一种基于无人机遥感技术的草原毛虫幼虫监测和预警方法及系统与流程

本发明涉及草原毛虫幼虫监测，具体为一种基于无人机遥感技术的草原毛虫幼虫监测和预警方法及系统。

背景技术：

1、草原毛虫属昆虫属于鳞翅目、毒蛾科，主要以各类牧草为食，例如莎草科、禾本科、豆科、蓼科和蔷薇科等；我国的草原毛虫主要分布在青藏高原3000米以上的高寒草甸地区。

2、草原毛虫一般一年发生一代，分为幼虫期、蛹期和成虫期；其中幼虫期又划分为多个虫龄期；草原毛虫在幼虫期随着虫龄的增加需要大量进食，因此对草场造成的危害较大。如果草原毛虫幼虫数量过多，会导致植被遭到严重损害，同时还会引起家畜中毒，带来严重的生态和经济损失，因此需要有效的草原毛虫幼虫监测预警方法。

3、现有的草原毛虫幼虫监测预警技术中，主要通过无人机空中对草场进行拍照，结合机器学习技术进行图像识别，得到所拍摄图像中的草原毛虫幼虫数量。现有技术在一定程度上可以提高识别效率，节约成本；但是由于对生态环境、气候温度及变化和草原毛虫幼虫成长过程等因素考量不够细致，导致现有技术存在监测和预警不够精确的问题。

4、基于以上因素，本发明提出了一种基于无人机遥感技术的草原毛虫幼虫监测和预警方法及系统。

技术实现思路

1、本发明的目的在于提供一种基于无人机遥感技术的草原毛虫幼虫监测和预警方法及系统，包括草原毛虫幼虫识别模型、草原毛虫幼虫预测模型和预警系数；草原毛虫幼虫识别模型用于对草原毛虫幼虫进行识别，通过改进模型和注意力机制，实现了草原毛虫幼虫数量和虫龄的准确识别；所述草原毛虫幼虫预测模型对待检测区域的气候数据、地质数据和草原毛虫幼虫族群数据进行训练，预测当前环境下草原毛虫幼虫的准确数量；所述预警系数通过草原毛虫幼虫平均密度、气候影响因子、生物抑制因子和草场承载量等，计算出草原毛虫幼虫的危害程度。

2、为实现上述目的，本发明提供如下技术方案：

3、一种基于无人机遥感技术的草原毛虫幼虫监测和预警方法；

4、对目标草场进行划分，通过随机抽样的方法选出待检测区域；

5、通过无人机监测设备对所述待检测区域的气候环境进行收集整理，获得第一数据集；对所述待检测区域的地质信息进行收集整理，获得第二数据集；通过无人机监测设备对所述待检测区域进行监测，得到检测图像；通过草原毛虫幼虫识别模型对所述检测图像进行检测识别，判断得到所述检测图像中包含的草原毛虫幼虫数量；根据所述草原毛虫幼虫的头壳宽度，识别出各虫龄的比例关系；并将所述草原毛虫幼虫数量和所述各虫龄比例信息记为第三数据集；

6、将所述第一数据集、所述第二数据集和所述第三数据集输入至草原毛虫幼虫预测模型，获得所述待检测区域的草原毛虫幼虫预测总数量，通过所述草原毛虫幼虫预测总数量和所述待检测区域的面积获得所述草原毛虫幼虫的平均密度；

