CN107887019A - 一种农作物种植专家问诊系统 - Google Patents

一种农作物种植专家问诊系统 Download PDF

Info

Publication number
CN107887019A
CN107887019A CN201710966377.6A CN201710966377A CN107887019A CN 107887019 A CN107887019 A CN 107887019A CN 201710966377 A CN201710966377 A CN 201710966377A CN 107887019 A CN107887019 A CN 107887019A
Authority
CN
China
Prior art keywords
image information
expert
crops
leaf
stem
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
CN201710966377.6A
Other languages
English (en)
Inventor
崔小创
张向前
夏梦
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.)
Anhui Straw Hat Network Co Ltd
Original Assignee
Anhui Straw Hat Network Co Ltd
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
Application filed by Anhui Straw Hat Network Co Ltd filed Critical Anhui Straw Hat Network Co Ltd
Priority to CN201710966377.6A priority Critical patent/CN107887019A/zh
Publication of CN107887019A publication Critical patent/CN107887019A/zh
Pending legal-status Critical Current

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
    • G06T2207/30004—Biomedical image processing

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

本发明公开了一种农作物种植专家问诊系统，包括：信息采集模块用于采集农作物不同生长时期的实际图像信息；信息存储模块用于存储农作物不同生长时期的预设图像信息；专家问诊模块用于根据农作物不同生长时期的实际图像信息和预设图像信息的比较结果给出农作物诊断结果。本发明根据农作物在不同生长时期的图像信息与预设的图像信息的比较结果来判断农作物是否存在病变、枯萎等情况，当农作物出现上述异常情况时，进一步根据上述异常情况的实际情况分析农作物病情的严重性，再根据病情的严重性分别给出调整方案，使用户能够基于本系统给出的调整方案针对性的对农作物进行救治和病变预防，有利于保持农作物的健康生长状态和优良长势。

