一种面向园林入侵昆虫的无补光AI识别监测方法及系统

本发明属于园林植保智能监测领域，更具体而言，涉及一种面向园林入侵昆虫的无补光ai识别监测方法及系统。

背景技术：

1、随着我国城市园林绿化精细化、智慧化建设快速推进，城市绿地面积持续扩大，绿地类型呈现碎片化、多样化特征。同时，苗木跨区域调运、自然迁飞等途径导致园林入侵昆虫频发，美国白蛾、悬铃木方翅网蝽、红火蚁等检疫性入侵昆虫，具有繁殖速度快、无本土天敌、隐蔽性强、扩散范围广的特点，极易造成大面积绿植损毁，甚至威胁城市生态安全。

2、园林昆虫监测是虫害防控的核心基础。目前，主流的监测方案主要分为两类：

3、第一类为传统人工监测方案，依托养护人员定期巡查绿地，搭配黄色粘虫板等设备，人工定期清点虫量、记录虫害发生情况。该方式存在效率低、滞后性强、人力成本高、数据主观性强、无法形成持续监测数据等问题。

4、第二类为传统智能虫情监测方案，采用带主动补光灯的智能虫情测报灯或高清监控摄像头，通过夜间主动光源诱集喜光昆虫，拍摄图像后上传云端进行ai识别。然而，该方案存在以下难以克服的缺陷：（1）主动补光会大量趋引喜光昆虫，严重改变自然状态下昆虫的活动规律，导致监测数据失真，虫口密度测报误差大；（2）依赖云端集中算力，在网络薄弱区域易出现数据丢失和识别延迟，实时性不足；（3）设备防护性差，户外长期布设易因鼠虫啃噬、受潮等导致故障，运维成本高；（4）数据维度单一，通常仅聚焦于害虫，无法同步区分入侵昆虫、本土害虫和有益昆虫，难以支撑生态摸底和长期科研；（5）供电布线施工破坏性大，依赖市电和有线网络，在零散绿地布设成本极高，难以实现全域网格化监测。

技术实现思路

1、本发明的主要目的在于提供一种面向园林入侵昆虫的无补光ai识别监测方法及系统，实现无干扰、高精度、全天候、全场景自动化的入侵昆虫监测。

2、根据本发明的第一方面实施例，提供了一种面向园林入侵昆虫的无补光ai识别监测方法，包括以下步骤：

3、s1：在园林监测场景中布设监测终端，所述监测终端搭载粘虫胶带作为昆虫诱捕载体，并配置无补光低照度成像设备；

4、s2：利用所述无补光低照度成像设备，在无主动光源补光条件下，仅依赖环境自然光或城市夜间弱微光，对所述粘虫胶带上的昆虫目标进行全天候定时图像抓拍和/或动态视频录制，获取昆虫图像数据；

5、s3：部署于监测终端本地的边缘ai识别终端接收所述昆虫图像数据，在本地运行预先训练的园林昆虫识别模型，对所述昆虫图像数据进行分类识别，输出昆虫种类、数量和/或虫口密度的识别结果，并将识别结果整理为结构化数据；

6、s4：所述边缘ai识别终端将所述结构化数据通过无线通信模块上传至云端管理平台；

7、s5：所述云端管理平台接收并汇总来自全域多个监测终端的结构化数据，进行虫情统计分析、虫害告警研判和/或数据可视化展示。

8、根据本发明第一方面实施例所述的面向园林入侵昆虫的无补光ai识别监测方法，所述步骤s2中，所述无补光低照度成像设备内置生成式ai低照度成像模型，所述生成式ai低照度成像模型用于在低照度或夜间无光环境下自动优化图像噪点、提升动态昆虫目标清晰度，输出全彩色高清图像。

9、根据本发明第一方面实施例所述的面向园林入侵昆虫的无补光ai识别监测方法，所述步骤s3中，所述园林昆虫识别模型被配置为至少能够分类识别入侵昆虫、本土有害昆虫和园林有益昆虫三个类别。

10、根据本发明第一方面实施例所述的面向园林入侵昆虫的无补光ai识别监测方法，所述步骤s3中，还包括新物种样本自动采集步骤s31：

11、当所述边缘ai识别终端判定所述昆虫图像数据中的昆虫目标无法被所述园林昆虫识别模型匹配识别时，自动标记该昆虫目标为未知物种，并关联记录当前抓拍图像、监测时间、经纬度地点信息和/或园林场景类型，封装为新物种样本数据包，在本地存储并上传至云端管理平台。

12、根据本发明第一方面实施例所述的面向园林入侵昆虫的无补光ai识别监测方法，所述步骤s2中，还包括粘虫胶带自动更新步骤s21：

13、在监测过程中，由集成于监测终端的自动化胶带更新机构执行胶带自动更换，所述自动化胶带更新机构包括胶带放卷轮、胶带回收轮和伺服驱动电机；

14、所述胶带自动更新基于以下任一种触发逻辑：

15、（a）定时更新模式：按照系统预设的固定更新周期，由所述伺服驱动电机驱动胶带回收轮转动，将使用过的旧胶带卷收至回收轮，同时释放放卷轮上的全新胶带至拍摄监测区域；

