基于AI图像识别的烟草制品虫情监测系统的设计与实现

2020-02-02 03:25周继来
电子技术与软件工程 2020年17期
关键词:虫情图像识别虫害

周继来

(红云红河烟草(集团)有限责任公司 云南省昆明市 650000)

控制烟草制品中的虫口数量,目前主要采用的是通过虫情监测掌握虫情变化,结合深度清洁、物理防控、化学药剂防治的方式进行联防联控[1]。在虫情监测环节,主要依靠人工记录仓间或厂房内“性信息素诱捕器”上烟草甲、烟草粉螟的新增数量和累计数量。对于该项工作,存在以下两个问题:一是仓库点多、面广,人员在记录虫情的过程中劳动强度较大。二是人员记录过程中存在记录不够准确、不及时等问题,对于虫害防治的及时性和有效性提出了较大的挑战[2]。

行业发展前沿的虫情监测手段,主要分为如下几种:一是应用远程拍照、远程通信、图像处理等物联网技术,研发了昆虫远程性诱测报装置,改进了传统性诱测报方式。开发了基于Android 的害虫虫情田间采集APP 端(以下简称APP 端),实现田间虫害信息采集的信息化.基于远程性诱图像采集和APP 端,建立了虫情数据库,构建了作物虫情采集监测预警系统。该系统的应用便于基层植保技术人员进行虫情数据采集、查询,以及虫害预警信息的发布,实现作物害虫监测预警的信息化[3]。二是建立烟草虫情监控系统,包括通过网络连接通信的虫情服务器、采集客户端以及监控客户端;监控区域内设有多个位置不同的诱捕器;各诱捕器上分别设有记录有相应诱捕器位置信息的RFID 电子标签。采集客户端用于诱捕器位置和虫情信息的采集,虫情服务器用于单点或区域位置虫情的分布情况分析,虫情服务器输出的虫情分布统计信息能够通过监控客户端展示给客户端用户[4]。以上的两项研究,主要基于移动APP 和Web Service 的方法进行虫情监测,随着智慧物流的不断发展,云计算、大数据、物联网、AI 等技术不断深化至各个领域,目前行业内针对AI 图像识别虫情实现检测的系统还处于空白,因此,本论文针对如何运用AI 图像识别技术,针对烟草行业主要的虫情(烟草甲、烟草粉螟)进行识别,建立对应的自学习机制,对今后推行AI 图像识别虫情监测的相关企业来说,具有较好地参考借鉴意义。

1 系统设计

1.1 系统架构

AI 图像识别主要基于深度学习的视觉监测技术,具体方法是通过对计算机输入一定数量的某种信息,标注信息具体类别,经由卷积神经网络学习形成训练模型,让机器具有对该种信息的不同类别进行识别和判定的能力,从而让计算机像人脑一样“学会”某一种判别规则,构建一种基于历史信息的判别机制。

图1:基于AI 图像的虫情监测系统构架

图2:SVM 建模过程

图3:虫情每周实时新增数据及趋势

对于基于AI 图像的虫情监测系统构建,如图1所示。

1.2 烟草甲、烟草粉螟AI识别系统设计与实现

图4:虫情每周实时新增数据及趋势

图5:熏蒸计划下达

基于SVM 向量机算法开展烟草甲、烟草粉螟的AI 智能识别,其主要实现如下:定义线性判别函数为f(x)=w·x+b,对应的分类面方程为w·x+b=0,其中x 为输入量,w 为可调权值向量,b 是偏置。将函数进行归一化,使两类所有样本都满足|f(x)|≥1,也就是离样本分类面最近的样本的f(x)=1,若要求分类面所有的样本都正确分类需满足:

定义一个Lagrange 函数:

求解上述问题后得到的最优分类函数为:

对于线性不可分情况,可以通过引入松弛变量ξ,允许错分样本的存在,此时,目标函数为:

相应的分类函数也变为:

从本质上看,烟草甲识别、烟草粉螟识别等属于二分类的范畴。所以在建模的过程中,为了提高分类器的处理速度及精度,建立了2 个二分类SVM 模型。二分类SVM 设备诊断模型的建模过程,如图2所示。

在图2 的建模过程中,总训练集包括烟草甲数据集S1、烟草粉螟数据集S2。

2 应用效果

运用AI 图像识别技术,与现有的磷化氢智能监测系统相关联,实现了如下功能:

(1)通过AI 图像识别技术自动录入库内性信息素诱捕器虫情数据,系统中可实时记录烟草甲、烟草粉螟数量变化,可展示每周新增趋势。如图3所示。

(2)通过AI 图像识别技术可细分多个库区、不同楼层仓间内的每周虫情新增烟草甲、烟草粉螟相关累计数及新增数,并能准确导出虫情监测数据报表,如图4所示。

(3)能够根据虫情的实际情况,具体为平均每周诱捕烟草甲虫数量超过10 头或烟草粉螟数量超过15 头时,启动相应的虫害治理流程,针对库区、仓间、楼层设置对应的熏蒸作业,明确施药类型和具体的施药剂量,安全开展熏蒸作业,如图5所示。

3 结论

通过基于AI 图像识别的虫情检测系统的实现,实现了烟草甲、烟草粉螟的自动识别和实时监测,解决了传统意义上依靠人工读数检测醇化库各楼层性诱捕器上虫情数带来的战线长、时间久等问题,减轻了操作人员的劳动强度。通过将虫情的特性信息以工业相机识别的方式,采用SVM 算法,实现了AI 自动检测,智能识别性诱捕器上烟草甲、烟草粉螟的数量情况,具有较好地检测精度,并具有广阔的推广价值,今后可运用该技术识别更多类型的虫情信息,进行自动检测,更好地推广至烟草行业以外的其他行业,为全面实现虫害有效的防治打下坚实基础。

猜你喜欢
虫情图像识别虫害
虞以新:鉴定“虫情”的大侦探
桃树主要虫害及防治方法
基于Resnet-50的猫狗图像识别
不用农药也能治虫害
高速公路图像识别技术应用探讨
平山县2018年性诱剂和虫情灯诱测棉铃虫成虫效果比较
图像识别在物联网上的应用
图像识别在水质检测中的应用
基于极端学习机算法的虫情预测研究
我国病虫害监测预警系统取得新突破