CN104007733B - 一种对农业集约化生产进行监控的系统及方法 - Google Patents
一种对农业集约化生产进行监控的系统及方法 Download PDFInfo
- Publication number
- CN104007733B CN104007733B CN201410246331.3A CN201410246331A CN104007733B CN 104007733 B CN104007733 B CN 104007733B CN 201410246331 A CN201410246331 A CN 201410246331A CN 104007733 B CN104007733 B CN 104007733B
- Authority
- CN
- China
- Prior art keywords
- video
- information
- image
- production
- cloud computing
- 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.)
- Expired - Fee Related
Links
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Image Processing (AREA)
Abstract
本发明提供一种对农业集约化生产进行监控的系统及方法,该系统包括:设置在生产现场的信息采集处理系统,该信息采集处理系统通过传输网络连接有云计算中心;所述方法的实现步骤为:ARM开发板用于操控控制节点或将视频采集装置的视频信息提取视频特征值,传输到云计算中心中,云计算中心对视频图像进行分析后,控制ARM开发板完成农业调整。该一种对农业集约化生产进行监控的系统及方法和现有技术相比,通过计算机视觉技术对农业视频图像进行分析,根据动植物生长模型,对生产进行自动调控;通过基于嵌入式开发板的图像处理,实现对农业生产现场采集视频的特征提取,克服了大规模视频传输数据量大造成的网络拥堵、耗费大的问题。
Description
技术领域
本发明涉及云计算技术领域,具体的说是一种面向大规模农业生产、以较低成本提升农业自动化水平、提高大规模农业生产效率、对农业集约化生产进行监控的系统及方法。
背景技术
集约化生产是农业发展的重要方向,集约化生产是指生产活动中,通过生产要素质量的提高、要素含量的增加、要素投人的集中以及要素组合方式的调整来增进效益的生产方式。简言之,集约是相对粗放而言,集约化经营是以效益(社会效益和经济效益)为根本对经营诸要素重组,实现最小的成本获得最大的投资回报。随着规模化生产在农业生产占中的比重逐渐增大,信息技术也越来越多的用于农业生产中,计算机视觉技术是其中一个重要的方面。
利用计算机视觉技术可以监视农业生产中的动物行为或作物长势,根据动植物生长模型分析并推断出最适宜于生产的数据,进而对生产进行调控,达到动植物生长的最优生产环境,促进生产。
目前,上述技术已经在福利养殖、病虫害监测、作物长势监测等多个领域得到了展开和实验,对提高生产效率、节约人力成本、促进生产的规范化和规模化,具有很强的现实意义。
现阶段,该技术一般在小范围的农业生产中进行实验,当其应用扩大到规模化的农业生产中,由于监控节点的增多带来计算量和数据量的倍数级增长,使得该技术的实现必须依靠具有强大运算能力的计算机或计算平台。这将为农业企业带来极大的硬件成本、运维成本,不利于农业企业的发展。
云计算的发展为解决上述问题提供了一种新的思路。远程的云平台可以为农业企业提供分布式的运算服务,农业企业不需要在本地建立计算平台,只要交纳服务费用便可通过云计算中心实现对农业视频图像的分析工作。对于农业企业来说,利用云计算技术进行农业视频分析,可以大大降低生产成本;更重要的是,云平台使企业不必在信息建设上浪费过多资源,可以专注于农业生产,为规范、快速的集约化农业发展提供新的途径。
但是,在我国现有的网络条件下,传输大量的视频数据受限于网络带宽难以实现,而且会带来高昂的流量费用,这成为远程视频监控的瓶颈。基于此,现提供一种能够有效解决数据传输难、及时对农业集约化生产进行控制、对农业集约化生产进行监控系统及方法。
发明内容
本发明的技术任务是解决现有技术的不足,提供一种充分调度系统资源、对农业集约化生产进行监控的系统及方法。
