论文部分内容阅读
蜂业在现代农业中发挥着重要作用,是人类生活环境和经济的重要组成部分。蜜蜂养殖是蜂业的基础和关键环节,传统养殖方法依赖人力与经验,作业过程中开箱观测蜂群的操作对蜂群活动和生产会产生较大干扰,随着传感器等技术进步,采用机器视觉技术开展蜂群自动化监测及蜂群行为分析将有效解决无接触观测蜂群的难题。在此背景下,本文以计算机视觉技术为核心开展巢门区蜂群自动化监测研究,实现巢门区蜂群数量检测统计和蜜蜂进出巢数量统计,并开发了巢门蜂群自动化监测系统。本文研究结果为巢门区蜂群自动化监测提供理论依据和技术支撑,也为蜂群行为分析研究奠定数据和技术研究基础,本文主要研究内容包括下面三个部分。(1)实现了巢门区蜂群数量的监测指标的自动获取。在不同光照、天气、蜂群数量等环境下针对巢门区蜂群数量进行自动检测统计,并开展优化的codebook检测、结合平均像素统计的传统方法和基于SSD模型目标检测的深度学习方法等算法研究。研究结果显示在如蜜蜂阴影、蜜蜂遮挡等复杂蜜蜂状况不同场景下,SSD方法的检测能力更具有优势,在蜂群数量较少、中等和较多情况下,采用SSD方法的蜜蜂数量统计准确率为96.34%、92.52%、88.06%,而传统方法的准确率仅为80.13%、68.30%、61.01%。SSD方法检测结果为蜂群巢外监测提供一项有效解决方法,也为进一步开展蜜蜂跟踪奠定很好的检测基础。(2)实现了巢门区蜜蜂进出数量监测指标的自动获取。一方面开展蜜蜂跟踪算法研究工作,根据蜜蜂检测结果使用sort和deepsort方法实现了蜜蜂进出情况跟踪,提出了基于角度的进出状态判断方法开展蜜蜂进出巢差异分析,并根据蜜蜂跟踪轨迹特点结合蜜蜂状态判断提出了蜜蜂进出统计方法;另一方面开展蜜蜂进出数量统计研究,使用30个不同环境下巢门区视频作为研究对象,采用基于deepsort的跟踪方法实现了跟踪过程中蜜蜂ID跳转问题的改善,同时统计结果显示蜜蜂进出巢门的平均MSE分别为95.33、69.33,且在蜂群数量较少、中等情况中和较多情况下蜜蜂跟踪结果表现稳定。巢门区蜜蜂进出数量自动监测为蜂群巢外监测提供了有效指标,也为蜜蜂进出巢统计研究提供技术支撑。(3)构建了巢门区蜂群自动化监测系统。将蜜蜂检测算法和蜜蜂跟踪算法应用于实际生产中,并在此基础上构建了巢门区蜂群自动化监测系统,实现巢门区蜜蜂进出数量的自动采集。系统开发采用基于B/S的三层结构进行开发,采用的开发平台为eclipse、数据库为mysql,系统功能包括系统管理、蜂场管理、蜂箱管理等功能,实现了巢门区蜂群数量、蜜蜂进出巢数量等指标的自动监测,并可根据监测指标构建用户预警机制。