基于物联网的果园实蝇监测系统的设计与实现

为大范围和准确监测果园实蝇的发生,设计了基于物联网的果园实蝇监测系统。该系统由智能捕虫器、监测终端、远程终端及移动终端组成,安装在果园的多个智能捕虫器和监测终端构成星形短程无线通信网,监测终端将收集的实蝇信息通过GSM/GPRS服务发送至远程终端及移动终端。智能捕虫器包括太阳能电池板、支架、捕虫器壳体及安装于壳体内部的光电检测电路、微处理器、短程无线通信模块、锂电池充电电路等功能电路,采用成本较低且稳定性较高的红外光电对管检测进入捕虫器的果园实蝇;监测终端包括微处理器、短程无线通信模块和GSM/GPRS模块。基于μC/OS–II实时操作系统设计了智能捕虫器和监测终端的应用软件。系统验证试验结果表明,智能捕虫器平均工作电流为97 m A,监测终端在GSM/GPRS模块休眠和工作时的电流分别为60 m A和328 m A,2种设备的工作电流消耗均低于各自电池的供电能力,实蝇监测准确率可达94.23%。

基于机器视觉技术识别实蝇成虫

【目的】探索大范围、实时和准确监测柑橘园实蝇发生的技术。【方法】设计了基于机器视觉技术的橘小实蝇、南瓜实蝇和瓜实蝇识别算法。该算法包括:(1)基于颜色特征的目标区域分割,(2)基于Hough变换的盾形区域长轴搜索和图像配准,(3)基于BP神经网络的实蝇目标识别等主要部分。【结果】所有程序基于Matlab软件编写,试验中对自制样本库的120头橘小实蝇、南瓜实蝇和瓜实蝇图像样本进行配准,准确率为100%,平均耗时0.4 s;应用建造的BP神经网络模型识别3种实蝇的准确率为100%,取得了理想的识别效果。【结论】由于目标区域分割中阈值的选取受实验环境因素的影响,进一步研究的方向为提高阈值选取的自适应性。

基于红外小目标识别的空中鼠标解决方案

该文提出一种基于运动物体DBT(detect before track)背景消除法识别红外小目标,并将其应用于空中鼠标中。实验主要经过色彩空间转换、阈值分割、图像开运算、连通分析后进行目标识别,并通过摄像头标定获取识别目标在视野中的相对位置。通过单片机以及2.4G通信模块,将除位置信息以外的控制信息传递到电脑。以电脑进行位置运算,单片机进行控制。实验结果表明,该方案识别的目标精度较高,价格低廉,具有一定应用前景。