基于图像传感网的智能农业驱鸟系统和方法
【技术领域】
[0001] 本发明涉及计算机图像识别控制领域，尤其涉及一种基于图像传感网的智能农业 驱鸟系统和方法。
【背景技术】
[0002] 近年来我国经济作物生产上关于鸟类危害的报道越来越多，不仅露地栽培的经济 作物遭受鸟害，而且温室、大棚内作物也常受到鸟的侵袭。分析当前鸟类对经济作物危害加 重的原因，一是随着我国全民环境保护意识的增强，鸟的种类、种群数目急剧增加；二是经 济作物（尤其是水果）粒大、色艳、皮薄、汁甜，早熟与晚熟新品种不断出现，增强了对鸟类 的诱惑力，尤其是外露的作物，更易遭到鸟类侵袭。其中有色作物受害尤其严重，鸟类啄食 成熟经济作物（如苹果，葡萄），被啄果汁外流，引来蜂、蝇等吸吮果汁，导致白腐病、炭疽病 等病害发生，造成了严重的损失。
[0003] 目前国内外的主要驱鸟方法分为：化学方法，生物方法，物理方法。化学方法主要 有：放置药物、毒害气体等来驱除鸟类，此种方法，一方面污染环境，不利于作物生长；另一 方面对于鸟类杀伤力过大，容易造成鸟类大量死亡影响生态平衡。生物方法主要有：利用凶 猛野兽粪便、模拟稻草人等方法。此种方法的特点是：见效快，生态安全；缺点是：时效短， 鸟类一旦形成习惯就不起作用。物理方法主要有：拉网法、煤气炮、录音驱鸟、超声波驱鸟器 等。拉网法，由于对鸟类伤害过大，而且不利于某些经济作物生长而被大多数农户所摒弃； 煤气炮容易造成危险而且成本很高，因此不可行；录音驱鸟时间久了鸟类会置若罔闻；超 声波驱鸟：效果好，但是需要长时间发声需要耗费大量电力从而造成资源浪费。
【发明内容】
[0004] 本发明旨在至少解决现有技术中存在的技术问题，特别创新地提出了一种基于图 像传感网的智能农业驱鸟系统和方法。
[0005] 为了实现本发明的上述目的，本发明提供了一种基于图像传感网的智能农业驱鸟 系统，其包括：智能图像采集设备、控制器、驱鸟器；
[0006] 所述智能图像采集设备采集图像数据，所述智能图像采集设备连接控制器，由控 制器存储图像数据，将图像数据存储在数据库中进行图像分析，所述控制器连接驱鸟器，所 述控制器对图像数据进行判断，如果存在飞鸟，控制驱鸟器进行驱鸟操作。
[0007] 本发明还公开一种基于图像传感网的智能农业驱鸟方法，其包括如下步骤：
[0008] S1，由智能图像采集设备采集图像，通过提取初始图像作为背景图像模型，确定背 景帧图像，将帧图像转换为灰度图像，再对灰度图像进行高斯平滑；
[0009] S2,定义边缘监测模型，累积统计坐标；从图像数据中获得关于飞鸟的每一帧图 像，再次分别将采集的飞鸟图像转换成灰度图像，将灰度图像进行高斯平滑；将当前帧和背 景绝对图像做绝对差，求得前景图像；
[0010] S3,将图像二值化，对前景图像进行开闭合运算以除去噪声及杂点，对得到图像进 行Canny边缘检测，采用目标中心点位置方法，求出目标中心点位置进行跟踪；
[0011] S4,将飞鸟图像移动轨迹数据通过无线网络传到控制器数据库，同时启动超声波 驱鸟器。
[0012] 所述的基于图像传感网的智能农业驱鸟方法，优选的，所述Sl背景图像模型包 括：
[0013] 通过单摄像头的智能图像采集设备，获得背景图像模型，所述背景图像模型使用 中值模型方法。
[0014] 所述的基于图像传感网的智能农业驱鸟方法，优选的，所述S2前景图像目标采集 包括：
[0015] 背景图像模型确定之后，获取前景图像目标，根据飞鸟的运行状态采用不同的前 景图像目标米集方法。
[0016] 所述的基于图像传感网的智能农业驱鸟方法，优选的，所述根据飞鸟的运行状态 采集前景图像模型包括：
[0017] 当飞鸟图像为运动状态时，采用帧查法进行图像采集，将相邻两帧或多帧连续图 像逐像素相减，以去除静止或移动缓慢的物体及背景，获取差值图像，并对该差值图像进行 二值化，若图像像素值大于某一阈值，则判定此图像像素出现在运动目标上，且经过阈值操 作后得到的图像直接显示出了目标的位置、大小和形状信息。
[0018] 所述的基于图像传感网的智能农业驱鸟方法，优选的，所述根据飞鸟的运行状态 采集前景图像模型还包括：
