CN107292874A - 作物病害的控制方法及装置 - Google Patents
作物病害的控制方法及装置 Download PDFInfo
- Publication number
- CN107292874A CN107292874A CN201710516761.6A CN201710516761A CN107292874A CN 107292874 A CN107292874 A CN 107292874A CN 201710516761 A CN201710516761 A CN 201710516761A CN 107292874 A CN107292874 A CN 107292874A
- Authority
- CN
- China
- Prior art keywords
- crop
- disease
- image
- occurs
- default
- 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
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
- G06T7/0014—Biomedical image inspection using an image reference approach
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
- G06T2207/30188—Vegetation; Agriculture
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明实施例公开了一种作物病害的控制方法以及装置,用于及时应对作物病害,减少由于病害问题而带来的损失。本发明实施例方法包括:获取第一作物的第一图像;根据第一图像判断第一作物是否发生病害;若是,则根据第一图像确定第一作物发生的病害类型;根据病害类型确定第一作物的抗病害营养液;控制灌溉系统将第一作物的当前营养液调整为抗病害营养液。
Description
技术领域
本发明涉及种植技术领域,尤其涉及一种作物病害的控制方法及装置。
背景技术
在我国,各地使用蔬菜大棚的种菜技术已经非常普及,大棚种植能更有效地管理各种农作物种植,提高对病虫的预防和农作物的单位产量,也可以避免天气变化的不良影响,同时通过大棚的温湿度等控制,可实现种植更丰富、不同区域的农作物,满足多需求的农作物供应。
目前,在种植物生长的过程中,通常采用人工方式对种植物的生长状况进行监测,但当种植的面积较大时,容易存在由于人工监测不及时或者不到位,导致种植物的病害问题没有得到良好的监测和控制。
发明内容
本发明实施例提供了一种作物病害的控制方法及装置,用于及时应对作物病害,减少由于病害问题而带来的损失。
有鉴于此,本发明第一方面提供一种作物病害的控制方法,应用于终端,包括:
获取第一作物的第一图像;
根据第一图像判断第一作物是否发生病害;
若是,则根据第一图像确定第一作物发生的病害类型;
根据病害类型确定第一作物的抗病害营养液;
控制灌溉系统将第一作物的当前营养液调整为抗病害营养液。
进一步的,在根据第一图像判断第一作物是否发生病害后,方法还包括:
按照病害类型进行警报提示;和/或,
根据病害类型确定第一作物的抗病害剂;
控制喷洒装置向第一作物喷洒抗病害剂。
进一步的,根据第一图像判断第一作物是否发生病害包括:
检测第一图像与预设病害图像的相关性;
根据相关性判断第一作物是否发生病害。
进一步的,检测第一图像与预设病害图像的相关性包括:
分别提取第一图像的第一图像信息与预设病害图像的第二图像信息,第一图像信息和第二图像信息包括颜色特征、形状特征、纹理特征、茎叶生长比例特征;
将第一图像信息和第二图像信息进行比对,以获取第一图像与预设病害图像的相关性。
进一步的,根据第一图像判断第一作物是否发生病害包括:
将第一图像输入预设运算模型;
根据预设运算模型输出的识别结果判断第一作物是否发生病害。
本发明第二方面提供一种作物病害的控制装置,应用于终端,可包括:
获取单元,用于获取第一作物的第一图像;
判断单元,用于根据第一图像判断第一作物是否发生病害;
第一确定单元,用于当第一作物发生病害时,则根据第一图像确定第一作物发生的病害类型;
第二确定单元,用于根据病害类型确定第一作物的抗病害营养液;
第一控制单元,用于控制灌溉系统将第一作物的当前营养液调整为抗病害营养液。
进一步的,装置还包括:
提示单元,用于按照病害类型进行警报提示;和/或,
第三确定单元,用于根据病害类型确定第一作物的抗病害剂;
第二控制单元,用于控制喷洒装置向第一作物喷洒抗病害剂。
进一步的,判断单元,具体用于:
检测第一图像与预设病害图像的相关性;
根据相关性判断第一作物是否发生病害。
进一步的,判断单元,具体用于:
分别提取第一图像的第一图像信息与预设病害图像的第二图像信息,第一图像信息和第二图像信息包括颜色特征、形状特征、纹理特征、茎叶生长比例特征;
将第一图像信息和第二图像信息进行比对,以获取第一图像与预设病害图像的相关性。
进一步的,判断单元,具体用于:
将第一图像输入预设运算模型;
根据预设运算模型输出的识别结果判断第一作物是否发生病害。
从以上技术方案可以看出,本发明实施例具有以下优点:
