| 序号 | 专利名 | 申请号 | 申请日 | 公开（公告）号 | 公开（公告）日 | 发明人 |
|---|---|---|---|---|---|---|
| 81 | 杀虫剂确定方法、装置、计算机设备及存储介质 | CN201910009263.1 | 2019-01-04 | CN109886287A | 2019-06-14 | 刘奡智; 王健宗 |
| 本申请实施例提供一种杀虫剂确定方法、装置、计算机设备及存储介质。所述方法包括：获取多个类别、每个类别多张的害虫图像、每个类别的害虫所对应的杀虫剂以及杀虫剂的施药方法；对每个类别的害虫图像进行预处理；将预处理后的每个类别的害虫图像样本集、每个类别的害虫所对应的杀虫剂以及杀虫剂的施药方法输入到卷积神经网络进行训练，以得到卷积神经网络模型；获取目标害虫图像并对进行预处理；将预处理后的目标害虫图像输入到训练得到的卷积神经网络模型中，得到目标害虫所对应的杀虫剂以及杀虫剂的施药方法。本申请实施例提高了确定害虫的杀虫剂以及该施药方法的准确率。 | ||||||
| 82 | 一种融合种群季节消长信息的农业害虫检测分类方法 | CN202010395825.3 | 2020-05-12 | CN111753646A | 2020-10-09 | 蔡舒平; 孙仲鸣; 沈跃 |
| 本发明提供了一种融合种群季节消长信息的农业害虫检测分类方法，属于农业害虫目标检测技术领域，本发明对传统的YOLOv3目标检测算法中的分类回归函数以及NMS策略进行了改进。利用不同害虫种群的季节消长规律来辅助检测，能够降低对于外形相似害虫的误判概率，而且还能解决传统算法中将与害虫外形相似的其他杂物判断为害虫的问题，使得农药喷洒更加准确，不会造成农药浪费，有利于降低成本。本发明的改进NMS策略还能够将聚集在一起的同种类害虫用一个预测框框出，帮助农药喷雾车进行大范围喷洒农药，提高喷洒效率。 | ||||||
| 83 | 一种基于深度学习的虫子种类以及数量图像识别算法 | CN202211157102.5 | 2022-09-21 | CN116091394A | 2023-05-09 | 王志伟; 吴京业; 周军 |
| 本发明公开了一种基于深度学习的虫子种类以及数量图像识别算法，包括如下步骤：采集害虫图像，建立第一图像训练数据集和和第二图像训练数据集；通过多目标定位方法获取图像中的多个害虫目标；针对每一个包含害虫目标第一图像，采用分割方法对第一图像进行分割得到第二二值图像；根据第二二值图像获取害虫目标的特征信息；将特征信息进行标准化，从而将害虫目标转换到特征空间的表示；通过分类器对标准化后的特征信息进行分类，从而得到对应的害虫类别，统计相同类别的害虫，从而实现害虫的识别和数量统计。本发明通过图像识别算法减轻虫害预防工作的便捷性和预防性，以解决现有行业中的存在的弊端。 | ||||||
| 84 | 害虫的防除方法以及防除装置 | CN201480063925.9 | 2014-09-08 | CN105744830A | 2016-07-06 | 堀雅敏; 铃木智尚; 涩谷和树; 佐藤光成 |
| 本发明提供对各种害虫有效、安全性高、简便并且对环境的负担少的害虫的防除方法。本发明提供以7×1017photons·m?2·s?1以上的光强度对成为目标的害虫的卵、幼虫或者蛹照射具有波长域400～500nm的特定波长的可见光而阻碍其变态从而将目标害虫杀死的防除方法。 | ||||||
| 85 | 害虫的防除方法以及防除装置 | CN201480063925.9 | 2014-09-08 | CN105744830B | 2019-12-17 | 堀雅敏; 铃木智尚; 涩谷和树; 佐藤光成 |
| 本发明提供对各种害虫有效、安全性高、简便并且对环境的负担少的害虫的防除方法。本发明提供以7×1017photons·m‑2·s‑1以上的光强度对成为目标的害虫的卵、幼虫或者蛹照射具有波长域400～500nm的特定波长的可见光而阻碍其变态从而将目标害虫杀死的防除方法。 | ||||||
| 86 | 基于多尺度特征增强与融合的林业害虫检测方法和系统 | CN202311580428.3 | 2023-11-23 | CN117671655A | 2024-03-08 | 王春桃; 郭浩捷; 王子豪; 肖德琴 |