本发明的技术方案是按以下方式实现的,该一种对农业集约化生产进行监控的系统,其结构包括设置在生产现场的信息采集处理系统,该信息采集处理系统通过传输网络连接有云计算中心,其中
信息采集处理系统包括视频采集装置、与视频采集装置相连接的ARM开发板、与ARM开发板相连通的控制节点,所述ARM开发板用于外接并操控控制节点,将视频采集装置的视频信息提取为视频特征值并传输到云计算中心中;
传输网络包括有线网络或无线网络;
云计算中心由若干服务器或服务器集群组成。
在上述监控系统结构中,通过信息采集处理系统、云计算中心的设置,使得整个农业集约化生产的相关信息能够在云计算中心得到处理,其中视频采集的信息通过ARM开发板进行特征提取,并将特征值传输到云计算中心,大大减少了现有技术中需要将视频信息直接传输到云计算中心导致传输网络拥堵的情况,从而减少了传输成本,此外,上述ARM开发板是指英国ARM公司的内核芯片作为CPU,同时附加其他外围功能的嵌入式开发板,用以评估内核芯片的功能和研发各科技类企业的产品。
上所述的视频监控云平台,是应用于农业集约化生产的通用平台,允许开发者在平台上基于生产实际情况编写算法和开发应用,如作物长势判断、福利养殖、禽畜病害判断的应用。平台设计前端ARM开发板和远程云计算中心的组合,使开发者可以平衡计算机视觉分析的计算量和网络数据的传输量。
作为优选,所述ARM开发板上包括设置在PCB板上的ARM处理器,与该ARM处理器布线连接的USB接口、SD卡接口、触摸屏接口、串口、电源接口和网络接口,该网络接口包括有线网络接口和无线网络接口。
在该技术方案中,通过各种接口的设置,扩展了ARM开发板的功能,其中ARM开发板上的各种接口不限于上述几种接口,可根据实际情况进行集成定制。
所述ARM开发板外接传感器,该传感器包括温度传感器和/或湿度传感器和/或硫化氢传感器和/或二氧化碳传感器和/或光传感器和/或氢离子传感器和/或离子敏传感器。该技术方案中描述了部分农业生产中用到的传感器,实际使用时根据农业生产的监测需要进行调整,增加或减少相关的传感器,从而实现对农业生产的全方位调控。
一种对农业集约化生产进行监控的方法,其具体实现过程为:
一、农业企业在生产现场布置视频采集装置,获取生产现场视频信息,该视频信息传送给同样在现场的定制ARM开发板;
二、ARM开发板对采集到的视频信息做初步分析,进行特征提取后并通过传输网络传输到远程的云计算中心;
三、云计算中心对至少一处农业企业的至少一路视频进行特征信息分析,得到全局反馈信息,通过传输网络传输到生产现场的ARM开发板,进入步骤四;
四、生产现场的ARM开发板根据反馈信息,通过USB接口操控外接控制节点,实现对生产的最优调控。
在上述技术方案的方法中,通过对视频提取特征值,使得整个监控视频可通过传输特征值来完成相关传输动作,传输过程中涉及的信息量被大大减少,使得现有的网络足够完成数据传输动作,从而使得云计算中心能够及时的对动植物的生产进行最优的调控,调控速度快,调控效率及效果好,实用性强。
作为优选,所述步骤一中还包括:布置在生产现场的外接传感器采集到生产现场环境信息,该环境信息发送到同样在现场的ARM开发板;
相对应的,步骤二还包括:ARM开发板对经步骤一采集的环境信息做初步分析,得到部分反馈信息后,直接进入步骤四。
也就是说,增加了上述两个步骤后,该视频监控的整个步骤变为:
一、布置在生产现场的视频监视节点和传感器节点将采集到的信息传送给同样在现场的定制ARM开发板,进入步骤二;
二、ARM开发板中对经步骤一采集的环境信息做初步分析,得到部分反馈信息,直接进入步骤四;对视频信息进行特征提取并通过网络将视频特征信息及环境信息共同传输到远程的云计算中心,进入步骤三;
三、云计算中心根据视频特征配合环境信息做进一步的分析,得到全局反馈信息,将反馈信息再次通过网络传输到现场的ARM开发板,进入步骤四;
四、ARM开发板根据反馈信息操控现场设备,实现对生产的最优调控。
该技术是在生产现场安装了外接传感器的情况下的步骤扩展,这时传感器传感到的环境数据信息可以直接通过ARM开发板对生产进行调控而无需经过云计算中心,实现了调控手段的多样化,调控更加快捷,保证农业生产的顺利进行,实用性强。
进一步的,所述步骤二中ARM开发板的视频特征提取,是以视频帧为单位的图像处理,具体如下:
1)对图像做直方图均衡化,使图像在灰度级上分布均匀;
