CN109470179B - 一种大规模水耕蔬菜长势检测系统及方法 - Google Patents
一种大规模水耕蔬菜长势检测系统及方法 Download PDFInfo
- Publication number
- CN109470179B CN109470179B CN201811533216.9A CN201811533216A CN109470179B CN 109470179 B CN109470179 B CN 109470179B CN 201811533216 A CN201811533216 A CN 201811533216A CN 109470179 B CN109470179 B CN 109470179B
- Authority
- CN
- China
- Prior art keywords
- vegetables
- detection
- plant
- growth
- image
- 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
- 235000013311 vegetables Nutrition 0.000 title claims abstract description 109
- 238000001514 detection method Methods 0.000 title claims abstract description 85
- 230000012010 growth Effects 0.000 title claims abstract description 71
- 238000000034 method Methods 0.000 title claims abstract description 21
- 230000005540 biological transmission Effects 0.000 claims abstract description 20
- 238000005516 engineering process Methods 0.000 claims abstract description 19
- 238000005259 measurement Methods 0.000 claims abstract description 12
- 238000005286 illumination Methods 0.000 claims description 21
- 238000004458 analytical method Methods 0.000 claims description 14
- 230000002354 daily effect Effects 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 11
- 238000004891 communication Methods 0.000 claims description 5
- 238000004519 manufacturing process Methods 0.000 claims description 5
- 230000011218 segmentation Effects 0.000 claims description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 5
- 239000001963 growth medium Substances 0.000 claims description 4
- 238000012360 testing method Methods 0.000 claims description 4
- 239000003086 colorant Substances 0.000 claims description 3
- 230000003203 everyday effect Effects 0.000 claims description 3
- 230000026676 system process Effects 0.000 claims description 3
- 229910000838 Al alloy Inorganic materials 0.000 claims description 2
