[发明专利]基于人工智能和声音识别虫害方法和机器人

权利要求书

1.一种人工智能方法，其特征在于，所述方法包括：

位置获取步骤：获取预设场所的多个录音装置所在的多个位置的位置信息，作为多个录音位置；

声音采集步骤：通过所述多个录音装置采集声音，将声音文件切分为预设时间长度的声音片段，该声音片段对应的时间段作为录音时段；并将所述声音片段与采集该声音的录音装置、录音装置的位置、录音时段进行关联后存入声音大数据；

专家标注虫害步骤：获取每一个声音片段的专家标注，专家标注包括虫害的类型、虫害的严重程度；

虫声识别模型训练步骤：获取用于训练的声音片段及其专家标注，将声音片段作为输入，将声音片段的专家标注作为预期输出，对预设的第一深度学习模型进行训练，得到虫声识别深度学习模型；

虫声识别模型预测步骤：获取用于预测的声音片段，将该声音片段输入虫声识别深度学习模型，得到该声音片段对应的虫害的类型、虫害的严重程度。

2.根据权利要求1所述的人工智能方法，其特征在于，所述方法还包括：

虫害可视化步骤：对预设场所的每个录音装置录制的声音片段进行预测，得到预设场所的每个录音装置录制的声音片段对应的虫害的类型、虫害的严重程度；将所述虫害的类型、虫害的严重程度以不同的标志(例如不同的颜色和颜色深度，或不同的虫子图像和虫子密集度示意)标识到电子地图上，所述电子地图不但具有空间维还具有时间维。

3.根据权利要求1所述的人工智能方法，其特征在于，所述方法还包括：

未来虫害模型训练步骤：获取用于训练的每个录音位置的每个时间段的虫害的类型、虫害的严重程度，将所述录音位置的前M个时间段的虫害的类型、虫害的严重程度作为输入，将所述录音位置的后N个时间段的虫害的类型、虫害的严重程度作为预期输出，对预设的第二深度学习模型进行训练，得到虫害未来预测模型；

未来虫害模型预测步骤：获取用于预测的每个录音位置的每个时间段的虫害的类型、虫害的严重程度，将所述录音位置的最近M个时间段的虫害的类型、虫害的严重程度作为输入，输入虫害未来预测模型，计算得到未来N个时间段的虫害的类型、虫害的严重程度。

4.根据权利要求1所述的人工智能方法，其特征在于，所述方法还包括：

虫害空间拟合步骤：根据不同录音位置上预测得到的虫害的类型、虫害的严重程度，进行预设场所中虫害的类型、虫害的严重程度的空间拟合，得到预设场所中虫害的类型、虫害的严重程度的空间分布；

虫害时空拟合步骤：根据不同录音位置上不同时段预测得到的虫害的类型、虫害的严重程度，进行预设场所中虫害的类型、虫害的严重程度的时空拟合，得到预设场所中虫害的类型、虫害的严重程度的时空分布。

5.一种人工智能装置，其特征在于，所述装置包括：

位置获取模型：获取预设场所的多个录音装置所在的多个位置的位置信息，作为多个录音位置；

声音采集模型：通过所述多个录音装置采集声音，将声音文件切分为预设时间长度的声音片段，该声音片段对应的时间段作为录音时段；并将所述声音片段与采集该声音的录音装置、录音装置的位置、录音时段进行关联后存入声音大数据；

专家标注虫害模型：获取每一个声音片段的专家标注，专家标注包括虫害的类型、虫害的严重程度；

虫声识别模型训练模型：获取用于训练的声音片段及其专家标注，将声音片段作为输入，将声音片段的专家标注作为预期输出，对预设的第一深度学习模型进行训练，得到虫声识别深度学习模型；

虫声识别模型预测模型：获取用于预测的声音片段，将该声音片段输入虫声识别深度学习模型，得到该声音片段对应的虫害的类型、虫害的严重程度。

6.根据权利要求5所述的人工智能装置，其特征在于，所述装置还包括：

虫害可视化模型：对预设场所的每个录音装置录制的声音片段进行预测，得到预设场所的每个录音装置录制的声音片段对应的虫害的类型、虫害的严重程度；将所述虫害的类型、虫害的严重程度以不同的标志(例如不同的颜色和颜色深度，或不同的虫子图像和虫子密集度示意)标识到电子地图上，所述电子地图不但具有空间维还具有时间维。