2)对图像做边缘检测,得到标定线的图像长度,与标定线的实际长度对比,获得像素长度与实际长度的比例尺;
3)对图像做阈值分割,利用OpenCV中的函数库计算动植物的相关参数,根据标定线估算生产现场植物或动物的长度和质量;其中在生产准备阶段,对阈值分割后的植物或动物图案建立训练集,发送到云计算中心,通过SVM方法训练得到识别模型;
4)经过ARM开发板图像处理得到视频帧的特征信息,封装成数据结构为0-1字符串的信息,发送给云计算中心,每个字符串代表一帧,字符串的每个字符代表一个像素点。
在上述技术方案中,通过视频帧的特征形式,能够更好的实现特征值的提取,且该技术实现易于操作,图像处理效果最佳。
进一步的,所述步骤2)中的图像边缘检测过程为:
a、首先对接收到的图像进行高斯滤波,滤波的计算方式如下:
;
b、用一阶偏导的有限差分来计算梯度的幅值和方向:
;
;
;
;
得到梯度方向后根据像素点的八邻域找到梯度方向的邻接像素;
c、非极大值抑制:对于图像中每个像素点,将其幅值与梯度方向上邻接像素点的幅值进行比较,如果小于梯度方向上的2个梯度幅值,将其对应的边缘标识为0;
d、双阈值化处理:设定好低阈值和高阈值,对梯度图像进行双阈值处理,梯度增幅大于高阈值的判断为边缘;梯度幅值小于低阈值的判断为非边缘;梯度阈值介于二者之间的,判断该像素的邻域像素中是否存在大于高阈值的边缘像素,若存在则判断为边缘像素,否则为非边缘像素,完成边缘检测过程。
上述检测过程能够是能够尽可能多地标识出图像中的实际边缘,漏检真实边缘的概率和误检非边缘的概率都尽可能小,进而完成最好的边缘检测,检测到的边缘点的位置距离实际边缘点的位置最近,实用性强。
作为优选,所述步骤3)中的图像阈值分割过程为:将图像分为前景和背景两部分,算法遍历使前景和背景类间方差最大的值,即为图像的最佳阈值。
该技术方案中的图像阈值分割方法计算简单,不受图像亮度和对比度的影响,按照上述步骤中得到的图像灰度特性,将图像分为北京和前景两部分,保证整个方法过程中数据的准确性。
进一步的,所述步骤三中云计算中心对生产现场的多个ARM开发板传输的视频特征信息进行并行处理的详细过程为:
S1、将ARM板发送的数据结构为0-1字符串的特征信息,读取为特征向量;
S2、特征向量与训练集匹配,根据植物或动物图案对生产现场不同动物或植物进行特征识别和定位,如果目标为动物进入步骤S3,如果目标为植物进入步骤S4;
S3、利用粒子滤波法对动物进行多目标跟踪,并将跟踪信息进行记录并基于动物行为模型分析动物的生存状态,得到能满足动物舒适度的调控信息;
S4、通过图像特征提取得到植物叶片的面积、长度、纹理等信息,匹配植物叶片特征库,分析植物是生长状态并得到满足植物生长的调控信息。
通过云计算中心对生产现场传输来的视频信息进行处理后,使得该云计算中心能够全方位的得到农业生产过程中动植物的相关信息,进而方便实现对生产现场动植物的实时调控。
本发明与现有技术相比所产生的有益效果是:
本发明的一种对农业集约化生产进行监控的系统及方法采用嵌入式ARM开发板,极大的提升了整个系统的性能;通过嵌入式开发板对农业视频进行特征提取,可以用视频特征信息取代完整的视频帧传输给远程的云计算中心分析,从而大大压缩数据传输量,克服了大规模视频传输数据量大造成的网络拥堵、耗费大的问题;通过计算机视觉技术对农业视频图像进行分析,依据动植物生长模型,对生产进行自动调控;通过大规模计算机集群组成的云计算平台为农业视频图像提供公共的运算服务,为农业企业提供了一种简单易行的技术升级途径,避免了农业企业在不熟悉的计算机硬件及硬件运维上过量的投入;适用范围广泛,可广泛应用于集约化农业生产中的动物饲养、植物养殖中,保证动植物生长始终处于最佳的生产环境中;减少硬件成本、运维成本,方便工作人员维护使用,节约生产成本,提高资源利用率,实用性强,易于推广。
附图说明
图1为本发明的监控系统结构示意图。
图2为本发明的ARM开发板结构示意图。
附图中的标记分别表示:
1、ARM开发板,2、视频采集装置,3、传感器,4、控制节点,5、传输网络,6、云计算中心,7、USB接口,8、串口,9、有线网络接口,10、无线网络接口,11、SD卡接口,12、电源接口,13、触摸屏接口,14、ARM处理器。
具体实施方式
下面结合附图对本发明的一种对农业集约化生产进行监控的系统及方法作以下详细说明。