- 230000008635 plant growth Effects 0.000 claims description 2
- 239000003501 hydroponics Substances 0.000 abstract description 3
- 238000010276 construction Methods 0.000 abstract 1
- 230000004927 fusion Effects 0.000 abstract 1
- 238000011002 quantification Methods 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 2
- 239000002609 medium Substances 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 238000004611 spectroscopical analysis Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/28—Measuring arrangements characterised by the use of optical techniques for measuring areas
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
- A01G31/00—Soilless cultivation, e.g. hydroponics
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
- G01J3/46—Measurement of colour; Colour measuring devices, e.g. colorimeters
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P60/00—Technologies relating to agriculture, livestock or agroalimentary industries
- Y02P60/20—Reduction of greenhouse gas [GHG] emissions in agriculture, e.g. CO2
- Y02P60/21—Dinitrogen oxide [N2O], e.g. using aquaponics, hydroponics or efficiency measures
Abstract
本发明涉及一种大规模水耕蔬菜长势检测系统及方法。该系统主要由图像采集模块、光照度采集模块、图像传输模块、控制软件和计算机等部件组成，并采用了机器视觉测量技术、多特征检测和数据融合等技术对蔬菜长势进行大规模的准确检测，检测结果数据丰富，能够量化、存储及建库管理。该系统大大减小了传统机器检测技术多蔬菜的伤害，减小了人员工作量和人力成本，最大程度上避免了人的主管因素对最终结果的影响，与此同时提升了检测精度，扩大了检测的覆盖范围。该系统装配方便，调试简单，占地面积小，自动化程度高，布线量少，特别适合在室内进行大规模商业化无土栽培的厂家装备使用。
Description
技术领域
本发明涉及一种蔬菜长势的检测系统，尤其涉及一种基于机器视觉测量技术的针对无土栽培蔬菜的自动检测系统。
背景技术
水耕是一种新型的蔬菜种植技术，其占地面积小，不受环境的影响，能全年全季节种植蔬菜，且其单位面积产量大，因此，近年来，无土栽培技术受到了广泛的重视及应用。
传统的蔬菜长势检测主要依赖种植人员的经验，无法保证每批次蔬菜的质量的统一，造成了蔬菜质量的参差不齐。为了解决此问题，有人采用光谱法，通过采集部分蔬菜的叶面，通过光谱仪的检测，判断植株的生长状况，但此种方法不仅需要破坏蔬菜的表面结构而且费时费力，无法做到实时测量，与此同时，有人采用面阵CCD，通过测量蔬菜的高度判断蔬菜的长势情况，此种方法可以实时测量，但由于同一种植架生长的植株仍然存在长势不均衡的问题，因此此种方法只能粗略估计蔬菜的整体长势情况，无法实现对单株蔬菜的长势检测。
