[发明专利]农作物田地中有益昆虫和/或污染物的识别

说明书

本发明处理在农作物的田地中有益昆虫和/或有害生物的识别。使用一个或多个传感器捕获田地中物种的存在。生成关于它可能是哪些物种的一个或多个建议。基于一个或多个模型，计算检测到的物种可能是建议物种的特定概率。检测物种所在的位置、检测时间以及优选影响田地中建议物种存在的进一步参数被包括在模型中。借助于建模增加传感器的重要性。

技术领域

本发明涉及在农作物田地中有益昆虫和/或有害生物的识别。

背景技术

在现代农业中，农业使用区域内的有益昆虫和/或有害生物的自动检测和识别起着越来越重要的作用。例如，一项重要任务是将有用的花粉供体与有害昆虫区分开。

另一项重要任务是识别在田地中有害生物的存在是否超过了损害阈值。损害阈值是指控制变得经济可行时的有害生物侵染的密度。在达到该值之前，控制的额外经济费用大于可怕的作物短缺。如果侵染密度超过该值，则控制成本至少由预期的额外产量补偿。

取决于害虫的性质，损害阈值可以广泛变化。在害虫只能以很高的费用控制并且对进一步生产产生负面伴随影响的情况下，损害阈值可能非常高。然而，在轻微的侵染可能成为重大爆发的来源的情况下，损害阈值也可能非常低。

应当注意，对于许多害虫，超过损害阈值的时间点并不精确地对应于控制措施的最优时间点。控制阈值通常低于经济损失阈值，因为在施加的植物保护剂可以发挥其作用之前必须经过一定的时间段。

允许识别损害和/或控制阈值的最重要的先决条件是有效的侵染控制。

对于有害昆虫的侵染控制，例如使用胶合涂料板或黄色捕获壳。许多害虫，诸如油菜籽害虫，被壳或面板的黄色吸引。黄色捕集池填充有添加了表面活性剂的水，以便降低表面张力，使得吸引的害虫被淹死。在胶合板的情况下，害虫粘在胶水中。

然而，手动放置和控制陷阱是费力且耗时的。

WO2014/035993 A2公开了一种自动系统，借助于该系统吸引蚊子使得可以采集唾液样本。分析唾液样本以便识别蚊子物种。该系统相对昂贵。另外，引诱剂的使用是不利的，因为被吸引的生物体受到影响，并且不清楚生物体是否会自己被吸引到诱捕器的区域。通过使用引诱剂确定侵染密度更加困难，因为必须确定引诱剂的影响。

借助于LiDAR(光探测和测距)，可以检测和识别其自然环境中的飞行昆虫。昆虫的翅膀拍打引起反向散射激光的调制，使得例如通过其特有的翅膀拍打可以识别昆虫。

Mikkel Brydegaard等人描述了基于所谓的Scheimpflug原理(Super ResolutionLaser Radar with Blinking Atmospheric Particles—Application to InteractingFlying Insects，Progress In Electromagnetics Research，2014年第147卷第141-151页)用于识别飞虫的LiDAR系统。David S.Hoffmann等人描述了用于识别蜜蜂的LiDAR系统(Range-resolved optical detection of honeybees by use of wing-beat modulationof scattered light for locating land mines,APPLIED OPTICS，2007年第15期第46卷)。

尽管该技术在不断改进(Carsten Kirkeby等人，Observations of movementdynamics of flying insects using high resolution lidar，Scientific Reports|6:29083|DOI:10.1038/srep29083)，但自然环境中个体物种的识别目前没有足够准确。