换一批基于机器视觉和深度学习的稻纵卷叶螟性诱智能监测系统
Pheromone-baited intelligent monitoring system of Cnaphalocrocis medinalis(Lepidoptera:Pyralidae)based on machine vision and deep learning
摘要[目的]为减轻基层测报人员工作量,提高稻纵卷叶螟Cnaphalocrocis medinalis性诱测报的准确率和实时性,实现监测数据可追溯,建立了基于机器视觉的稻纵卷叶螟性诱智能监测系统.[方法]稻纵卷叶螟性诱智能监测系统包括基于机器视觉的智能性诱捕器、基于深度学习的稻纵卷叶螟检测模型、系统Web前端和服务器端.利用工业相机、光源和Android平板搭建了智能性诱捕器的机器视觉系统;建立了基于改进的YOLOv3和DBTNet-101双层网络的稻纵卷叶螟检测模型;利用HTML,CSS,JavaScript和Vue搭建系统Web前端展示稻纵卷叶螟检测与计数结果;使用Django框架搭建服务器端,对来自智能性诱捕器通过4G网络上传的图像进行接收与结果反馈;采用MySQL数据库保存图像和模型检测结果等信息.[结果]基于机器视觉的稻纵卷叶螟性诱智能监测系统利用智能性诱捕器自动定期上传稻纵卷叶螟图像至服务器,部署在服务器上的目标检测模型对稻纵卷叶螟成虫进行实时自动检测,精确率和召回率分别达97.6％和98.6％;用户可通过Web前端查看稻纵卷叶螟检测结果图.[结论]基于机器视觉的稻纵卷叶螟性诱智能监测系统实现了图像的定时自动采集、稻纵卷叶螟成虫的准确检测与计数,实现了稻纵卷叶螟性诱监测的智能化和实时性,减轻了测报人员的工作量,监测数据可追溯.
更多相关知识
- 浏览30
- 被引18
- 下载1
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
