[发明专利]基于LoRa节点的昆虫密度识别系统

说明书

本发明提供了一种基于LoRa节点的昆虫密度识别系统，所述系统由LoRa网关、昆虫诱捕器及设在昆虫诱捕器上的LoRa节点构成；所述LoRa节点上设有摄像头，所述摄像头用于拍摄昆虫诱捕器的底面图片，所述摄像头拍摄的图片为RGB图片；所述LoRa节点将昆虫诱捕器的底面图片转换为二值型图片，并根据二值型图片上昆虫所占的像素点的比例，计算出昆虫的密度大小；所述LoRa节点将计算出的昆虫的密度大小发送至LoRa网关，以对LoRa节点进行远程监控。本发明的有益效果在于：利用LoRa节点对昆虫诱捕器的底面图片进行计算处理，得到昆虫的密度大小，使得LoRa节点资源得到有效利用，不需要用到额外的服务器，能够有效降低系统的成本。

技术领域

本发明涉及昆虫密度识别系统，尤其是指一种基于LoRa节点的昆虫密度识别系统。

背景技术

在传统的基于人工智能的物联网系统中，一般将机器学习算法集中部署在中央服务器中，通过节点网关采集数据，最后将得到的数据在中央服务器进行集中处理。

针对传统的机器学习物联网系统框架，中央服务器的计算资源十分宝贵，同时存在着计算资源匮乏的现状，节点网关设备的计算资源冗余的情况，因此，需要对现有的昆虫密度识别系统提出改进。

发明内容

本发明所要解决的技术问题是：提供一种低复杂度的基于LoRa节点的昆虫密度识别系统。

为了解决上述技术问题，本发明采用的技术方案为：一种基于LoRa节点的昆虫密度识别系统，所述系统由LoRa网关、昆虫诱捕器及设在昆虫诱捕器上的LoRa节点构成；

所述LoRa节点上设有摄像头，所述摄像头用于拍摄昆虫诱捕器的底面图片，所述摄像头拍摄的图片为RGB图片；

所述LoRa节点将昆虫诱捕器的底面图片转换为二值型图片，并根据二值型图片上昆虫所占的像素点的比例，计算出昆虫的密度大小；

所述LoRa节点将计算出的昆虫的密度大小发送至LoRa网关，以对LoRa节点进行远程监控。

进一步的，所述LoRa节点将昆虫诱捕器的底面图片转换为二值型图片，并根据二值型图片上昆虫所占的像素点的比例，计算出昆虫的密度大小包括，

将RGB图片根据灰度转换公式，转换为灰度图片；

计算出灰度图片的像素点的灰度平均值；

将灰度值大于或等于灰度平均值的像素点的灰度值设为256，将灰度值小于灰度平均值的像素点的灰度值设为0；

计算灰度值为256的像素点占所有像素点的比例，得到昆虫的密度大小。

进一步的，所述灰度转换公式为：Gray＝R*0.299+G*0.587+B*0.114；其中，Gray为灰度值，R为红色亮度值，G为绿色亮度值，B为蓝色亮度值。

进一步的，所述LoRa节点由STM32主控芯片、外围电路以及一个LoRa射频模块组成，通过串口与所述摄像头连接；所述STM32主控芯片可控制摄像头拍照，进而获得昆虫诱捕器的底面图片，以及控制LoRa射频模块进行发送接收信息，与LoRa网关进行通信。

进一步的，所述摄像头设在昆虫诱捕器的顶部，摄像头的镜头朝下，以使昆虫诱捕器的底面在摄像头的拍摄范围内。

进一步的，所述昆虫诱捕器的底面为白色背景的底面。

本发明的有益效果在于：所述系统由LoRa网关、昆虫诱捕器及设在昆虫诱捕器上的LoRa节点构成；通过LoRa节点上设的摄像头采集到昆虫诱捕器的底面图片，利用LoRa节点对昆虫诱捕器的底面图片进行计算处理，得到昆虫的密度大小，使得LoRa节点资源得到有效利用，不需要用到额外的服务器，能够有效降低系统的成本，将计算得到的昆虫的密度大小发送至LoRa网关，实现对LoRa节点的远程监控。