害虫识别机器人的设计

沈次郎

摘要：害虫具有危害快、损失重、防治困难等特点。目前，防治害虫的主要手段是化学方法。化学药剂的使用虽然可以大大减少虫害造成的损失，但也会造成环境破坏和生态污染。为了提高农业的科学化、现代化和智能化水平，迫切需要新的手段来改进和升级传统的害虫防治措施。在害虫防治实践中，首先要正确识别益虫和害虫;其次要掌握昆虫的一般形态特征及其生长发育规律，找到昆虫生活的弱点对其防治，从而达到事半功倍的效果。传统方法主要依靠农业专家和种植经验，识别效率较低、识别准确率不稳定、耗时耗力，并且难以实现大面积推广。近些年来，深度学习技术、计算机视觉技术、卷积神经网络技术和大数据技术等新型人工智能技术蓬勃发展，为图像级别的特征识别和处理工作赋予更多的可能性。

关键词：害虫识别；机器人；设计

引言

我国作为农业大国，气候环境优越，光热水资源充足，特别适合种植业发展。然而，优越的气候环境也为害虫的生长繁殖提供了有利条件，连年频发的农业虫害严重地影响了种植业的健康发展。因此，害虫防控具有十分重要的意义。

1系统功能、指标及实现原理

1.1系统功能

1)巡逻防线。巡逻线的场地由黑线构成。机器人配备了5个灰度传感器来感知这些线路，然后将其传送到主控单元进行相应的PWM参数调整。2)识别。到达拍照地点后，树莓派读取PWM配置文件的数值，生成对应的PWM控制相机云台转动到指定的位置，启动相机拍照，调用百度“飞桨”SDK对图片进行识别，并保存结果。3)数据处理。对图片的识别结果进行保存、分类，以便使用者查看。

1.2指标

在这个实验中，三个放置的物体被识别。在三个物体周围布置黑色路线，并设置相应的定位标志;通过移动辅助摄像头，保证从各个角度都能准确获取图像，提高识别精度;机器人能绕目标物移动，且偏差较小，在识别定位标志后能停稳，拍摄的照片能展示90%的特征，最后走完路线并停在指定区域。相机角度恰当，能够拍摄到清晰的动植物照片，经测试，对昆虫的识别准确率能达到90%以上。

1.3实现原理

1)机器人巡线。线路巡逻的主要部件是5个数字灰度传感器，每组传感器由一个发光二极管和一个光敏二极管组成，两个传感器安装在同一表面上，比较被检测光在不同颜色下的反射强度，从而输出对应的信号供单片机I/O口采集。控制数字量灰度传感器可对被探测面的两种颜色差异进行比较调节，用以识别色差较大的任意两种颜色，如黑和白、白和绿、黑和红、白和蓝、黄和黑、黄和红等。数字量传感器带有电压比较器芯片和可调电位器，电压比较器芯片可以先对接收管接收回来的信号进行放大处理，然后经过电位器的功率调制，可实现识别灵敏度(或探测距离)的调节。一般来说，若探测到灰度值高(指接近于白色)的颜色，则输出低电平;若探测到灰度值低(指接近于黑色)的颜色，则输出高电平。数字量输出高低电平1和0两种信号状态。2)相机云台控制:通过调整PWM的占空比实现。3)图像识别:调用百度飞桨的离线SDK，配置好工程，本地运行模型，进行图像识别。4)结果记录:先对识别结果文本进行重定向，在对应的临时文档中截取有用信息;然后对结果进行分析，判别该昆虫是害虫还是益虫。如果是害虫就给出防治方案，并记录在record．txt文档中[1]。

