[go: up one dir, main page]

CN112739206A - 基于传感器的节肢动物观察 - Google Patents

基于传感器的节肢动物观察 Download PDF

Info

Publication number
CN112739206A
CN112739206A CN201980061653.1A CN201980061653A CN112739206A CN 112739206 A CN112739206 A CN 112739206A CN 201980061653 A CN201980061653 A CN 201980061653A CN 112739206 A CN112739206 A CN 112739206A
Authority
CN
China
Prior art keywords
image
sensor
acquisition area
computer system
information
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201980061653.1A
Other languages
English (en)
Inventor
R·沃伦豪普特
D·格克
S·格罗杰
E-G·施密德
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Bayer AG
Original Assignee
Bayer AG
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Priority claimed from EP18195871.1A external-priority patent/EP3626077A1/de
Application filed by Bayer AG filed Critical Bayer AG
Publication of CN112739206A publication Critical patent/CN112739206A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01M—CATCHING, TRAPPING OR SCARING OF ANIMALS; APPARATUS FOR THE DESTRUCTION OF NOXIOUS ANIMALS OR NOXIOUS PLANTS
    • A01M1/00—Stationary means for catching or killing insects
    • A01M1/02—Stationary means for catching or killing insects with devices or substances, e.g. food, pheronones attracting the insects
    • A01M1/026—Stationary means for catching or killing insects with devices or substances, e.g. food, pheronones attracting the insects combined with devices for monitoring insect presence, e.g. termites
    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01M—CATCHING, TRAPPING OR SCARING OF ANIMALS; APPARATUS FOR THE DESTRUCTION OF NOXIOUS ANIMALS OR NOXIOUS PLANTS
    • A01M1/00—Stationary means for catching or killing insects
    • A01M1/02—Stationary means for catching or killing insects with devices or substances, e.g. food, pheronones attracting the insects
    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01M—CATCHING, TRAPPING OR SCARING OF ANIMALS; APPARATUS FOR THE DESTRUCTION OF NOXIOUS ANIMALS OR NOXIOUS PLANTS
    • A01M1/00—Stationary means for catching or killing insects
    • A01M1/02—Stationary means for catching or killing insects with devices or substances, e.g. food, pheronones attracting the insects
    • A01M1/04—Attracting insects by using illumination or colours
    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01M—CATCHING, TRAPPING OR SCARING OF ANIMALS; APPARATUS FOR THE DESTRUCTION OF NOXIOUS ANIMALS OR NOXIOUS PLANTS
    • A01M1/00—Stationary means for catching or killing insects
    • A01M1/10—Catching insects by using Traps
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
    • H04N7/188—Capturing isolated or intermittent images triggered by the occurrence of a predetermined event, e.g. an object reaching a predetermined position
    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01M—CATCHING, TRAPPING OR SCARING OF ANIMALS; APPARATUS FOR THE DESTRUCTION OF NOXIOUS ANIMALS OR NOXIOUS PLANTS
    • A01M1/00—Stationary means for catching or killing insects
    • A01M1/14—Catching by adhesive surfaces

Landscapes

  • Life Sciences & Earth Sciences (AREA)
  • Pest Control & Pesticides (AREA)
  • Engineering & Computer Science (AREA)
  • Insects & Arthropods (AREA)
  • Wood Science & Technology (AREA)
  • Zoology (AREA)
  • Environmental Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Signal Processing (AREA)
  • Probability & Statistics with Applications (AREA)
  • Catching Or Destruction (AREA)