| 本发明提供一种基于多尺度特征增强与融合的林业害虫检测方法和系统，首先获取林业害虫数据集并进行预处理；建立基于多尺度特征增强与融合的林业害虫检测模型EFPDet，包括：引入注意力机制的多尺度特征提取网络、自底向上进行特征融合的特征融合网络，以及用于实现林业害虫分类和定位的检测头；设置损失函数并进行模型训练；最后获取待检测的林业害虫图像并输入训练好的林业害虫检测模型EFPDet中，获取所有害虫的分类结果和定位结果后进行NMS非极大值抑制，获取最终的检测结果，完成林业害虫检测；本发明针对小目标检测提出的高效林业害虫检测模型EFPDet具备轻量化程度高、对小目标检测更友好及整体检测精度高的特点。 | ||||||
| 87 | 一种靶标害虫监测识别系统及方法 | CN202210209971.1 | 2022-03-04 | CN114708438A | 2022-07-05 | 张瑞瑞; 伊铜川; 陈梅香; 李龙龙; 徐刚; 丁晨琛; 吴明齐 |
| 本发明提供一种靶标害虫监测识别系统及方法，该系统包括：图像生成模块，用于生成落在拍摄平台上的目标对象的图像；拍摄平台的颜色为纯色，且与靶标害虫的颜色不同；图像处理模块，用于基于图像生成模块生成的目标对象的图像，得到目标对象的灰度图像，并对提取灰度图像中的目标对象的轮廓信息与靶标害虫的轮廓信息进行相似度分析，确定目标对象的类别；采集控制模块，用于基于目标对象的类别，控制拍摄平台翻转，将目标对象送入目标对象的类别对应的采集空间中。本发明的系统可以实现自动分离靶标害虫与其他杂物的效果，帮助工作人员获取到清洁的靶标害虫标本，有利于提高害虫监测的效率，促进靶标害虫的收集调研工作。 | ||||||
| 88 | 少样本学习的虫情监控与识别方法、装置、设备及介质 | CN202311599370.7 | 2023-11-27 | CN117636249A | 2024-03-01 | 陆翔; 古成龙; 田朝杰; 汪婷 |
| 本申请提供了一种少样本学习的虫情监控与识别方法、装置、设备及介质。该方法包括：采用虫情视觉数据收集装置捕捉害虫，并通过图像采集设备获取害虫图像；对害虫图像进行特征提取确定新物种害虫特征并进行标记，以得到目标数据集；依据所述目标数据集以及元学习算法对虫情检测模型进行训练，优化虫情检测模型初始化参数并得到目标虫情检测模型；采用所述目标虫情检测模型对新物种害虫进行监控与识别。本发明实施例使用虫情视觉数据收集装置诱导并捕获害虫，当检测到新物种害虫时，利用少样本学习算法对少量的新样本进行模型训练。本技术方案结合元学习和自注意力机制来实现有效的害虫种类监控和识别，即使在样本量很少的情况下也能保持高准确率。 | ||||||
| 89 | 基于层次结构的二阶段林业害虫识别与检测系统及方法 | CN202110786515.9 | 2021-07-12 | CN113449806A | 2021-09-28 | 张莉; 孙乐康; 王邦军; 赵雷 |
| 本发明公开了一种基于层次结构的二阶段林业害虫识别与检测系统，包括数据预处理模块，用于对已标注好的林业害虫图像数据集进行预处理，得到用于训练害虫检测阶段的目标检测模型的第一数据集和用于训练害虫分类阶段的分类模型的第二数据集；模型训练模块，用于利用第一数据集对害虫检测阶段的目标检测模型进行训练，并利用第二数据集对害虫分类阶段的分类模型进行训练；图像预测模块，用于利用训练好的目标检测模型对测试图像进行目标检测，将昆虫部分从测试图像中提取以得到新图像，并利用训练好的分类模型对新图像进行物种分类。本发明基于层次结构的二阶段林业害虫识别与检测系统可行性高，可以大幅提升对害虫的识别准确率且具有扩展性。 | ||||||
| 90 | 一种害虫检测与抑制方法及系统 | CN202310039753.2 | 2023-01-12 | CN116486316A | 2023-07-25 | 葛君正; 宋晨; 段强; 姜凯 |
| 本发明涉及计算机视觉和神经网络技术领域，具体提供了一种害虫检测与抑制方法，首先具有导航功能的轮式机器人在农作物之间的道路上行进，使用多个多光谱相机定时拍摄图片，并对图片中的害虫进行标注，形成害虫数据集；构建改进的MobileNet‑SSD模型，作为害虫识别模型，检测到害虫时，进行喷洒生物控制剂。与现有技术相比，本发明将图像的目标检测技术与农业害虫抑制相结合，通过卷积神经网络识别农田中的害虫位置，精确喷洒生物型杀虫剂，提高生物型杀虫剂的利用效率，减少人力成本，促进农业的环保型发展与可持续发展。 | ||||||
