橘小实蝇成虫诱捕监测装置的设计与试验

为了解决现有的害虫机器监测技术与传统的监测手段结合存在的实时监测难度高、信息处理困难、成本高等问题,该文设计研发一种适用于果园环境的橘小实蝇成虫诱捕监测装置用于监测橘小实蝇成虫虫口密度。该装置外观由遮光罩、进虫口、虫口监测区和储虫瓶构成,信号检测模块包括红外光电耦合传感器匹配电路、电压跟随器电路、差分放大电路和迟滞比较器电路4部分。性能测试结果表明:该诱捕监测装置底部储虫瓶有、无遮光处理时,相应的感应电压均值分别为3.923和3.883 V,差异显著(P0.05),且上述2种方式均能使检测探头输出工作在线性区域;虫口监测通道管壁设计成黑、白、蓝3色,在自然光照条件下,管壁颜色对监测探头感应性能无显著差异性(P=0.606);监测区域不同区域位置感应输出响应也无显著差异性(P=0.797),区域位置对监测输出误差影响可以忽略。应用该诱捕监测装置和人工计数方式在橘小实蝇成虫发生高峰期连续5 d 24 h监测成虫虫口密度,结果表明该装置监测相对误差为3%~8%,相比传统的人工计数方式,具有实时、自动化监测的优点,能够满足现有的橘小实蝇成虫长时期数据动态监测的需求,适用于果园橘小实蝇成虫动态监测推广使用。     

基于机器视觉的橘小实蝇运动轨迹跟踪与数量检测

橘小实蝇发生期虫口数量是威胁果树生长状况的重要参数,是实施精准变量喷雾的基础。为实现果园大尺度、现场、实时和快速检测橘小实蝇虫害发生情况,该文提出了一种基于机器视觉技术在虫口区域跟踪橘小实蝇运动轨迹和数量检测的方法。试验采用橘小实蝇视觉检测平台,选取华南农业大学资源与环境学院橘小实蝇饲养室采集的视频图像作为评价样本,通过人工与机器视觉方式比较视频前50?000帧的检测效果,试验结果表明人工和机器视觉检测的橘小实蝇数量分别为85、78头;机器视觉漏检率为9.4%,达到虫害数量统计要求。     

基于Mean shift的筛面物料颗粒目标运动轨迹跟踪

为了获取农业物料在风筛式清选筛面的实际运动规律,通过对多颗粒散体中的目标颗粒进行着色处理,提出采用基于颜色特征向量的Mean shift算法,实现对目标运动轨迹的跟踪。算法根据Bhattacharyya系数的大小判定跟踪目标是否被遮挡,并引入了Kalman滤波器设计。在正常跟踪过程中,利用Kalman滤波器预测每帧Mean shift算法的起始位置,然后利用Mean shift算法对目标进行精确定位,当目标被遮挡时,将其运动视为时不变系统,并通过Kalman滤波器估算目标近似位置。试验结果表明,该方法在复杂背景和光照变化条件下,实现了对快速运动目标的稳定持续跟踪,具有很好的鲁棒性,为散体颗粒运动规律的研究提供了一种图像检测方法。     

基于无线传感器网络的橘小实蝇成虫监测系统设计与试验

为实现在橘园区域内及时、准确地监测橘小实蝇成虫数量及环境、气象变化,该文提出将无线传感器网络技术作为其信息感知和传输的载体,设计和开发了橘小实蝇成虫动态监测系统并部署于华南农业大学国家柑橘产业技术体系柑橘机械研究室试验橘园,包括10台橘小实蝇成虫监测节点、1台环境气象监测节点及1台WSN+GPRS型边际路由器。系统中各监测节点采用TinyOS操作系统,节点间通信遵循ZigBee协议,节点在待机和全功能模式消耗的电流分别为39.52～42.72 mA和92.21～95.32 mA,边际路由器在待机和数据收发工作状态消耗的平均电流分别为190和250 mA,与之相配置的太阳能供电模块的供电能力均能满足其能耗需求;开展了近5个月的数据包传输率试验,各节点丢包率控制在11.9%～20.8%,数据通信的稳定性与植被和气候条件等因素密切相关,合理部署节点天线高度可解决该问题。试验结果表明,系统可实现数据稳定传输,适合橘园橘小实蝇成虫的动态监测。     

柿园橘小实蝇的发生为害特点及防控技术要点

近年来,橘小实蝇在柿子上的发生逐年加重,给广西桂林市平乐县柿子产业带来严重威胁。经连续3年对柿园橘小实蝇进行观察研究,通过开展系统监测,釆取了柿园深翻土壤、捡除落果和虫果、林下养鸡、诱杀成虫和科学用药等防治措施。综合分析柿园实际情况,制定橘小实蝇的防控技术和措施,取得了较好应用效果,可在全县大面积防控柿园橘小实蝇提供参考依据。     