Abstract

本发明涉及在植物生长区域内对节肢动物进行基于传感器的观察。本发明的主题是借助于相机对节肢动物进行基于传感器的观察的设备、系统、方法和计算机程序产品。

Description

基于传感器的节肢动物观察
本发明涉及在植物生长区域内对节肢动物进行基于传感器的观察。本发明提供了一种借助于相机对节肢动物进行基于传感器的观察的设备、系统、方法和计算机程序产品。
目前已知的物种中约有三分之二是节肢动物(节肢动物门)，其中85％是昆虫。节肢动物中相当大的部分是植食性的：这些动物以植物为食，并且可导致生长障碍，导致吸食损伤和咬伤，并且传递病毒性疾病。例如，这种情况导致了农作物种植的产量和质量的相当大损失。
除了这些害虫，还有一些节肢动物是对农作物的生长有益的。这些益虫可能是害虫的天敌，因为它们大幅削减害虫的数量或阻止害虫进一步繁殖，因为害虫是它们或其后代的食物。其他益虫对植物的繁殖至关重要：特别是蜜蜂、熊蜂、蝇和蝴蝶寻找花蜜的过程中从花中采集花粉，将所述花粉转移到相邻的花上，从而确保授粉。
在现代农业中，检测和识别农业利用区内的益虫和/或害虫扮演着重要的角色。
为了控制与害虫有关的虫害，通常使用黏性的彩色平板或黄色诱捕盘。许多害虫，例如油菜籽害虫，会被该盘或平板的黄色所吸引。所述黄色诱捕盘被填充有水，可以在水中加入表面活性剂，以便降低表面张力，使得吸引的害虫被淹死。在黏性平板的情况下，害虫保持粘在胶上。定期对诱捕器进行监测。通过对诱捕器中出现的害虫的数量进行计数，可以确定损害阈值。然而，计数是费力的并且易于出错。
WO2018/054767公开了一种系统，该系统包括有害生物的诱捕器、智能手机和服务器。农民可以使用智能手机来生成诱捕器的内容物的数字图像。该图像通过通信网络被传输至服务器，在服务器中对所述图像进行评估。农民从服务器接收关于被诱捕的有害生物的数量和物种的信息。WO2018/054767中公开的系统的缺点是，人必须先找出诱捕器才能进行虫害检查。
KR1020100127473公开了一种系统，该系统包括：诱捕器，该诱捕器在吸引剂(信息素)帮助下吸引昆虫；相机，该相机生成出现于诱捕器内的昆虫的图像；发送器单元，该发送器单元将图像无线传输到分析单元；以及分析单元，用于分析图像。因此，可以对诱捕器进行远程监控。该诱捕器配备有粘性层，以便使昆虫固定。随着时间的推移，越来越多的昆虫以及土壤会聚集在粘性带上，使得必须不时地找出诱捕器以便更新粘性层。
同样的情况也适用于填充有水的诱捕盘；同样，必须不时地找出诱捕盘以便清洁所述诱捕盘并且为其填充新鲜的水。
如果昆虫没有被水或粘性层固定，则昆虫会再次离开“诱捕器”。为了能够进行虫害检查，必须不断地拍摄图像，以免漏掉任何进入“诱捕器”中的任何昆虫。这首先增加了相机的能量消耗；其次，生成了非常多的根本没有显示昆虫的图像，并且这些图像可能被发送至分析单元和/或被分析。
本发明致力于解决上述问题。
首先，本发明提供了一种装置，该装置包括：
-采集区域，
-成像单元，
-发送器单元，
-控制单元，以及
-传感器，
其中，所述传感器被配置为：
检测采集区域的环境中与节肢动物出现在采集区域内的概率相关的物理属性，以及
将检测到的属性转换为信号，
其中，所述控制单元被配置为：
触发所述成像单元以生成所述采集区域的图像，以及
触发所述发送器单元，以将图像和/或关于图像的信息通过网络发送至计算机系统发送，
其中，所述控制单元被配置为：
基于来自所述传感器的信号，固定图像生成的时间和/或时间频率，和/或固定将图像和/或关于图像的信息通过网络发送至计算机系统的时间和/或时间频率。
本发明还提供了一种系统，该系统包括至少一个本发明的装置和计算机系统，其中至少一个本发明的装置和计算机系统通过网络相互连接。
本发明还提供了一种方法，该方法包括以下步骤：
-检测采集区域的环境内的物理属性，其中所述物理属性与节肢动物出现在采集区域内的概率相关，
-生成采集区域的图像，以及
-将图像和/或关于图像的信息通过网络发送至计算机系统，
其中，根据一个或多个节肢动物出现在采集区域内的概率，固定生成采集区域的图像的时间和/或时间频率，和/或将图像和/或关于图像的信息通过网络发送至计算机系统的时间和/或时间频率。
本发明还提供了一种计算机程序产品，包括能够被加载在计算机的储存器中的计算机程序，该计算机程序在储存器中触发计算机来执行以下步骤：
-接收信号，其中所述信号包括关于节肢动物出现在采集区域内的概率的信息，
-控制采集区域的图像的生成并且将图像和/或关于图像的信息通过网络发送至计算机系统，其中，根据节肢动物出现在采集区域内的概率，固定生成采集区域的图像的时间和/或时间频率，和/或将图像和/或关于图像的信息通过网络发送图像和/或发送至计算机系统的时间和/或时间频率。
下文详细地阐明了本发明，而不区分本发明的主题(设备、系统、方法、计算机程序产品)。替代地，无论是对哪种情况下做出的描述(设备、系统、方法、计算机程序产品)，后文的阐述应类比地适用于发明的全部主题。
如果本说明书或权利要求书以任何顺序记载步骤，则这并不一定意味着本发明被限制为所规定的顺序。替代地，可以想到的是所述步骤还以不同的顺序执行，或者是相互平行地执行，除非一个步骤设立在另一个步骤上，这就需要设立在前一个步骤上的步骤被随后执行(这在具体情况下将变得清楚)。因此，所提及的顺序是本发明的优选实施方案。
借助于本发明，可以简单和有效地确定一个区内害虫和/或益虫的出现。
优选地，“害虫”应理解为是指出现在农作物生长过程中并且损害农作物或对所述农作物的收获产生不利影响的节肢动物。
优选地，害虫是来自昆虫群组(从幼虫(毛虫、伪毛虫)到成虫阶段的各个阶段)或蛛形纲动物群组的动物害虫。更优选地，害虫是农业害虫，例如苹果小卷蛾、蚜虫、蓟马、夏季水果卷蛾、科罗拉多马铃薯甲虫、樱桃果蝇、金龟子、欧洲玉米螟、梅果蛾、杜鹃叶蝉、萝卜蛾、鳞片虫、吉卜赛蛾、蜘蛛螨、欧洲葡萄蛾、核桃壳蝇、温室粉虱、油菜茎象鼻虫、白菜茎象鼻虫、油菜花粉甲虫、白菜芽象鼻虫、芸苔荚蠓或白菜茎跳蚤甲虫，或林业害虫，例如蚜虫、蓝钢宝石甲虫、树皮甲虫、橡树辉煌甲虫、橡树前进蛾、绿橡树卷叶蛾、云杉网虫、常见家具甲虫、大棕树皮食虫、常见松木锯蝇、松夜蛾、松尺蠖、小云杉锯蝇、松蛾、马栗树叶矿虫、吉普赛蛾或棕色粉蠹虫。
术语“农作物”应理解为是指通过人为干预而具体地生长为有用植物或观赏植物的植物。
优选地，“益虫”应理解为是指以害虫作为食物来源或宿主的节肢动物，或出于其他原因(例如作为授粉者)对成功收获重要的节肢动物。优选地，益虫是昆虫(从幼虫(毛虫、伪毛虫)到成虫阶段的各个阶段)或蛛形纲动物。最优选地，益虫是授粉者，例如蜜蜂、熊蜂、蝇和蝴蝶。
在本说明书中，害虫和益虫统称为节肢动物(拉丁文：Arthropoda)。因此，术语“节肢动物”可以具有“害虫”的含义，可以具有“益虫”的含义，可以具有“害虫或益虫”的含义，也可以具有“害虫和益虫”的含义。术语“(特种)节肢动物”可以具有节肢动物的含义或者特种节肢动物的含义；类似地，术语“(特种)害虫”((specific)pest)和“(特种)益虫”((specific)beneficial)也是如此。
“区”应理解为是指在空间上可定界的地球表面的植物生长的区域。优选地，所述区至少部分地利用于农业，即农作物被种植在一个或多个田地中，被供应养分并且被收获。所述区也可以是或包括地球表面的利用于林业的区域(例如森林)。术语“区”也涵盖仅出于人类娱乐目的的存在植被的花园、公园等。
使用至少一个本发明的设备来确定一个区内害虫和/或益虫的出现；优选在所述区内分布两个或更多个本发明的设备。优选在具体农作物(如油菜、葡萄、马铃薯、水果等)的一个或多个田地内或具体植物的林地(如橡树林)内设立或悬挂两个或更多个本发明的设备，因为这些地区具有特征性的动物群。优选地，通过执行本发明来分析生活在这些区的动物群(害虫/益虫)。
借助于本发明的设备，可以确定在设立了该设备的区内出现了哪些害虫/益虫以及出现了多少害虫/益虫。
可以想到的是，本发明的设备生成害虫和益虫的图像。替代地可以想到的是，不同的设备被使用，其中一种类型的设备被设立为生成(特种)害虫的图像，而另一种类型的设备被设置为生成(特种)益虫的图像。
本发明的设备包括采集区域、成像单元、发送器单元、控制单元和传感器。
所述采集区域是可以被节肢动物(益虫和/或害虫)找到的区域。其可以是平板或卡片等的平坦表面。其也可以是容器的基座。
可以想到的是，本发明的设备具有多个采集区域。还可以想到的是，本发明的设备具有多种采集区域，例如，用于(特种)害虫的采集区域和用于(特种)益虫的另一个采集区域。
优选地，所述采集区域是具有圆形、卵形、椭圆形、有角的(三角形、四边形、五边形、六边形或大体上n角形，其中n为大于或等于3的整数)横截面的平坦表面。优选地，所述横截面是圆形或矩形(特别是方形)。壁可以从表面向上延伸，从而形成容器。例如，该容器可以呈圆柱形、圆锥形或箱形的形式。优选地，其具有圆形的横截面，并且壁从基座向上锥状延伸，优选地，基座表面和壁表面相对于彼此以大于90°且小于120°的角度延伸。
在优选实施方案中，基座区域内存在至少一个流出口，使得例如进入到采集区域内的雨水可以通过所述至少一个流出口流出采集区域。所述流出口可以是基座中的一个或多个开口，或者是邻接基座的壁中的一个或多个开口。可以想到的是，在这样的开口处安装一个水槽，以便引导水以限定的方向流出。
所述采集区域可以是害虫诱捕设备(例如，黄色诱捕盘或可选地，黏性的彩色平板)的一部分。
作为吸引剂，所述采集区域可以被配置为吸引特种害虫和/或益虫的颜色(例如，黄色或红色)。除了颜色或替代于颜色，可以存在吸引节肢动物的进一步装置/其他装置(吸引剂)。可以想到的实施例是使用例如模拟食物源的信息素或香味。还可以想到的是在红外线区域、可见光区域和/或紫外线区域使用电磁辐射源来吸引(特种)节肢动物。还可以想到的是使用例如模仿准备交配的雄性和/或雌性的噪音。还可以想到的是使用例如模仿植物的具体图案。
优选使用一种或多种吸引剂，所述一种或多种吸引剂至少在设立成像设备和第一次维护之间的时期内达到恒定的效果。由于颜色、图案、形状等作为吸引剂通常在所述时期内保持恒定，因此其相对于可以迅速地挥发掉的信息素具有优势。
在使用诱捕盘的情况下，可以填充有水且可选地填充有一种或多种添加剂。这种添加剂例如可以是用于降低表面张力的表面活性剂。这种添加剂也可以是用于吸引(特种)节肢动物的吸引剂。这种添加物也可以是预防藻类形成的装置(例如除草剂)。
在卡片或平板的情况下，可以设置有粘合剂，以便使害虫不能移动。在用于益虫的采集区域情况下，优选的是，免除了可能伤害益虫的粘合剂或其他装置。
在本发明的设备的情况下，优选的是，免除了使节肢动物固定和/或诱捕节肢动物的装置；这意味着该设备优选地没有设置有粘性层，并且该设备优选地不具有任何用于诱捕节肢动物的液体。
可以想到的是，本发明的设备具有清洁采集区域的装置。可以想到的是，随着时间的推移土壤聚集在采集区域中，这使得难以识别害虫和/或益虫并对其进行计数。这种清洁装置例如可以是一个或多个喷嘴，压缩空气从一个或多个喷嘴吹到采集区域上，以便吹走土壤。所述清洁装置可以是一个或多个喷嘴，液体(例如水，可选地具有一种或多种添加剂(例如表面活性剂)的水)可以从一个或多个喷嘴喷洒到采集区域上，以便冲走土壤。所述清洁装置可以是致动器，该致动器将采集区域的表面移动或旋转到一侧，以便使土壤从表面掉落。可以想到的是，存在一个振动机构，该振动机构使采集区域前后和/或上下移动，以便移除附着的土壤。可以想到的是，提及的装置中的两种或更多种和/或其他装置相互结合。