本发明实施例提供了一种作物病害的控制方法,在第一作物的生长过程中,通过获取第一作物的第一图像,可以根据该第一图像确定第一作物是否发生病害,若发生病害,可根据发生的病害类型确定抗病害营养液,以调整第一作物的当前营养液,从而可以自主监控第一作物的病害问题,并能够在发生病害时能够采取有效的措施及时处理病害问题,防止病害问题的加剧,有利于简化操作,节省人力,提高病害处理效率。
附图说明
图1为本发明实施例中作物病害的控制方法一个实施例示意图;
图2为本发明实施例中作物病害的控制方法另一实施例示意图;
图3为本发明实施例中作物病害的控制方法另一实施例示意图;
图4为本发明实施例中作物病害的控制装置一个实施例示意图;
图5为本发明实施例中作物病害的控制装置另一实施例示意图。
具体实施方式
本发明实施例提供了一种作物病害的控制方法及装置,用于及时应对作物病害,减少由于病害问题而带来的损失。
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
为了更好理解本发明实施例公开的一种作物病害的控制方法,先对本发明实施例适用的终端进行描述。本发明实施例所描述的终端可以包括任何具备显示屏以及存储功能的设备,例如:平板电脑、手机等智能设备,该终端可以安装有包括如下操作系统:Android、Linux、IOS、Windows等,终端基于所安装的操作系统可以进一步安装有若干应用程序,该应用程序可以是终端出厂前预装的系统应用,如设置应用、音乐应用、拍照应用等,也可以是用户自己安装的第三方应用,如微信应用等,具体此处不做限定。
为便于理解,下面对本发明实施例中的具体流程进行描述,请参阅图1,本发明实施例中作物病害的控制方法一个实施例包括:
101、获取第一作物的第一图像;
本实施例中,无论是作物大棚的控制中心的终端,还是作物大棚的工作人员的终端,通过与作物大棚的智能装置的通信连接,可以实现对作物大棚的智能装置的控制,以较好的监控作物大棚中作物的生长情况。
具体的,作物大棚中可以安装有多个图像采集装置,可以用于采集不同作物的生长过程中的图像。对于不同作物而言,图像采集装置采集的图像可以按照作物种类进行分类处理,以能够对同一作物的图像进行针对性分析。
以作物大棚的控制中心的终端为例进行说明,作物大棚中的图像采集装置采集第一作物在生长过程中的第一图像后,可以将第一图像上传至控制中心的终端,则该终端可以获取第一作物的第一图像。
进一步的,可以理解的是,本实施例中图像采集装置上传的第一图像不仅可以包括图像信息,还可以包括当前时间信息等,具体此处不做限定。
可以理解的是,本实施中的第一作物可以包括但不限于蔬菜、水果、粮食、可观赏类植物等。
102、根据第一图像判断第一作物是否发生病害,若是,则执行步骤103,若否,则执行步骤106;
本实施中,获取第一作物的第一图像后,可以根据第一图像判断第一作物是否发生病害。
具体的,相对于正常生长无病害的第一作物而言,当第一作物发生病害时,作物的茎、叶、果实将发生不同的特征变化,如叶子颜色变黄、叶子枯萎、果表异常等,这些特征变化可以通过采集的第一图像得到展示。由此,可以根据第一图像判断第一作物是否发生病害。
进一步的,本实施例中,为了有利于提高对第一作物是否发生病害的识别率,在终端的本地,或云服务端,可以存储有第一作物发生病害时的图像,以能够结合已存储的图像以及第一图像,判断第一作物是否发生病害。
可以理解的是,本实施例中判断第一作物是否发生病害的方式除了采用上述说明的内容,在实际应用中,还可以采用其它方式,如当叶子出现相应斑点时,可以确定第一作物发生病害,具体此处不做限定。
103、根据第一图像确定第一作物发生的病害类型;
本实施例中,若根据第一图像判断第一作物发生病害,则可以根据第一图像确定第一作物发生的病害类型。
具体的,不同作物的病害类型不同,例如,豆荚的病害有大豆紫斑病、大豆赤霉病、大豆轮纹病等,而辣椒的病害有青枯病、白绢病、灰霉病等。而对于同一作物而言,不同的病害类型,作物的茎、叶、果实等显示出不一样的变化特征。例如,假设第一作物为黄瓜,以如下几种病害进行示意性说明:
霜霉病:是大棚黄瓜最普遍、危害最严重的病害。黄瓜苗期、成株期均可发病,主要危害叶片,早上尤为明显,反面似水渍状烫伤,病斑逐渐扩大,受叶脉限制,呈角形黄褐色斑,湿度大时,叶背面长出灰色霉层;
细菌性角斑病:病主要侵染叶片和瓜条,偶然也可危害瓜蔓,幼苗期即可发病,危害叶片时,一般从低叶向上发展,叶反面呈水渍状多角形斑,但比霜霉病病斑小,危害大时,无黑色霉层,叶背面常可见病部有乳白色的粘液即细菌菌脓,早晨尤显,这种菌脓干燥后呈1层白色膜或白色粉末病斑;
灰霉病:主要危害花和幼果,病菌多从开败的花侵入,使花腐败,长出淡灰褐色霉层进而侵染瓜条,造成脐部腐烂,表面密生灰褐色霉状物,烂去瓜头,烂花落在茎叶上,造成烂茎烂叶,植株枯死。
由上可知,由于不同的病害引起的黄瓜的不同特征变化,那么通过对黄瓜的第一图像进行分析,可以确定黄瓜发生的病害类型。
进一步的,由于作物在不同的生育期,其病害也会不同,那么在确定第一作物发生病害后,可以结合第一图像和第一作物的当前生育期确定第一作物发生的病害类型,以黄瓜为例进行说明,如表1所示。
表1
由此可知,根据黄瓜的当前生育期,可以排除部分病害类型,进而可以缩小第一作物的病害类型的确定范围,例如,假设黄瓜的当前生育期为幼苗期,那么黄瓜可能遭受到的病害类型可以为立枯病、根腐病、霜霉病、疫病、炭疽病中的一种或多种。
其中,第一作物的病害类型与对应的生育期之间可以建立映射关系,从而根据该映射关系,可以确定第一作物的当前生育期对应的病害类型。病害类型可以存储于终端本地或云服务端。