7、通过所述草场的预测气候得到气候影响因子；通过所述草场的所述草原毛虫幼虫天敌种类和数量获得生物抑制因子；通过所述草场的综合情况得到所述草原毛虫幼虫的承载量；

8、将所述平均密度、所述气候影响因子、所述生物抑制因子和所述草场承载量输入草原毛虫幼虫预警公式，得到预警系数。

9、所述第一数据集包含待检测区域的气候数据，包括待检测区域温度、待检测区域湿度、待检测区域光照和待检测区域风速；

10、所述第二数据集包含待检测区域的地质数据，包括待检测区域的土壤、牧草种类、牧草面积和所述待检测区域的海拔信息。

11、所述第三数据集包含所述待检测区域的草原毛虫幼虫检测数量和各虫龄的比例关系；

12、所述第三数据集的获取步骤为：

13、通过草原毛虫幼虫识别模型获得草原毛虫幼虫数量、所述草原毛虫幼虫头壳数量和所述草原毛虫幼虫头壳宽度；

14、通过所述草原毛虫幼虫头壳宽度获得所述草原毛虫幼虫头壳数量中各虫龄的比例关系；

15、通过草原毛虫幼虫数量减去所述草原毛虫幼虫头壳数量获得未识别头壳幼虫数量；

16、按照所述各虫龄比例关系对所述未识别头壳幼虫数量进行处理，得到未识别头壳幼虫的各虫龄比例关系；

17、通过所述草原毛虫幼虫头壳数量与各虫龄的比例关系和所述未识别头壳幼虫数量及各虫龄比例关系获得所述待检测区域的草原毛虫幼虫的虫龄比例关系。

18、所述草原毛虫幼虫识别模型包含有检测图像输入层、图像预处理层、幼虫数量识别层、幼虫头壳识别层和识别数据输出层；

19、所述检测图像输入层用于将所述无人机设备拍摄获取的所述检测图像输入模型；

20、所述图像预处理层用于对所述检测图像进行图像预处理，得到预处理检测图像；

21、所述幼虫数量识别层用于识别所述预处理检测图像中的所述草原毛虫幼虫数量；

22、所述幼虫头壳识别层用于识别所述预处理检测图像中的所述草原毛虫幼虫的头壳，同时获取所述草原毛虫幼虫头壳的宽度，实现对所述草原毛虫幼虫的虫龄划分；

23、所述识别数据输出层用于输出所述草原毛虫幼虫数量、所述草原毛虫幼虫头壳数量和所述草原毛虫幼虫头壳宽度。

24、所述草原毛虫幼虫识别模型中包含颜色优化注意力模块；

25、数据特征输入模块后；所述数据特征经过1*1卷积处理得到第一分量；所述数据特征经过3*3卷积处理得到第二分量；所述数据特征经过5*5卷积处理得到第三分量；

26、所述第一分量和所述第二分量经过激活函数处理得到第四分量；

27、所述第三分量经过1*1卷积处理得到第五分量；所述第三分量和所述第五分量经过激活函数处理得到第六分量；

28、所述第四分量和所述第六分量经过激活函数处理得到第七分量；

29、所述第七分量和输入的数据特征进行加权融合得到数据输出特征。

30、所述草原毛虫幼虫预测模型包含有数据输入层、数据预处理层、第一影响因素训练模块、第二影响因素训练模块、第三影响因素训练模块、数据融合层和结果输出层；

31、所述数据输入层用于将获得的所述第一数据集、所述第二数据集和所述第三数据集输入到模型中；

32、所述数据预处理层用于对所述第一数据集、所述第二数据集和所述第三数据集进行数据清洗和预处理；

33、所述第一影响因素训练模块用于对所述第一数据集进行训练，得到第一训练结果；

34、所述第二影响因素训练模块用于对所述第二数据集进行训练，得到第二训练结果；

35、所述第三影响因素训练模块用于对所述第三数据集进行训练，得到第三训练结果；

36、所述数据融合层用于将所述第一训练结果、所述第二训练结果和所述第三训练结果进行数据融合，得到所述草原毛虫幼虫的预测数量；

37、所述结果输出层用于输出所述草原毛虫幼虫的预测数量。

38、所述预警系数通过所述平均密度、所述气候影响因子、所述生物抑制因子和所述草场承载量计算得到；

39、所述气候影响因子通过所述草原毛虫幼虫的适宜生存气候环境和所述草场的预测气候环境的相似程度来含量；所述气候影响因子越大，表明所述草场的气候环境越适合所述草原毛虫幼虫生存；

40、所述生物抑制因子通过所述草原毛虫幼虫的天敌数量和种类来衡量；所述生物抑制因子越大，说明所述草原毛虫幼虫受到天敌的制约抑制越明显；

41、所述草场承载量表示所述草场在自然状态下，所能够保持生态平衡的情况下承载的草原毛虫幼虫密度；所述草场承载量受到所述草场海拔、土壤、牧草种类、牧草数量和牲畜量的影响；同时所述草场承载量还会受到所述气候影响因子和所述生物抑制因子的影响；

42、所述草原毛虫幼虫预警公式如下：

43、

44、其中ald表示所述草原毛虫幼虫在草场的平均密度；cf表示所述草场的气候影响因子；bf表示生物抑制因子；gcc表示草场承载量。

45、一种基于无人机遥感技术的草原毛虫幼虫监测和预警系统，

46、所述系统包含草场划分抽样模块、草场生态数据收集模块、无人机识别模块、草原毛虫幼虫数量预测模块和草原毛虫幼虫预警模块；

47、所述草场划分抽样模块用于对目标草场进行划分，划分依据包括牧草数量种类、地面坡度、河流水源和光照温度；得到多个细分区域，再对所述细分区域随机选取检测区域，得到待检测区域；

48、所述草场生态数据收集模块用于收集所述目标草场、所述细分区域和所述待检测区域的生态数据；所述生态数据包含第一数据集、第二数据集和物种数据；其中，第一数据集包含气候环境数据；第二数据集包含地质环境数据；