本发明的目的在于,把云计算和计算机视觉技术应用到大规模的集约化农业生产中,为农业企业提供一种布置简单、使用方便、价格低廉的视频监控系统,为集约化农业生产视频监控提供一套标准化的解决方案和软硬件平台。如附图1所示,现提供一种对农业集约化生产进行监控的系统,其结构包括设置在生产现场的信息采集处理系统,该信息采集处理系统通过传输网络5连接有云计算中心6,其中
信息采集处理系统包括视频采集装置2、与视频采集装置2相连接的ARM开发板1、与ARM开发板1相连通的控制节点4,所述ARM开发板1用于外接并操控控制节点4,将视频采集装置2的视频信息提取为视频特征值并传输到云计算中心6中;
传输网络5包括有线网络或无线网络;
云计算中心6由若干服务器或服务器集群组成。
如附图2所示,所述ARM开发板1上包括设置在PCB板上的ARM处理器14,与该ARM处理器14布线连接的USB接口7、SD卡接口11、触摸屏接口13、串口8、电源接口12和网络接口,该网络接口包括有线网络接口9和无线网络接口10。
所述ARM开发板1外接传感器3,该传感器包括温度传感器和/或湿度传感器和/或硫化氢传感器和/或二氧化碳传感器和/或光传感器和/或氢离子传感器和/或离子敏传感器。
其具体实现过程为:
一、农业企业在生产现场布置视频采集装置,获取生产现场视频信息,该视频信息传送给同样在现场的定制ARM开发板;
二、ARM开发板对采集到的视频信息做初步分析,进行特征提取后并通过传输网络传输到远程的云计算中心;
三、云计算中心对至少一处农业企业的至少一路视频进行特征信息分析,得到全局反馈信息,通过传输网络传输到生产现场的ARM开发板,进入步骤四;
四、生产现场的ARM开发板根据反馈信息,通过USB接口操控外接控制节点,实现对生产的最优调控。
所述步骤一中还包括:布置在生产现场的外接传感器采集到生产现场环境信息,该环境信息发送到同样在现场的ARM开发板;
相对应的,步骤二还包括:ARM开发板对经步骤一采集的环境信息做初步分析,得到部分反馈信息后,直接进入步骤四。
所述步骤二中ARM开发板的视频特征提取,是以视频帧为单位的图像处理,具体如下:
1)对图像做直方图均衡化,使图像在灰度级上分布均匀;
2)对图像做边缘检测,得到标定线的图像长度,与标定线的实际长度对比,获得像素长度与实际长度的比例尺;
3)对图像做阈值分割,利用OpenCV中的函数库计算生猪的面积、周长、质心、长宽比,根据标定线估算生产现场植物或动物的长度和质量;其中在生产准备阶段,对阈值分割后的植物或动物图案建立训练集,发送到云计算中心,通过SVM方法训练得到识别模型;
4)经过ARM开发板图像处理得到视频帧的特征信息,封装成数据结构为0-1字符串的信息,发送给云计算中心,每个字符串代表一帧,字符串的每个字符代表一个像素点。
所述步骤2)中的图像边缘检测过程为:
a、首先对接收到的图像进行高斯滤波,滤波的计算方式如下:
;
b、用一阶偏导的有限差分来计算梯度的幅值和方向:
;
;
;
;
得到梯度方向后根据像素点的八邻域找到梯度方向的邻接像素;
c、非极大值抑制:对于图像中每个像素点,将其幅值与梯度方向上邻接像素点的幅值进行比较,如果小于梯度方向上的2个梯度幅值,将其对应的边缘标识为0;
d、双阈值化处理:设定好低阈值和高阈值,对梯度图像进行双阈值处理,梯度增幅大于高阈值的判断为边缘;梯度幅值小于低阈值的判断为非边缘;梯度阈值介于二者之间的,判断该像素的邻域像素中是否存在大于高阈值的边缘像素,若存在则判断为边缘像素,否则为非边缘像素,完成边缘检测过程。
所述步骤3)中的图像阈值分割过程为:将图像分为前景和背景两部分,算法遍历使前景和背景类间方差最大的值,即为图像的最佳阈值。
所述步骤三中云计算中心对生产现场的多个ARM开发板传输的视频特征信息进行并行处理的详细过程为:
S1、将ARM板发送的数据结构为0-1字符串的特征信息,读取为特征向量;
S2、特征向量与训练集匹配,根据植物或动物图案对生产现场不同动物或植物进行特征识别和定位,如果目标为动物进入步骤S3,如果目标为植物进入步骤S4;
S3、利用粒子滤波法对动物进行多目标跟踪,并将跟踪信息进行记录并基于动物行为模型分析动物的生存状态,得到能满足动物舒适度的调控信息;
S4、通过图像特征提取得到植物叶片的面积、长度、纹理等信息,匹配植物叶片特征库,分析植物是生长状态并得到满足植物生长的调控信息。
