一种害虫识别装置及方法

本发明涉及作物害虫识别领域，具体涉及一种害虫识别装置及方法。

背景技术：

1、据统计，害虫每年导致全球15-20％的作物损失，并间接或直接传播病害和病毒，破坏生态平衡。在中国这样的农业大国，农田害虫的监测和虫情灾害的统计预报对于确保农作物的产量和质量至关重要。传统的害虫识别方法主要依赖于人工，即经验丰富的农民和昆虫分类专家通过观察害虫的形态特征来进行识别。然而，这种方法存在劳动强度大、效率低等问题，特别是在害虫种类繁多、数量庞大的情况下。

2、近年来，深度学习技术在图像识别领域展现出了令人瞩目的进展，尤其是卷积神经网络（cnn）在图像分类任务中取得了革命性的突破。在农业领域，基于深度学习的图像识别技术已经能够高效且准确地辨识农田害虫，为农作物的实时监测和早期预警提供了强有力的技术支持。这一技术的引入，不仅极大地提高了害虫识别的效率和准确性，还有助于农民及时采取防治措施，减少农作物损失，保障农业生产的安全和稳定。

3、现有技术中的作物害虫识别系统仅能实现对一段时间后堆积在收集器底部的害虫或附着在粘虫板上的害虫进行拍摄和识别计数，这会导致由于害虫相互遮挡造成识别不准确，且需要人工清理以便于下次识别，操作反复，费时费力。同时虽然yolo算法不断迭代改进，但仍然对作物害虫的检测精度较低。

技术实现思路

1、本发明的目的在于克服现有技术的缺点，提供一种害虫识别装置及方法，能够实时清理害虫尸体，提高害虫识别的精度。

2、本发明采取如下技术方案实现上述目的，第一方面，本发明提供一种害虫识别装置，包括：杀虫灯主体1、诱虫灯2、无线通信模块、电压检测模块、控制模块以及害虫识别模块，所述杀虫灯主体1包括害虫收集器5、器件盒103、高压电网104，所述害虫识别模块包括摄像头3、边缘计算板，器件盒103与高压电网104固定连接，害虫收集器5安装在高压电网104下方，无线通信模块、电压检测模块、控制模块以及边缘计算板安装在器件盒103中，无线通信模块、电压检测模块以及边缘计算板与控制模块电连接，摄像头3固定在诱虫灯2的下方，并与边缘计算板电连接，边缘计算板上部署有基于改进的yolov8害虫识别模型，用于对害虫进行识别。

3、进一步的是，所述害虫收集器5包括收集槽501、两级活动挡板组件、标准方格纸503、收集通道502、收集箱504，所述收集槽501与收集通道502固定连接，所述收集通道502与收集箱504固定连接，所述两级活动挡板组件包括第一级活动挡板模块6和第二级活动挡板模块7，所述第一级活动挡板模块6包括一对一级舵机601、一对一级矩形挡板602、一对一级支撑杆603，所述第一级活动挡板模块6位于收集槽501与收集通道502的连接处，所述一对一级舵机601以半潜式安装于相对的缺口处，使一级舵机转动圆盘604全部位于收集通道502中，所述一级支撑杆603的一端固定于一级舵机转动圆盘604上，使得一级支撑杆603可以随一级舵机转动圆盘604向下转动，所述一级矩形挡板602固定于支撑杆的一边，所述标准方格纸503与对应的一级矩形挡板602相粘合，所述第二级活动挡板模块7包括一对二级舵机701、一对二级矩形挡板702、一对二级支撑杆703，所述第二级活动挡板模块7位于收集通道502与收集箱504的连接处，所述一对二级舵机701以半潜式安装于相对的缺口处，使二级舵机转动圆盘704全部位于收集通道502中，所述二级支撑杆703的一端固定于二级舵机转动圆盘704上，使得二级支撑杆703可以随二级舵机转动圆盘704向下转动，所述二级矩形挡板702固定于二级支撑杆703的一边，所述标准方格纸503与对应的二级矩形挡板702相粘合，所述摄像头3被调整到一定角度，使镜头正对二级矩形挡板702中心。

4、进一步的是，所述杀虫灯主体1还包括固定挂钩101、顶部防水罩102、高压隔离陶瓷件105，所述固定挂钩101与顶部防水罩102固定连接，所述顶部防水罩102与器件盒103固定连接，所述高压电网104与器件盒103连接处安装有高压隔离陶瓷件105，所述无线通信模块的天线106粘合在器件盒103外壁上，所述高压电网104与害虫收集器5连接处安装有高压隔离陶瓷件105。

5、进一步的是，所述电压检测模块包括信号放大器、电压表，所述高压电网104与信号放大器电连接，所述信号放大器输出端与电压表电连接，所述电压表与控制模块电连接。

6、第二方面，本发明提供一种害虫识别方法，应用于如上述所述的边缘计算板，包括：

7、s1、获取害虫数据集，对害虫数据集进行预处理；

8、s2、将经预处理后的害虫数据集划分为训练集、验证集和测试集三个子集；

9、s3、构建改进的yolov8模型；

10、s4、将训练集输入至改进的yolov8模型，进行迁移学习，将预测结果与真实结果对比，计算损失函数，并更新网络权重，若达到预设的迭代次数，训练结束，导出训练出的浮点模型；

11、s5、准备校准数据，将导出的浮点模型量化转换为边缘计算板可以使用的定点模型；

12、s6、将定点模型部署至边缘计算板，测试定点模型性能，进行害虫识别。

13、进一步的是，s3中，利用asf-yolo改进原始版本的yolov8中的neck以及使用边界框损失函数focaler-iou；

14、具体包括：增加尺度序列特征融合模块、三重特征编码器模块、通道和位置注意力机制，所述尺度序列特征融合模块融合从backbone中提取的p3、p4和p5的特征图，在尺度序列特征融合模块中，p3、p4和p5特征图被归一化为相同的大小，上采样，然后堆叠在一起作为3d卷积的输入；所述三重特征编码器模块通过在空间维度上拼接不同尺寸的特征来捕获目标的详细信息，通过panet结构将三重特征编码器模块的详细特征信息整合到各个特征分支中，然后将这些特征分支与尺度序列特征融合模块的多尺度信息结合到p3分支中，所述通道和位置注意力机制包括通道注意力网络和位置注意力网络，所述通道注意力网络通过平均池化和1d卷积来生成每个通道权重，使用sigmoid函数进行归一化，所述位置注意力网络分别对宽度和高度进行平均池化，通过一个卷积层和sigmoid函数生成空间权重，所述通道权重和空间权重通过哈达玛积合并，产生最终的加权输出。

15、进一步的是，所述边界框损失函数focaler-iou根据交并比的值来调整损失，当交并比小于一个下限阈值d时，损失为0，当交并比大于一个上限阈值u时，损失为1，当交并比处于d和u之间时，损失是一个根据交并比值线性递增的函数，允许损失函数在一定区间内对交并比敏感，具体公式如下：

16、。

17、第三方面，本发明提供一种害虫识别方法，应用于如上述所述的害虫识别装置，包括：

18、步骤1、装置启动后，控制模块根据提前设置的时间开启诱虫灯，当有害虫被灯光吸引而触碰高压电网时，造成高压电网瞬间短路，电压增大，电压增大的信号传输至电压检测模块，通过电压检测模块测量电压绝对差值后将信息传输至控制模块；

19、步骤2、控制模块对电压绝对差值进行判断，若电压绝对差值大于提前设置的阈值，则控制摄像头开启，并将摄像头拍摄的图像传输至边缘计算板，通过边缘计算板部署的基于改进的yolov8害虫识别模型对害虫进行识别，得出相应害虫的种类和数量。

20、进一步的是，装置启动后，该害虫识别方法还包括：两级活动挡板进入默认状态，对于第一级活动挡板模块，其中一对一级舵机的转动圆盘会向下旋转，通过一级支撑杆带动一级矩形挡板垂直于水平面，对于第二级活动挡板模块，其中一对二级舵机的转动圆盘会固定，通过二级支撑杆使二级矩形挡板与水平面平行。

21、进一步的是，该害虫识别方法还包括：当摄像头拍摄的图像传输至边缘计算板后，边缘计算板向控制模块发出挡板控制信号，控制模块根据该挡板控制信号控制两级活动挡板进入清理状态，对于第一级活动挡板模块，其中一对一级舵机的转动圆盘会向上旋转，通过一级支撑杆带动一级矩形挡板使之平行于水平面，挡住此时掉落的害虫尸体，对于第二级活动挡板模块，其中一对二级舵机的转动圆盘会向下旋转，通过二级支撑杆使二级矩形挡板与水平面垂直，使原来在二级矩形挡板的害虫尸体掉落至下方收集箱中；然后控制模块控制控制两级活动挡板重新进入默认状态。

22、本发明的有益效果为：

23、本发明通过两级活动挡板组件可以实现对害虫的实时清理功能，每次高清摄像头拍摄时只会有少量害虫尸体附着在标准方格纸上，避免因大量害虫尸体堆积导致相互遮挡造成识别不准确的问题。

24、本发明利用害虫触碰高压电网形成的瞬时电压差来判断是否有害虫被杀死并掉落至收集槽，从而来开启高清摄像头等步骤，避免系统所有组件长期处于工作状态，减少耗电量。

25、本发明在原始版本的yolov8网络基础上，利用asf-yolo改进neck，增加尺度序列特征融合模块、三重特征编码器模块、通道和位置注意力机制，尺度序列特征融合模块可以增强网络的多尺度信息提取能力，三重特征编码器模块融合不同尺度的特征图以增加详细信息，通道和位置注意力机制将上述两个模块集成在一起，可以使网络专注于信息通道和空间位置相关的小目标，以提高作物害虫的检测识别能力。

26、本发明使用更加聚焦的边界框损失函数focaler-iou，考虑困难样本和简单样本在边界框回归中的分布对回归结果的影响，利用边界框之间的几何关系来提高回归性能，提升检测性能。