16、（b）过载智能更新模式：由所述边缘ai识别终端实时检测粘虫胶带上昆虫覆盖密度或有效粘附面积，当检测到昆虫覆盖密度超过预设阈值或有效粘附面积低于预设阈值时，自动触发伺服驱动电机执行胶带更换。

17、根据本发明第一方面实施例所述的面向园林入侵昆虫的无补光ai识别监测方法，所述步骤s2中，还包括耗材智能预警步骤s22：

18、所述监测终端实时监测粘虫胶带的剩余长度，当剩余长度低于预设预警阈值时，在本地生成耗材告警信息，并上传至云端管理平台，由云端管理平台自动生成并派发耗材更换运维工单。

19、根据本发明第一方面实施例所述的面向园林入侵昆虫的无补光ai识别监测方法，所述步骤s4中，所述无线通信模块为4g/5g双模通信模块，所述边缘ai识别终端按照优先级分级上传数据：

20、高优先级数据包括入侵昆虫高密度告警信号、胶带耗材用尽预警信号和未知新物种样本图像；

21、常规优先级数据包括分时段结构化虫情统计数据、设备在线工况、电池电量和成像运行日志。

22、根据本发明第一方面实施例所述的面向园林入侵昆虫的无补光ai识别监测方法，所述步骤s5之后，还包括算法迭代更新步骤s51：

23、所述云端管理平台接收所述边缘ai识别终端上传的未知物种样本数据包，由后台专业人员人工复核鉴别物种属性，将标注后的新样本纳入训练数据集，重新训练优化所述园林昆虫识别模型，并将优化后的模型包远程下发至各监测终端的边缘ai识别终端，完成模型更新。

24、根据本发明的第二方面实施例，提供了一种面向园林入侵昆虫的无补光ai识别监测系统，包括上述的面向园林入侵昆虫的无补光ai识别监测方法，还包括。

25、昆虫诱捕模块，包括粘虫胶带和自动化胶带更新机构，用于诱捕昆虫并为成像提供监测载体；

26、无补光低照度成像设备，设置有生成式ai低照度成像模型的全时段彩色摄像机，用于在无主动补光条件下全天候采集所述粘虫胶带上昆虫目标的图像和/或视频；

27、边缘ai识别终端模块，包括gpu算力的边缘图像分类识别终端和监测设备箱体，所述边缘图像分类识别终端设置在所述监测设备箱体内，用于本地执行图像采集、昆虫识别、数据结构化处理和本地存储；

28、供电与通信模块，包括太阳能板、电池组和4g/5g双模通信单元，用于提供自供电和无线数据传输；

29、云端管理平台，用于接收汇总全域监测终端上传的结构化数据，执行虫情统计分析、虫害告警研判、新物种人工鉴别和ai模型迭代管理。

30、根据本发明第二方面实施例所述的面向园林入侵昆虫的无补光ai识别监测系统，还包括多场景防护安装结构模块，所述多场景防护安装结构模块包括所述监测设备箱体的底部外壁和底部均涂覆有环保驱鼠防虫防腐涂料；所述监测设备箱体的内部电线穿设于镀锌金属波纹管或加厚尼龙阻燃蛇皮管内；所述监测设备箱体的内部角落处设置有缓释型安全驱避物料；所述监测设备箱体的接缝处和线缆穿线孔处均采用密封胶和橡胶护线圈全密封处理设置；所述监测设备箱体的底部设有带防虫网的排水孔。

31、根据本发明第二方面实施例所述的面向园林入侵昆虫的无补光ai识别监测系统，所述监测终端的安装形式包括适用于树木高点的壁装结构、适用于灌木丛的矮立杆安装结构以及适用于草坪的地埋式安装结构。

32、根据本发明第二方面实施例所述的面向园林入侵昆虫的无补光ai识别监测系统，所述自动化胶带更新机构设置在胶带回收轮的底部框架内，以便于不遮挡成像模块的监测视野；所述自动化胶带更新机构还设有胶带耗材余量传感器，用于实时监测胶带剩余长度并上传至边缘ai识别终端。

33、本发明上述技术方案中的一个技术方案至少具有如下优点或有益效果之一：

34、本发明克服现有技术主动补光造成的昆虫趋光干扰问题，实现无补光、无光污染的自然状态昆虫监测，保障监测数据真实贴合园林生态实际情况，提升虫口密度测报精准度；

35、基于边缘计算实现本地实时昆虫识别、数据结构化处理，支持新入侵昆虫样本自动采集留存，结合云端完成人工复核与算法迭代，持续提升入侵昆虫识别精度；

36、通过系统化的设备安装结构与防护设计，解决户外低矮设备鼠虫侵害、线路损坏、受潮故障等问题，实现设备长期稳定无人值守监测；

37、构建本地园林昆虫专属数据集，同步区分入侵昆虫、本土害虫、有益昆虫，兼顾虫害防控、生态摸底、科研实训、林木防疫等多元化应用需求；

38、采用太阳能自供电和无线通信一体化方案，全程无需开挖绿地布线、不用外接市电网线，简化现场施工流程，无景观破坏，大幅降低全域布点施工成本与落地门槛。