本发明首次通过融合云计算和计算机视觉技术实现对大规模的集约化农业生产进行监测分析。通过计算机视觉技术对农业视频图像进行分析,依据动植物生长模型,对生产进行自动调控。通过云计算技术,建立云计算中心,为大规模的视觉分析提供分布式运算服务。首次通过基于嵌入式开发板的图像处理,实现对农业生产现场采集视频的特征提取,克服了大规模视频传输数据量大造成的网络拥堵、耗费大的问题。
实施例:
现在以生猪养殖为例,视频监控该生猪的生产养殖过程,监控时首先搭建对生产进行视频监控的系统:
1)在每个猪圈正上方中心位置安装高清摄像装置,以90°俯视视角视频采集圈内生猪活动。圈内生猪在背部以显著图案做标识,便于特征识别。猪圈建设为矩形状,在猪圈内以规范化的矩形区域分割猪圈,标记为排泄区、饮食区、活动区和休息区。优选的,圈内的生猪4~6头。在猪圈边缘、摄像装置监视范围内做矩形标定线,包围整个猪圈。用于判定摄像角度是否为90°,以及后续的图像标定。优选的,标定线采用荧光涂材,便于图像识别。
2)在猪圈边缘靠近过道一侧布置ARM开发板,开发板连接摄像装置,获取对生猪的视频监控信息。ARM开发板中搭载的信息采集模块对视频图像信息进行特征提取。在猪圈内部布置集成传感器,测量温度、湿度、硫化氢和二氧化碳浓度,实时显示在ARM开发板上,如有指数超标立即预警。信息采集模块将视频图像的特征信息,与传感器信息以时间线为基准进行信息融合,通过Wi-Fi无线传输模块将信息传输到远程的云计算中心进行深入的分析。
3) 远程云计算中心通过分布式运算处理多个ARM开发板信息采集模块发送的视频特征信息和环境信息,基于猪圈内的生猪的特征信息进行多目标跟踪,得到生猪的移动速度、加速度、区域出现频率等活动信息,配合猪圈内环境信息,根据养殖专家建立的模型分析判断生猪的状态,向现场反馈生猪疾病预测信息、生产控制信息。
4) 生产现场的ARM开发板接收到云计算中心的反馈信息,进行生猪疾病预测预警、环境清洁度预警和猪饲料自动投放。
在ARM开发板中的视频特征提取,是以视频帧为单位的图像处理,具体如下:
S1)对图像做直方图均衡化,使图像在灰度级上分布均匀,减少光照因日夜变化对图像的影响,使后续图像处理标准化。
S2)对图像做边缘检测,得到标定线的图像长度,与标定线的实际长度对比,获得像素长度与实际长度的比例尺。
S3)对图像做阈值分割,利用OpenCV中的函数库计算生猪的面积、周长、质心、长宽比,根据标定线估算生猪的长度和质量。在生产准备阶段,对阈值分割后的生猪背部图案建立训练集,发送到云计算中心,通过SVM方法训练得到识别模型。
在云计算中心,对生产现场的多个ARM开发板传输的视频特征信息进行并行处理,具体如下:
S1)将ARM板发送的数据结构为0-1字符串的特征信息,读取为特征向量。
S2)特征向量与训练集匹配,根据背部图案对不同生猪进行特征识别和定位。
S3)利用粒子滤波法对生猪进行多目标跟踪,记录不同生猪的移动速度、加速度及在不同区域出现的次数。
以上实施方式仅用于说明本发明,而并非对本发明的限制,有关技术领域的普通技术人员,在不脱离本发明的精神和范围的情况下,还可以做出各种变化和变型,因此所有等同的技术方案也属于本发明的范畴,本发明的专利保护范围应由权利要求限定。
Claims (6)
1.一种对农业集约化生产进行监控的方法,其特征在于其具体实现过程为:
一、农业企业在生产现场布置视频采集装置,获取生产现场视频信息,该视频信息传送给同样在现场的定制ARM开发板;
该步骤一中还包括:布置在生产现场的外接传感器采集到生产现场环境信息,该环境信息发送到同样在现场的ARM开发板;
二、ARM开发板对采集到的视频信息做初步分析,进行特征提取后并通过传输网络传输到远程的云计算中心;
该ARM开发板的视频特征提取,是以视频帧为单位的图像处理,具体如下:
1)对图像做直方图均衡化,使图像在灰度级上分布均匀;
2)对图像做边缘检测,得到标定线的图像长度,与标定线的实际长度对比,获得像素长度与实际长度的比例尺;
3)对图像做阈值分割,利用OpenCV中的函数库计算动植物的相关参数,根据标定线估算生产现场植物或动物的长度和质量;其中在生产准备阶段,对阈值分割后的植物或动物图案建立训练集,发送到云计算中心,通过SVM方法训练得到识别模型;
4)经过ARM开发板图像处理得到视频帧的特征信息,封装成数据结构为0-1字符串的信息,并与传感器信息以时间线为基准进行信息融合后,发送给云计算中心,每个字符串代表一帧数据;