| 91 | 害虫防治系统 | CN202210296245.8 | 2022-03-24 | CN114847254A | 2022-08-05 | 万佳; 李建良; 王丽 |
| 本申请公开了一种害虫防治系统，包括：中央控制端、害虫感知模块、多波段机械喇叭声波发生模组以及特异性窄光谱光源可变模组，其中害虫感知模块用于采集靶标害虫数据信息；以及中央控制端配置用于执行以下操作：接收害虫感知模块发送的靶标害虫数据信息，并根据靶标害虫数据信息控制多波段机械喇叭声波发生模组以及特异性窄光谱光源可变模组在目标区域的声光波复合干扰模式。 | ||||||
| 92 | 害虫防治系统 | CN202210296245.8 | 2022-03-24 | CN114847254B | 2023-07-28 | 万佳; 李建良; 王丽 |
| 本申请公开了一种害虫防治系统，包括：中央控制端、害虫感知模块、多波段机械喇叭声波发生模组以及特异性窄光谱光源可变模组，其中害虫感知模块用于采集靶标害虫数据信息；以及中央控制端配置用于执行以下操作：接收害虫感知模块发送的靶标害虫数据信息，并根据靶标害虫数据信息控制多波段机械喇叭声波发生模组以及特异性窄光谱光源可变模组在目标区域的声光波复合干扰模式。 | ||||||
| 93 | 一种害虫消杀系统、方法、电子设备及存储介质 | CN202111533159.6 | 2021-12-15 | CN114255262A | 2022-03-29 | 张艳; 张雪涛; 樊宽刚 |
| 本公开提供了一种害虫消杀系统、方法电子设备及存储介质，包括：数据分析服务器以及无人机，数据分析服务器包括第一图像采集模块以及图像识别模块、无人机上搭载有第二图像采集模块、定位追踪模块以及消杀模块；通过获取待检测区域内多株待检测植株对应的卫星遥感图像；在多株待检测植株中确定目标植株以及目标植株对应的第一位置信息；根据第一位置信息，获取目标植株对应的高光谱图像，在高光谱图像中识别并标注多个目标害虫；针对高光谱图像中标注的多个目标害虫中的每一个，确定目标害虫对应的第二位置信息以及轨迹追踪信息；根据第二位置信息以及轨迹追踪信息对目标害虫进行消杀。可以针对害虫进行精准定位消杀，提升害虫的消杀效率。 | ||||||
| 94 | 一种杀虫组合物及其控制害虫的方法 | CN201410835496.4 | 2014-12-30 | CN105794828B | 2018-06-08 | 罗昌炎; 詹姆斯·T·布里斯托 |
| 本发明涉及的是一种杀虫组合物，包括氟虫吡喹和氟啶虫胺腈；尤其涉及一种控制害虫的方法。一种杀虫组合物，包括氟虫吡喹和氟啶虫胺腈，所述氟虫吡喹和氟啶虫胺腈的重量比为1:100到100:1。一种预防或控制害虫的方法，将所述的杀虫组合物用于目标有用植物、目标害虫或其环境、目标有用植物的繁殖材料。一种保护植物以防害虫侵袭的方法，包括将本发明的杀虫组合物在植物、植物繁殖材料、环境受害虫侵染以前和/或以后进行。所述的杀虫组合物预防或控制卫生害虫的用途。 | ||||||
| 95 | 一种杀虫组合物及其控制害虫的方法 | CN201410835496.4 | 2014-12-30 | CN105794828A | 2016-07-27 | 罗昌炎; 詹姆斯·T·布里斯托 |
| 本发明涉及的是一种杀虫组合物，包括氟虫吡喹和氟啶虫胺腈；尤其涉及一种控制害虫的方法。一种杀虫组合物，包括氟虫吡喹和氟啶虫胺腈，所述氟虫吡喹和氟啶虫胺腈的重量比为1:100到100:1。一种预防或控制害虫的方法，将所述的杀虫组合物用于目标有用植物、目标害虫或其环境、目标有用植物的繁殖材料。一种保护植物以防害虫侵袭的方法，包括将本发明的杀虫组合物在植物、植物繁殖材料、环境受害虫侵染以前和/或以后进行。所述的杀虫组合物预防或控制卫生害虫的用途。 | ||||||
| 96 | 一种基于卷积神经网络的农业病虫害图像识别方法 | CN202310052088.0 | 2023-02-02 | CN116543386A | 2023-08-04 | 陈鹏; 王俊峰; 章军; 夏懿; 焦林; 庞春晖; 王刘向; 孟维庆; 杜健铭; 王儒敬 |