机器视觉测量技术是一种全新的非接触式测量技术，其采用机器替代人眼进行测量和判断，性能稳定，自动化程度高，能够实现对蔬菜长势进行快速，准确，实时，高效的测量，节省人力资源成本，最终实现自动采摘。
目前，采用机器视觉检测技术只能实现对单株蔬菜的检测，尚无法进行大规模的蔬菜长势实时检测。
发明内容
本发明旨在利用新兴的机器视觉测量技术解决大规模水耕蔬菜长势的精确检测问题，为相关行业提供简单、可靠的检测工具及检测方案。
本发明的具体技术方案如下：
一种大规模水耕蔬菜长势检测系统，其特征是：包括
图像采集模块；由LED照明模块、高像素工业用数字相机、专用镜头和支架组成；用于在种植架的正上方采集蔬菜的图像，通过安装在支架上的位于种植架正上方的数字相机对蔬菜进行摄像，通过无线传输的方式将图像传输到电脑端
光照度采集模块；由光照度计和USB数据线组成，通过光照度计时刻感知外界的光照度变化，并通过USB线连接到电脑，能够保证数字相机能在相同的光照度下对图像进行采集；
图像传输模块；由无线信号发射器和无线路由器组成；用于将数字相机采集到的图像通过无线传输的方式传递到电脑端；
显示分析系统：显示实时图像和光照强度，接收、存储、处理采集到的照片，无线传输方式能够保证每个相机采集到的图像均能实时显示到计算机屏幕上；通过机器视觉测量技术对采集到的图片进行分类计算，最后由电脑将计算机结果整合到一起，并将检测的各个量值和判断结果通过显示器反馈给操作员。
在上述的一种大规模水耕蔬菜长势检测系统，图像采集模块中，支架为全铝合金结构，质量轻，刚度大，高度为1.4米，装配方便，不影响蔬菜的生长。
在上述的一种大规模水耕蔬菜长势检测系统，图像传输模块中，每个数字相机均通过无线通信的方式与无线路由器进行联接，无线路由器再与无线信号发射器通过无线联接，最后通过无线信号发射器将图像发送到与电脑端相连接的无线路由器，再由此无线路由器传输到电脑端进行处理；无线传输的方式可以相比于有线传输，连接方便，不需要进行大量的布线工作且能稳定的传输信号。
一种大规模水耕蔬菜长势检测方法，其特征是：包括
步骤1、打开显示分析系统，与每台数字相机进行连接，并进行通信测试，无错误后进入工作模式；
步骤2、若为第一次使用则需进行初始化标定，由于每个相机能能够覆盖24个培养基，因此需要将每个种植架按照蔬菜24个培养基的位置，划分为24个相同大小的方块，划分时，需要保证种植架没有进行植株的种植，利用均匀柔和的光线照射种植架，利用位于种植架正上方的数字相机拍摄图片，根据培养基和周边环境在相机中所显示的颜色的不同，利用阈值分割技术，通过一个特定的阈值将培养基与周边环境进行区分，以此实现对24个培养基的定位，获取每个培养基的坐标值，并将其保存到Excel表格中，用于实际检测中的调用；
步骤3、对每一批蔬菜进行检测之前，首先需要判断系统中是否已经有此类蔬菜的相关数据，如果有，则直接选择此类蔬菜，如果没有，则需要将该类蔬菜的相关信息，包括产地、生长周期、每日标准长势数据、成熟度阈值数据输入到系统中，选择蔬菜种类后，需要选择检测该批次蔬菜所用的摄像机，并设定四个光照度范围；
步骤4、系统分为手动检测和自动检测两种模式；
手动检测模式下，操作人员可以选择不同的相机或蔬菜种类，实时对蔬菜长势进行检测，检测照片和结果实时显示在电脑屏幕上，在检测的实时图像上，对每株蔬菜进行定位和编号，将检测结果与蔬菜每日标准长势数据进行对比，并检测结果中对不合格的蔬菜编号用红色进行标示，合格的蔬菜编号用绿色进行标注，操作人员可以将检测结果导出到指定的文件夹中，以Excel的形式保存在电脑中；
自动检测模式下，当自动检测模式开始后，光照度采集模块每分钟进行一次光照度强度的检测，并将所采集的光照度数据与设定的拍摄光照度范围相比较，当光照强度达到拍摄要求时，系将将首先检测摄像机是否已经在此光照强度下对图像进行了拍摄，如果已经对图像进行了提取，则系统将不会再次进行拍照，保证每台相机每天在每个光照度范围只拍摄一张图片；如果没有，则相机将自动拍照并保存，系统通过专用的算法对照片进行处理，处理结果以Excel的形式自动保存在电脑中指定的文件夹中，便于最后的结果显示，绘制生长曲线，并对蔬菜是否种植成熟做出判断。
在上述的一种大规模水耕蔬菜长势检测方法，所述步骤4中，手动检测的具体步骤是：
步骤1、选择要进行检测的植株种类或者相机编号；若选择要进行检测的植株种类，系统将自动弹出进行该类植株检测的相机编号以及该类植株的产地，种植日期等基本信息；若选择相机编号，系统将自动弹出该相机目前正在进行检测的植株及相关信息；