进一步的,本实施例中,当终端本地或云服务端存储有第一作物的不同病害类型的图像时,第一作物的病害类型也可以与对应的图像之间建立映射关系,即在存储的图像中匹配到第一图像时,可以根据匹配图像确定第一作物的病害类型。
104、根据病害类型确定第一作物的抗病害营养液;
本实施例中,根据第一图像确定第一作物发生的病害类型后,可以根据病害类型确定第一作物的抗病害营养液。
具体的,为了解决土传病病害以及土壤连作障碍的问题,本实施例中的第一作物以营养液基质进行栽培。在第一作物的生长过程中,为了降低第一作物已经发生的病害问题而带来的损失,可以通过营养液的供给进行病害的防治。根据第一作物可能发生的不同病害类型,可以在第一作物的营养液中添加针对相应病害类型的抗病害制剂,以配置成不同的抗病害营养液,则在确定第一作物发生的病害类型后,可以从多种抗病害营养液中,确定与第一作物当前发生的病害类型对应的抗病害营养液,已达到对相应病害进行诊治的目的。
例如,假设第一作物为黄瓜,黄瓜发生的病害类型为霜霉病,则可以在黄瓜的多种抗病害营养液中确定诊治霜霉病的抗病害营养液。
105、控制灌溉系统将第一作物的当前营养液调整为抗病害营养液;
本实施例中,根据病害类型确定第一作物的抗病害营养液后,可以控制灌溉系统将第一作物的当前营养液调整为抗病害营养液。
具体的,作物大棚的控制中心的终端可以与灌溉系统进行通信连接,以能够对灌溉系统进行控制。其中,在灌溉系统处可以设有配制营养液的母液桶,终端在确定抗病害营养液后,可以按照抗病害营养液的配方控制灌溉系统进行抗病害营养液的配制,配制结束后,可以停止第一作物的当前营养液的供应,并开始进行抗病害营养液的供应,以将第一作物的当前营养液调整为抗病害营养液。
106、结束流程。
本实施例中,若根据第一图像判断第一作物未发生病害,则可以不进行其它操作,即结束流程。
本实施例中,在第一作物的生长过程中,通过获取第一作物的第一图像,可以根据该第一图像确定第一作物是否发生病害,若发生病害,可根据发生的病害类型确定抗病害营养液,以调整第一作物的当前营养液,从而可以自主监控第一作物的病害问题,并能够在发生病害时能够采取有效的措施及时处理病害问题,防止病害问题的加剧,有利于简化操作,节省人力,提高病害处理效率。
可以理解的是,基于第一图像,判断第一作物是否发生病害的方式不同,下面分别进行具体说明:
请参阅图2,本发明实施例中作物病害的控制方法另一实施例包括:
本实施例中的步骤201与图1所示实施例中的步骤101相同,此处不再赘述。
202、检测第一图像与预设病害图像的相关性;
本实施例中,获取第一作物的第一图像后,可以检测第一图像与预设病害图像的相关性。
具体的,沿用图1所示实施例中步骤102说明的内容,若在终端的本地,或云服务端,存储有第一作物发生病害时的图像,那么可以对存储的图像进行处理,以得到预设病害图像。
例如,假设第一作物为黄瓜,可以在黄瓜发生霜霉病、细菌性角斑病、灰霉病等病害时分别采集多张图像,并根据病害类型的不同,对采集的多张图像进行处理,如若在黄瓜感霜霉病时采集了A1、A2、A3、A4、A5、A6图像,那么在将这6张图像进行平均处理后,可以得到黄瓜发生霜霉病时对应的预设病害图像,以此类推,还可以得到发生细菌性角斑病、灰霉病等时对应的预设病害图像。则在获取黄瓜的第一图像后,可以分别确定第一图像与发生霜霉病时、发生细菌性角斑病时、发生灰霉病时对应的预设病害图像的相关性。需要说明的是,本实施例中采集的图像的张数还可以为其它数值,上述仅为举例说明,而预设病害图像的获取方式除了采用上述说明的内容,在实际应用中,还可以采用其它方式,只要能够得到用于检测第一图像的相关性的预设病害图像即可,具体此处不做限定。
本实施例中,检测第一图像与预设病害图像的相关性的具体方式可以为:
分别提取第一图像的第一图像信息与预设病害图像的第二图像信息,第一图像信息和第二图像信息包括颜色特征、形状特征、纹理特征、茎叶生长比例特征;
将第一图像信息和第二图像信息进行比对,以获取第一图像与预设病害图像的相关性。
具体的,第一作物感染发生病害时,第一作物的茎、叶、果实可以表现出不同的生物特征,具体可以表现为颜色特征、形状特征、纹理特征以及茎叶生长比例特征,通过分析这些特征,可以确定第一作物是否发生病害,沿用上述的说明,假设第一作物为黄瓜,在得到预设病害图像后,可以分别提取第一图像的第一图像信息和不同病害类型的预设病害图像的第二图像信息,并将第一图像信息和第二图像信息进行比对,即颜色特征的比对、形状特征的比对、纹理特征的比对、茎叶生长比例特征的比对,其中,各个生物特征的比对,主要是茎、叶、花、果实的比对。在实际应用中,各个生物特征的比对可以进行相应的权重设置,则在得到颜色特征、形状特征、纹理特征、茎叶生长比例特征的比对结果后,可以将比对结果按照相应的权重计算第一图像与预设病害图像的相关性。需要说明的是,本实施例中各个生物特征的比对结果的权重可以按照实际需要进行设置,或者,也可以将比对结果进行其它计算,以得到第一图像与预设病害图像的相关性,具体此处不做限定。
可以理解的是,本实施例中检测第一图像与预设病害图像的相关性的具体方式除了上述说明的内容,在实际应用中,还可以采用其它方式,只要能够检测第一图像与预设病害图像的相关性即可,具体此处不做限定。
203、根据相关性判断第一作物是否发生病害,若是,则执行步骤204,若否,则执行步骤207;
具体的,可以预先设定阈值,以用于判断相关性大小并得到判断结果,如当第一图像与某一预设病害图像的相关性大于预设阈值时,可以确定第一作物发生病害,若第一图像与所有预设病害图像的相关性均小于不大于预设阈值,则可以确定黄瓜未发生病害。