49、所述无人机识别模块对所述待检测区域进行拍摄，得到待检测图像；通过所述草原毛虫幼虫识别模型对所述待检测图像进行识别，得到待检测区域草原毛虫幼虫数量和各虫龄的比例关系，记作第三数据集；

50、所述草原毛虫幼虫数量预测模块用于所述目标草场的草原毛虫幼虫平均密度测算；通过所述草原毛虫幼虫预测模型对所述待检测区域的气候数据、地质数据和所述草原毛虫幼虫数量和各虫龄的比例关系进行训练，得到预测草原毛虫幼虫数量；

51、所述草原毛虫幼虫预警模块通过所述草原毛虫幼虫平均密度、所述草场的气候影响因子、所述草场的生物抑制因子和所述草场承载量进行预警。

52、所述草原毛虫幼虫识别模型包含有检测图像输入层、图像预处理层、幼虫数量识别层、幼虫头壳识别层和识别数据输出层；

53、所述检测图像输入层用于将所述无人机设备拍摄获取的所述检测图像输入模型；

54、所述图像预处理层用于对所述检测图像进行图像预处理，得到预处理检测图像；

55、所述幼虫数量识别层用于识别所述预处理检测图像中的所述草原毛虫幼虫数量；

56、所述幼虫头壳识别层用于识别所述预处理检测图像中的所述草原毛虫幼虫的头壳，同时获取所述草原毛虫幼虫头壳的宽度，实现对所述草原毛虫幼虫的虫龄划分；

57、所述识别数据输出层用于输出所述草原毛虫幼虫数量、所述草原毛虫幼虫头壳数量和所述草原毛虫幼虫头壳宽度。

58、所述草原毛虫幼虫预测模型包含有数据输入层、数据预处理层、第一影响因素训练模块、第二影响因素训练模块、第三影响因素训练模块、数据融合层和结果输出层；

59、所述数据输入层用于将获得的所述第一数据集、所述第二数据集和所述第三数据集输入到模型中；

60、所述数据预处理层用于对所述第一数据集、所述第二数据集和所述第三数据集进行数据清洗和预处理；

61、所述第一影响因素训练模块用于对所述第一数据集进行训练，得到第一训练结果；

62、所述第二影响因素训练模块用于对所述第二数据集进行训练，得到第二训练结果；

63、所述第三影响因素训练模块用于对所述第三数据集进行训练，得到第三训练结果；

64、所述数据融合层用于将所述第一训练结果、所述第二训练结果和所述第三训练结果进行数据融合，得到所述草原毛虫幼虫的预测数量；

65、所述结果输出层用于输出所述草原毛虫幼虫的预测数量。

66、与现有技术相比，本发明的有益效果为：

67、1、本发明提出了草原毛虫幼虫识别模型对检测图像中的草原毛虫幼虫进行识别，所述模型包含检测图像输入层、图像预处理层、幼虫数量识别层、幼虫头壳识别层和识别数据输出层；其中所述幼虫数量识别层用于识别草原毛虫幼虫的数量；所述幼虫头壳识别层用于识别所述草原毛虫幼虫的头宽，进而确定虫龄；所述草原毛虫幼虫识别模型中包含颜色优化注意力模块，可以加强对待检测图像的颜色优化和识别。本发明通过改进模型和注意力机制，实现了草原毛虫幼虫数量和虫龄的准确识别，有助于后续的数量预测和预警。

68、2、本发明提出了草原毛虫幼虫预测模型对幼虫的实际数量进行预测；所述草原毛虫幼虫预测模型包括数据输入层、数据预处理层、第一影响因素训练模块、第二影响因素训练模块、第三影响因素训练模块、数据融合层和结果输出层；其中第一影响因素训练模块对区域的气候数据进行训练；第二影响因素训练模块对区域的地质数据进行训练；第三影响因素训练模块对待检测图像中的草原毛虫幼虫数量和族群数据进行训练；最终得到草原毛虫幼虫的预测数量。本发明通过对待检测区域的气候数据、地质数据和草原毛虫幼虫族群数据进行训练，可以准确预测当前环境下，草原毛虫幼虫的实际数量。

69、3、本发明通过草原毛虫幼虫平均密度、气候影响因子、生物抑制因子和草场承载量计算得到草场预警系数；其中，平均密度通过预测数量获得；所述气候影响因子表示预测的气候环境适宜草原毛虫幼虫的程度；生物抑制因子根据天敌数量和种类来衡量；所述草场承载量表示自然状态下承载的草原毛虫幼虫密度。本发明考虑草原毛虫幼虫平均密度、气候影响因子、生物抑制因子和草场承载量等因素，可以准确地计算出草原毛虫幼虫的危害程度。