步骤2、点击开始检测按钮，相机对当前图像进行采集；
步骤3、对由步骤3采集的图像进行处理，首先对图像中24个培养皿的位置进行定位，并将图像分为24个小方块，每个小方块中均存在一株植株；然后利用阈值分割技术和HSV色彩模型将每个小方快中的植株从周边环境中切割出来，计算切割出来的面积，即为植株的叶面面积S，其次提取每个小方块中植株的颜色，并计算颜色中R值、G值和B值的比例；
步骤4、手动检测结果显示；显示带有24个小方块和对应植株编号的图像，并将由步骤3得到的检测结果与该类植株当天的长势标准进行对比，若单株植株参数不符合当日长势标准，则对这株植株的参数进行标红处理，并显示；反之，进行标绿处理并显示；
步骤5、手动检测结果显示后，操作人员可以选择是否将检测数据进行保存，若选择保存，检测数据将以表格的形式保存在操作人员指定的文件夹中。
在上述的一种大规模水耕蔬菜长势检测方法，所述步骤4中，自动检测的具体步骤是：
步骤1、输入每种蔬菜相关信息以及每日检测的光照强度范围，设定蔬菜的每日长势标准，每日长势标准参数包括：叶面面积S,R值，G值和B值；
步骤2、系统根据输入的信息自动创建相对应的图片和数据保存的文件夹；
步骤3、系统开始自动检测，每分钟会检测当前外界环境光照强度，若光照强度范围达到预先设定的光照强度检测范围且当日在此光照强度下还未进行植株长势检测，则系统自动拍摄植株图像，反之，系统继续检测下一分钟的光照强度；
步骤4、对由步骤3得到的照片进行处理；首先对图像中24个培养皿的位置进行定位，并将图像分为24个小方块，每个小方块中均存在一株植株；然后利用阈值分割技术和HSV色彩模型将每个小方快中的植株从周边环境中切割出来，计算切割出来的面积，即为植株的叶面面积S，其次提取每个小方块中植株的颜色，并计算颜色中R值、G值和B值的比例；
步骤5、将检测照片和检测结果存入步骤2所创建的文件夹中；
步骤6、任务完成。本发明主要通过机器视觉测量技术与相应的软件配合来代替人眼来完成检测测量工作。三个模块以及系统的有机结合使得大规模的蔬菜长势检测工作能够便捷高效准确地进行。
本发明大大减小了传统机器检测技术多蔬菜的伤害，减小了人员工作量和人力成本，最大程度上避免了人的主管因素对最终结果的影响，与此同时提升了检测精度，扩大了检测的覆盖范围。该系统装配方便，调试简单，占地面积小，自动化程度高，布线量少，特别适合在室内进行大规模商业化无土栽培的厂家装备使用。另外软件和算法设计的灵活性使得该系统经过微小改动后，能够作为其他植株的生长检测工具。
附图说明
图1是本发明结构示意图。
图2是软件流程图。
具体实施方式
下面将结合附图和实施示例对本发明作进一步的描述说明，但该描述仅用于解释本发明，而不能理解为对本发明的限制。
应用场景1
参见图1、图2，本应用场景的一个实施例的水耕蔬菜大规模长势检测系统，包括图像采集模块、光照度采集系统、图像传输系统和显示分析系统；所述图像采集模块与图像传输系统连接；所述光照度采集系统与图像采集模块连接；所述图像传输系统与显示分析系统连接。
本发明上述实施示例通过图像采集模块对水耕蔬菜种植架上的蔬菜进行大范围的图像采集，图像采集模块中的每个相机都能覆盖一层种植架，覆盖面积约为700*700mm，能够同时对24株蔬菜的图像进行提取，为确保图像是在指定的光照度范围内进行拍摄，光照度采集模块实时对外界环境的光照度情况进行实时检测，当监测数据达到所设定的拍照要求光照度时，图形采集模块进行图像采集，获取图像后经图像传输模块将图像传给显示分析系统，经显示分析实时显示蔬菜实时图像，与此同时，系统内部的分析系统分析出蔬菜的长势情况，这种水耕蔬菜大规模长势检测系统能够直观地反映蔬菜的生长情况，保证蔬菜质量，节约成本。
显示分析系统包括显示装置和分析、处理设备及算法。
本实施示例实现了对图像采集模块采集数据的后期处理。
软件流程及系统检测原理：
软件流程：
1.打开为此系统编写的特定的控制软件，与每台数字相机进行连接，并进行通信测试，无错误后进入工作模式；