海南莲雾园橘小实蝇种群动态与综合防治研究

2011~2012年采用甲基丁香酚灭雄和蛋白饵剂诱杀雄、雌两性成虫的方法,开展了海南莲雾园橘小实蝇(Bactrocera dordalis Hendel)种群动态监测与综合防治研究。结果显示,海南苏昌和名门莲雾园橘小实蝇种群发生的2个高峰期分别在4月底与6月中旬、5月初与6月中旬;橘小实蝇种群密度(667 m2/d诱杀橘小实蝇虫量)与莲雾果实被害率明显呈正相关。采用诱杀技术与及时清园和处理虫、落果等农业措施相结合的方法综合防治莲雾园橘小实蝇的效果显著,在不套袋和不喷施农药的情况下,莲雾正造果花果至收获期(3~6月)果实的被害率比防治前降低4.92%~40.75%。     

卵期辐照对橘小实蝇生长发育繁殖的影响

为研究卵期辐照对橘小实蝇生长发育及繁殖的影响,取12、24、36 h卵龄的橘小实蝇卵分别经过60Co 5.0、10.0、15.0、20.0、25.0、30.0、35.0、40.0Gy的剂量辐照,比较辐照后橘小实蝇卵的孵化率。结果显示,大于5.0Gy的辐照剂量显著抑制12 h卵的孵化,而各剂量的辐照对24、36 h的橘小实蝇卵的孵化率均无显著影响。取孵化率较高的36h的辐照卵做后续研究,结果表明,所有剂量辐照对橘小实蝇的影响无性别差异;20Gy及以上的剂量辐照显著降低蛹重,且均使橘小实蝇的蛹不能羽化;随辐照剂量的增加,橘小实蝇成虫飞出率、死亡率增大,子一代F1卵孵化率降低。15~20Gy的剂量辐照36 h卵龄的卵可达到对橘小实蝇幼虫和蛹的影响最小但能显著降低或抑制成虫羽化的目的。本研究为有效分离橘小实蝇与以橘小实蝇卵为寄主的寄生蜂提供一定科学依据,为人工大量饲养寄生蜂防治橘小实蝇的危害提供基础。     

利用Kalman滤波和Hungarian算法的多目标奶牛嘴部跟踪及反刍监测

针对奶牛养殖场复杂环境下多目标奶牛嘴部自动跟踪及反刍监测的困难,该研究提出了一种基于嘴部区域跟踪的多目标奶牛反刍行为智能监测方法。在YOLOv4模型识别奶牛嘴部上下颚区域的基础上,以Kalman滤波和Hungarian算法跟踪上颚区域,并对同一奶牛目标的上颚和下颚区域进行关联匹配获取嘴部咀嚼曲线,以此获取反刍相关信息,从而实现多目标奶牛个体的嘴部跟踪和反刍行为监测;为解决奶牛快速摆头运动和棚舍栏杆遮挡引发奶牛标号变化的问题,提出未匹配跟踪框保持及扩大的方法。采集并选择实际养殖场环境下的反刍奶牛视频66段,对其中58段视频采取分帧操作得到图像,制作YOLOv4模型数据集,以其余8段视频验证跟踪方法和反刍行为判定方法的有效性。试验结果表明,YOLOv4模型对奶牛嘴部上颚、下颚区域的识别准确率分别为93.92%和92.46%;改进的跟踪算法可实现复杂环境下多目标奶牛嘴部区域的稳定跟踪,且有效解决了栏杆遮挡、快速摆头运动造成的奶牛标号变化现象,上下颚匹配率平均为99.89%,跟踪速度平均为31.85帧/s;由反刍行为判定方法获取的咀嚼次数正确率的平均值为96.93%,反刍时长误差的平均值为1.48 s。该研究可为实际养殖中多目标奶牛反刍行为的智能监测和分析提供参考,也可供其他群体动物运动部位的跟踪和行为监测借鉴。     

基于改进可变形部件模型与判别模型的葡萄叶片检测与跟踪

为解决酿酒葡萄生长状态自动监测问题,该文提出基于机器视觉和视频处理技术的自动监测系统,开发了多角度可变形部件模型的葡萄叶片检测算法和基于颜色特征的判别模型跟踪算法。在叶片检测方面,该算法对颜色特征图像采用可变形部件模型训练出多角度叶片检测器,通过多模型匹配后产生叶片检测候选集合,选择集合中得分最高的检测结果作为最后的定位信息;在跟踪方面,结合图像中目标的颜色直方图,建立具有区分背景和目标的组合判别模型,并将位置函数的最大值作为相邻帧的目标位置,从而实现对叶片目标的实时跟踪。试验结果表明,该文检测算法对自然条件下的葡萄叶片平均检测率为88.31%,误检率为8.73%;叶片跟踪的准确性也相对较高,其重叠率高达0.83,平均中心误差为17.33像素,其证明了该算法的有效性,研究结果为葡萄生长状态的自动分析提供参考。     