例如,假设第一作物为黄瓜,预设阈值为80%,黄瓜的第一图像与发生霜霉病时的预设病害图像的相关性为90%,则可以确定黄瓜发生了霜霉病。
204、根据第一图像确定第一作物发生的病害类型;
本实施例中,由于在确定第一图像与预设病害图像的相关性时,可以分别确定第一图像与第一作物的不同病害类型对应的预设病害图像的相关性,那么在根据相关性判断第一作物发生病害后,可以根据第一图像对应的预设病害图像确定第一作物发生的病害类型。
进一步的,本实施例中,确定第一作物发生病害后,终端可以进行警报提示,以提示相关工作人员及时防治病害,以减少由于病害导致的农业减产、农产品质量下降、经济损失等问题。
需要说明的是,该警报提示的方式可以为声音预警,还可以为在终端输出的警报提示,如在终端输出信息提示进行病害防治,或在控制中心的屏幕监控区显示该片区的第一作物发生了病害,需要进行病害防治,具体警报提示方式此处不做限定。
本实施例中,由于第一作物有不同病害类型的感染,那么在确定第一作物发生病害后,在按照病害类型进行警报提示时,还可以输出针对该病害类型的防治措施,以对相应病害类型的病害进行针对性的有效防治。
本实施例中的步骤205至步骤206与图1所示实施例中的步骤104至步骤105相同,此处不再赘述。
进一步的,本实施中,为了加强病害防治,可以根据第一作物发生的病害类型确定第一作物的抗病害剂,并可以控制喷洒装置向第一作物喷洒抗病害剂,以进一步对病害进行防治,从而通过多手段提高防治第一作物的病害的效率,尽可能地阻止第一作物的病害的扩大化,并有效地降低第一作物的病害引起的危害。可以理解的是,上述病害防治手段的使用范围不限于营养液基质栽培的第一作物,也可以为土植栽培的第一作物,具体此处不做限定。
207、结束流程。
本实施例中,若根据相关性判断第一作物未发生病害,则可以不进行其它操作,即结束流程。
请参阅图3,本发明实施例中作物病害的控制方法另一实施例包括:
本实施例中的步骤301与图2所示实施例中的步骤201相同,此处不再赘述。
302、将第一图像输入预设运算模型;
本实施例中,获取第一作物的第一图像后,可以将第一图像输入预设预算模型。
具体的,沿用图1所示实施例中步骤102说明的内容,若在终端的本地,或云服务端,存储有第一作物发生病害时的图像,那么可以将存储的图像作为训练样本,以得到预设运算模型,用于对第一图像进行图像识别。
本实施例中,需要首先对预设运算模型进行训练,其中,预设运算模型可以为神经网络、分类器等。例如,第一作物为黄瓜,则在黄瓜发生霜霉病、细菌性角斑病、灰霉病等病害时分别采集多张图像后,可以根据病害类型的不同,将采集的多张图像作为训练样本,输入预设运算模型,如若在黄瓜发生霜霉病时采集了A1、A2、A3、A4、A5、A6图像,那么在将这6张图像输入预设运算模型中,对预设运算模型进行训练,当完成预设运算模型的训练后,可以使用训练后的预设运算模型对第一图像进行检测,训练后的预设运算模型可以直接输出识别结果,从而可以根据识别结果确定第一作物是否发生病害。
可以理解的是,本实施例中待确定的预设运算模型的训练方式除了上述说明的内容,在实际应用中,还可以采用其它方式,如将得到的多张预设病害图像输入预设运算模型后,以多张预设病害图像为训练样本对预设运算模型进行训练,具体此处不做限定。
303、根据预设运算模型输出的识别结果判断第一作物是否发生病害,若是,则执行步骤304,若否,则执行步骤307;
本实施例中,将第一图像输入预设运算模型后,可以根据预设运算模型输出的识别结果判断第一作物是否发生病害。
具体的,将第一图像输入预设运算模型后,预设运算模型可以输出关于第一图像的识别结果,该识别结果可以为诸如置信度,当置信度高于某一病害类型对应预设的阈值时,则可以确定第一作物发生病害。
304、根据第一图像确定第一作物发生的病害类型;
本实施例中,若根据预设运算模型输出的识别结果判断第一作物发生病害,则可以根据第一图像确定第一作物发生的病害类型,即可以根据第一图像输入预设运算模型后输出的识别结果进行病害类型的确定。
例如,由于预设运算模型在进行训练时,是以不同病害类型的图像进行训练,从而可以学习到不同病害类型的图像的图像信息,以对不同病害类型进行检测识别,若第一图像的识别结果可以为诸如置信度,且当置信度高于某一病害类型对应预设的阈值时,则不仅可以确定第一作物发生病害,还可以确定第一作物发生的病害类型。
本实施中的步骤305至步骤306与图2所示实施例中的步骤204至步骤205相同,此处不再赘述。
307、结束流程。
本实施例中,若根据预设运算模型输出的识别结果判断第一作物未发生病害,则可以不进行其它操作,即结束流程。
上面对本发明实施例中的作物病害的控制方法进行了描述,下面对本发明实施例中的作物病害的控制装置进行描述,该作物病害的控制装置应用于终端,请参阅图4,本发明实施例中作物病害的控制装置一个实施例包括:
获取单元401,用于获取第一作物的第一图像;
判断单元402,用于根据第一图像判断第一作物是否发生病害;
第一确定单元403,用于当第一作物发生病害时,则根据第一图像确定第一作物发生的病害类型;
第二确定单元404,用于根据病害类型确定第一作物的抗病害营养液;
第一控制单元405,用于控制灌溉系统将第一作物的当前营养液调整为抗病害营养液。
请参阅图5,本发明实施例中作物病害的控制装置另一实施例包括:
本实施例中的单元501与图4所示实施例中的单元401相同,单元502与图4所示实施例中的单元402相同,单元503与图4所示实施例中的单元403相同,单元504与图4所示实施例中的单元404相同,单元505与图4所示实施例中的单元405相同,此处不再赘述。