2.若为第一次使用则需进行初始化标定，由于每个相机能能够覆盖24个培养基，因此需要将每个种植架按照蔬菜24个培养基的位置，划分为24个相同大小的方块，划分时，需要保证种植架没有进行植株的种植，利用均匀柔和的光线照射种植架，利用位于种植架正上方的数字相机拍摄图片，根据培养基和周边环境在相机中所显示的颜色的不同，利用阈值分割技术，通过一个特定的阈值将培养基与周边环境进行区分，以此实现对24个培养基的定位，获取每个培养基的坐标值，并将其保存到Excel表格中，用于实际检测中的调用。
3.对每一批蔬菜进行检测之前，首先需要判断系统中是否已经有此类蔬菜的相关数据，如果有，则直接选择此类蔬菜，如果没有，则需要将该类蔬菜的相关信息，包括产地、生长周期、每日标准长势数据、成熟度阈值等数据输入到系统中，选择蔬菜种类后，需要选择检测该批次蔬菜所用的摄像机，并设定四个光照度范围。
4.系统分为手动检测和自动检测两种模式；
5.手动检测模式下，操作人员可以选择不同的相机或蔬菜种类，实时对蔬菜长势进行检测，检测照片和结果实时显示在电脑屏幕上，在检测的实时图像上，对每株蔬菜进行定位和编号，将检测结果与蔬菜每日标准长势数据进行对比，并检测结果中对不合格的蔬菜编号用红色进行标示，合格的蔬菜编号用绿色进行标注，操作人员可以将检测结果导出到指定的文件夹中，以Excel的形式保存在电脑中；
6.自动检测模式下，当自动检测模式开始后，光照度采集模块每分钟进行一次光照度强度的检测，并将所采集的光照度数据与设定的拍摄光照度范围相比较，当光照强度达到拍摄要求时，系将将首先检测摄像机是否已经在此光照强度下对图像进行了拍摄，如果已经对图像进行了提取，则系统将不会再次进行拍照，保证每台相机每天在每个光照度范围只拍摄一张图片；如果没有，则相机将自动拍照并保存，系统通过专用的算法对照片进行处理，处理结果以Excel的形式自动保存在电脑中指定的文件夹中，便于最后的结果显示，绘制生长曲线，并对蔬菜是否种植成熟做出判断。
7、显示分析系统共有四大模块：蔬菜整体长势显示模块；历史数据回溯模块；单株、单项数据对比模块和照片显示模块。
8、蔬菜整体长势显示模块将显示蔬菜的每日生长数据并且将其绘制成折线图模式，直观显示蔬菜的整体长势。
9、历史数据回溯模块可以显示在生长周期内任一天的生长数据。
10、单株、单项对比模块可以调取并显示多株蔬菜的指定生长参数，并绘制成折线图的方式，方便对比。
11、显示分析系统中所有的显示数据都会与蔬菜的每日长势标准数据进行对比，符合标准标绿，不符合标准标红。
本系统检测原理：
根据蔬菜的生长状态的共性特点，一般而言，蔬菜的叶面随着生长时间逐渐增大，与此同时，其颜色成分的含量也会随之发生变化，因此，我们采用对蔬菜的叶面面积和颜色进行检测，从而判断植株的生长状态。
本系统基于RGB颜色模型对蔬菜的四项指标进行检测，分别为：叶面面积、R值、G值、B值。本系统利用阈值分割的方法，利用叶面颜色与周边环境的区别，首先将每个方块区域内的叶面与周边环境进行分离并对叶面的面积进行检测，其次，对与分离出来的叶面进行颜色的分析，由于采用了RGB的颜色模型，分别计算叶面中R值、G值、B值占整体的比例。
通过测试，本发明对蔬菜长势的检测结果达到了精度要求，叶面面积和颜色比例的重复检测精度达到了±5％。
本文中描述的具体实施示例仅仅是对本发明精神做举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施示例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。
尽管本文较多地使用了数字相机、支架、无线信号发射器、无线路由器、光照度计、USB连接线、LED照明模块的术语，但并不排除使用其他术语的可能性。使用这些术语仅仅是为了更方便地描述和解释本发明的本质；把它们解释成任何一种附加的限制都是与本发明精神相违背的。
Claims (5)
1.一种大规模水耕蔬菜长势检测方法，其特征是：基于一种大规模水耕蔬菜长势检测系统，包括
图像采集模块；由LED照明模块、高像素工业用数字相机、专用镜头和支架组成；用于在种植架的正上方采集蔬菜的图像，通过安装在支架上的位于种植架正上方的数字相机对蔬菜进行摄像，通过无线传输的方式将图像传输到电脑端
光照度采集模块；由光照度计和USB数据线组成，通过光照度计时刻感知外界的光照度变化，并通过USB线连接到电脑，能够保证数字相机能在相同的光照度下对图像进行采集；
图像传输模块；由无线信号发射器和无线路由器组成；用于将数字相机采集到的图像通过无线传输的方式传递到电脑端；