| 本发明涉及一种基于卷积神经网络的农业病虫害图像识别方法，包括：使用相机采集农作物害虫图像；根据筛选条件对采集到的农作物害虫图像进行筛选；对筛选后的农作物害虫图像进行标注，标注后的农作物害虫图像组成数据集；建立害虫识别模型；采用训练集训练害虫识别模型，得到训练好的害虫识别模型，将待识别的害虫图像输入训练好的害虫识别模型，得到识别结果。将深度学习技术中的卷积神经网络应用到农业作物区域提取中，利用采集的农业作物图像集训练网络，最终使网络能够自动识别出农业作物病虫害的数量和类型；本发明提高对农业作物目标的检测识别率，识别速度快，能够从复杂的环境下对病虫害的特征学习，增强了病虫害识别模型的鲁棒性。 | ||||||
| 97 | 一种基于YOLOv5及改进SORT算法的储粮害虫行为分析方法 | CN202310376543.2 | 2023-04-10 | CN117373108A | 2024-01-09 | 潘迎龙; 詹炜; 孙泳 |
| 本发明涉及一种基于YOLOv5及改进SORT算法的储粮害虫行为分析方法，属于储粮害虫行为分析方法技术领域。该基于YOLOv5及改进SORT算法的储粮害虫行为分析方法利用摄像头采集并筛选出储粮害虫爬行视频，并对视频进行逐帧处理，首先对每一帧的图像利用OpenCV进行预处理，检测储粮害虫轮廓，提取目标坐标数据。当某一帧发生目标重叠或丢失的情况，导致某些储量储粮害虫出现检测失败的情况时，将该帧切分后传入YOLOv5s目标检测网络重新进行检测，优化检测结果，解决了现有储粮害虫现有行为分析方法存有的准确率低、易受环境因素影响和重叠时检测效果差的问题，特别适合储粮害虫行为分析使用的需要。 | ||||||
| 98 | 基于移动终端的储粮害虫多维信息采集及预警方法 | CN202210723114.3 | 2022-06-23 | CN115100471A | 2022-09-23 | 李丹丹; 周慧玲; 马一铭; 李江涛; 严晓平; 田冀达 |
| 本发明涉及粮仓虫害监测领域，具体涉及一种基于移动终端的储粮害虫多维信息采集及预警方法，技术方案包括：建立粮仓基本信息，对粮仓中出现害虫的目标区域进行名称定义，并设置对应害虫易发等级；获取目标区域的图像，通过移动终端内嵌入的图像数据集和图像识别算法对目标区域的图像进行离线识别，获取图像中的害虫种类与对应的数量信息；根据粮仓基本信息、对应害虫易发等级以及获取的害虫种类与对应的数量信息建立基本虫情数据；获取粮仓中粮堆的温度以及湿度信息，并将粮堆的温度以及湿度信息相对应的基本虫情数据进行关联，得到粮仓中储粮害虫的多维信息。本发明适用于粮仓害虫监测管理。 | ||||||
| 99 | 油菜害虫识别方法 | CN201911327368.8 | 2019-12-20 | CN111199245A | 2020-05-26 | 周立波 |
| 本发明公开了一种油菜害虫识别方法，包括以下步骤：1)获取样本图像；2)图像预处理；3)建立测试数据集；4)构建害虫识别模型，通过特征提取网络对输入图像提取特征，每个网格检测害虫区中心在该网格内的害虫对象，每个网格估测固定数量的边框，选出用来估测目标的边框，即特征图；5)估测每个边框的置信度，当边框贴合实际的边框时置信度设为1，即作为特征图，否则不作为特征图；6)估测当边框内存在害虫对象时，该害虫属于某个类的概率，得到害虫分类结果。本发明的油菜害虫识别方法，识别算法实时识别害虫的位置及种类，识别速度快，效率高。 | ||||||
| 100 | 基于视觉显著性的粮食害虫检测方法和装置 | CN202011618526.8 | 2020-12-30 | CN112598663B | 2022-10-04 | 于俊伟; 李欣欣; 张自豪; 李浩; 郭倩倩; 李阳; 王贵财 |
| 本公开提供了一种基于视觉显著性的粮食害虫检测方法和装置，所述方法包括：获取当前待检测图像；将所述当前待检测图像输入到预先训练的粮食害虫检测模型中，输出粮食害虫的视觉显著图，其中，所述粮食害虫检测模型为反向级联特征聚合神经网络，包括骨干网络、串联空洞卷积模块和反向特征聚合模块。本发明将视觉显著性用于粮食害虫等小目标检测，通过级联空洞卷积模块增大卷积感受野，通过反向级联特征聚合模块增强和丰富显著小目标的特征表示，使得粮食害虫的检测结果更为精确。 | ||||||
QQ群二维码
意见反馈
意见反馈