步骤二还包括:ARM开发板对经步骤一采集的环境信息做初步分析,得到部分反馈信息后,直接进入步骤四;
三、云计算中心对至少一处农业企业的至少一路视频进行特征信息分析,得到全局反馈信息,通过传输网络传输到生产现场的ARM开发板,进入步骤四;
该步骤中云计算中心对生产现场的多个ARM开发板传输的视频特征信息进行并行处理的详细过程为:
S1、将ARM板发送的数据结构为0-1字符串的特征信息,读取为特征向量;
S2、特征向量与训练集匹配,根据植物或动物图案对生产现场不同动物或植物进行特征识别和定位,如果目标为动物进入步骤S3,如果目标为植物进入步骤S4;
S3、利用粒子滤波法对动物进行多目标跟踪,并将跟踪信息进行记录并基于动物行为模型分析动物的生存状态,得到能满足动物舒适度的调控信息;
S4、通过图像特征提取得到植物叶片的包括面积、长度、纹理的信息,匹配植物叶片特征库,分析植物是生长状态并得到满足植物生长的调控信息;
四、生产现场的ARM开发板根据反馈信息,通过USB接口操控外接控制节点,实现对生产的最优调控。
2.根据权利要求1所述的一种对农业集约化生产进行监控的方法,其特征在于:所述步骤2)中的图像边缘检测过程为:
a、首先对接收到的图像进行高斯滤波,滤波的计算方式如下:
;
b、用一阶偏导的有限差分来计算梯度的幅值和方向:
;
;
;
;
得到梯度方向后根据像素点的八邻域找到梯度方向的邻接像素;
c、非极大值抑制:对于图像中每个像素点,将其幅值与梯度方向上邻接像素点的幅值进行比较,如果小于梯度方向上的2个梯度幅值,将其对应的边缘标识为0;
d、双阈值化处理:设定好低阈值和高阈值,对梯度图像进行双阈值处理,梯度增幅大于高阈值的判断为边缘;梯度幅值小于低阈值的判断为非边缘;梯度阈值介于二者之间的,判断该像素的邻域像素中是否存在大于高阈值的边缘像素,若存在则判断为边缘像素,否则为非边缘像素,完成边缘检测过程。
3.根据权利要求1所述的一种对农业集约化生产进行监控的方法,其特征在于:所述步骤3)中的图像阈值分割过程为:将图像分为前景和背景两部分,算法遍历使前景和背景类间方差最大的值,即为图像的最佳阈值。
4.根据权利要求1所述的一种对农业集约化生产进行监控的方法,其特征在于:该方法采用监控系统实现,该监控系统包括设置在生产现场的信息采集处理系统,该信息采集处理系统通过传输网络连接有云计算中心,其中
信息采集处理系统包括视频采集装置、与视频采集装置相连接的ARM开发板、与ARM开发板相连通的控制节点,所述ARM开发板用于外接并操控控制节点,将视频采集装置的视频信息提取为视频特征值并传输到云计算中心中;
传输网络包括有线网络或无线网络;
云计算中心由若干服务器或服务器集群组成。
5.根据权利要求4所述的一种对农业集约化生产进行监控的方法,其特征在于:所述ARM开发板上包括设置在PCB板上的ARM处理器,与该ARM处理器布线连接的USB接口、SD卡接口、触摸屏接口、串口、电源接口和网络接口,该网络接口包括有线网络接口和无线网络接口。
6.根据权利要求4所述的一种对农业集约化生产进行监控的方法,其特征在于:所述ARM开发板外接传感器,该传感器包括温度传感器和/或湿度传感器和/或硫化氢传感器和/或二氧化碳传感器和/或光传感器和/或氢离子传感器。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410246331.3A CN104007733B (zh) | 2014-06-05 | 2014-06-05 | 一种对农业集约化生产进行监控的系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410246331.3A CN104007733B (zh) | 2014-06-05 | 2014-06-05 | 一种对农业集约化生产进行监控的系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104007733A CN104007733A (zh) | 2014-08-27 |
CN104007733B true CN104007733B (zh) | 2017-08-04 |
Family
ID=51368439
