MC-BZY-III型物聯網智能孢子捕捉系統

一、儀器簡介：

　　物聯網自動孢子捕捉系統，利用現代計算機系統集成技術、4G無線傳輸技術、高清數碼圖像采集與處理技術、遠程電動微距控制、自動傳動及協調系統、光學輔助系統、人工AI智能識別系統、溫度自動調節系統等諸多精密結構及其控制和軟件處理系統等諸多領域技術組成的一套植物病菌檢測智能自動化工具。   

　　本設備專門收集隨空氣流動而傳播的病原菌孢子及花粉塵粒。主要用于檢測病害孢子存量及其擴散動態，為預測并預防病害流行，傳染提供可靠數據。   

　　該設備主要由孢子捕捉系統、孢子傳動系統、圖像采集系統、網絡傳輸系統、對焦系統、電源系統組成。

　　設備利用現代光電數控技術，實現遠程自動捕捉各種花粉和孢子信息，自動加載載玻帶，自動拍照，圖片數據自動上傳，自動運行等功能。可根據需要實時對環境氣象和孢子病害情況上傳到指定網絡平臺，專業分析人員可在平臺對每個時間段內收集到的孢子進行手工分類與計數，形成孢子測報數據庫，供專家遠程對病害的發生與發展進行分析和預測，為現代農業提供服務，滿足病情預測預報及標本采集的需要，及時防治病害發生。

二、性能特點：

　　1、參考 GB/T 24689.3-2009（植物保護機械 孢子捕捉儀（器））標準中有關固定式孢子捕捉儀（器）的安全要求和技術要求。

　　2、15寸高清觸摸屏可選，windows操作系統，具有良好的人機交互界面。

　　3、具有1200萬像素可選放大顯微成像系統，能夠自動對所捕獲病菌孢子進行高清顯微拍攝，所拍攝圖像清晰度能夠達到人工識別病菌孢子種類的要求。

　　4、收集自動捕捉到的病菌孢子，并對其自動拍攝，自動選取最優圖片。

　　5、能夠實現從載玻帶自動加載、病菌孢子捕捉、顯微成像全過程自動化運行。

　　6、具有遠程及現場編程功能，設備各項功能可通過網絡遠程設置，修改和讀取。工作模式可調。

　　7、內置衛星定位功能，可在地圖上查看當前設備參數。

　　8、分時工作：可根據標靶病原菌孢子的活動習性規律，設定工作時段。

　　9、可輸出設備運行狀態信息，以便于中心平臺對設備運行狀態進行遠程監控。

　　10、可對設備開關、工作時間段、圖像拍攝頻率、上傳圖像頻率等設備管理信息進行遠程配置。

三、技術參數：

　　1、載玻帶采用高粘光學級材料，可以累計工作450天。

　　2、配備1200萬像素工業CMOS數字相機，像素尺寸1.55μm（H）×1.55μm(V)；信噪比39dB；支持一鍵白平衡；幀率@15FPS 幀/@25FPS 幀；支持USB3.0 OTG；動態范圍74 dB (Linear)-85 dB (HDR)；光譜響應400nm～700nm；輸出圖像格式 MJPEG (Compression format)YUV2 (Compression format)；分辨率：4032x3024;3840x2160;2592x1944;2560x1440;1920x1080;1280x720;640x480。

　　3、主機采用一體式工業平板電腦控制，windows操作系統，15寸整體式真彩觸摸顯示屏。

　　4、具有加熱和冷卻恒溫培養系統裝置，有助于孢子培養發育。

　　5、顯微鏡采用高分辨率連續變倍筒式顯微鏡+10x平場消色無限遠光學系統顯微鏡頭。

　　6、光學級材質，可以累計工作約920天。

　　7、顯微鏡采用高分辨率連續變倍筒式顯微鏡+10x平場消色無限遠光學系統顯微鏡頭。

　　8、外殼材料：噴塑鋼板。

　　9、圖片采集方式：遠程網絡平臺手動控制采集、設備定時自動采集。

　　10、電源電壓：交流220V±5%

　　11、功率：180W

　　12、定時：可設10個時間段

　　13、集氣口風速：0.3～5 m/s

　　14、絕緣電阻：≥2.5MΩ

　　15、設計壽命：10年

　　16、工作環境溫度：-20 -70℃。

四、AI病菌孢子種類智能識別：

　　1、對于分布在全國各行業的物聯網孢子捕捉儀用戶來講，部分用戶缺乏病菌孢子識別技能而無法精準知道捕捉到的病菌孢子品種，從而影響到設備的使用效果。我們針對該情況，開發了《AI智能病菌孢子體識別系統》，面向需求升級了孢子種類數量、優化了算法、擴大了數據庫的數據量、從新建立了模型，從而進一步提升了識別的效果，為提高設備的使用效果提供了有力的技術支撐。

　　2、由于不同孢子的識別具有特殊性，每種形態都不同，市場上沒有通用的解決方案可以直接使用，所以我們自己只能投入巨大人力和物力建設一個孢子圖片庫進行定制化訓練。

　　3、該孢子識別功能通過圖像分類任務，前期收集不少于500張圖片進行可行性驗證后，最終優化為識別準確率90%以上的模型。

　　第一步，明確需要識別的孢子。 第二步，針對各種孢子，收集該種類下的各種角度，分別收集正面、側面、背面等多角度圖片。 第三步，形成可上傳進行訓練的數據，數據導入。第四步，當您把圖片上傳到圖像分類數據集進行標注時，可批量標注功能快速為圖片打標簽，提高您的標注效率。第五步，模型訓練。第六步，I訓練。最終AI自己把所有的孢子圖片訓練，達到自動識別功能。

五、大數據平臺

　　1、可以隨時通過計算機和手機查看當下數據和歷史數據，包括照片。

　　2、支持歷史數據下載。

　　3、遠程設置參數

　　4、短信預警

　　5、遠程控制設備