优选地，本发明的设备具有将该设备定位于地面上或地面中的装置。优选地，所述设备可以固定在地面中，以便防止其例如在风暴中倒下。优选地，存在可以改变地面和采集区域之间距离的装置。这种高度调节器的一个实施例是伸缩杆，所述伸缩杆的一端可以固定在地面中，而采集区域可以安装在伸缩杆的另一端。高度调节器的另一个实施例是提升平台。这种可变的高度调节器使得能够将采集区域定位在植物上方，使得当飞行昆虫飞过植物时可以识别采集区域。可变的高度调节器允许将采集区域的高度(距离地面的距离)调整至生长植物的高度，以便防止周围植物覆盖采集区域。在优选实施方案中，所述高度调节器是自动的。优选地，调节所述高度调节器，使得采集区域始终在周围植物上方或位于周围植物的高度。这可以通过距离传感器和/或亮度传感器来实现。
替代地，可以想到的是，本发明的设备具有将其固定在植物上的装置，例如用于固定在细枝或枝条或茎上的钩或环或带。
本发明的设备还包括一个或多个成像单元。这种成像单元可用于生成数字图像。成像单元包括图像传感器和光学元件。所述图像传感器是一种通过电气装置从光记录二维图像的设备。其通常包括基于半导体的图像传感器，例如CCD传感器(CCD＝电荷耦合器件)或CMOS传感器(CMOS＝互补金属氧化物半导体)。所述光学元件(透镜、光阑等)用于使要在图像传感器上生成数字图像的物体的成像清晰度最大化。
成像单元被定位成使得整个采集区域或至少部分采集区域在图像传感器上成像。可以想到使用多个成像单元，所述多个成像单元将采集区域的不同区域成像在相应的图像传感器上。在使用多个成像单元的情况下，成像区域至少部分地重叠时是有利的，以便能够在稍后的时刻以更简单的方式从单个图像生成整体图像。
优选地，本发明的设备具有保持器，成像单元被固定或可以被可逆地固定到所述保持器。优选地，所述保持器与采集区域相距限定且恒定的距离，并且因此确保了图像传感器与采集区域之间的限定且恒定的距离。
可以想到的是，在采集区域的上方安装防止树叶或类似物(土壤)进入所述采集区域的网格或网孔(一般称为屏障)。所述采集区域的侧面优选地保持无阻挡，以便害虫和/或益虫可以从侧面进入采集区域。替代地可以想到的是，网孔的网眼大小或格间距具有使得只有(特种)害虫和/或(特种)益虫能够通过的尺寸；在这种情况下，网孔或网格也可以在侧面区域上延伸。
替代地可以想到的是，在本发明的设备专门地用于生成特种害虫的图像的情况下，为这些害虫建立(特种)益虫无法进入的采集区域。这也是可以借助于屏障来实现。所述屏障可以安装在采集区域或容器上，以便通过屏障产生包括与环境隔开的采集区域的内部：特种害虫只能通过屏障进入内部；所述屏障被设计成使得许多益虫不能穿透该屏障，因为许多益虫过大。一个可想到的实施例是一个或多个开口，只有尺寸不超过开口最大尺寸的节肢动物可以通过该开口进入到采集区域。
优选地，所述成像单元位于由容器和屏障形成的内部中。
为了在一个或多个图像传感器上对采集区域进行成像，需要照亮采集区域的光源，使得光(在光谱的红外光、可见光和/或紫外光区域的电磁辐射)被照亮的采集区域在成像单元的方向上散射/反射。出于该目的，可以使用日光。替代地，可以想到使用光照单元，所述光照单元确保了独立于日光的限定的照明方式。优选地，所述光照单元横向地安装在成像单元旁边，使得不会有成像单元的阴影被投射到采集区域上。
还可以想到将照明源定位在采集区域的下方和/或采集区域的旁边，该照明源“从下方”和/或“从侧面”照亮所述采集区域，而成像单元“从顶部”生成一个或多个数字图像。当从一个或多个图像中只需要确定出现于采集区域内的节肢动物的数量(或区密度)时，这种布置特别合适；从下方的照明使通常深色的节肢动物相对明亮的照明单元非常突出。然而，这假定了形成采集区域的容器的基座是对于使用的电磁辐射至少部分透明。如果要从一个或多个图像中确定出现的物种，则可能有必要允许光(从上方和/或从侧面)打在节肢动物上并被该节肢动物散射，然后到达图像传感器。
可以想到的是，多个照明源从不同方向照亮采集区域。
可以想到的是，为照明而发射的光的电磁光谱与特种害虫和/或特种益虫的颜色和/或采集区域的颜色相匹配，以便在节肢动物和所述节肢动物成像的背景之间产生最大的对比度。
在优选实施方案中，选择采集区域的照明和/或颜色和/或表面特征，使得用于照明的电磁辐射相比于采集区域更显著地被节肢动物所反射或散射。在一个替代实施方案中，选择采集区域的照明和/或颜色和/或表面特征，使得用于照明的电磁辐射相比于节肢动物更显著地被采集区域所反射或散射。这两种情况都能确保高对比度。
在一个特别的优选实施方案中，使用以下这样的光谱区域的光：(特种)节肢动物对该光谱区域的光具有相对低的吸收和透射能力但具有高的反射和散射能力。优选地，打在节肢动物上的电磁辐射的绝大部分被节肢动物反射或散射，小部分被吸收或透射。这便于识别出现的物种。
优选地，采集区域具有粗糙的表面，以避免日光从采集区域直接反射到图像传感器上。
附带地，术语“光照”和“照明”不意味着光谱区域限于可见光(约380nm至约780nm)。同样可以想到的是，使用低于380nm(紫外光：100nm至380nm)或高于780nm(红外光：780nm至1000μm)波长的电磁辐射进行照明。图像传感器和光学元件与所使用的电磁辐射相匹配。
本发明的设备还包括控制单元。所述控制单元触发至少一个成像单元记录数字图像。
控制单元可被配置为将记录的图像通信至发送器单元，以便通过无线网络将记录的图像发送至单独的计算机系统。随后可以在计算机系统上(以自动的方式)查看和/或分析所述图像。
替代地可以想到的是，本发明的设备具有分析单元，该分析单元被配置为以自动方式分析生成的图像。该分析可用于确定采集区域中出现的害虫和/或益虫的数量。该分析还可用于识别采集区域中出现的害虫和/或益虫的物种。
本发明的设备的发送器单元被配置为将关于一个或多个图像的信息通过网络发送至计算机系统。该信息可以是一个或多个图像本身。替代地可以想到的是，该信息是由评估单元分析的结果，即在每种情况下识别的出现的害虫和/或益虫的数量和/或物种。还可以想到的是，如果对至少一个图像的自动分析显示已经识别特种害虫，和/或(特种)害虫的数量已经超过预定的阈值，和/或(特种)益虫的数量已经低于预定的阈值，则发送报警信号。
发送器单元可以被配置为使得其通过移动通信网络(例如GSM：全球移动通信系统，GPRS：通用分组无线电服务；UMTS：通用移动通信系统，LTE：长期演进)、通过WLAN(无线局域网)、通过蓝牙、通过DECT(数字增强型无绳通信)通过低功耗广域网(LPWAN或LPN))、例如窄带IoT网络和/或通过不同传输路线的组合来传输信息。
在一个优选实施方案中，发送器单元被配置为使得其通过短程无线电连接将信息传输至基站，然后信息从基站转移至电缆和/或通过无线电传递。
在另一优选实施方案中，本发明的多个设备形成网状，这意味着信息从一个设备传递到另一个设备。某个设备最终靠近基站出现，或者具有在比形成网状的个体设备之间的距离更大的距离上转移信息的装置。
本发明的设备还包括至少一个传感器，“传感器”，也称为检测器、(测量参数或测量值)变换器或(测量)传感器，是能够以测量参数的形式，定性地检测或定量地检测特定的物理或化学属性和/或其环境的物理特性的技术部件。这些参数借助于物理或化学效应而被检测，并转化为可进一步处理的信号，通常是电信号或光信号。
本发明的设备的传感器检测采集区域的环境内的物理属性，该物理属性与节肢动物出现在采集区域内的概率相关。
“环境”是指距离传感器的最大距离，优选地，距离采集区域不大于10米、更优选地不大于1米、更优选地不大于10厘米。
“相关”是指当物理属性变化时，节肢动物出现在采集区域中的概率变化。当物理属性的值在限定的数值范围内变得更大时，节肢动物出现在采集区域中的概率在此可以变得更大，当物理属性的值在限定的数值范围内变得更小时，节肢动物出现在采集区域中的概率可以变得更小(正相关)。替代地，当物理属性的值在限定的数值范围内变得更大时，节肢动物出现在采集区域中的概率可以变得更小，并且当物理属性的值在限定的数值范围内变得更小时，节肢动物出现在采集区域中的概率可以变得更大(负相关)。相关在数值范围内可以是线性的、或非线性的。优选地，用0.5至1范围内的相关系数来表征相关。优选地，用因果关系来表征相关。
传感器将代表物理属性的一个或多个值转换为信号。该信号被传输至控制单元。表述“传输”包括控制单元从传感器调用信号的操作。表述“信号”是指信息从传感器传输到控制单元的信息，由控制单元解释。所述信号可以是模拟信号或数字信号。可以想到的是，存在将多个信号传输至控制单元的多个传感器。
信号通常导致控制单元动作。
在本发明的一个实施方案中，控制单元在至少一个信号的基础上规定成像单元生成采集区域的图像的时间。
在本发明的另一实施方案中，控制单元在至少一个信号的基础上规定成像单元生成采集区域的图像的时间频率。
在本发明的另一实施方案中，控制单元在至少一个信号的基础上规定成像单元生成采集区域的图像的时间和时间频率。
在本发明的另一实施方案中，控制单元在至少一个信号的基础上规定发送器单元将图像和/或关于图像的信息通过网络传输至计算机系统的时间。
在本发明的另一实施方案中，控制单元在至少一个信号的基础上规定发送器单元将图像和/或关于图像的信息通过网络传输至计算机系统的时间频率。
在本发明的另一实施方案中，控制单元在至少一个信号的基础上规定发送器单元将图像和/或关于图像的信息通过网络传输至计算机系统的时间和时间频率。
信号包括关于(特种)害虫和/或(特种)益虫出现在采集区域中的概率的信息，和/或该信号与(特种)害虫和/或(特种)益虫出现在采集区域中出现(具体)害虫和/或(具体)益虫的概率相关。
成像单元生成采集区域的图像的时间和/或发送器单元将图像和/或关于图像的信息通过网络传输至计算机系统的时间可以是固定的预定时间，也可以是可被确定的时间，例如某一天的中午12点或一周中的某一天或每天。控制单元可以被配置为使得其基于至少一个信号确定(例如计算)特定时间。还可以想到的是，控制单元被配置为使得其基于至少一个信号从预定时间列表中选择特定的预定时间。还可以想到的是将确定和选择组合。
成像单元生成采集区域的图像的时间和/或发送器单元将图像和/或关于图像的信息通过网络传输至计算机系统的时间也可以由事件触发。例如，可以想到的是，至少一个信号指示限定事件的发生，并且控制单元基于已发生的事件确定和/或选择一个或多个时间。可以想到的是，事件的发生触发生成采集区域的图像，和/或触发将图像和/或关于图像的信息通过网络传输至计算机系统。
表述“时间频率”应理解为是指生成图像的速率和/或将图像和/或关于图像的信息传输至计算机系统的速率。这可以是规律的速率(每天一次、每小时一次、每周一次、每10分钟一次等)或不规律的速率，然而，在不规律的速率的情况下，可以指定平均值(例如，算术平均值)。时间频率也可以假定“零”值；在这种情况下，至少在限定的时间段内(可以通过限定的时间来固定)，没有图像生成，和/或没有图像和/或关于图像的信息被传输至计算机系统。