提示单元506,用于按照病害类型进行警报提示;
第三确定单元507,用于根据病害类型确定第一作物的抗病害剂;
第二控制单元508,用于控制喷洒装置向第一作物喷洒抗病害剂。
可选的,在本发明的一些实施例中,判断单元502,可以进一步具体用于:
检测第一图像与预设病害图像的相关性;
根据相关性判断第一作物是否发生病害。
可选的,在本发明的一些实施例中,判断单元502,可以进一步具体用于:
分别提取第一图像的第一图像信息与预设病害图像的第二图像信息,第一图像信息和第二图像信息包括颜色特征、形状特征、纹理特征、茎叶生长比例特征;
将第一图像信息和第二图像信息进行比对,以获取第一图像与预设病害图像的相关性。
可选的,在本发明的一些实施例中,判断单元502,可以进一步具体用于:
将第一图像输入预设运算模型;
根据预设运算模型输出的识别结果判断第一作物是否发生病害。
上面从模块化功能实体的角度对本发明实施例中的作物病害的控制装置进行了描述,下面从硬件处理的角度对本发明实施例中的计算机装置进行描述,本发明实施例中计算机装置一个实施例包括:
处理器以及存储器;
存储器用于存储计算机程序,处理器用于执行存储器中存储的计算机程序时,可以实现如下步骤:
获取第一作物的第一图像;
根据第一图像判断第一作物是否发生病害;
若是,则根据第一图像确定第一作物发生的病害类型;
根据病害类型确定第一作物的抗病害营养液;
控制灌溉系统将第一作物的当前营养液调整为抗病害营养液。
在本发明的一些实施例中,处理器,还可以用于实现如下步骤:
按照病害类型进行警报提示;和/或,
根据病害类型确定第一作物的抗病害剂;
控制喷洒装置向第一作物喷洒抗病害剂。
在本发明的一些实施例中,处理器,还可以用于实现如下步骤:
检测第一图像与预设病害图像的相关性;
根据相关性判断第一作物是否发生病害。
在本发明的一些实施例中,处理器,还可以用于实现如下步骤:
分别提取第一图像的第一图像信息与预设病害图像的第二图像信息,第一图像信息和第二图像信息包括颜色特征、形状特征、纹理特征、茎叶生长比例特征;
将第一图像信息和第二图像信息进行比对,以获取第一图像与预设病害图像的相关性。
在本发明的一些实施例中,处理器,还可以用于实现如下步骤:
将第一图像输入预设运算模型;
根据预设运算模型输出的识别结果判断第一作物是否发生病害。
可以理解的是,计算机装置中的处理器执行所述计算机程序时,也可以实现上述对应的各装置实施例中各单元的功能,此处不再赘述。示例性的,所述计算机程序可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器中,并由所述处理器执行,以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序在所述作物病害的控制装置/终端设备中的执行过程。例如,所述计算机程序可以被分割成上述作物病害的控制装置中的各单元,各单元可以实现如上述的具体功能。
所述计算机装置可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述计算机装置可包括,但不仅限于,处理器、存储器,但并不构成对计算机装置的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述计算机装置还可以包括输入输出设备、网络接入设备、总线等。
所述处理器可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable GateArray,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等,所述处理器是所述计算机装置的控制中心,利用各种接口和线路连接整个计算机装置的各个部分。
所述存储器可用于存储所述计算机程序和/或模块,所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块,以及调用存储在存储器内的数据,实现所述计算机装置的各种功能。所述存储器可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据终端的使用所创建的数据(比如音频数据、电话本等)等。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(SmartMedia Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
本发明还提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时,处理器,可以用于执行如下步骤:
获取第一作物的第一图像;
根据第一图像判断第一作物是否发生病害;
若是,则根据第一图像确定第一作物发生的病害类型;
根据病害类型确定第一作物的抗病害营养液;
控制灌溉系统将第一作物的当前营养液调整为抗病害营养液。
在本发明的一些实施例中,计算机可读存储介质存储的计算机程序被处理器执行时,处理器,可以具体用于执行如下步骤:
按照病害类型进行警报提示;和/或,
根据病害类型确定第一作物的抗病害剂;
控制喷洒装置向第一作物喷洒抗病害剂。
在本发明的一些实施例中,计算机可读存储介质存储的计算机程序被处理器执行时,处理器,可以具体用于执行如下步骤:
检测第一图像与预设病害图像的相关性;