Description

一种农作物种植专家问诊系统
技术领域
本发明涉及农作物种植技术领域，尤其涉及一种农作物种植专家问诊系统。
背景技术
我国是一个农业大国，农业也是工业、服务业等其他产业的基础和支柱。随着科技的发展和技术的进步，智能化信息服务已贯穿于不同行业和产业内，但智能化信息服务在农业方面的应用仍然较少，我国大部分区域仍然采用较为传统的农业种植模式，即根据时间以及人为主观识别对农作物的生长过程进行监控、生长状态进行判断，此操作不仅存在滞后性，而且难以保证对农作物生长状态的精确监控，不利于维持农作物的健康生长状态，存在影响农作物生长和产量的隐患。
发明内容
基于背景技术存在的技术问题，本发明提出了一种农作物种植专家问诊系统。
本发明提出的农作物种植专家问诊系统，包括：
信息采集模块，用于采集农作物不同生长时期的实际图像信息；
信息存储模块，用于存储农作物不同生长时期的预设图像信息；
专家问诊模块，用于根据农作物不同生长时期的实际图像信息和预设图像信息的比较结果给出农作物诊断结果。
优选地，所述信息采集模块具体用于：
采集农作物不同生长时期茎的实际图像信息，记为S1、S2、S3……Sn，以及，叶的实际图像信息，记为L1、L2、L3……Ln；
优选地，信息存储模块具体用于：
存储农作物不同生长时期茎的预设图像信息，记为S10、S20、S30……Sn0，以及，叶的预设图像信息，记为L10、L20、L30……Ln0。
优选地，所述专家问诊模块具体用于：
获取农作物不同生长时期茎的实际图像信息Sm，以及，叶的实际图像信息Lm，并分别对茎的实际图像信息Sm和叶的实际图像信息Lm作灰度处理得到第一茎图像信息Sm′和第一叶图像信息Lm′；
分别将第一茎图像信息Sm′与茎预设图像信息Sm0、第一叶图像信息Lm′与叶预设图像信息Lm0进行比较，得出茎相似度D1和叶相似度D2；
当D1≤aD10时，专家问诊模块得出茎第一诊断结果；
当aD10<D1<bD10时，专家问诊模块得出茎第二诊断结果；
当D1≥bD10时，专家问诊模块得出茎第三诊断结果；
当D2≤cD20时，专家问诊模块得出叶第一诊断结果；
当cD20<D2<dD20时，专家问诊模块得出叶第二诊断结果；
当D2≥dD20时，专家问诊模块得出叶第三诊断结果；
其中，1≤m≤n，D10为茎预设相似度，D20为叶预设相似度，a<b，c<d；
优选地，专家问诊模块得出茎第一诊断结果时，向用户推送第一调整方案；
专家问诊模块得出茎第二诊断结果时，向用户推送第二调整方案；
专家问诊模块得出茎第三诊断结果时，向用户推送第三调整方案；
专家问诊模块得出叶第一诊断结果时，向用户推送第四调整方案；
专家问诊模块得出叶第二诊断结果时，向用户推送第五调整方案；
专家问诊模块得出叶第三诊断结果时，向用户推送第六调整方案。
本发明提出的农作物种植专家问诊系统，首先采集农作物在不同生长时期的图像信息，然后将上述采集的图像信息与预设的图像信息进行比较，再根据比较结果来分析农作物的生长状态是否健康，即通过分析上述图像信息来判断农作物是否存在病变、枯萎等情况，当农作物出现上述异常情况时，进一步根据上述异常情况的实际情况分析农作物病情的严重性，再根据病情的严重性分别给出调整方案，使用户能够基于本系统给出的调整方案针对性的对农作物进行救治和病变预防，有利于保持农作物的健康生长状态和优良长势，从而提高农作物的生长效果和产量。进一步地，本发明在分析农作物的生长图像信息时，分别对农作物的茎和叶的实际图像信息进行针对性的采集和分析，通过分类分析，能够保证上述分析过程的有效性和全面性，使农作物始终保持优良健康的生长状态。
附图说明
图1为一种农作物种植专家问诊系统的结构示意图。
具体实施方式
如图1所示，图1为本发明提出的一种农作物种植专家问诊系统。
参照图1，本发明提出的农作物种植专家问诊系统，包括：
信息采集模块，用于采集农作物不同生长时期的实际图像信息；
信息存储模块，用于存储农作物不同生长时期的预设图像信息；
本实施方式中，所述信息采集模块具体用于：
采集农作物不同生长时期茎的实际图像信息，记为S1、S2、S3……Sn，以及，叶的实际图像信息，记为L1、L2、L3……Ln；分别采集农作物在不同生长时期茎和叶的实际图像信息，可以分别对波谷农作物的茎和叶进行分析和诊断，有利于提高分析结果的针对性和有效性；且将农作物不同生长时期分为n类进行记录，有利于保证对农作物每一个生长时期的分析的精确性；
优选地，信息存储模块具体用于：
存储农作物不同生长时期茎的预设图像信息，记为S10、S20、S30……Sn0，以及，叶的预设图像信息，记为L10、L20、L30……Ln0；信息存储模块对应存储有农作物不同生长时期茎和叶的预设图像信息，有利于为分析过程提供准确的分析依据和参考依据，从而提高分析结果的准确性。
专家问诊模块，用于根据农作物不同生长时期的实际图像信息和预设图像信息的比较结果给出农作物诊断结果。
本实施方式中，所述专家问诊模块具体用于：
获取农作物不同生长时期茎的实际图像信息Sm，以及，叶的实际图像信息Lm，并分别对茎的实际图像信息Sm和叶的实际图像信息Lm作灰度处理得到第一茎图像信息Sm′和第一叶图像信息Lm′；通过对农作物不同生长时期茎的实际图像信息和叶的实际图像信息作灰度处理得到灰度图像，再基于上述灰度图像对农作物茎和叶可能存在的病变和异常情况进行分析，有利于提高分析结果的准确性；当茎上出现斑点、叶出现枯黄时，可以根据茎和叶的灰度图像中的不同灰度像素值得出茎和叶的病变情况，不仅方便了分析过程，而且提高了分析结果的准确性；
分别将第一茎图像信息Sm′与茎预设图像信息Sm0、第一叶图像信息Lm′与叶预设图像信息Lm0进行比较，得出茎相似度D1和叶相似度D2；通过对比上述茎相似度和叶相似度能够直接知晓茎和叶的实际图像信息与预设图像信息之间的相似程度，再根据相似程度判断出茎和叶的实际生长状态，进而根据不同的生长状态为农作物分配不同的调整方案，使农作物始终保持优良的生长状态；
当D1≤aD10时，表明茎的相似程度较低，即茎存在异常情况，此时专家问诊模块得出茎第一诊断结果；
当aD10<D1<bD10时，即茎的相似程度适中，即茎上存在少许的异常情况，为保证茎能够保持良好的生长状态，此时专家问诊模块得出茎第二诊断结果；
当D1≥bD10时，即茎的相似程度在可控范围内，但为了进一步确保茎的优良长势，专家问诊模块得出茎第三诊断结果；
当D2≤cD20时，表明叶的相似程度较低，即叶存在异常情况，此时专家问诊模块得出叶第一诊断结果；
当cD20<D2<dD20时，即叶的相似程度适中，即叶上存在少许的异常情况，为保证叶能够保持良好的生长状态，此时专家问诊模块得出叶第二诊断结果；
当D2≥dD20时，即叶的相似程度在可控范围内，但为了进一步确保叶的优良长势，专家问诊模块得出叶第三诊断结果；
其中，1≤m≤n，D10为茎预设相似度，D20为叶预设相似度，a<b，c<d；
通过茎相似度D1和叶相似度D2的不同取值范围来分析农作物茎和叶的实际生长状态，并为其分配不同的调整方案，使农作物始终保持优良长势，从而提高农作物的生长质量和产量。
优选地，为响应不同诊断结果，本实施方式给出了不同的调整方案，使专家问诊模块根据经验情况对不同的诊断结果给出对应的调整方案，对不同生长状态的农作物的生长过程进行调整，使其保持健康的生长状态，从而保证农作物的生长效果，具体地：专家问诊模块得出茎第一诊断结果时，向用户推送第一调整方案；
专家问诊模块得出茎第二诊断结果时，向用户推送第二调整方案；
专家问诊模块得出茎第三诊断结果时，向用户推送第三调整方案；
专家问诊模块得出叶第一诊断结果时，向用户推送第四调整方案；
专家问诊模块得出叶第二诊断结果时，向用户推送第五调整方案；
专家问诊模块得出叶第三诊断结果时，向用户推送第六调整方案；从而针对性地根据农作物不同的生长状态对其进行调整，保持其健康生长状态。
本实施方式提出的农作物种植专家问诊系统，首先采集农作物在不同生长时期的图像信息，然后将上述采集的图像信息与预设的图像信息进行比较，再根据比较结果来分析农作物的生长状态是否健康，即通过分析上述图像信息来判断农作物是否存在病变、枯萎等情况，当农作物出现上述异常情况时，进一步根据上述异常情况的实际情况分析农作物病情的严重性，再根据病情的严重性分别给出调整方案，使用户能够基于本系统给出的调整方案针对性的对农作物进行救治和病变预防，有利于保持农作物的健康生长状态和优良长势，从而提高农作物的生长效果和产量。进一步地，本实施方式在分析农作物的生长图像信息时，分别对农作物的茎和叶的实际图像信息进行针对性的采集和分析，通过分类分析，能够保证上述分析过程的有效性和全面性，使农作物始终保持优良健康的生长状态。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。