高能电子束对橘小实蝇的辐照效应研究

橘小实蝇是一种毁灭性果蔬害虫,本文研究了高能电子束对香蕉中橘小实蝇的致死效果,探索其用于防治和口岸检疫诊断的可行性。通过AB5.0~20x型电子直线加速器对香蕉中橘小实蝇的卵和幼虫、沙土中蛹辐照,辐照剂量为0、500、1000、1500、2000、3000Gy,结果显示高能电子束辐照对橘小实蝇卵、幼虫、蛹的LD50分别为879.8、2839.1、868.5Gy,表明幼虫对高能电子束的耐受能力较强。3000Gy能有效抑制卵的孵化(孵化率1.05%)、蛹的羽化(羽化率0),而幼虫致死率仅62.22%。高能电子束辐照效应还有待进一步研究优化。     

适应场景光照变化的桔小实蝇诱捕监测系统优化设计与试验

为了减少光照造成的桔小实蝇误判,该文在前期设计的基于视频监控的桔小实蝇诱捕装备的基础上,优化改进了硬件装备及监测执行算法。主要通过对装备遮光系统和太阳能装置的改良及Wi Fi/4G等技术的应用形成了一套较完善的集采集、处理、传输和供电为一体的桔小实蝇诱捕监测新装备。同时,改进提出了一种可适应场景光照变化的桔小实蝇检测算法(Bactrocera dorsalis detection algorithm under lighting variations,BDDA-LV),并对软件系统的控制流程与感兴趣数据的判别、获取及传输进行优化,最终形成了一套有较好人机交互的桔小实蝇监测软件系统。通过对新旧桔小实蝇检测算法及系统分别开展了室内和野外试验,结果表明,在中度光照影响下,BDDA-LV算法错误率为7.21%,比原算法降低19.07%,且其运算耗时为原算法的41.7%。在严重的光照影响下,BDDA-LV算法错误率为12.4%,比原算法降低23.07%,且其运算耗时为原算法的42.2%。同时在广州市天河区杨桃公园自然环境下进行了的较长期系统监测试验,该系统可实时稳定地对桔小实蝇进行监测计数。通过对2015年6月18日至24日自然环境下的试验,用计算机系统记录和人工计数比较分析,得到计算机系统计数1634头,人工计数1613头,准确度达98.7%,比优化之前在实验室进行监测试验的系统跟踪精度提高了3.8%。该文所提出的BDDA-LV准确率和运算速率都远高于BBDA算法,整个系统拥有较高的精度和稳定性,具有较好的推广应用价值。     

基于多特征融合的粒子滤波生猪采食行为跟踪

针对中国养猪业规模化、集约化迅猛发展过程中,人工观察监测记录生猪生长情况需损耗大量人力和物力,得到数据误差大的问题,该文提出将颜色特征与目标轮廓形心特征融合,基于粒子滤波算法实现生猪采食行为跟踪,当目标跟踪矩形框中心坐标和跟踪目标轮廓形心坐标之间的横坐标偏差大于跟踪目标轮廓横坐标方向的最大值与最小值的差的一半时,或其之间的纵坐标偏差大于跟踪目标轮廓纵坐标方向的最大值与最小值的差一半时,对基于颜色特征粒子滤波算法得到的跟踪矩形框的中心坐标进行二次修正,提高了目标生猪跟踪的可靠性和鲁棒性;通过对比试验,结果表明:该方法能够对目标生猪的采食行为进行自动跟踪、记录和分析,记录的目标生猪一天内的采食次数和采食时间与人工记录结果基本相同,有效跟踪平均精度为93.4%。     

橘小实蝇雄性不育技术——雄蛹辐照最佳时期和剂量

羽化前1、2、3d的橘小实蝇雄蛹分别经过901、001、05Gy的60Co辐射,检测其羽化率、飞行能力和耐压存活率;羽化后再分别与普通雌虫杂交,在羽化后的第10天、第17天分别取卵200粒,计算卵孵化率。研究结果表明,对橘小实蝇雄蛹辐射的最佳时期为羽化前2d;最佳辐射照量为100Gy。     

采用计算机视觉进行棉花虫害程度的自动测定

采用计算机视觉技术，根据棉花叶片的孔洞及叶片边缘的残缺，来测定棉花虫害的受害程度。该方法应用局部门限法完成图像与背景的分割；用高斯拉普拉斯算子，进行棉花图像的边缘检测；利用边缘跟踪算法确定棉叶中的孔洞；利用膨胀算法确定叶片边缘的残缺。实验结果表明，该方法可有效的测定棉花虫害的受害程度，其测定误差小于0.05。     

基于补偿模糊神经网络的脐橙不同病虫害图像识别

为了开发脐橙不同病虫害的通用机器识别技术,对病虫害危害后的脐橙图像进行蓝色分量去背景,改进型分水岭算法提取病虫害为害状边界,据此边界对原彩色图像中的为害状进行标记,以标记区红色、绿色、蓝色分量表征病虫害为害状的颜色特征,为害状边界分形维数表征病虫害为害状的形状特征,将这4个特征值作为补偿模糊神经网络输入,建立补偿模糊神经网络脐橙病虫害识别模型,识别脐橙病虫害。4种病虫害及机械损伤果的平均正确识别率为85.51%,该方法可用于脐橙病虫害识别。