根据相关性判断第一作物是否发生病害。
在本发明的一些实施例中,计算机可读存储介质存储的计算机程序被处理器执行时,处理器,可以具体用于执行如下步骤:
分别提取第一图像的第一图像信息与预设病害图像的第二图像信息,第一图像信息和第二图像信息包括颜色特征、形状特征、纹理特征、茎叶生长比例特征;
将第一图像信息和第二图像信息进行比对,以获取第一图像与预设病害图像的相关性。
在本发明的一些实施例中,计算机可读存储介质存储的计算机程序被处理器执行时,处理器,可以具体用于执行如下步骤:
将第一图像输入预设运算模型;
根据预设运算模型输出的识别结果判断第一作物是否发生病害。
可以理解的是,所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
以上所述,以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种作物病害的控制方法,应用于终端,其特征在于,包括:
获取第一作物的第一图像;
根据所述第一图像判断所述第一作物是否发生病害;
若是,则根据所述第一图像确定所述第一作物发生的病害类型;
根据所述病害类型确定所述第一作物的抗病害营养液;
控制灌溉系统将所述第一作物的当前营养液调整为所述抗病害营养液。
2.根据权利要求1所述的作物病害的控制方法,其特征在于,在所述根据所述第一图像判断所述第一作物是否发生病害后,所述方法还包括:
按照所述病害类型进行警报提示;和/或,
根据所述病害类型确定所述第一作物的抗病害剂;
控制喷洒装置向所述第一作物喷洒所述抗病害剂。
3.根据权利要求1或2所述的作物病害的控制方法,其特征在于,所述根据所述第一图像判断所述第一作物是否发生病害包括:
检测所述第一图像与预设病害图像的相关性;
根据所述相关性判断所述第一作物是否发生病害。
4.根据权利要求3所述的作物病害的控制方法,其特征在于,所述检测所述第一图像与预设病害图像的相关性包括:
分别提取所述第一图像的第一图像信息与预设病害图像的第二图像信息,所述第一图像信息和第二图像信息包括颜色特征、形状特征、纹理特征、茎叶生长比例特征;
将所述第一图像信息和所述第二图像信息进行比对,以获取所述第一图像与所述预设病害图像的相关性。
5.根据权利要求1或2所述的作物病害的控制方法,其特征在于,所述根据所述第一图像判断所述第一作物是否发生病害包括:
将所述第一图像输入预设运算模型;
根据所述预设运算模型输出的识别结果判断所述所述第一作物是否发生病害。
6.一种作物病害的控制装置,应用于终端,其特征在于,包括:
获取单元,用于获取第一作物的第一图像;
判断单元,用于根据所述第一图像判断所述第一作物是否发生病害;
第一确定单元,用于当所述第一作物发生病害时,则根据所述第一图像确定所述第一作物发生的病害类型;
第二确定单元,用于根据所述病害类型确定所述第一作物的抗病害营养液;
第一控制单元,用于控制灌溉系统将所述第一作物的当前营养液调整为所述抗病害营养液。
7.根据权利要求6所述的作物病害的控制装置,其特征在于,所述装置还包括:
提示单元,用于按照所述病害类型进行警报提示;和/或,
第三确定单元,用于根据所述病害类型确定所述第一作物的抗病害剂;
第二控制单元,用于控制喷洒装置向所述第一作物喷洒所述抗病害剂。
8.根据权利要求6或7所述的作物病害的控制装置,其特征在于,所述判断单元,具体用于:
检测所述第一图像与预设病害图像的相关性;
根据所述相关性判断所述第一作物是否发生病害。
9.根据权利要求8所述的作物病害的控制装置,其特征在于,所述判断单元,具体用于:
分别提取所述第一图像的第一图像信息与预设病害图像的第二图像信息,所述第一图像信息和第二图像信息包括颜色特征、形状特征、纹理特征、茎叶生长比例特征;
将所述第一图像信息和所述第二图像信息进行比对,以获取所述第一图像与所述预设病害图像的相关性。
10.根据权利要求6或7所述的作物病害的控制装置,其特征在于,所述判断单元,具体用于:
将所述第一图像输入预设运算模型;
根据所述预设运算模型输出的识别结果判断所述所述第一作物是否发生病害。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710516761.6A CN107292874A (zh) | 2017-06-29 | 2017-06-29 | 作物病害的控制方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710516761.6A CN107292874A (zh) | 2017-06-29 | 2017-06-29 | 作物病害的控制方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107292874A true CN107292874A (zh) | 2017-10-24 |
Family
ID=60099205
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710516761.6A Pending CN107292874A (zh) | 2017-06-29 | 2017-06-29 | 作物病害的控制方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107292874A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107844771A (zh) * | 2017-11-03 | 2018-03-27 | 深圳春沐源控股有限公司 | 农作物生产管理的方法、系统、计算机装置及存储介质 |