2害虫识别机器人的设计要点

2.1昆虫雷达监测技术

昆虫雷达监测技术是一种利用电磁波对空中自由飞行的昆虫进行探测的技术。该技术具有对昆虫无干扰、监测距离远、采样空间大、监测速度快、信息丰富等特点。垂直昆虫雷达采用旋转偏振设计，可监测大中型昆虫的体型参数;质量大小和振翅频率，对昆虫种类有更好的鉴别能力，近年来，为了进一步降低旋转极化垂直昆虫雷达盲区，我国将旋转极化垂直昆虫雷达与扫描雷达相结合，建成了双模式昆虫雷达，即利用一套收发、信号采集处理及终端系统实现两种雷达所有探测功能的新型昆虫雷达。随着现代雷达技术的发展，全相参、高分辨、全极化等新技术越来越多地被用于雷达探测。为了进一步提高昆虫雷达测量能力，我国研发了相参体制高分辨全极化昆虫雷达。该雷达工作在Ｋｕ波段，兼具扫描模式和波束垂直对天观测模式。该雷达为相参体制，可测量目标的相位信息；采用调频步进频波形，实现约０．２ｍ的高距离分辨率。雷达采用全极化体制，双极化天线同时发射／接收Ｈ和Ｖ极化信号；发射机和接收机均有Ｈ和Ｖ两个极化通道。在发射信号时，Ｈ和Ｖ极化信号同时发射，通过正交的相位编码隔离；在接收信号时，Ｈ和Ｖ极化信号同时接收，其中Ｈ极化接收的信号包括ＨＨ和ＨＶ（两种信号的相位编码正交），Ｖ极化接收的信号包括ＶＶ和ＶＨ（两种信号的相位编码正交），通过相位解码可得到目标的极化散射矩阵。依托高分辨全极化昆虫雷达对目标幅度、相位、极化等信息的获取能力，一系列精度更高的体轴朝向、体重／体长、振翅频率等生物参数反演方法被提出。

　2.2害虫智能视觉检测概述

害虫智能视觉检测由农业物联网和计算机视觉检测组成，其中计算机视觉检测是害虫智能视觉检测的核心组成部分。根据所使用的计算机视觉检测技术，，常见的害虫智能视觉检测方法可分为两类：基于经典机器学习的方法和基于深度学习的方法。在早期基于经典机器学习的害虫智能视觉检测方法中，常用的评价指标有：平均识别准确率和平均计数准确率。在基于深度学习的害虫智能视觉检测方法中，常用的评价指标则包括：查准率、查全率、平均精确度、平均精确度均值、调和均值和平均准确率。一般而言，上述评价指标值越高表明算法在给定数据集上的检测效果越好[2]。

2.3识别监控系统设计

采用“智能终端+/G网络+云平台”建立识别监控系统。根据系统设置，在设定的周期内定时采集图像，采集到的图像通过G无线网络传输到系统平台保存。通过机器学习，该系统可以自动识别图像上的害虫，在视频监控、虫情感知等基础上进一步衍生大数据分析和决策辅助功能。在部署虫情监控终端后，优选G或Wi-Fi网络传输信息至识别系统内，在虫情监控系统内进行管理、配置、查看、监控以及预警报警等处理，同时实时查看害虫设备检测历史信息情况、设备电量情况、设备所属区域以及通信情况等信息，便于管理者实时了解终端工作情况，避免出现设备宕机的情况，保障设备安全、稳定地运行。通过AI人工智能引擎完成虫情监控识别工作，设置大数据分析引擎，对以往的害虫分布情况、突发情况、季节、天气、温度以及湿度等信息进行记录并学习规律，配置警告规则自动触发响应告警信息，最终定期形成趋势分析报告并推送给相关管理人员，提示周期性地更换诱捕器，便于管理者掌握烟草甲虫的突发情况、虫情习性和趋势，从而对害虫进行治理和预防[3]。

结束语

当机器人到达指定位置时，树莓派读取配置文件，控制摄像头转到预定角度进行拍照和采集。将采集到的昆虫照片上传到百度进行训练，生成相应的视觉识别SDK，然后将SDK部署在树莓派上进行昆虫种类的识别和区分。若识别出的昆虫是害虫，则进一步提供相应的处理方法。最后将运行结果保存在文档中，然后发送结束信号给运动部分，启动机器人前往下一个检测地点。本机器人能够解决目前人工识别中存在的人力不足、识别率低等问题，可以实现实时反馈，提供有效的防治方案，对害虫防治具有较高的实用价值。

参考文献：

[1]王文周. 基于改进YOLOv3的水稻害虫在线识别与定向施药的研究[D].安徽农业大学,2021

[2]柴若楠,辛妍贝,郭志妍等.基于害虫数量及种类的红外识别喷药机器人[J].数码世界,2020(01):278.

[3]张玉梅. 灭虫机器人中害虫识别与处理核心技术的研究与实现[D].苏州大学,2021