[0019] 当采集的背景图像时常发生变化时，通过背景差分法获取前景目标图像，通过背 景建模，利用相邻序列图像估计视频中不变的或有规律变化的背景，将输入图像与背景图 像进行比较，从中分割出前景运动目标。
[0020] 所述的基于图像传感网的智能农业驱鸟方法，优选的，所述背景图像包括：
[0021] A、所述背景图像通过求多幅背景图像的像素点均值得到；
[0022] B、所述背景图像通过求多幅背景图像的像素点中值得到；
[0023] C、所述背景图像通过求多幅背景图像建立自适应模型得到；
[0024] 基于时间的多幅图像平均法，通过求一段连续时间内多幅图像累加和的平均值而 得到背景图像，如公式所示，
[0026] 其中，BtS t时刻的背景图像帧，I ,为t时刻的输入图像帧，η为帧的总数。
[0027] 所述的基于图像传感网的智能农业驱鸟方法，优选的，所述根据飞鸟的运行状态 采集前景图像模型还包括：
[0028] 根据飞鸟运动目标进行跟踪，通过运动估计法获取前景目标图像，通过视频序列 的时空相关性来分析估计运动场，建立相邻帧间的对应关系，进而利用目标与背景表现运 动模式的不同进行运动目标的检测与分割；图像对应点的亮度模式随着物体运动而变化， 则亮度模式的表观运动为光流；由于光流包含被观测图像中运动物体的信息，因此能表征 运动所引起的图像变化；当物体运动时，在图像上对应物体的亮度模式也在运动。
[0029] 所述的基于图像传感网的智能农业驱鸟方法，优选的，所述根据飞鸟的运行状态 采集前景图像模型还包括：
[0030] 对运动目标跟踪采用基于动态轮廓的跟踪方法，
[0031] a、进行背景建模，在背景差分法的基础上，先建立一个模型，不再保存建模图片， 对每帧计算前景目标，用余下的背景图片直接更新原来的模型（m〇del*N+lV(N+l)，model 为模型图片，N为建模图片数，对建模的图片对时间序列赋权，得到背景模型；
[0032] b、将含有运动目标的图像帧和背景模型作差运算，得到作差后的结果，即对飞鸟 进行检测；
[0033] c、将作差结果在一定阈值下判断与背景模型偏差较大的像素，即对飞鸟进行分 害h再次，提取飞鸟形状，计算飞鸟中心点；
[0034] c、根据中心点轨迹提取出飞鸟运动区域，从视频中读取一帧，然后判断帧是否有 效，若无效则程序结束，若有效则对帧图像进行处理，直至视频播放结束。
[0035] 综上所述，由于采用了上述技术方案，本发明的有益效果是：
[0036] 由智能设备采集视频，通过软件提取视频前100帧作为背景，确定背景帧图像。将 帧图像转换为灰度图像，再对灰度图像进行高斯平滑。针对飞鸟进行跟踪监测：定义边缘 监测模型，累积统计（x，y)坐标。从视频结构中获得关于飞鸟的每一帧图像，分别将图像转 换成灰度图像，将灰度图像进行高斯平滑。将当前帧和背景绝对图像做绝对差，求得前景图 像。将图像二值化，对前景图像进行开闭合运算以除去噪声及杂点，对得到图像进行Canny 边缘监测，采用中心点的思想，求出目标的大致中心位置进行跟踪。最后，将移动轨迹通过 无线网络传到数据库，同时启动超声波驱鸟器。本发明不但能够实时进行驱鸟操作，而且能 够能将驱鸟历史数据进行实时判断整理，对每次的驱鸟活动进行指导，达到更加智能化的 驱鸟操作。
[0037] 本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变 得明显，或通过本发明的实践了解到。
【附图说明】
[0038] 本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变 得明显和容易理解，其中：
[0039] 图1是本发明基于图像传感网的智能农业驱鸟系统示意图；
[0040] 图2是本发明基于图像传感网的智能农业驱鸟方法流程图。
【具体实施方式】
[0041] 下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终 相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附 图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。
[0042] 在本发明的描述中，需要理解的是，