Claims (3)

1.一种农作物种植专家问诊系统，其特征在于，包括：
信息采集模块，用于采集农作物不同生长时期的实际图像信息；
信息存储模块，用于存储农作物不同生长时期的预设图像信息；
专家问诊模块，用于根据农作物不同生长时期的实际图像信息和预设图像信息的比较结果给出农作物诊断结果。
2.根据权利要求1所述的农作物种植专家问诊系统，其特征在于，所述信息采集模块具体用于：
采集农作物不同生长时期茎的实际图像信息，记为S1、S2、S3……Sn，以及，叶的实际图像信息，记为L1、L2、L3……Ln；
优选地，信息存储模块具体用于：
存储农作物不同生长时期茎的预设图像信息，记为S10、S20、S30……Sn0，以及，叶的预设图像信息，记为L10、L20、L30……Ln0。
3.根据权利要求2所述的农作物种植专家问诊系统，其特征在于，所述专家问诊模块具体用于：
获取农作物不同生长时期茎的实际图像信息Sm，以及，叶的实际图像信息Lm，并分别对茎的实际图像信息Sm和叶的实际图像信息Lm作灰度处理得到第一茎图像信息Sm′和第一叶图像信息Lm′；
分别将第一茎图像信息Sm′与茎预设图像信息Sm0、第一叶图像信息Lm′与叶预设图像信息Lm0进行比较，得出茎相似度D1和叶相似度D2；
当D1≤aD10时，专家问诊模块得出茎第一诊断结果；
当aD10<D1<bD10时，专家问诊模块得出茎第二诊断结果；
当D1≥bD10时，专家问诊模块得出茎第三诊断结果；
当D2≤cD20时，专家问诊模块得出叶第一诊断结果；
当cD20<D2<dD20时，专家问诊模块得出叶第二诊断结果；
当D2≥dD20时，专家问诊模块得出叶第三诊断结果；
其中，1≤m≤n，D10为茎预设相似度，D20为叶预设相似度，a<b，c<d；
优选地，专家问诊模块得出茎第一诊断结果时，向用户推送第一调整方案；
专家问诊模块得出茎第二诊断结果时，向用户推送第二调整方案；
专家问诊模块得出茎第三诊断结果时，向用户推送第三调整方案；
专家问诊模块得出叶第一诊断结果时，向用户推送第四调整方案；
专家问诊模块得出叶第二诊断结果时，向用户推送第五调整方案；
专家问诊模块得出叶第三诊断结果时，向用户推送第六调整方案。
CN201710966377.6A 2017-10-17 2017-10-17 一种农作物种植专家问诊系统 Pending CN107887019A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710966377.6A CN107887019A (zh) 2017-10-17 2017-10-17 一种农作物种植专家问诊系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710966377.6A CN107887019A (zh) 2017-10-17 2017-10-17 一种农作物种植专家问诊系统