显示分析系统：显示实时图像和光照强度，接收、存储、处理采集到的照片，无线传输方式能够保证每个相机采集到的图像均能实时显示到计算机屏幕上；通过机器视觉测量技术对采集到的图片进行分类计算，最后由电脑将计算机结果整合到一起，并将检测的各个量值和判断结果通过显示器反馈给操作员；
包括
步骤1、打开显示分析系统，与每台数字相机进行连接，并进行通信测试，无错误后进入工作模式；
步骤2、若为第一次使用则需进行初始化标定，由于每个相机能能够覆盖24个培养基，因此需要将每个种植架按照蔬菜24个培养基的位置，划分为24个相同大小的方块，划分时，需要保证种植架没有进行植株的种植，利用均匀柔和的光线照射种植架，利用位于种植架正上方的数字相机拍摄图片，根据培养基和周边环境在相机中所显示的颜色的不同，利用阈值分割技术，通过一个特定的阈值将培养基与周边环境进行区分，以此实现对24个培养基的定位，获取每个培养基的坐标值，并将其保存到Excel表格中，用于实际检测中的调用；
步骤3、对每一批蔬菜进行检测之前，首先需要判断系统中是否已经有此类蔬菜的相关数据，如果有，则直接选择此类蔬菜，如果没有，则需要将该类蔬菜的相关信息，包括产地、生长周期、每日标准长势数据、成熟度阈值数据输入到系统中，选择蔬菜种类后，需要选择检测该批次蔬菜所用的摄像机，并设定四个光照度范围；
步骤4、系统分为手动检测和自动检测两种模式；
手动检测模式下，操作人员选择不同的相机或蔬菜种类，实时对蔬菜长势进行检测，检测照片和结果实时显示在电脑屏幕上，在检测的实时图像上，对每株蔬菜进行定位和编号，将检测结果与蔬菜每日标准长势数据进行对比，并检测结果中对不合格的蔬菜编号用红色进行标示，合格的蔬菜编号用绿色进行标注，操作人员可以将检测结果导出到指定的文件夹中，以Excel的形式保存在电脑中；
自动检测模式下，当自动检测模式开始后，光照度采集模块每分钟进行一次光照度强度的检测，并将所采集的光照度数据与设定的拍摄光照度范围相比较，当光照强度达到拍摄要求时，系将将首先检测摄像机是否已经在此光照强度下对图像进行了拍摄，如果已经对图像进行了提取，则系统将不会再次进行拍照，保证每台相机每天在每个光照度范围只拍摄一张图片；如果没有，则相机将自动拍照并保存，系统通过专用的算法对照片进行处理，处理结果以Excel的形式自动保存在电脑中指定的文件夹中，便于最后的结果显示，绘制生长曲线，并对蔬菜是否种植成熟做出判断。
2.根据权利要求1所述的一种大规模水耕蔬菜长势检测方法，其特征是：所述步骤4中，手动检测的具体步骤是：
步骤1、选择要进行检测的植株种类或者相机编号；若选择要进行检测的植株种类，系统将自动弹出进行该类植株检测的相机编号以及该类植株的产地，种植日期；若选择相机编号，系统将自动弹出该相机目前正在进行检测的植株；
步骤2、点击开始检测按钮，相机对当前图像进行采集；
步骤3、对由步骤3采集的图像进行处理，首先对图像中24个培养皿的位置进行定位，并将图像分为24个小方块，每个小方块中均存在一株植株；然后利用阈值分割技术和HSV色彩模型将每个小方快中的植株从周边环境中切割出来，计算切割出来的面积，即为植株的叶面面积S，其次提取每个小方块中植株的颜色，并计算颜色中R值、G值和B值的比例；
步骤4、手动检测结果显示；显示带有24个小方块和对应植株编号的图像，并将由步骤3得到的检测结果与该类植株当天的长势标准进行对比，若单株植株参数不符合当日长势标准，则对这株植株的参数进行标红处理，并显示；反之，进行标绿处理并显示；
步骤5、手动检测结果显示后，操作人员可以选择是否将检测数据进行保存，若选择保存，检测数据将以表格的形式保存在操作人员指定的文件夹中。
3.根据权利要求1所述的一种大规模水耕蔬菜长势检测方法，其特征是：所述步骤4中，自动检测的具体步骤是：
步骤1、输入每种蔬菜相关信息以及每日检测的光照强度范围，设定蔬菜的每日长势标准，每日长势标准参数包括：叶面面积S,R值，G值和B值；
步骤2、系统根据输入的信息自动创建相对应的图片和数据保存的文件夹；
步骤3、系统开始自动检测，每分钟会检测当前外界环境光照强度，若光照强度范围达到预先设定的光照强度检测范围且当日在此光照强度下还未进行植株长势检测，则系统自动拍摄植株图像，反之，系统继续检测下一分钟的光照强度；
步骤4、对由步骤3得到的照片进行处理；首先对图像中24个培养皿的位置进行定位，并将图像分为24个小方块，每个小方块中均存在一株植株；然后利用阈值分割技术和HSV色彩模型将每个小方快中的植株从周边环境中切割出来，计算切割出来的面积，即为植株的叶面面积S，其次提取每个小方块中植株的颜色，并计算颜色中R值、G值和B值的比例；
