(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210979627.0 (22)申请日 2022.08.16 (71)申请人 河北省农林科 学院植物保护研究所 地址 071000 河北省保定市东关大街 437号 (72)发明人 安静杰　郭江龙　高占林　李耀发　 党志红　 (74)专利代理 机构 佛山粤进知识产权代理事务 所(普通合伙) 44463 专利代理师 王余钱 (51)Int.Cl. G06V 20/69(2022.01) G06V 10/74(2022.01) G06V 10/44(2022.01) G06V 10/30(2022.01) (54)发明名称 一种基于光学图像识别的二点委夜蛾饲养 方法及系统 (57)摘要 本发明公开了一种基于光学图像识别的二 点委夜蛾饲养方法及系统， 通过 获取二点委夜蛾 生长图像数据分析得到生长异常信息， 根据生长 异常信息将生长异常和羽化异常的二点委夜蛾 进行提前预测 并清除， 得到较为健康的饲养组， 提高了健康饲养二点委夜蛾的效率。 另外， 通过 获取光学显微图像， 得到微孢子虫感染信息， 并 根据感染信息进行二点委夜蛾的一代和二代健 康筛选， 得到去除微孢子虫病的健康 二点委夜蛾 饲养组， 本发明具有较强的实用性和高效性。 另 外， 本发明通过分析采集点的环境信息， 能够得 到较佳的二点委夜蛾采集点， 从而提高二点委夜 蛾的采集健康 率， 实现了提高健康 二点委夜蛾饲 养效率的目的。 权利要求书3页 说明书12页 附图2页 CN 115147837 A 2022.10.04 CN 115147837 A 1.一种基于光学图像识别的二 点委夜蛾饲养方法， 其特 征在于， 包括： 获取二点委夜蛾生长图像数据， 根据图像数据进行 虫害感染预测， 得到生长异常信息； 根据生长异常信息将二 点委夜蛾进行筛 选与分组， 并获取二 点委夜蛾光学显微图像； 将光学显微图像导入微孢子虫识别模型进行 虫害识别并得到第一 微孢子虫感染信息； 根据微孢子虫感染信息， 将二点委夜蛾进行组间筛选与饲养， 并获取第二代二点委夜 蛾的光学显微图像， 将所述第二代二点委夜蛾的光学显微图像导入微孢子虫识别模型进 行 二次虫害识别得到第二 微孢子虫感染信息； 根据第二 微孢子虫感染信息进行二次组间筛 选与合并， 得到二 点委夜蛾健康组。 2.根据权利要求1所述的一种基于光学图像识别的二点委夜蛾饲养方法， 其特征在于， 所述获取二点委夜蛾生长图像数据， 根据图像数据进 行虫害感染预测， 得到生长异常信息， 具体为： 获取二点委夜蛾生长图像数据； 根据二点委夜蛾生长期， 将生长图像数据进行 数据划分， 得到三组生长图像数据； 获取历史对比图像数据， 将历史对比图像数据与三组生长图像数据进行图像特征值对 比分析， 得到生长 完成度信息； 根据生长 完成度信息与预设对比完成度信息进行分析比较， 得到生长异常信息 。 3.根据权利要求1所述的一种基于光学图像识别的二点委夜蛾饲养方法， 其特征在于， 所述根据生长异常信息将二点委夜蛾进行筛选与分组， 并获取二点委夜蛾光学显微图像， 具体为： 根据生长异常信息， 将生长异常的二 点委夜蛾进行清除； 获取生长正常的二点委夜蛾并进行分组与编号， 将每组二点委夜蛾进行光学显微检 测， 得到二 点委夜蛾光学显微图像。 4.