一种用于昆虫计数的多传感器目标识别算法
【技术领域】
[0001]本发明具体涉及一种用于昆虫计数的多传感器目标识别算法。
【背景技术】
[0002]信息农业是农业信息化发展的高级阶段，从农业发展的方向看，智能化、精确化、数字化和自动化是今后农业发展的必然趋势。农业害虫预测预报的数字化、自动化是科技在植保领域发展的必由之路。国外在上世纪九十年代开始，对这方面进行了一定的探索。国内从21世纪以来，也进行了相关领域的科研开展。随着技术的发展，产生了一系列诸如诱虫灯、糖醋液、性诱剂等传统的测报手段。但是到今天，传统的方法渐渐显示出自动化程度低下、数字化效率低、受环境限制大等不足之处，这就必然导致测报工具的不断革新。
[0003]现有的应用于同样目的和形式的设备中的多传感器架构下的昆虫计数算法，大多数只是单纯的设定一个阈值，用以判断有无，并无准确和灵活的调整以及抗干扰的算法。针对本算法通常需要配合放置在野外的设备，受环境干扰较大，所以需要适应不同的状况，目前所有可能相关的算法都适用性较差，且不够稳定。对于环境干扰、震动影响以及昆虫反复进出的行为并无可靠的算法上的手段进行消除。
【发明内容】
[0004](一 )要解决的技术问题
[0005]本发明专门提出的一种用于昆虫计数的多传感器目标识别算法，其主要是与目前所使用的人工诱捕害虫的各类便携式设备相结合，利用多路等分布排列的红外传感器组成一个监测传感器阵列，监测进入该诱捕器的昆虫个数。本算法使用了自适应的动态调整滤波、预判段和认定的多环节判定、多传感器数据融合目标识别以及与传感器和设备相结合的PWM动态调制引入外接环境数据的评估方法等一系列方法。
[0006]( 二 )技术方案
[0007]一种用于昆虫计数的多传感器目标识别算法，其特征是:是通过嵌入式系统AD采集多组传感器输出的模拟量电压值，利用PWM调制的具有一定占空比的脉冲信号，动态地比较大约在一秒以内的多个传感器收集的数据，之后来判别是否有虫体通过；其具体步骤如下:
[0008]A.选取工作模式:开启设备，进入工作界面；选取所需的工作模式；
[0009]B.数据存储:将选择的工作模式中数据保存，开始进入工作模式；
[0010]C.判断计算定时时间是否到:计算定时时间到的话，则进入下一个工作环节；若计算定时时间没到，则会返回到数据库，重新计算定时时间；
[0011]D.计数识别模式:当计算定时时间到，进入到计数识别模式；
[0012]E.原始数据去噪滤波:采用平均值和单个数据周边临值相结合的方式剔除明显的错误数据；在采集的原始数据的初步处理过程中，滤除部分毛刺和噪声信号，主要针对的是一些明显的错误点，不能太过于精确以至抛掉一些不明显的特征点；
[0013]F.自适应均值计算:该部分对每组传感器按等间隔采集的数据进行平均值计算是根据不同传感器的差异和安装状况的不同条件，自适应地计算出在未遮挡情况下的传感器的正常状态数据，即无信号时的基准值；由于传感器长时间变化，由于温漂、持续时间的影响而让基准值会产生变化，所以自适应地在每个数组内进行均值；
[0014]G.特征技术点预判断:特征计数点预判采用自设计的滤波函数Fliter_01 (uintl6_t*data_buf，uint8_t len)的函数执行；其功能是将传感器原始数据数组按照thresholcLvaluel宏定义参数划分为0_1数组；由于遮挡物体会导致传感器数据变小；该函数即将数组中小于该组对应平均值的(l-threshold_valuel)倍的数字取为1，正常数据取为O;此部分的算法设想是根据每个传感器的自适应的基准值的不同，选定一定的变化范围限制，作为阈值，将数组先较为简单地处理成为仅包含0-1状态的多个等效数组；根据单个数组0-1的状态，提取超出阈值的状态“I”量，作为预处理特征点，同时进行记录;
[0015]H.特征点抓取:该函数是算法主要的执行模块，此部分算法是在上一步预处理特征点提取出的数据点的基础上，通过原始数组的数据进行分析判断；传感器在采集时是循环采集，所以多个数组同一序号的多个数组是在同一时间段内完成的；将多组0-1数组当做处理对象，此时轮番查看多个01数组对应序号的0-1状态；此时若采集到信号，总共有三种情况；
[0016]1.抗干扰判断及最终数据审核:该函数是判断条件的最后一步，主要是进行分析满足上述构成物体经过变化的情形时的数据，是否是同一个物体引起，以免构成误计数；在同一次数组判断中，采集到的数据序号，需与前一个满足至少有5个序号(几十毫秒)的间隔，否则认为是同一个物体引起；
[0017]在算法中用一标志位特征向量对进入final_count_judge的序列进行标注，满足距离上一次特征值距离大于5的条件时，即认定该特征行为有效，否则不予以计数肯定，并更新数据特征点；
[0018]J.发送结果至数据存储器:经过以上几部数据的层层筛选和判断，最终抓取到的有效数据将作为算法计算的结果保存下来。
[0019]进一步的，步骤G所述的threshold_valuel取值，即变化量敏感阈值；过大容易导致不敏感，采集不到小和快速的物体，过小则容易误计数；经过本函数处理后，将得到的多组0-1数组存入多个八位数组。
[0020]进一步的，其特征在于:所述的多个八位数组是:
[0021]int8_t buffer_data_011[len_data]；
[0022]uint8_t buffer_data_012[Ien_data]；
[0023]......
