标区域的目标害虫。该方法通过减少害虫与目标区域的接触，也能减少经目标害虫传播的传染病的传播。 | ||||||
| 60 | 驱虫剂 | CN200480020595.1 | 2004-05-20 | CN1829443A | 2006-09-06 | J·D·贝克; J·T·阿纳森; C·麦克雷; J·M·瓦德; S·J·阿尔克马德 |
| 本发明提供可用于驱除目标区域的昆虫等目标害虫的组合物和方法。本发明的组合物包含至少一种驱避剂组合物的混合物或溶液。本发明的组合物优选包括有效量的月见草油(“EPO”)以及载体，以驱除动物、人、植物或建筑物等目标区域的目标害虫。该驱避剂组合物可包括EPO和另外的植物提取油的组合，以及EPO与荆芥油的组合，任选与另外的植物提取油联用。驱除动物身上的目标害虫的方法包括，使目标区域与该驱避剂组合物接触，以便驱除目标区域的目标害虫。该方法通过减少害虫与目标区域的接触，也能减少经目标害虫传播的传染病的传播。 | ||||||
QQ群二维码
意见反馈
意见反馈