根据权利要求1所述的一种基于光学图像识别的二点委夜蛾饲养方法， 其特征在于， 所述将光学显微图像导入微孢子虫识别模型进 行虫害识别并得到第一微孢子虫感染信息， 之前包括： 从大数据中获取微孢子虫图像数据； 根据所述微孢子虫图像数据进行图像平滑、 降噪预处理， 并获取微孢子虫的轮廓特征 数据和形状大小特 征数据； 将轮廓特征数据和形状大小特征数据作为微孢子虫的识别特征数据， 将所述识别特征 数据进行 数据划分， 得到训练 组数据与验证组数据； 构建微孢子虫识别模型， 将训练组数据与验证组数据导入微孢子虫识别模型进行特征 数据的训练与验证， 直至微孢子虫识别模型达 到预设识别标准。 5.根据权利要求1所述的一种基于光学图像识别的二点委夜蛾饲养方法， 其特征在于， 所述将光学显微图像导入微孢子虫识别模型进 行虫害识别并得到第一微孢子虫感染信息， 具体为： 获取光学显微图像， 将所述光学显微图像进行图像平滑、 降噪预处理， 并得到增强显微 图像； 将所述增强显微图像进行微 生物识别与轮廓特 征提取， 得到光学显微图像特 征值； 将光学显微图像特征值导入微孢子虫识别模型进行特征识别， 并计算出特征相似度与权　利　要　求　书 1/3 页 2 CN 115147837 A 2微孢子虫感染指数； 将特征相似度与微孢子虫感染指数进行信息合并得到第一 微孢子虫感染信息； 其中， 特征相似度计算公式具体为： 其中， S为特征相似度， M为光学显微图像特征总像素， O(i)为光学显微 图像第i个像素 的特征值， N为验证图像数据总像素， Y(j)为第j个 像素的验证特 征值， PC为验证修 正系数； 微孢子虫感染指数计算公式具体为： 其中， D为微孢子虫感染指数， Z为相似度总个数， G(e)为第e个相似度的具体数值， K为 感染修正系数。 6.根据权利要求1所述的一种基于光学图像识别的二点委夜蛾饲养方法， 其特征在于， 所述根据微孢子虫感染信息， 将二点委夜蛾进行组间筛选与饲养， 并获取第二代二点委夜 蛾的光学显微图像， 将所述第二代二点委夜蛾的光学显微图像导入微孢子虫识别模型进 行 二次虫害识别得到第二 微孢子虫感染信息， 具体为： 根据第一 微孢子虫感染信息， 获取每组二 点委夜蛾的微孢子虫感染指数； 将微孢子虫感染指数与第一预设指数阈值进行比较； 若微孢子虫感染指数小于第 一预设指数阈值， 则将对应的二点委夜蛾饲养组进行筛选 与饲养， 得到第二代二 点委夜蛾； 获取第二代二 点委夜蛾的光学显微图像； 将所述第二代二点委夜蛾的光学显微图像导入微孢子虫识别模型进行二次虫害识别 分析， 得到第二 微孢子虫感染信息 。 7.根据权利要求1所述的一种基于光学图像识别的二点委夜蛾饲养方法， 其特征在于， 所述根据第二微孢子虫感染信息进行二次组间筛选与合并， 得到二点委夜蛾健康组， 具体 为： 获取第二 微孢子虫感染信息中的第二特 征相似度与第二 微孢子虫感染指数； 判断第二特征相似度， 筛选出第二特征相似度大于预设相似度对应的二点委夜蛾组 别， 得到第一筛 选组； 判断第一筛选组中的第 二微孢子虫感染指数， 筛选出第 二微孢子虫感染指数小于第 二 预设指数阈值的组别并进行组间合并， 得到二 点委夜蛾健康组。 8.一种基于光学图像识别的二点委夜蛾饲养系统， 其特征在于， 该系统包括： 存储器、 处理器， 所述存储器中包括基于光学图像识别的二点委夜蛾饲养方法程序， 所述基于光学 图像识别的二 点委夜蛾饲养方法程序被所述处 理器执行时实现如下步骤： 获取二点委夜蛾生长图像数据， 根据图像数据进行 虫害感染预测， 得到生长异常信息； 根据生长异常信息将二 点委夜蛾进行筛 选与分组， 并获取二 点委夜蛾光学显微图像； 将光学显微图像导入微孢子虫识别模型进行 虫害识别并得到第一 微孢子虫感染信息； 根据微孢子虫感染信息， 将二点委夜蛾进行组间筛选与饲养， 并获取第二代二点委夜权　利　要　求　书 2/3 页 3 CN 115147837 A 3