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410246331.3A Expired - Fee Related CN104007733B (zh) | 2014-06-05 | 2014-06-05 | 一种对农业集约化生产进行监控的系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104007733B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104301680A (zh) * | 2014-10-22 | 2015-01-21 | 重庆宣努生物科技股份有限公司 | 云视频农业监控与检测方法 |
CN105738296B (zh) * | 2014-12-12 | 2018-07-10 | 中国农业机械化科学研究院 | 移动式白毛猪耳部颜色自动检测装置及检测方法 |
CN104881012A (zh) * | 2015-05-29 | 2015-09-02 | 青岛炎煌信息科技有限公司 | 一种基于cps的智能农作物培养种植管理系统 |
CN104935887A (zh) * | 2015-06-10 | 2015-09-23 | 安徽朗坤物联网有限公司 | 云视频农业监控与检测方法 |
CN105512992A (zh) * | 2015-12-22 | 2016-04-20 | 浪潮集团有限公司 | 一种基于云计算的河面冰情分析方法 |
JP6621942B2 (ja) * | 2016-12-12 | 2019-12-18 | 株式会社オプティム | 遠隔制御システム、遠隔制御方法、およびプログラム |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102594870A (zh) * | 2011-05-31 | 2012-07-18 | 北京亿赞普网络技术有限公司 | 一种云计算平台、云计算系统及其业务信息发布方法 |
CN202602714U (zh) * | 2012-05-28 | 2012-12-12 | 广东顺德宸熙物联科技有限公司 | 一种基于物联网和云计算技术的智能温室监控系统 |
CN203241793U (zh) * | 2013-04-18 | 2013-10-16 | 何惠彬 | 一种基于物联网的农业生产监控及管理系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9547509B2 (en) * | 2012-02-23 | 2017-01-17 | Samsung Electronics Co., Ltd. | System and method for information acquisition of wireless sensor network data as cloud based service |
-
2014
- 2014-06-05 CN CN201410246331.3A patent/CN104007733B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102594870A (zh) * | 2011-05-31 | 2012-07-18 | 北京亿赞普网络技术有限公司 | 一种云计算平台、云计算系统及其业务信息发布方法 |
CN202602714U (zh) * | 2012-05-28 | 2012-12-12 | 广东顺德宸熙物联科技有限公司 | 一种基于物联网和云计算技术的智能温室监控系统 |
CN203241793U (zh) * | 2013-04-18 | 2013-10-16 | 何惠彬 | 一种基于物联网的农业生产监控及管理系统 |
Non-Patent Citations (3)
Title |
---|
图像边缘检测方法研究;胡文锦;《中国优秀硕士学位论文全文数据库信息科技辑》;20100215(第02期);全文 * |
基于支持向量机苹果采摘机器人视觉系统的研究;王津京;《中国优秀硕士学位论文全文数据库信息科技辑》;20091015(第10期);I140-175 * |
