基于红外热成像的夜间野兔监测

随生态改善，野兔数量增多，对农田与林地的危害日益加重。野兔活动习性多为夜间，零星出没，导致采用可见光条件下的驱兔的方法效果较差，而下网下夹、毒杀、电击、猎杀等方法非常危险，且野兔属于国家保护动物，因此，提出一种结合近年来人工智能技术的驱兔方法具有实际意义，此类方法中重要的环节在于夜间对野兔的检测。野兔一般于秋冬季夜间 9 点至凌晨活跃于山间麦田、果林和人工经济林等区域，啃食作物和林木幼苗，普遍单只或成对出现、较少聚群。因此，对野兔的检测与预警，需解决野外夜间的无光环境下探测，复杂地形存在一定遮挡的条件下检测目标，小型目标检测及快速运动目标检测这几个问题。

该文提出一种夜间野兔检测的方法，使用红外热成像结合人工智能深度学习方法对夜间出现的野兔目标进行实时识别与监测。设计实现一种适用于红外图像中小目标检测的轻量级、高识别率的深度学习网络，并使用热成像野外实时采集夜间野兔图像作为数据集，对距离、尺度、出现环境不同的野兔，特别是一些存在草木遮挡情况的野兔采集红外图像，以训练提升存在遮挡情况下的野兔目标检测能力。

实际夜间野外存在大量遮挡情况下出现的野兔目标监测结果说明，该文提出的方法可以达到75%以上的识别率，识别速度可达每秒51帧。可高效快速地对夜间复杂环境下出现的野兔进行监测。