传感器可以将时间和时间频率的组合固定，例如在5:00时至21:00时之间每10分钟一次，或者当特定的第一事件发生时每小时一次，并且当特定的第二事件发生时每天一次。
例如，传感器可以是定时器。有一些节肢动物仅在白天或夜晚的特定时间活动。因此，这种节肢动物在白天或夜晚的特定时间在采集区域的概率比白天或夜晚的其他时间大。利用定时器，控制单元可以规定，例如，仅在白天或夜晚的限定时间段内生成图像和/或传输信息。
优选地，本发明的设备具有不是定时器的至少一个传感器。
例如，传感器可以是亮度传感器，其检测采集区域周围或采集区域内的亮度或本发明的设备周围的亮度作为物理属性。有一些节肢动物仅在或优选地在特定的亮度条件下活动(优选地，例如黑暗中的蛾)。使用的亮度传感器可以是光电管或光电二极管。这些可以用来测量特定波长范围内的光的强度。
例如，传感器可以是温度传感器。有一些节肢动物仅在或优选地在特定的温度范围内活动。许多蜜蜂物种在12℃以下停止飞行，并且优选地留在蜂箱中。因此，本发明的设备内的温度或设备的环境内的温度与在采集区域中遇到(特种)节肢动物的概率有关。温度传感器有多种形式，例如呈热电偶、半导体温度传感器、带晶体振荡器的温度传感器、高温计、热像仪等的形式。
例如，传感器可以是湿度传感器。有一些节肢动物躲避雨。因此，当下雨时节肢动物进入到本发明的设备中的概率比在干燥天气时低。湿度传感器可以是用于确定空气湿度的测量仪器(湿度计)。标准湿度计的实施例是吸收湿度计(例如毛发湿度计、螺旋湿度计、电容式传感器、阻抗传感器)、干湿计和光学湿度计。优选地使用电容式传感器或阻抗式传感器(电阻式湿度计)。除了测量空气湿度之外或者替代于测量空气湿度，用于测量土壤内容湿度的传感器也是可以想到的。用于测量降水的传感器(降水计)也是可以想到的。
例如，传感器可以是气压传感器。有节肢动物会对气压的变化做出反应(例如，参见F.Fournier等人：Effect of Barometric Pressure on Flight Initiation byTrichogramma pretiosum and Trichogramma evanescens，Environmental Entomology，第34(6)卷，2005年，第1534–1540页；W.G.Wellington：The effects of variations inatmospheric pressure upon insects,Canadian Journal of Research，1946年，第24卷，第2期，第51-70页)。因此，气压的特定变化可以增加或减小在采集区域中遇到(特种)节肢动物的概率。
例如，传感器可以是风传感器。风可以对节肢动物的生理和行为产生影响(例如，参见M.Chaudhry等人：Studying the Effects of Wind on Insects，Poster，DOI：10.13140/RG.2.1.3283.3521)。此外，节肢动物的扩散也会受到风的影响(例如，参见S.Wiktelius：Wind dispersal of insects，Grana 20：第205-207页，1981年，ISSN 0017-3134)。因此，在采集区域内发现(特种)节肢动物的概率可能与风的强度和/或方向和/或持续时间有关。
例如，传感器可以是用于检测空气中的化学物质的传感器，例如气相色谱仪(GC)或质谱仪(MS)或GC/MS组合。因此，其可以检测到例如植物作为对虫害的反应所释放的物质(G.Witzany：Plant Communication from Biosemiotic Perspective,Plant SignalBehav，2006年7-8月；1(4)：第169-178页；Signaling and Communication in Plant，系列编辑：C.Garcia-Mata，Springer ISSN：1867-9048)。
例如，传感器可以是麦克风。所述麦克风检测由(特种)害虫和/或(特种)益虫产生的声音和/或噪音。可以使用所述声音和/或噪音检测出现的物种(参见，例如：DetectingInsect Flight Sounds in the Field：Implications for Acoustical Counting ofMosquitoes，Transactions of the ASABE，2007年，第50(4)卷：第1481-1485页)。
例如，传感器可以是光屏障的一部分(优选的是光电二极管或图像传感器)。光屏障是一种识别光束的中断并且将光束的中断指示为电信号的系统。通过这种方式，可以无接触地检测移动的物体。所述光屏障可以被安装成使得其检测进入到采集区域中的节肢动物。所述光屏障可以被安装成使得其检测通过入口得以进入采集区域或进入本发明的设备中的节肢动物。术语“光屏障”还包括以多束(平行)光束工作的光栅或光幕。
传感器可以是相机。该相机可以包括图像传感器和光学元件。所述图像传感器是通过电装置从光记录二维图像的设备。其通常包括基于半导体的图像传感器，例如CCD传感器(CCD＝电荷耦合器件)或CMOS传感器(CMOS＝互补金属氧化物半导体)。所述光学元件(透镜、光阑等)用于使要在图像传感器上生成数字图像的物体的成像清晰度最大化。所述相机可以被配置为使得采集区域或采集区域的至少一部分在图像传感器上成像。所述图像传感器可由相机的控制单元读取并分析。可以使用图像分析方法和/或机器学习算法来检测采集区域内的(特种)节肢动物的出现。所述相机可以是本发明的设备的成像单元，也可以是单独的部件。
例如，传感器可以是运动传感器。所述运动传感器是检测其当下环境内的运动并且因此可以作为电子开关工作的电子传感器。运动传感器可以通过电磁波(高频雷达、微波雷达或多普勒雷达)、超声波(超声波运动传感器)来主动地工作，或者像热释电传感器一样通过物体或其环境发出的电磁辐射被动地工作。所述运动传感器可以被配置为使得其检测采集区域中或采集区域的环境中(特种)节肢动物的运动。
根据本发明，生成图像和/或将图像和/或关于图像的信息传输至计算机系统与(特种)节肢动物出现在采集区域内的概率相匹配。
优选地，生成图像的概率和/或通过本发明的设备将生成的图像和/或关于生成的图像的信息传输到单独的外部计算机系统的概率，随着(特种)节肢动物出现在采集区域内的概率增长。
这具有以下优点：不太需要生成和/或传输没有(特种)节肢动物成像的图像。这具有以下优点：本发明的设备消耗较少的能量。这具有以下优点：不需要为了更换电源或给动力源充电而频繁地找到本发明的设备。此外，不必查看和/或分析没有描绘(特种)节肢动物的较少图像。
在一个优选实施方案中，当至少一个传感器检测到(特种)节肢动物(益虫和/或害虫)出现在采集区域内或设备的进入区域内时，生成采集区域的一个或多个图像。优选地在时间序列中(例如以1秒、或2秒、或3秒、或4秒、或5秒的间隔或以不同的时间间隔)生成多个图像(例如2个、3个、4个、5个、6个、7个、8个、9个、10个或更多图像)。
在另一优选实施方案中，随后生成采集区域的至少一个图像，并且当至少一个传感器检测到(特种)节肢动物(益虫和/或害虫)出现在采集区域内或设备的入口区域内时，将至少一个图像和/或关于所述至少一个图像的信息传输到计算机系统。
在另一优选实施方案中，只有当(特种)节肢动物出现在采集区域内的概率超过预定阈值时，才生成采集区域的一个或多个图像，和/或才将图像和/或关于图像的信息传输到计算机系统。例如，所述预定阈值可以是30％或40％或50％或75％或不同的百分比。
在一个优选实施方案中，使用多个传感器，并且根据来自所述多个传感器的信号生成图像，和/或传输图像发送和/或关于图像的信息。例如，可以想到使用第一传感器(例如，定时器或亮度传感器)来确定是白天还是晚上。例如，仅在白天或夜晚的特定时间下或特定亮度下生成图像。例如，第二传感器可以确定温度。例如，仅在特定的温度范围内生成图像。其他组合是可以想到的。
本发明的设备具有能量供应单元，以便为电子部件提供电能。优选地，该能量供应单元是移动单元，例如电化学电池(干电池)、蓄电池和/或太阳能电池。特别优选的是可充电蓄电池和太阳能电池的组合，一方面是为了保持低的维护复杂性(不需要更换电池)，另一方面是为了即使在几小时日光的情况下也能保证能量供应(纯太阳能电池依赖于最少的太阳能)。
优选地，每个设备被分配一个地点。这通常是相应的设备生成图像的位置。替代地，该地点可以是设备的环境内的位置(例如，设备通过无线电连接所连接到基站的位置)，或者该位置可以是模糊的，例如，指定存在该设备的地球表面上的区域(例如，呈具有限定半径的圆形的形式)。
在一个优选实施方案中，本发明的系统具有确定设备的位置的装置。
可以想到的是，所述设备具有GPS传感器(GPS:全球定位系统)或另一种全球卫星导航系统的传感器(GNSS)，通过所述传感器可以确定设备的位置。
借助于全球卫星导航系统确定位置的一个优点是高精确度。缺点为附加的部件成本和相对高的能量需求。
还可以想到的是，借助于与本发明的设备的发送器单元连接的无线电小区来确定位置。与确定位置相比，该解决方案通常具有较低的精确度，但这意味着更低的部件成本和更低的能量需求。
在移动通信中，确定位置最简单的方法是基于以下事实：已知发送器单元所在的小区。例如，由于打开的移动电话与基站相连，因此移动电话的位置可以被分配到至少一个移动通信小区(小区ID)。类比地，本发明的设备也可以这样进行。
在GSM(全球移动通信系统)的帮助下，发送器单元的位置可以精确地确定至几百米内。在城镇，该位置可以精确地确定至100至500米；在农村地区(基站密度较低)，半径可以增加到10公里或以上。如果将该信息通过小区ID与TA参数(TA：时间提前量)结合，则可以提高精度。该TA参数值越高，发送器单元距基站的距离越大。通过EOTD方法(EOTD：加强型观测时差)可以更精确地定位发送器单元。所述EOTD方法确定了发送器单元与多个接收器单元之间信号的渡越时间差。
在一个实施方案中，借助于Sigfox网格来传输信息和确定位置。Sigfox是一种低功耗广域网(LPWAN)，并且是为小数据包和非常节能的操作而具体设计的。Sigfox基站可以进行远距离通信，而不中断。单个基站(可以控制多达100万个发送器单元)的范围在高人口密度的区为3公里至5公里，在农村区为30公里至70公里。在使用Sigfox的情况下，数据包被发送器区域内的所有基站接收。这可以用来确定发送器单元的位置。
还可以想到的是，在注册时检测本发明的设备的位置。在这种情况下，注册的一个步骤是将设备和位置关联。可以想到的是，用户借助于移动计算机系统(例如，智能手机或平板电脑等)检测设备的明确标识符，并且将其与位置信息关联。当设备注册时，该明确标识符用于识别设备。所述明确标识符可以是安装在设备上或记录(保存)在设备的数据存储装置内的数字或字母数字代码或二进制代码等。例如，明确标识符可以通过输入设备(例如键盘、触摸屏、麦克风(通过语音输入)等)输入到移动计算机系统中而被检测到。优选地，所述明确标识符采用光学可读代码的形式(例如条形码或矩阵代码等)或采用可通过无线电等形式读取的电子存储装置的形式(例如呈RFID标签形式)等。这具有以下优点：通过移动计算机系统能够自动地读取明确标识符，并且避免了输入错误(如在用户使用键盘输入的情况下)。例如，可以用是移动计算机系统的一部分的相机来检测光学代码。在进一步的步骤中，确定位置。可以想到的是，确定位置的装置是通过用户的移动计算机系统提供的。例如，该移动计算机系统可以是智能手机，智能手机通过与智能手机连接的无线电小区或与智能手机相关联的GPS传感器来确定位置。