CN108770446A (zh) * | 2018-06-13 | 2018-11-09 | 苏州创存数字科技有限公司 | 一种基于植物生长状态的物料调配系统 |
WO2019109583A1 (zh) * | 2017-12-05 | 2019-06-13 | 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 |
CN112034912A (zh) * | 2020-09-03 | 2020-12-04 | 山东锋士信息技术有限公司 | 一种基于实时反馈的温室作物病害防治方法 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0420497A1 (en) * | 1989-09-21 | 1991-04-03 | E.I. Du Pont De Nemours And Company | Stabilisation of non-aqueous suspensions |
CN103514459A (zh) * | 2013-10-11 | 2014-01-15 | 中国科学院合肥物质科学研究院 | 一种基于Android手机平台的识别农作物病虫害的方法及系统 |
CN103559511A (zh) * | 2013-11-20 | 2014-02-05 | 天津农学院 | 一种温室蔬菜叶部病害图像自动识别方法 |
CN104581059A (zh) * | 2014-12-24 | 2015-04-29 | 河西学院 | 一种基于物联网的温室大棚图像远程监控系统 |
CN104700108A (zh) * | 2015-02-13 | 2015-06-10 | 中国农业大学 | 一种芹菜病害远程诊断方法与系统 |
CN104766152A (zh) * | 2015-01-30 | 2015-07-08 | 安徽大学 | 一种作物病害识别与病情评估装置 |
CN105160354A (zh) * | 2015-08-19 | 2015-12-16 | 师韵 | 基于稀疏表示的苹果病害识别方法 |
CN105223202A (zh) * | 2014-06-27 | 2016-01-06 | 丁莉丽 | 一种检测农作物叶部病害的方法 |
CN105407318A (zh) * | 2015-10-29 | 2016-03-16 | 桂林市腾瑞电子科技有限公司 | 一种智能喷药系统 |
CN105844285A (zh) * | 2016-02-25 | 2016-08-10 | 中国农业大学 | 基于图像信息的黄瓜病害识别方法及装置 |
CN106680277A (zh) * | 2016-12-29 | 2017-05-17 | 深圳前海弘稼科技有限公司 | 一种种植设备中植物病虫害监测方法及装置 |
-
2017
- 2017-06-29 CN CN201710516761.6A patent/CN107292874A/zh active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0420497A1 (en) * | 1989-09-21 | 1991-04-03 | E.I. Du Pont De Nemours And Company | Stabilisation of non-aqueous suspensions |
CN103514459A (zh) * | 2013-10-11 | 2014-01-15 | 中国科学院合肥物质科学研究院 | 一种基于Android手机平台的识别农作物病虫害的方法及系统 |
CN103559511A (zh) * | 2013-11-20 | 2014-02-05 | 天津农学院 | 一种温室蔬菜叶部病害图像自动识别方法 |
CN105223202A (zh) * | 2014-06-27 | 2016-01-06 | 丁莉丽 | 一种检测农作物叶部病害的方法 |
CN104581059A (zh) * | 2014-12-24 | 2015-04-29 | 河西学院 | 一种基于物联网的温室大棚图像远程监控系统 |
CN104766152A (zh) * | 2015-01-30 | 2015-07-08 | 安徽大学 | 一种作物病害识别与病情评估装置 |
CN104700108A (zh) * | 2015-02-13 | 2015-06-10 | 中国农业大学 | 一种芹菜病害远程诊断方法与系统 |
CN105160354A (zh) * | 2015-08-19 | 2015-12-16 | 师韵 | 基于稀疏表示的苹果病害识别方法 |
CN105407318A (zh) * | 2015-10-29 | 2016-03-16 | 桂林市腾瑞电子科技有限公司 | 一种智能喷药系统 |
CN105844285A (zh) * | 2016-02-25 | 2016-08-10 | 中国农业大学 | 基于图像信息的黄瓜病害识别方法及装置 |
CN106680277A (zh) * | 2016-12-29 | 2017-05-17 | 深圳前海弘稼科技有限公司 | 一种种植设备中植物病虫害监测方法及装置 |
Non-Patent Citations (3)