[0024]uint8_t buffer_data_01n[len_data]o
[0025]进一步的，其特征在于:步骤H所述的三种情况包括以下三种情况，若同时满足以下条件，贝lJ进入进入final_count_judge判断函数；
[0026]a.每路传感器组均有明显信号变化:此时对应每路都采集到的状况；为了避免误计，同时由于物体通过速度很快，不会只形成单独的I而上下两个数都是O的状态；
[0027]所以该方式下，除了首先判断是否有多个0-1数组的同一序号数字都为I之外，同时判断相邻的几组数据是否同时有变化。有则认定有效，进入最终的fihal_count_judge函数，没有则认为是干扰；
[0028]b.大多数传感器组有明显变化，少数传感器组没有明显变化；
[0029]此时如果少数传感器组的数据变化达到threshold_value21值以上，则进入f ihal_count_judge 判断函数；
[0030]c.少数传感器组有明显变化，多数传感器组没有明显变化；
[0031]此时应该认为，物体可能在少数组传感器正前方通过，应该会引起较为显著地变化；
[0032]此时，判断发生变化的该路数据是否有超过threshold_value3的变化量，若有，则判断该传感器该时前后相邻的数据是否也有超过threshold_value31的变化。
[0033](三)有益效果
[0034]本发明提出的一种用于昆虫计数的多传感器目标识别算法，与现有技术相比较，其具有以下有益效果:其主要是与目前所使用的人工诱捕害虫的各类便携式设备相结合，利用三路等分布排列的红外传感器组成一个监测传感器阵列，监测进入该诱捕器的昆虫个数。本算法使用了自适应的动态调整滤波、预判段和认定的多环节判定、多传感器数据融合目标识别以及与传感器和设备相结合的PWM波动态调整引入外接环境数据的评估方法等一系列方法。本算法对硬件设备的要求极低，在占用极小资源的情况下，完成昆虫目标的准确计数。本算法准确性高、稳定性好，考虑了多种情况下带来的干扰以及设计了抗干扰的功會泛。
【附图说明】
[0035]图1是本发明的整体流程示意图。
【具体实施方式】
[0036]如图1所示，一种用于昆虫计数的多传感器目标识别算法，其特征是:是通过嵌入式系统AD采集多组传感器输出的模拟量电压值，利用PWM调制的具有一定占空比的脉冲信号，动态地比较大约在一秒以内的多个传感器收集所有传感器数据，之后来判别是否有虫体通过；其具体步骤如下:
[0037]A.选取工作模式:开启设备，进入工作界面；选取所需的工作模式；
[0038]B.数据存储:将选择的工作模式中数据保存，开始进入工作模式；
[0039]C.判断计算定时时间是否到:计算定时时间到的话，则进入下一个工作环节；若计算定时时间没到，则会返回到数据库，重新计算定时时间；
[0040]D.计数识别模式:当计算定时时间到，进入到计数识别模式；
[0041]E.原始数据去噪滤波:采用平均值和单个数据周边临值相结合的方式剔除野值数据；在采集的原始数据的初步处理过程中，滤除部分毛刺和噪声信号，主要针对的是一些明显的错误点，不能太过于精确以至抛掉一些不明显的特征点；
[0042]F.自适应均值计算:该部分对每组传感器按等间隔采集的数据进行平均值计算是根据不同传感器的差异和安装状况的不同条件，自适应地计算出在未遮挡情况下的传感器的正常状态数据，即无信号时的基准值；由于传感器长时间变化，由于温漂、持续时间的影响而让基准值会产生变化，所以自适应地在每个数组内进行均值；
[0043]G.特征技术点预判断:特征计数点预判采用自行设计的滤波函数Fliter_01 (uintl6_t*data_buf，uint8_t len)执行；其功能是将传感器原始数据数组按照threshold_valuel宏定义参数划分为0_1数组；由于遮挡物体会导致传感器数据变小；该函数即将数组中小于该组对应平均值的(1-thresholcLvaluel)倍的数字取为1，正常数据取为O;此部分的算法设想是根据每个传感器的自适应的基准值的不同，选定一定的变化范围限制，作为阈值，将数组先较为简单地处理成为仅包含0-1状态的多个等效数组；根据单个数组0-1的状