如果检测到明确标识符并且确定了位置，则将这些信息片段相互关联。该关联将位置分配给设备。可以想到的是，将所述关联的信息通过网络传输到外部计算机系统并存储在所述计算机系统中。还可以想到的是，所述关联的信息被存储在用户的移动计算机系统上。
在注册时，优选地将设备的明确标识符与用户的明确标识符额外地关联起来，使得将具有(相应的)限定位置的单个设备(或多个设备)分配给用户。作为这种关联的结果，优选地，用户能够仅从分配给用户的设备接收图像。
由出现的设备(图像设备和可选地植物分析设备)借助于对应的发送器单元传输到计算机系统的信息可以在计算机系统中被处理、分析、存档和/或发给用户。
“计算机系统”是用于电子数据处理的系统，其借助于可编程的计算法则处理数据。这样的系统通常包括“计算机”、包括用于执行逻辑操作的处理器的单元，以及外围装置。
在计算机技术中，“外围装置”是指连接到计算机并且用于控制计算机和/或作为输入和输出设备的所有设备。其例子有显示器(屏幕)、打印机、扫描仪、鼠标、键盘、驱动器、相机、麦克风、扬声器等。内部端口和扩展卡也被认为是计算机技术中的外围装置。
当今的计算机系统经常被分为台式PC、便携式PC、膝上型轻便电脑、笔记本电脑、上网本和平板PC以及所谓的掌上装置(例如智能手机)；所有这些系统都可以被用来执行本发明。
通过输入设备(例如，键盘、鼠标、麦克风和/或类似设备)对计算机系统进行输入。“输入”也应理解为是指从虚拟菜单或虚拟列表中选择条目或点击选择框等。
本发明的系统通常具有多个(至少10个，优选地20个以上)被分配至计算机系统的本发明的设备。
所述设备和计算机系统通过网络相互连接，使得所述设备可以将信息((传感器)数据、图像、状态信息等)传输至计算机系统。也可以想到的是，本发明的系统被配置为使得计算机系统可以向装置传输信息或控制命令。用于将计算机系统和所述设备相互连接的网络至少部分地是无线电网络。通常，信息从设备由发送器单元通过无线电传输至基站，信息从基站通过无线电和/或通过电缆继续(可选地通过进一步的站)传递至计算机系统。
本发明的系统被配置为使得对应的设备(在一个位置处设立或激活)自动地生成图像。
在本发明的一个实施方案中，所述设备将生成的图像传输至计算机系统。传输的图像在计算机系统上进行分析；这涉及确定在采集区域内出现的害虫和/或益虫的数量，并且识别出现的物种。
在替代的实施方案中，生成的图像由本发明的设备中的评估单元进行分析。例如，可以确定在采集区域内出现的害虫/益虫的数量。然后，可以将该数量传输至计算机系统。可以识别出现的物种。然后，可以将物种的名称传输至计算机系统。可以想到的是，生成的图像同样可以传输至计算机系统。可以想到的是，将生成的图像与分析结果一并传输至计算机系统。可以想到的是，只有在用户提出请求后，才将生成的图像传输至计算机系统。
可以想到的是，本发明的设备中的一个或多个传感器生成的信号或关于来自本发明的设备的信号的信息也通过网络传输到计算机系统。
对图像的分析可用于确定图像中描绘的生物体是害虫、益虫或对农作物的生长没有意义的生物体。因此，识别可能意味着分配到三个类别：“有害”、“有益”和“中性”。优选地，对害虫的识别用来识别可以针对该害虫而采取的措施。例如，要采取的措施可以是应用特定的害虫控制装置。
替代地，识别可以理解为是指将单个害虫/益虫分配至一个分类单元，即出于生物分类学的目的，将其分配给类、目、超科、科、亚科、族、属、种、亚种或分配给中间阶段。
在益虫的识别中，其目的可能是识别以区内出现的害虫作为食物源或寄主的那些益虫。
优选地，害虫/益虫的识别和计数是自动的。这意味着用户不必自己计数和识别图像内的节肢动物；替代地，相应的图像被计算机系统的工作存储器内的计算机程序发送至图像处理算法和图像识别算法。在这些算法的帮助下，图像被分析并且可选地被准备(过滤和类似的操作)，并且提取出允许对出现的节肢动物的数量和节肢动物的物种做出结论的特征。现有技术中描述了这样的算法。
可以想到使用已经事先在众多已知害虫/益虫图像上训练过的人工神经网络来识别害虫/益虫。
优选地使用其他信息来识别害虫/益虫。例如，可以利用地理位置。例如，如果相应的成像设备在德国，则与成像设备例如在巴西时相比，应考虑不同的害虫/益虫。当前的季节也是可以利用的重要信息片段。根据季节，可以出现不同的害虫/益虫。替代地，可以由正在种植的植物(农作物、保护植物、牺牲计划)来提供有关害虫/益虫有害生物体的信息。此外，可以采用本发明的设备的一个或多个传感器生成的信号来进行识别。
可以想到的是，本发明的系统包括两个计算机系统(第一计算机系统和第二计算机系统)。第一计算机系统是服务器，其通过网络与本发明的众多设备连接。所述服务器接收由所述设备传输的所有信息(例如图像、分析结果、状态信息等)。所述信息可以在服务器上进行分析和存档。例如，可以在服务器上对图像进行分析。第二计算机系统(客户端)连接至第一计算机系统(服务器)，并且可以请求信息(图像、分析结果等)。所述第二计算机系统通常由终端用户(例如农民)操作，例如，该农民已经在他的一个农业利用田地中设立了一个或多个设备，并且希望进行虫害检查。随后，该第一计算机系统(服务器)通常由图像分析工具的操作者来操作和管理。该操作者能够使用来自不同终端用户的众多图像，从而不断改进用于对害虫/益虫计数和/或用于识别物种的算法。优选地，所述系统被配置为使得所述第二计算机系统的用户仅接收来自第一计算机系统的图像，而所述图像来自该用户注册的设备。
在一个优选实施方案中，在具有一个或多个设备的田地内，识别采集区域内出现的节肢动物。在下一步骤中，分析在所识别的节肢动物中是否出现害虫以及害虫所对应的以所识别的节肢动物为食物或宿主的益虫。如果出现这样的益虫和/或害虫，则确定它们的数量。对这些数量进行对比，以便观察是否仅靠益虫就能防止害虫不受控制的繁殖和/或扩散。优选地，彼此关联地表示所述数量。将害虫数量与对应的益虫数量的比值与通过经验确定的阈值进行比较。如果该比值小于阈值，则预期不会发生害虫不受控制的繁殖和/或扩散。如果该比值大于阈值，则应采取措施以避免更大的产量损失。比较的结果可以显示给用户，优选地，显示给所述讨论的田地的农民。优选地，额外地向用户推荐一种控制害虫的措施。对于该建议，可以指出作物保护产品(例如杀虫剂)的名称、要部署的作物保护产品的量、部署作物保护产品的有利时期等。
在另一优选实施方案中，在具有一个或多个设备的田地内，识别出现于采集区域内的节肢动物。在下一步骤中，分析在所识别的节肢动物中是否出现害虫和益虫。如果出现这样的益虫和/或害虫，则确定它们相应的数量。使用模型来计算对害虫的有效控制(例如通过杀虫剂)会对益虫产生何种影响。计算对益虫的不利影响是否超过控制害虫产生的积极影响。如果对益虫的不利影响占主导，则建议不要控制害虫和/或增加间距。
在另一优选实施方案中，确定一个区的特种害虫的虫害密度。确定是否已超过损害阈值。在阐明是否已经超过损害阈值时，优选地考虑与植物状态有关的信息(植物的健康、发育阶段、预期产量)。在阐明是否已经超过损害阈值时，优选地考虑与出现益虫相关的信息(出现益虫的物种和数量)。将结果显示给该区的农民。如果已经超过了损害阈值，则建议农民可以采取措施来减少预期的损害。
在很多区，为了增加生物多样性，种植与农作物田地邻接的绿色边界。可以想到的是，农民希望验证绿色边界的有效性和/或必须向官方机构证明。因此，在优选实施方案中，借助于出现在区内的成像设备，确定发生在该区内的益虫的数量和物种，或确定一个或多个限定的益虫物种的数量。所确定的数据用于确定一个或多个益虫物种的区密度(例如，每公顷的益虫物种的数量)。该区密度被传输并且显示给该区的农民和/或官方机构。
本发明还提供了一种计算机程序产品。所述计算机程序产品包括计算机程序，优选地，所述计算机程序被加载在本发明的设备的控制单元的工作储存器中，所述计算机程序在工作储存器中触发控制单元来执行以下步骤：
-接收信号，其中所述信号包括关于节肢动物出现在采集区域内的概率的信息，
-控制采集区域的图像的生成并且将图像和/或关于图像的信息通过网络发送至计算机系统，其中，根据节肢动物出现在采集区域内的概率，固定生成采集区域的图像的时间和/或时间频率，和/或将图像和/或关于图像的信息通过网络发送至计算机系统的时间和/或时间频率。
下面通过附图和实施例详细阐明本发明，而无意将本发明限制在附图和实施例的具体特征和特征组合中。
如附图所示：
图1示出了容器(10)的示意图，其提供了用于害虫和/或益虫的采集区域(1)。
图1(a)以俯视图示出了容器(10)。图1(b)从点A(参见图1(a))的方向以侧视图示出了容器(10)。图1(c)从侧面示出了容器(10)沿虚线A-B(见图1(a))的横截面。
容器(10)是具有圆形横截面的圆柱形形状。圆柱在底部由基座(11)封闭；其在顶部开口。基座(11)和两个垂直于基座(11)延伸的同心侧壁(12a，12b)形成一个空间。采集区域(1)是从顶部观察的。由侧壁(12b)定界的圆形凹槽(30)被引入到容器(10)的中间。该凹槽在向上方向上变窄，形成可以充当保持器的接触表面的环(35)。
在容器(10)的侧壁(12a)的一点处引入半圆形的凹槽，在该点处是指向外的通道(20)。进入到容器(10)中的雨水可以通过该通道流走。
图2示出了图1(b)所示的容器(10)，在其上方安装有笼子(50)。在此，笼子(50)的网格间距尺寸使得没有叶子进入到容器中。成像单元(2)安装在网格(50)的顶部。该成像单元(2)在笼子内。两个光照单元(70a，70b)确保采集区域的限定的照明。传感器(40)测量与(特种)节肢动物将出现在采集区域的概率相关的物理属性。
图3示出了提供采集区域(1)的平板的示意图。图3(a)以侧视图示出了平板。图3(b)以俯视图示出了平板。图3(c)以另一侧视图示出了平板。在卡片上安装保持杆(7)，在保持杆(7)的端部固定成像单元(2)。出现在采集区域(1)内的传感器(40)测量与(特种)节肢动物将出现在采集区域内的概率相关的物理属性。
图4示出了本发明的设备(A)的一个实施方案的示意图。该设备(A)包括采集区域(1)、成像单元(2)、传感器(40)、发送器单元(3)和控制单元(4)。
图5示出了本发明的设备(A)的另一实施方案的示意图。该设备(A)包括采集区域(1)、成像单元(2)、传感器(40)、发送器单元(3)、控制单元(4)和评估单元(5)。
图6示意性地示出了根据本发明的系统的一个实施方案。所述系统包括生成图像的本发明的多个设备(A1、A2)。与图像有关的信息通过无线电网络传输至基站(B)。信息从基站通过网络传输至计算机系统(C)。
图7示意性地示出了根据本发明的系统的另一实施方案。该系统包括生成图像的本发明的多个装置(A1，A2)。与图像有关的信息通过无线电网络传输至基站(B)。信息从基站通过网络(用云表示)传输到计算机系统(C1)。通过计算机系统(C2)可以从计算机系统(C1)调用与图像有关的信息。