Title |
---|
周长吉: "《温室灌溉原理与应用》", 31 January 2007, 中国农业出版社 * |
王双喜: "《设施农业设备》", 31 May 2010, 中国农业大学出版社 * |
解洪涛: "《基于支持向量机的图像检索若干问题》", 31 October 2013 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107844771A (zh) * | 2017-11-03 | 2018-03-27 | 深圳春沐源控股有限公司 | 农作物生产管理的方法、系统、计算机装置及存储介质 |
WO2019109583A1 (zh) * | 2017-12-05 | 2019-06-13 | 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 |
CN108770446A (zh) * | 2018-06-13 | 2018-11-09 | 苏州创存数字科技有限公司 | 一种基于植物生长状态的物料调配系统 |
CN112034912A (zh) * | 2020-09-03 | 2020-12-04 | 山东锋士信息技术有限公司 | 一种基于实时反馈的温室作物病害防治方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107292874A (zh) | 作物病害的控制方法及装置 | |
CN105630045B (zh) | 一种智能养花系统和方法 | |
CN106561347B (zh) | 一种基于机器学习的植物智能培育系统及方法 | |
CN107301605A (zh) | 作物虫害的控制方法及装置 | |
CN106688705A (zh) | 一种智能种植大棚及其采用的监测方法 | |
WO2018133353A1 (zh) | 一种营养液的控制方法及控制装置 | |
JP6551943B2 (ja) | 生育管理装置、生育管理方法、及び、プログラム | |
KR102446943B1 (ko) | 컨트롤 판넬이 구비된 IoT 기반의 가정용 스마트 팜 제어 시스템 | |
CN107808249A (zh) | 种植任务管理方法、电子设备及计算机可读存储介质 | |
WO2021182616A1 (ja) | 栽培支援システム、栽培支援装置、栽培支援方法及びプログラム | |
CN107241403A (zh) | 推送方法及推送装置、服务器、设备和可读存储介质 | |
CN112001242A (zh) | 一种智能园艺管理方法和装置 | |
CN108334139A (zh) | 一种基于大数据的温室自动化控制的方法及系统 | |
CN107343455A (zh) | 作物虫害的控制方法及装置 | |
JP2021013340A (ja) | 栽培支援システム、コントローラ及び制御方法 | |
JP2019071802A (ja) | 苗データ生成システム、苗判別システム、苗データ生成プログラム、苗判別プログラム、苗データ生成装置、苗判別装置 | |
CN113377141A (zh) | 一种人工智能农业自动管理系统 | |
CN207301749U (zh) | 植物共享柜和植物共享系统 | |
CN115250887B (zh) | 农作物灌溉方法、系统、设备及介质 | |
CN108607106A (zh) | 一种温室大棚自动化消毒方法及系统 | |
CN113010529A (zh) | 基于知识图谱的作物管理方法和装置 | |
CN104365413A (zh) | 一种草莓灰霉病的防治方法 | |
CN110235729A (zh) | 甘薯大垄双行标准化栽培方法 | |
CN107491894A (zh) | 一种种植指导方法以及装置 | |
CN115660236B (zh) | 作物物候期预测方法、装置、电子设备和存储介质 |
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 | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 518052 Guangdong city of Shenzhen province Qianhai Shenzhen Hong Kong cooperation zone before Bay Road No. 1 building 201 room A (located in Shenzhen Qianhai business secretary Co. Ltd.) Applicant after: Shenzhen Chun Mu source Holdings Limited Address before: 518052 Guangdong city of Shenzhen province Qianhai Shenzhen Hong Kong cooperation zone before Bay Road No. 1 building 201 room A Applicant before: Shenzhen Qianhai Hong Jia Technology Co., Ltd. |
|
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20171024 |