基于物联网与图像识别的玉米病虫害诊断与预防系统;吴桐;《中国优秀硕士学位论文全文数据库农业科技辑》;20131215(第S2期);D046-12 * |
Also Published As
Publication number | Publication date |
---|---|
CN104007733A (zh) | 2014-08-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Chen et al. | An AIoT based smart agricultural system for pests detection | |
CN104007733B (zh) | 一种对农业集约化生产进行监控的系统及方法 | |
WO2017003113A1 (ko) | 음향 및 영상분석을 통한 넙치 질병 예방 시스템 | |
Murugamani et al. | Machine Learning Technique for Precision Agriculture Applications in 5G‐Based Internet of Things | |
CN110321956B (zh) | 一种基于人工智能的牧草病虫害治理方法及装置 | |
Zang et al. | Detection method of wheat spike improved YOLOv5s based on the attention mechanism | |
CN111709333A (zh) | 基于笼养鸡异常粪便的溯源预警系统及健康监测方法 | |
Suneja et al. | Cloud-based tomato plant growth and health monitoring system using IOT | |
CN114518143A (zh) | 一种智能环境感知系统 | |
CN111797831A (zh) | 基于bim和人工智能的家禽进食并行异常检测方法 | |
CN115661650A (zh) | 一种基于物联网数据监测的农场管理系统 | |
Musa et al. | An intelligent plant dissease detection system for smart hydroponic using convolutional neural network | |
CN108829762A (zh) | 基于视觉的小目标识别方法和装置 | |
CN114898405B (zh) | 基于边缘计算的便携式肉鸡异常监测系统 | |
CN110136192A (zh) | 一种基于深度学习和特征部位检测的牛体尺算法 | |
CN104301680A (zh) | 云视频农业监控与检测方法 | |
CN108670256A (zh) | 一种奶牛呼吸频率监测系统及方法 | |
CN108628266A (zh) | 基于大数据分析的智能养殖大棚监测系统 | |
CN112714411A (zh) | 具有可移动节点的农业监测装置 | |
FAISAL | A pest monitoring system for agriculture using deep learning | |
Wang et al. | Image detection system based on smart sensor network and ecological economy in the context of fine agriculture | |
CN107590664A (zh) | 一种基于农产品电商平台的数据采集系统 | |
CN205608801U (zh) | 奶牛体况自动评分装置 | |
Revathi et al. | Iot and machine learning algorithm in smart agriculture | |
CN107748531A (zh) | 一种基于大数据的农业养殖环境监控系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170804 Termination date: 20180605 |
|
CF01 | Termination of patent right due to non-payment of annual fee |