Claims (18)

1.一种设备，其包括：
-采集区域，
-成像单元，
-发送器单元，
-控制单元，以及
-至少一个传感器，
其中，所述至少一个传感器被配置为：
检测采集区域的环境中与节肢动物出现在采集区域内的概率相关的物理属性，以及
将检测到的属性转换为信号，
其中，所述控制单元被配置为：
触发所述成像单元以生成所述采集区域的图像，以及
触发所述发送器单元，以将图像和/或关于图像的信息通过网络发送至计算机系统，
其中，所述控制单元被配置为：
基于来自所述传感器的信号，固定图像生成的时间和/或时间频率，和/或固定将图像和/或关于图像的信息通过网络发送至计算机系统的时间和/或时间频率。
2.根据权利要求1所述的设备，其中所述信号指示事件的发生并且所述控制单元被配置为在事件发生时触发产生采集区域的一个或多个图像。
3.根据权利要求2所述的设备，其中，所述事件是指超出物理属性的预定阈值，或未达到物理属性的预定阈值。
4.根据权利要求1至3中任一项所述的设备，其中所述至少一个传感器是亮度传感器。
5.根据权利要求1至3中任一项所述的设备，其中所述至少一个传感器是温度传感器。
6.根据权利要求1至3中任一项所述的设备，其中所述至少一个传感器是湿度传感器。
7.根据权利要求1至3中任一项所述的设备，其中所述至少一个传感器是气压传感器。
8.根据权利要求1至3中任一项所述的设备，其中所述至少一个传感器是风传感器。
9.根据权利要求1至3中任一项所述的设备，其中所述至少一个传感器是用于检测空气中的化学物质的传感器。
10.根据权利要求1至3中任一项所述的设备，其中所述至少一个传感器是麦克风。
11.根据权利要求1或2所述的设备，其中，所述至少一个传感器是光屏障的一部分，所述光屏障的中断指示在采集区域内出现节肢动物，或者所述光屏障的中断指示节肢动物通过设备中的开口进入/离开所述设备。
12.根据权利要求1或2所述的设备，其中所述至少一个传感器是相机，其中，所述相机包括图像传感器，其中所述采集区域的至少一部分在图像传感器上成像，其中所述相机被配置为读取所述图像传感器，并且分析读取的图像，从而识别益虫和/或害虫，和/或识别特种益虫和/或特种害虫。
13.根据权利要求1至3中任一项所述的设备，其中所述至少一个传感器是运动传感器，配置为指示主体在所述采集区域内和/或所述设备的进入区域内的运动。
14.根据权利要求1至13中任一项所述的设备，包括两个或更多个权利要求4至12中指定的传感器。
15.根据权利要求1至14中任一项所述的设备，其中所述控制单元被配置成如果益虫和/或害虫和/或特种益虫和/或特种害虫出现在所述采集区域内的概率增加，则增加生成采集区域的图像的时间频率。
16.一种包括至少一个根据权利要求1至15中任一项所述的设备的系统，其中至少一个设备和计算系统通过网络相互连接。
17.一种方法，其包括以下步骤：
-检测采集区域的环境内的物理属性，其中所述物理属性与节肢动物出现在采集区域内的概率相关，
-生成采集区域的图像，以及
-将图像和/或关于图像的信息通过网络发送至计算机系统，
其中，根据一个或多个节肢动物出现在采集区域内的概率，固定生成采集区域的图像的时间和/或时间频率，和/或将图像和/或关于图像的信息通过网络发送至计算机系统的时间和/或时间频率。
18.一种计算机程序产品，包括能够被加载到计算机的工作储存器中的计算机程序，计算机程序在工作储存器中触发计算机来执行以下步骤：
-接收信号，其中所述信号包括关于节肢动物出现在采集区域内的概率的信息，
-控制采集区域的图像的生成并且将图像和/或关于图像的信息通过网络发送至计算机系统，其中根据节肢动物出现在采集区域内的概率，固定生成采集区域的图像的时间和/或时间频率，和/或将图像和/或关于图像的信息通过网络发送至计算机系统的时间和/或时间频率。
CN201980061653.1A 2018-09-21 2019-09-16 基于传感器的节肢动物观察 Pending CN112739206A (zh)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
EP18195871.1 2018-09-21
EP18195871.1A EP3626077A1 (de) 2018-09-21 2018-09-21 Schädlingskontrolle
EP19171993 2019-04-30
EP19171993.9 2019-04-30
PCT/EP2019/074663 WO2020058170A1 (de) 2018-09-21 2019-09-16 Sensorgestütze beobachtung von gliederfüssern

