(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 (43)申请公布日 (21)申请号 202010157823.0
(22)申请日 2020.03.09
(71)申请人 孔剑
地址 210012 江苏省南京市雨花台区应天
花园16幢202室
申请人 周军 吴京业
(72)发明人 孔剑 周军 吴京业
(74)专利代理机构 苏州市中南伟业知识产权代
理事务所(普通合伙) 32257
代理人 郭磊
(51)Int.Cl.
G06Q 10/06(2012.01)
G06Q 10/08(2012.01)
G06Q 10/10(2012.01)
G06K 9/00(2006.01)
G06N 20/00(2019.01)
(54)发明名称智能虫情监测分析系统(57)摘要本发明公开了一种智能虫情监测分析系统。本发明智能虫情监测分析系统，包括：前端采集终端和后端分析展示平台；所述采集终端的虫板将害虫吸引到采集终端，虫板需定期更换，终端定时采集虫情图像，发送至后台；后端分析展示平台通过AI算法学习各类虫害外形，在收集到虫情图像后，通过AI算法精准统计害虫数量变化；当虫害达到预设数量时，平台自动推送虫情报警信息给相关人员，进行杀虫处理。本发明的有益效果：可广泛应用于各行业的仓储管理，不同类型的害虫，通过AI人工智能学习即可被识别；部署快捷，无需架设网络及电源，快速安装使用；智能巡检解放企业人力，预警功能及时提醒；工业级设计，可安装在各个位置、 角落。权利要求书1页 说明书5页 附图3页CN 111445112 A 2020.07.24
C N 111445112
A
1.一种智能虫情监测分析系统，其特征在于，包括：前端采集终端和后端分析展示平台；所述采集终端的虫板将害虫吸引到采集终端，虫板需定期更换，终端定时采集虫情图像，发送至后台；所述后端分析展示平台通过AI算法学习各类虫害外形，在收集到虫情图像后，通过AI算法精准统计害虫数量变化；当虫害达到预设数量时，平台自动推送虫情报警信息给相关人员，进行杀虫处理。
2.如权利要求1所述的智能虫情监测分析系统，其特征在于，终端启动后进入Sleep模式，以降低功率；在后台预设的时间，终端进入Normal模式，拍摄虫情图像，将图像发送到后台后，终端再次进入Sleep模式来降低功耗。
3.如权利要求1所述的智能虫情监测分析系统，其特征在于，所述虫板通过性诱将害虫吸引到采集终端。
4.如权利要求1所述的智能虫情监测分析系统，其特征在于，前端采集终端支持远程固件更新(OTA)，实现后期功能的优化与实时更新。
5.如权利要求1所述的智能虫情监测分析系统，其特征在于，所述AI算法具体包括：第一步，收集现场大量的原始虫板沾纸拍摄成图像，然后从图片中截取出虫子，将不同种类的虫子分类，作为AI人工智能分析学习的数据集；
第二步，使用TensorFlow的AI人工智能学习算法，学习不同种类的虫子并生成模板；第三步，算法接收到智能监测终端上传的图像后，采用数字图像处理技术，通过图像灰度化、去噪、滤波、图像二值化、腐蚀、膨胀的处理流程；
第四步，调用AI人工智能学习模板，分析、计算出处理后图片中的虫子数量和种类。
6.如权利要求5所述的智能虫情监测分析系统，其特征在于，所述AI算法还包括：第五步，将当前的虫情数据与上一次虫情检测数据比对，当增加量超出用户预设值，实时向用户报警。
7.如权利要求6所述的智能虫情监测分析系统，其特征在于，所述AI算法还包括：第六步，通过大数据算法，根据虫情出现的时间、数量结合仓库的温度、湿度、季节等条件推算未来虫情大量出现的可能，提前告知用户做好防范。
8.如权利要求1所述的智能虫情监测分析系统，其特征在于，用户可自行设定智能终端自动拍摄周期，智能终端按设定时间，将虫情图像通过无线移动网络发送至AI人工智能分析系统。
9.如权利要求1所述的智能虫情监测分析系统，其特征在于，前端采集终端和后端分析展示平台通过无线方式相连。
10.如权利要求9所述的智能虫情监测分析系统，其特征在于，无线方式采用NB -IoT/GPRS/4G/5G/LTE。
权 利 要 求 书1/1页CN 111445112 A
智能虫情监测分析系统
技术领域
[0001]本发明涉及虫情监测领域，具体涉及一种智能虫情监测分析系统。
