摘要
本发明涉及农业害虫监测技术领域,具体为一种基于AI视觉识别的蝗虫种群密度智能监测方法,包括通过多光谱摄像设备采集目标区域的蝗虫活动图像序列,同步获取地理坐标及环境参数;对所述图像序列进行运动目标检测,融合背景差分法与光流法以分离动态蝗虫目标;采用改进的YOLOv8深度学习模型对蝗虫个体进行识别与分类,输出目标位置及类别信息;基于密度图回归网络对高密度重叠区域的蝗虫数量进行统计建模;结合地理信息系统(GIS)生成三维种群密度热力图,并预测迁徙路径。在检测精度上,可以实现在100‑500只/㎡密度范围内,绝对误差≤15%;在数据处理效率上:上传1080P图像处理时间≤0.2秒/帧;在系统成本上:较人工巡查降低运维费用约70%。
技术关键词
智能监测方法
蝗虫
多光谱摄像设备
密度
背景差分法
DBSCAN聚类算法
地理信息系统
视觉
深度学习模型
ViBe算法
风速风向数据
多尺度特征融合
区块链存证
热力图
特征数据库
动态背景
图像采集模块
可见光波段
置信度阈值
剔除噪声
系统为您推荐了相关专利信息
控制优化方法
交叉口
实时信号
路段行程时间
概率密度函数
外径检测方法
高压电缆
关键点
电缆接头表面
切片点云
概率估计方法
协方差矩阵
概率密度函数
卡尔曼滤波算法
状态空间模型