Publications (1)

Publication Number Publication Date
CN112739206A true CN112739206A (zh) 2021-04-30

Family

ID=67909411

Family Applications (2)

Application Number Title Priority Date Filing Date
CN201980069336.4A Active CN112911931B (zh) 2018-09-21 2019-09-16 用于检测节肢动物的成像设备和用于检测节肢动物的系统
CN201980061653.1A Pending CN112739206A (zh) 2018-09-21 2019-09-16 基于传感器的节肢动物观察

Family Applications Before (1)

Application Number Title Priority Date Filing Date
CN201980069336.4A Active CN112911931B (zh) 2018-09-21 2019-09-16 用于检测节肢动物的成像设备和用于检测节肢动物的系统

Country Status (6)

Country Link
US (2) US11659826B2 (zh)
EP (3) EP3959978A1 (zh)
CN (2) CN112911931B (zh)
BR (2) BR112021002477A2 (zh)
CA (2) CA3113311A1 (zh)
WO (2) WO2020058170A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113630676A (zh) * 2021-08-04 2021-11-09 上海英粤汽车科技有限公司 一种动物语音采集自动标设备

Families Citing this family (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11087446B2 (en) * 2018-03-25 2021-08-10 Matthew Henry Ranson Automated arthropod detection system
EP3959978A1 (de) * 2018-09-21 2022-03-02 Bayer AG Detektion von gliederfüssern
GB2578313B (en) * 2018-10-22 2021-10-13 Brandenburg Uk Ltd Intelligent trap and consumables
US12167725B2 (en) * 2019-05-24 2024-12-17 Anastasiia Romanivna ROMANOVA Mosquito monitoring and counting system
US20210056298A1 (en) * 2019-08-14 2021-02-25 Vm Products, Inc. Camera bait station
EP3900530A1 (de) 2020-04-23 2021-10-27 Bayer AG Flüssigkeitsmanagement für eine fangvorrichtung
US11490609B2 (en) * 2020-06-25 2022-11-08 Satish K. CHerukumalli Mosquito identification classification trap and method to use
CN112179822A (zh) * 2020-08-27 2021-01-05 河海大学 一种城市绿化区环境监测装置
EP4091444A1 (de) 2021-05-21 2022-11-23 Bayer AG Fangschale für pflanzenschädlinge
DE102021114996A1 (de) * 2021-06-10 2022-12-15 Eto Magnetic Gmbh Vorrichtung zu einem Erkennen eines Sprießens von Aussaaten, Agrarsensorvorrichtung und Agrarüberwachungs- und/oder Agrarsteuerungsverfahren und -system
WO2023282772A1 (en) * 2021-07-09 2023-01-12 Rewild Limited An animal kill trap
CZ2021514A3 (cs) * 2021-11-08 2023-02-01 Jihočeská Univerzita V Českých Budějovicích Způsob sledování kůrovcových aktivit a systém k provádění způsobu sledování
CZ2022229A3 (cs) * 2022-05-31 2023-05-24 Jihočeská Univerzita V Českých Budějovicích Způsob sledování kůrovcových aktivit v lesních porostech a snímací zařízení pro pořizování kamerového záznamu povrchu kmene zkoumaného stromu
WO2023239794A1 (en) * 2022-06-07 2023-12-14 Sensorygen, Inc. Systems and methods for monitoring arthropod vectors and building projective models
DE102022206001A1 (de) 2022-06-14 2023-12-14 Volkswagen Aktiengesellschaft Verfahren zum Feststellen eines Befalls eines Baums mit Insekten einer vorgegebenen Insektenart sowie elektronische Recheneinrichtung
IT202200022044A1 (it) * 2022-10-25 2024-04-25 Fos S P A DISPOSITIVO IoT PER IL MONITORAGGIO ED IL CONTROLLO DEGLI INSETTI INFESTANTI INDOOR ED OUTDOOR
WO2024165430A1 (de) 2023-02-06 2024-08-15 Bayer Aktiengesellschaft Erkennen von funktionsbeeinträchtigungen bei kameraüberwachten insektenfallen
WO2024180056A1 (de) 2023-03-02 2024-09-06 Bayer Aktiengesellschaft Vorhersage eines wartungsbedarfs für eine insektenfalle
DK202370322A1 (en) * 2023-06-21 2025-01-21 Anticimex Innovation Center As A method for providing an insect population growth forecast, a monitoring device and a system
CN116569898A (zh) * 2023-07-12 2023-08-11 闽都创新实验室 害虫智能防治方法及系统
US12022820B1 (en) * 2023-10-11 2024-07-02 Selina S Zhang Integrated insect control system

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1351305A (zh) * 2001-08-18 2002-05-29 贺贵明 粮库粮虫智能监测系统及方法
EP2149301A1 (en) * 2008-07-31 2010-02-03 Cropwatch B.V. Automated determining of the presence of insects on a catch plate
CN103760847A (zh) * 2013-12-31 2014-04-30 北京瀚景锦河科技有限公司 一种虫害远程监控系统及方法
CN106780443A (zh) * 2016-11-30 2017-05-31 深圳前海弘稼科技有限公司 作物害虫的预警方法和作物害虫的预警装置
CN107346424A (zh) * 2017-06-30 2017-11-14 成都东谷利农农业科技有限公司 灯诱昆虫识别计数方法及系统
CN107563993A (zh) * 2017-08-07 2018-01-09 成都璐城科技有限公司 基于电子技术的农田防虫管理装置
CN107609600A (zh) * 2017-09-27 2018-01-19 北京农业信息技术研究中心 一种温室粘虫板害虫自动识别分类方法及系统
WO2018054767A1 (de) * 2016-09-22 2018-03-29 Bayer Cropscience Aktiengesellschaft Bekämpfung von schadorganismen
CN107992828A (zh) * 2017-12-05 2018-05-04 深圳春沐源控股有限公司 病害防治方法及装置、电子设备和计算机可读存储介质