背景技术
[0002]仓库作为物资存放保管的重要手段，广泛用于企事业单位，仓库的环境将直接影响到物资存放质量，不良的仓库环境造成的货物发霉，质变将对企业造成重大损失。虫情作为影响仓库存储质量的关键因素之一，一直是库管人员关注的核心指标。
[0003]传统技术存在以下技术问题：
[0004]目前，企事业单位大多使用传统的诱虫板放置在仓库中，以人工巡检的方式查看虫情情况。人工巡检的方式不但需要投入大量的人力，并且无法及时的获取数据，对于虫情的及时、有效性监测给库管人员带来极大的困扰。
发明内容
[0005]本发明要解决的技术问题是提供一种智能虫情监测分析系统。智能虫情监测终端的高清摄像头拍摄虫情图像，通过NB/LTE等无线网络传输技术向后端分析展示平台传输虫情图像。分析平台采用AI智能算法、机器学习等技术剔除干扰，精准识别害虫数量和害虫类别，同时将数据存储到云端。客户可在后台查看当前害虫数量、害虫数量趋势变化图、虫情预警、监控终端分布等应用。解放巡检人力，实现办公室的远程仓库巡检，提升企业的智能化、透明化办公能力。
[0006]为了解决上述技术问题，本发明提供了一种智能虫情监测分析系统，包括：前端采集终端和后端分析展示平台；所述采集终端的虫板将害虫吸引到采集终端，虫板需定期更换，终端定时采集虫情图像，发送至后台；所述后端分析展示平台通过AI算法学习各类虫害外形，在收集到虫情图像后，通过AI算法精准统计害虫数量变化；当虫害达到预设数量时，平台自动推送虫情报警信息给相关人员，进行杀虫处理。
[0007]在其中一个实施例中，终端启动后进入Sleep模式，以降低功率；在后台预设的时间，终端进入N
ormal模式，拍摄虫情图像，将图像发送到后台后，终端再次进入Sleep模式来降低功耗。
[0008]在其中一个实施例中，所述虫板通过性诱将害虫吸引到采集终端。
[0009]在其中一个实施例中，前端采集终端支持远程固件更新(OTA)，实现后期功能的优化与实时更新。
[0010]在其中一个实施例中，所述AI算法具体包括：
[0011]第一步，收集现场大量的原始虫板沾纸拍摄成图像，然后从图片中截取出虫子，将不同种类的虫子分类，作为AI人工智能分析学习的数据集；
[0012]第二步，使用TensorFlow的AI人工智能学习算法，学习不同种类的虫子并生成模板；
[0013]第三步，算法接收到智能监测终端上传的图像后，采用数字图像处理技术，通过图
像灰度化、去噪、滤波、图像二值化、腐蚀、膨胀的处理流程；
[0014]第四步，调用AI人工智能学习模板，分析、计算出处理后图片中的虫子数量和种类。
[0015]在其中一个实施例中，所述AI算法还包括：第五步，将当前的虫情数据与上一次虫情检测数据比对，当增加量超出用户预设值，实时向用户报警。
[0016]在其中一个实施例中，所述AI算法还包括：第六步，通过大数据算法，根据虫情出现的时间、数量结合仓库的温度、湿度、季节等条件推算未来虫情大量出现的可能，提前告知用户做好防范。
[0017]在其中一个实施例中，用户可自行设定智能终端自动拍摄周期，智能终端按设定时间，将虫情图像通过无线移动网络发送至AI人工智能分析系统。
[0018]在其中一个实施例中，前端采集终端和后端分析展示平台通过无线方式相连。[0019]在其中一个实施例中，无线方式采用NB-IoT/GPRS/4G/5G/LTE。
[0020]本发明的有益效果：
[0021]可广泛应用于各行业的仓储管理，不同类型的害虫，通过AI人工智能学习即可被识别；部署快捷，无需架设网络及电源，快速安装使用；智能巡检解放企业人力，预警功能及时提醒；工业级设计，可安装在各个位置、角落。支持各种统计功能，提供各类分析报表，2D/ 3D位置看板；使用电池供电，易于更换；安全网络传输，符合企业安全管理要求。
附图说明
[0022]图1是本发明智能虫情监测分析系统的结构示意图之一。
[0023]图2是本发明智能虫情监测分析系统的结构示意图之二。
[0024]图3是本发明智能虫情监测分析系统的前端采集终端的外形结构图。
[0025]图4是本发明智能虫情监测分析系统的智能监控终端架构图。
[0026]图5是本发明智能虫情监测分析系统的展示界面。
具体实施方式
[0027]下面结合附图和具体实施例对本发明作进一步说明，以使本领域的技术人员可以更好地理解本发明并能予以实施，但所举实施例不作为对本发明的限定。
[0028]参阅图1和图2，整个产品分为前端采集终端和后端分析展示平台。通过性诱等诱导方式的虫板将害虫吸引到采集终端，虫板需定期更换，终端定时采集虫情图像，发送至后台。终端采用电池供电，功耗是整个终端的设计难点。终端启动后进入Sleep模式，以降低功率；在后台预设的时间，终端进入Normal模式，拍摄虫情图像，将图像发送到后台后，终端再次进入Sleep模式来降低功耗。通过这种低功耗设计，终端充满电或更换新电池后，可以使用6个月以上。
[0029]后端分析展示平台通过AI算法学习各类虫害外形，在收集到虫情图像后，通过AI 人工智能计算，大数据分析，自动去除灰尘、杂物等干扰因素，精准统计害虫数量变化。当虫害达到预设数量时，平台自动推送虫情报警信息给相关人员，进行杀虫处理。
[0030]本产品的总体架构为：前端采集终端->无线传输->AI人工智能分析->云端数据存储->数据应用
[0031]一.前端采集终端(参阅图3和图4)
[0032]第一部分为32位ARM Cortex M4架构超低功耗微处理器，待机功耗低至纳安级别，5us的深度睡眠唤醒时间，可实现传统电池供电下的超长待机与快速响应；高达14bit的相机数据接口(DCMI)，可兼容多种高低规格的摄像头；内置高低频各种主频时钟(LSI 32K、HSI 16M、HIS 48M)，且支持时钟输出，对于系统功耗的降低具有积极意义。
[0033]第二部分为6.0V锂锰电池，具有电量密度大，自放电率低，输出功率高等特点，契合此系统的超长待机和体积需求选择了超低自损耗方案。可通过模式切换，实现静态模式下的纳安级静态电流，保证了系统的待机时长；亦可切换至动态模式，实现500mA电流输出，满足系统功耗需求；同时具备过流保护(OCP)，过热保护(TSD)，欠压锁定(UVLO)等功能，保证系统稳定可靠。
[0034]第三部分为OmniVision OV5640摄像模组，500W像素，支持防抖，自动对焦，配合中长焦自动对焦镜头，可采集畸变尽可能小的高清图像；具有自动曝光(AEC)、自动白平衡(AWB)、自动黑电平校正(ABLC)等一系列自动功能，保证图像稳定输出；可输出RAW RGB、YUV 422、YCbCr422、JPEG等各种常用图像数据。
[0035]第四部分为移动(Quectel)4G LTE模块，支持LTE，UMTS/HSPA+和GSM/GPRS/EDGE网络，在LTE FDD网络下，最高可实现100Mbps下行速率与50Mbps上行速率。
[0036]第五部分为代码模块，可实现定时拍摄图片上传，同时支持远程固件更新(OTA)，实现后期功能的优化与实时更新。
[0037]二.无线传输
[0038]方案采用可以采用NB-IoT/GPRS/4G/5G等无线方式传输。无需用户自行搭建网络，方便用户快速部署。
[0039]三.AI人工智能分析算法
[0040]第一步，收集现场大量的原始虫板沾纸拍摄成图像，然后从图片中截取出虫子，将不同种类的虫子分类，作为AI人工智能分析学习的数据集。
[0041]第二步，使用TensorFlow的AI人工智能学习算法，学习不同种类的虫子并生成模板。
[0042]第三步，算法接收到智能监测终端上传的图像后，采用数字图像处理技术，通过图像灰度化、去噪、滤波、图像二值化、腐蚀、膨胀的处理流程，减少原始图像中的杂质干扰。[0043]第四步，调用AI人工智能学习模板，分析、计算出处理后图片中的虫子数量和种类。
[0044]第五步，将当前的虫情数据与上一次虫情检测数据比对，当增加量超出用户预设值，实时向用户报警。
[0045]第六步，通过大数据算法，根据虫情出现的时间、数量结合仓库的温度、湿度、季节等条件推算未来虫情大量出现的可能，提前告知用户做好防范。
[0046]四.云端数据存储
[0047]数据可选择存储在云端或公司主机中，支持私有云、公有云及混合云等部署方式。[0048]五.数据应用
[0049]参阅图5，数据展示及报警：将虫情数据直观的展示在监控电脑或看板上，提供分时的数据统计报表及图形化展示界面。
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议