摘要：人工智能在农业领域的广泛应用,促进了智慧农业的高速发展。我国是一个农业大国,虫害造成了产量减少和质量下降,导致农民的收入减少,从而虫情监测显得尤为重要。传统虫情监测需要依靠专业技术人员,导致耗费大量人力、物力,无法满足及时虫情监测的需求。本文设计的基于人工智能的虫情监测系统为智慧农业提供精准预测和智能决策。本设计以STM32F103核心板为核心,结合图像采集模块、图像处理模块、图像分类模块,采用深度学习模型对捕获的虫体进行学习形成训练模型,通过对虫体图像进行识别,让机器具有对虫体不同类别进行识别和判定的能力,将结果传输到STM32单片机,进行计数处理操作,进而分析虫体种类和数量,对害虫的综合治理具有重要的指导意义。

摘要：为准确掌握烟草种植中的虫情,及时防治虫害,促进烟农增收,该文提出一种基于无线传输的烟草虫情监测预警装置。该装置使用STM 32单片机作为主控制器,设计诱捕单元收集烟草害虫,使用Wi-Fi模块进行数据传输,经过调试可知,该装置可以根据一定时间内收集到的烟草害虫重量和数量,预判虫情发生的可能性并作出相应预警提示。该装置还可实现与手机通信,在APP上显示虫子数量、装置倾斜角度状态等信息,同时可以通过手机APP界面的开关按键打开或关闭诱虫装置。综上,该装置可以实现烟草害虫数量监测、虫害预警的功能。

摘要：本文针对如何运用AI图像识别技术对烟草行业主要的虫情(烟草甲、烟草粉螟)进行识别,建立深度学习的系统监测技术,通过SVM向量计算实现对虫情的实时监测,同时构建对应的自学机制;研究效果表明,AI图像识别较好地实现了虫情的实时监测,解决了人工监测带来了一系列问题,为之后烟草虫情监测的研究奠定了重要基础。

摘要：利用最新的电子技术、计算机技术进行虫情信息的采集是农业数字化、信息化的主要趋势。该系统通过ARM系统对摄像头、步进电机、直流电机等的控制,以及通过无线3G网络实现了图片的传输,完成了虫情测报与诱杀控制系统的开发设计,达到了预期的效果。

摘要：传统的虫情监测主要是依靠人工,费时费力、监测效率低下,无法达到实时监测的目的。应用物联网技术进行茶树虫情监测,不仅可实现实时虫情监测,还可实现远程虫情监测,节省了人工、提高了监测效率,是实现绿色防控的重要技术。文章介绍了以树莓派开发板为主控模块的茶树虫情信息采集装置的设计,该装置可自动采集及远程传输环境数据、虫情图片数据,其捕虫装置可自动转动,实现了远程自动化虫情信息采集及监测。

摘要：随着精细化管理的不断深入,传统的仓储养护管理模式也面临着巨大的挑战,原有的人工养护管理模式已经无法满足精细化和智能化仓储管理的需要;为此,以原烟仓储环节中虫情监测为探究应用方向,基于深度学习技术与目标检测技术,设计适用于烟草粉螟、烟草甲虫检测的检测网络,该网络采用轻量化结构设计,同时基于Transformer机制构建了主干网络,以实现快速、精准的检测目的;经过实验证明,该网络模型在GPUs上的检测速度达50 FPS可实现实时检测、且检测精度达96.7%;通过实时获取的检测数据结合虫情检测系统能够快速评估出原烟仓储环节中的虫情实况,实现原烟仓储虫情监测管理的信息化和智能化,进而为打叶复烤行业仓储虫情监测管理提供可行参考方案。

摘要：为了解决烟草加工虫害监测过程中的及时性和准确率问题,该文设计了一套烟草虫害自动监控系统。在生产车间原有人工虫害监控布局和虫害诱捕器的基础上,采用卷积神经网络系统算法和AI识别技术对烟草甲虫、烟草粉螟等进行自动识别,实现了烟草虫害自动监测、报警以及分析等功能。研究效果表明,该技术提高了烟虫检测的及时性和准确率,对烟草甲监测的准确率大于或等于95%,误检率小于或等于2%。该系统可以在卷烟仓储醇化等环节中推广使用。

摘要：防治作业设计及虫情监测根据松毛虫生活史、发生面积、分布位置以及危害程度,植被类型、自控能力等因素,将防治区划分不同类型,分类施策,分区治理。把治理面积、防治措施落实到小班,绘制施工作业图,编制施工作业说明。

摘要：现行的虫情调查(监测)法皆实行顺序抽样或顺序一随机抽样。其抽样量(N)固定,但误差概率不一致,缺乏可比性,且不便序贯抽样的连续进行。在今后的害虫综合治理中,田间虫情监测将对决策提供重要依据,序贯抽样的监测方法必须将成为重要的手段。为满足此要求。