Publications (1)

Publication Number Publication Date
CN107887019A true CN107887019A (zh) 2018-04-06

Family

ID=61781616

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710966377.6A Pending CN107887019A (zh) 2017-10-17 2017-10-17 一种农作物种植专家问诊系统

Country Status (1)

Country Link
CN (1) CN107887019A (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102945376A (zh) * 2012-09-28 2013-02-27 北京农业信息技术研究中心 一种农作物病害的诊断方法
CN106649442A (zh) * 2016-09-13 2017-05-10 上海斐讯数据通信技术有限公司 一种植物生长查询系统以及植物生长查询方法
CN106991619A (zh) * 2017-06-05 2017-07-28 河北哲瀚网络科技有限公司 一种农作物病虫害智能诊断系统及诊断方法
WO2017145125A1 (en) * 2016-02-25 2017-08-31 Niramai Health Analytix Pvt. Ltd. A software tool for breast cancer screening

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102945376A (zh) * 2012-09-28 2013-02-27 北京农业信息技术研究中心 一种农作物病害的诊断方法
WO2017145125A1 (en) * 2016-02-25 2017-08-31 Niramai Health Analytix Pvt. Ltd. A software tool for breast cancer screening
CN106649442A (zh) * 2016-09-13 2017-05-10 上海斐讯数据通信技术有限公司 一种植物生长查询系统以及植物生长查询方法
CN106991619A (zh) * 2017-06-05 2017-07-28 河北哲瀚网络科技有限公司 一种农作物病虫害智能诊断系统及诊断方法

Similar Documents

Publication Publication Date Title
WO2018047726A1 (ja) 情報処理装置および情報処理システム
Kumar et al. Precision sugarcane monitoring using SVM classifier
EP3369037A1 (de) Verfahren und informationssystem zum erkennen zumindest einer auf einem feld angepflanzten pflanze
AU2020102100A4 (en) Disease detection using iot and machine learning in rice crops
CN109991911A (zh) 一种基于物联网的果园综合监控系统
CN109738435B (zh) 一种荞麦生长监测诊断及产量预测方法
Khan et al. Dr. Wheat: a Web-based expert system for diagnosis of diseases and pests in Pakistani wheat
Lin et al. A review on computer vision technologies applied in greenhouse plant stress detection
CN110660070A (zh) 一种水稻叶脉图像提取方法和装置
KR20160076317A (ko) 병해충 발생 예측 장치 및 방법
Ramesh et al. Comparison and analysis of Rice Blast disease identification in Greenhouse Controlled Environment and Field Environment using ML Algorithms
Qiao et al. AI, sensors and robotics in plant phenotyping and precision agriculture
Rolland et al. HairNet: a deep learning model to score leaf hairiness, a key phenotype for cotton fibre yield, value and insect resistance
CN105761259A (zh) 一种基于显微图像的小麦叶片气孔密度测量方法
CN107887019A (zh) 一种农作物种植专家问诊系统
CN117057946A (zh) 一种智慧农业园区数据监控装置及方法
Nirmala et al. An Approach for Detecting Complications in Agriculture Using Deep Learning and Anomaly-Based Diagnosis
CN113010529A (zh) 基于知识图谱的作物管理方法和装置
JP6341548B2 (ja) 営農指導支援装置、営農指導支援方法、及びプログラム
WO2020218157A1 (ja) 予測システム、予測方法、および予測プログラム
Arnó et al. Assessing opportunities for selective winery vintage with a market-driven composite index
Arinichev et al. Digital solutions in the system of intelligent crop monitoring
Schmidtke Developing a phone-based imaging tool to inform on fruit volume and potential optimal harvest time
WO2017145710A1 (ja) 情報処理装置、情報処理方法、及びプログラム
Yong et al. REAM: Revolutionary Environmental and Agricultural Monitoring System

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20180406