[发明专利]基于图像识别的蜂螨识别方法及设备

说明书

本公开提出了基于图像识别的蜂螨识别方法及设备，蜂螨识别方法包括如下步骤：获取蜂脾图像；采用深度学习方法结合图像处理方法对蜂螨情况进行识别；周期性的执行上述步骤对蜜蜂染螨情况进行统计预测蜂螨发病规律，根据发病规律生成蜂螨防控方案。通过使用计算机视觉识别技术，对染螨蜜蜂进行分析统计，辅助养殖决策，使得蜜蜂养殖具有更加智能、更加高效、更加精准且操作简单的优点。

技术领域

本公开涉及蜜蜂养殖相关技术领域，具体的说，是涉及基于图像识别的蜂螨识别方法及设备。

背景技术

本部分的陈述仅仅是提供了与本公开相关的背景技术信息，并不必然构成在先技术。

蜂螨是全球蜜蜂养殖中最严重的生物威胁，目前主要依赖化学杀螨药治螨。但是在生产中经常存在杀螨药乱用的情况，过频过量使用会加大蜂螨的耐药性，低剂量、不及时用药，起不到杀螨效果，蜂群损失严重。导致这些情况主要原因是因为养蜂人无法快速精准检测蜂群螨害寄生率、预测螨害发生的时空规律、不了解蜂螨寄生率与用药剂量的关系等，故而无法做到适时、适地、适量的用药，更无法采取准确的提前防控措施。

发明人发现，目前的识别方法，在蜜蜂养殖生产中，通常采用的肉眼识别的方法，但是蜂螨个体小、群内蜜蜂数目多，无法做到逐一识别，只能根据检查蜂群时观察到染螨的频率和蜜蜂体况大致估测蜂螨的寄生率，无法给出精准的数据，只能用高、中、低进行粗略的等级评价。在科研中，为了获得可描述的数据，通常采用抽样调查的方法，即每个蜂群随机取300只蜜蜂，通过洗涤剂或者酒精漂洗的办法将蜂螨从蜜蜂上洗脱下来，对蜂螨进行人为计数，计算蜂螨的寄生率(蜂螨数/蜜蜂数)。这种方法操作繁琐、抽样误差与系统误差较大，难以快速获得精准的数据。因此，目前无论是养蜂生产中，还是蜂螨的科学研究中均缺少一种高效、准确、操作简单的方法来统计蜂螨的寄生率。

发明内容

本公开为了解决上述问题，提出了基于图像识别的蜂螨识别方法及设备，通过使用计算机视觉识别技术，对染螨蜜蜂进行分析统计，辅助养殖决策，使得蜜蜂养殖具有更加智能、更加高效、更加精准且操作简单的优点。

为了实现上述目的，本公开采用如下技术方案：

一个或多个实施例提供了基于图像识别的蜂螨识别方法，包括如下步骤：

获取蜂脾图像；

采用深度学习方法结合图像处理方法对蜂螨情况进行识别；

周期性的执行上述步骤对蜜蜂染螨情况进行统计预测蜂螨发病规律，根据发病规律生成蜂螨防控方案。

一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成上述方法所述的步骤。

一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成上述方法所述的步骤。

与现有技术相比，本公开的有益效果为：

(1)本公开通过深度学习算法对深度学习方法结合图像处理方法对蜂螨情况进行识别，提高识别的效率，能够提高蜂螨识别的智能化。

(2)本公开中，设置了yolo3模型融合MobileNetV2模型对蜂螨情况进行识别，这两种模型的结合既保证了准确率又具有运算速度快，轻量的特点。

本公开附加方面的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，或通过本公开的实践了解到。

附图说明

构成本公开的一部分的说明书附图用来提供对本公开的进一步理解，本公开的示意性实施例及其说明用于解释本公开，并不构成对本公开的限定。

图1是本公开实施例1的蜂螨识别方法流程图；

图2是本公开实施例1的融合模型结构图。