Family Cites Families (55)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6653971B1 (en) * 1999-05-14 2003-11-25 David L. Guice Airborne biota monitoring and control system
US6264939B1 (en) * 1999-10-21 2001-07-24 The United States Of America, As Represented By The Secretary Of Agriculture Bisexual attractants, aggregants and arrestants for adults and larvae of codling moth and other species of lepidoptera
EP1417604A2 (en) 2000-08-22 2004-05-12 Eye on Solutions, LLC Remote detection, monitoring and information management system
FR2825801B1 (fr) * 2001-06-08 2003-10-03 Solween Technologies Procede et dispositif pour la detection, l'identification et la quantification densimetrique d'insectes granivores dans des stocks cerealisers ou autres
DE10221124A1 (de) 2002-05-13 2003-11-27 Bayer Cropscience Ag Verfahren und Vorrichtung zur automatischen Auszählung und Klassifizierung von tierischen Schädlingen
US7496228B2 (en) * 2003-06-13 2009-02-24 Landwehr Val R Method and system for detecting and classifying objects in images, such as insects and other arthropods
JP2005021074A (ja) * 2003-07-01 2005-01-27 Terada Seisakusho Co Ltd 画像処理計数方法と画像処理計数装置
ES2257219B1 (es) * 2005-12-16 2007-05-01 Sociedad Española De Desarrollos Quimicos S.L. Dispositivo de trampeo para insectos frugivoros.
WO2008063939A2 (en) * 2006-11-13 2008-05-29 Syngenta Participations Ag Pest detector
DE102007031302A1 (de) 2007-07-05 2009-01-08 Robert Bosch Gmbh Vorrichtung zur Erkennung und/oder Klassifizierung von Bewegungsmustern in einer Bildsequenz von einer Überwachungsszene, Verfahren sowie Computerprogramm
KR100858275B1 (ko) * 2008-02-22 2008-09-11 에치디프로 주식회사 거미퇴치 기능을 갖는 감시카메라
KR20100127473A (ko) 2009-05-26 2010-12-06 대한민국(농촌진흥청장) 해충 정보 수집 시스템 및 방법
US8789309B2 (en) * 2010-11-10 2014-07-29 Night Stick Company, LLC Bedbug detection device and method
DE102010054395B4 (de) * 2010-12-08 2014-02-20 W. Berger Gmbh Schädlingsbekämpfungseinrichtung
US20160077015A1 (en) * 2011-09-25 2016-03-17 Theranos, Inc. Systems and methods for multi-analysis
US10234439B2 (en) * 2012-11-07 2019-03-19 Airscout Inc. Methods and systems for analyzing a field
EP2956004A4 (en) * 2013-02-14 2016-11-30 Teo Kanniainen METHOD AND APPARATUS FOR ARTHROPOD IMAGING
US20140279600A1 (en) * 2013-03-15 2014-09-18 Mitchell Barry Chait Automated monitoring of pest traps in a distributed work environment
US9915732B2 (en) * 2014-02-18 2018-03-13 Onvector Technology Llc Object detection systems
GB2524307B (en) * 2014-03-20 2016-04-20 Rentokil Initial Plc Apparatus
BE1021049B1 (fr) * 2014-05-23 2016-11-16 Simteligence Sprl Methode et systeme de controle et de communication des status de poste d'appatage d'insectes
US10568316B2 (en) * 2014-08-15 2020-02-25 Monsanto Technology Llc Apparatus and methods for in-field data collection and sampling
KR101507554B1 (ko) * 2014-12-12 2015-04-01 주식회사 이티엔디 해충정보관리를 위한 영상촬영기능을 갖춘 포충장치
CA2981078C (en) * 2015-03-27 2023-08-22 Penguin Automated Systems Inc. Omnidirectional optical wireless communications receiver & system
EP3310164B8 (en) * 2015-06-11 2023-08-09 The New Zealand Institute For Plant And Food Research Limited Method and system for attracting lepidopterous insects
JP6360648B2 (ja) * 2015-09-24 2018-07-18 株式会社オプティム 情報処理装置、情報処理方法及びそのプログラム。
US20180303079A1 (en) * 2015-10-16 2018-10-25 The Trustees Of Columbia University In The City Of New York Acoustic Automated Detection, Tracking and Remediation of Pests and Disease Vectors
US20170161450A1 (en) * 2015-12-03 2017-06-08 Dog Vision Ventures, Llc Real-time veterinarian communication linkage for animal assessment and diagnosis
WO2017120189A1 (en) * 2016-01-04 2017-07-13 The Trustees Of Columbia University In The City Of New York Automated multispectral detection, identification and remediation of pests and disease vectors
CN205624008U (zh) * 2016-02-23 2016-10-12 南京森林警察学院 一种用于城市森林公园的长效昆虫诱捕系统及装置
US11241002B2 (en) * 2016-03-22 2022-02-08 Matthew Jay Remote insect monitoring systems and methods
US11112418B1 (en) * 2016-07-29 2021-09-07 Labrador Diagnostics Llc Systems and methods for multi-analysis
US10989724B1 (en) * 2016-07-29 2021-04-27 Labrador Diagnostics Llc Systems and methods for multi-analysis
US10496893B2 (en) * 2016-08-11 2019-12-03 DiamondFox Enterprises, LLC Handheld arthropod detection device
EP3932198A1 (de) * 2016-10-07 2022-01-05 BASF Agro Trademarks GmbH Identifizierung von nützlingen und/oder schadstoffen in einem feld für kulturpflanzen
ES3000679T3 (en) * 2016-10-12 2025-03-03 Commw Scient Ind Res Org Arthropod detection
EP3532962B1 (en) * 2016-10-28 2023-06-28 Verily Life Sciences LLC Predictive models for visually classifying insects
US20180177178A1 (en) * 2016-12-22 2018-06-28 Ria Bhakta Animal Deterrent Apparatus
GB201700921D0 (en) * 2017-01-19 2017-03-08 Killgerm Group Ltd Insect trap and method
WO2018140679A1 (en) * 2017-01-27 2018-08-02 The Johns Hopkins University A system for insect surveillance and tracking
US20180279601A1 (en) * 2017-04-03 2018-10-04 At&T Intellectual Property I, L.P. Methods, systems and devices to provide physical security to waveguides
US11366116B1 (en) * 2017-04-12 2022-06-21 National Technology & Engineering Solutions Of Sandia, Llc Real time autonomous surveillance of pathogens
US11383084B2 (en) * 2017-04-27 2022-07-12 Palo Alto Investors Treatment of dermatological conditions via neuromodulation
US10614403B2 (en) * 2017-05-02 2020-04-07 Centaur Analytics, Inc. Methods for post-harvest crop quality management
US10796161B2 (en) * 2017-07-14 2020-10-06 Illumitex, Inc. System and method for identifying a number of insects in a horticultural area
CN107711762A (zh) * 2017-10-19 2018-02-23 上海中信信息发展股份有限公司 智能虫情监测方法和智能虫情监测装置
US20190166823A1 (en) * 2017-12-04 2019-06-06 Caldera Services LLC Selective Action Animal Trap
WO2019126971A1 (zh) * 2017-12-25 2019-07-04 仲恺农业工程学院 一种基于机器视觉的虫害监测方法
CN108293959A (zh) * 2018-01-15 2018-07-20 宁波高新区鹏博科技有限公司 一种用于测量益害昆虫比例的装置
EP3959978A1 (de) 2018-09-21 2022-03-02 Bayer AG Detektion von gliederfüssern
US20200214279A1 (en) * 2019-01-08 2020-07-09 U Well Tech Corp. Insect trap device
WO2020172235A1 (en) * 2019-02-22 2020-08-27 The Johns Hopkins University Insect specimen analysis system
US11369106B2 (en) * 2019-04-12 2022-06-28 Charles Hartman King Automatic animal detection and deterrent system
US20210084888A1 (en) * 2019-09-19 2021-03-25 Gregory William Lazar Intelligent Control System for Deterring Problem Animals
US20220101015A1 (en) * 2020-09-28 2022-03-31 Vecthec, LLC Apparatus and method of mosquito identification

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1351305A (zh) * 2001-08-18 2002-05-29 贺贵明 粮库粮虫智能监测系统及方法
EP2149301A1 (en) * 2008-07-31 2010-02-03 Cropwatch B.V. Automated determining of the presence of insects on a catch plate
CN103760847A (zh) * 2013-12-31 2014-04-30 北京瀚景锦河科技有限公司 一种虫害远程监控系统及方法
WO2018054767A1 (de) * 2016-09-22 2018-03-29 Bayer Cropscience Aktiengesellschaft Bekämpfung von schadorganismen
CN106780443A (zh) * 2016-11-30 2017-05-31 深圳前海弘稼科技有限公司 作物害虫的预警方法和作物害虫的预警装置
CN107346424A (zh) * 2017-06-30 2017-11-14 成都东谷利农农业科技有限公司 灯诱昆虫识别计数方法及系统
CN107563993A (zh) * 2017-08-07 2018-01-09 成都璐城科技有限公司 基于电子技术的农田防虫管理装置
CN107609600A (zh) * 2017-09-27 2018-01-19 北京农业信息技术研究中心 一种温室粘虫板害虫自动识别分类方法及系统
CN107992828A (zh) * 2017-12-05 2018-05-04 深圳春沐源控股有限公司 病害防治方法及装置、电子设备和计算机可读存储介质

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113630676A (zh) * 2021-08-04 2021-11-09 上海英粤汽车科技有限公司 一种动物语音采集自动标设备

Also Published As

Publication number Publication date
US11659826B2 (en) 2023-05-30
EP3852521A1 (de) 2021-07-28
BR112021002477A2 (pt) 2021-07-27
CN112911931B (zh) 2022-11-04
US11771074B2 (en) 2023-10-03
WO2020058170A1 (de) 2020-03-26
BR112021002854A2 (pt) 2021-05-11
US20210360204A1 (en) 2021-11-18
CA3113309A1 (en) 2020-03-26
WO2020058175A1 (de) 2020-03-26
EP3852520A1 (de) 2021-07-28
US20210378225A1 (en) 2021-12-09
CN112911931A (zh) 2021-06-04
CA3113311A1 (en) 2020-03-26
EP3959978A1 (de) 2022-03-02

Similar Documents

Publication Publication Date Title
CN112911931B (zh) 用于检测节肢动物的成像设备和用于检测节肢动物的系统
Librán-Embid et al. Unmanned aerial vehicles for biodiversity-friendly agricultural landscapes-A systematic review
US20200117897A1 (en) Adaptive Artificial Intelligence Training Data Acquisition and Plant Monitoring System
Cohnstaedt et al. Arthropod surveillance programs: basic components, strategies and analysis
CN114207672B (zh) 部署生物哨兵到农田并远程监测作物中生物和非生物胁迫的方法
Azfar et al. Monitoring, detection and control techniques of agriculture pests and diseases using wireless sensor network: a review
JP2016049102A (ja) 圃場管理システム、圃場管理方法、プログラム
EP3522704B1 (de) Identifizierung von nützlingen und/oder schadstoffen in einem feld für kulturpflanzen
Hutchins Techniques for sampling arthropods in integrated pest management
US20220125029A1 (en) Insect and Creature Monitoring System
WO2020051650A1 (en) System and method for automated phenology analysis
Johnson et al. The Hawaii protocol for scientific monitoring of coffee berry borer: a model for coffee agroecosystems worldwide
Lello et al. Fruit fly automatic detection and monitoring techniques: A review
EP3920692A1 (en) Insect and creature monitoring system
WO2023247209A1 (en) Apparatus and method for measuring insect activity
Marquardt et al. Dispersal and mating behavior of Diabrotica virgifera virgifera (Coleoptera: Chrysomelidae) in Bt cornfields
RU2695490C2 (ru) Способ мониторинга сельскохозяйственных угодий
Čirjak Effectiveness of analytical models based on artificial neural networks in monitoring codling moth, pear leaf blister moth and its damage
Matre et al. Drone technology in precision agriculture for insect pest management: a short review
ES2958527T3 (es) Procedimiento y sistema de gestión de productos fitosanitarios en un campo agrícola
RU2783299C1 (ru) СПОСОБ УДАЛЕННОГО МОНИТОРИНГА И КОНТРОЛЯ ОПЫЛЕНИЯ СЕЛЬСКОХОЗЯЙСТВЕННЫХ КУЛЬТУР ВБЛИЗИ УЛЬЕВ С ПРИМЕНЕНИЕМ ИНТЕРНЕТА ВЕЩЕЙ (IoT) И СИСТЕМА ДЛЯ ЕГО ОСУЩЕСТВЛЕНИЯ
Hahn et al. Mango Fruit Fly Trap Detection Using Different Wireless Communications. Agronomy 2023, 13, 1736
Goldshtein et al. An automatic system for Mediterranean fruit fly monitoring
Cassim et al. A Smart IoT based Fruit Fly Monitoring System
TR2021021521A1 (tr) Hassas tarım kiti.

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination