基于机器视觉的电杀激素诱智能农业害虫监测方法的研究
Guozhi Li1, Zhengbo Liu2,3, Zelin Feng4
1School of Information Science and Engineering, Zhejiang Sci-Tech University, Hangzhou, China.
Frontiers in plant science
|March 21, 2025
概括
一个新的自动化系统使用智能电杀费洛蒙陷和YOLOv9-TrapPest模型进行实时农业害虫监测. 这项技术显著改善了害虫检测和量化,有助于粮食安全工作.
科学领域:
- 农业科学 农业科学
- 计算机视觉 计算机视觉
- 虫害管理 虫害管理 虫害管理
背景情况:
- 害虫诱导的作物损害导致全球经济的重大损失,需要对粮食安全进行有效监测.
- 传统的害虫监测方法,包括手动计数和不太准确的自动化系统,都有局限性.
- 用性激素诱的陷对于害虫检测至关重要,但需要在自动化和准确性方面进行改进.
研究的目的:
- 设计和开发一个先进的,自动化农业害虫监测系统,使用性费洛蒙诱.
- 克服手动采集,不准确的计数和现有害虫陷的手动维护的局限性.
- 创建一个用于实时检测,识别和定量害虫的综合系统.
主要方法:
- 开发了一个集成系统,包括智能电杀费洛蒙陷,害虫检测模型和监测平台.
- 使用YOLOv9-TrapPest检测模型与AKConv,CBAM-PANet和FocalNet模块进行增强的虫害图像分析.
- 实施了一种用于捕获害虫,电杀,图像采集和数据处理的自动化过程.
主要成果:
- YOLOv9-TrapPest模型实现了高性能,平均精度为97.5%,mAP50用于检测七种害虫物种的精度为98.3%.
- 与其他检测模型相比,该系统表现出卓越的准确性,并减少了虚假检测.
- 集成平台提供害虫数据的实时可视化,支持基于信息的害虫控制决策.
结论:
- 开发的自动化系统在基于性费洛蒙的害虫监测方面取得了重大进展.
- 捕获,杀死,计数和清除的完全自动化提高了害虫管理的效率和准确性.
- 这项技术有望通过有效的害虫控制提高农业生产率并确保粮食安全.