步骤5、将检测照片和检测结果存入步骤2所创建的文件夹中；
步骤6、任务完成。
4.根据权利要求1所述的一种大规模水耕蔬菜长势检测方法，其特征是：图像采集模块中，支架为全铝合金结构，质量轻，刚度大，高度为1.4米，装配方便，不影响蔬菜的生长。
5.根据权利要求1所述的一种大规模水耕蔬菜长势检测方法，其特征是：图像传输模块中，每个数字相机均通过无线通信的方式与无线路由器进行联接，无线路由器再与无线信号发射器通过无线联接，最后通过无线信号发射器将图像发送到与电脑端相连接的无线路由器，再由此无线路由器传输到电脑端进行处理；无线传输的方式相比于有线传输连接更方便，不需要进行大量的布线工作且能稳定的传输信号。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811533216.9A CN109470179B (zh) | 2018-12-14 | 2018-12-14 | 一种大规模水耕蔬菜长势检测系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811533216.9A CN109470179B (zh) | 2018-12-14 | 2018-12-14 | 一种大规模水耕蔬菜长势检测系统及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109470179A CN109470179A (zh) | 2019-03-15 |
| CN109470179B true CN109470179B (zh) | 2020-10-13 |
Family
ID=65675235
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811533216.9A Expired - Fee Related CN109470179B (zh) | 2018-12-14 | 2018-12-14 | 一种大规模水耕蔬菜长势检测系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109470179B (zh) |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110766563A (zh) * | 2019-10-22 | 2020-02-07 | 湖州灵粮生态农业有限公司 | 一种植物生长管理系统 |
| CN112633047A (zh) * | 2019-10-28 | 2021-04-09 | 中国科学院地理科学与资源研究所 | 一种苔草长势的视觉立体监测装置及监测方法 |
| CN111207789A (zh) * | 2020-01-08 | 2020-05-29 | 四川轻化工大学 | 一种适用于果蔬种植环境的无线数据采集终端及方法 |
| CN111942833A (zh) * | 2020-06-19 | 2020-11-17 | 南京慧瞳作物表型组学研究院有限公司 | 基于透明根系栽培容器拍照自动线的转运小车 |
| CN112745113A (zh) * | 2020-12-30 | 2021-05-04 | 福建省佳美集团公司 | 一种耐蚀陶瓷配方及陶瓷产品的制备方法 |
| CN116098047A (zh) * | 2023-02-16 | 2023-05-12 | 昆明理工大学 | 一种蔬菜培养方法和系统 |
| CN117268261B (zh) * | 2023-09-26 | 2024-04-02 | 浙江银芯智能科技有限公司 | 一种基于履带式巡检车的西瓜长势采集与分析方法及系统 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE4220913A1 (de) * | 1992-06-25 | 1994-01-05 | Juergen Binder | Vorrichtung und Verfahren zur berührungslosen Erfassung der relativen seitlichen Lage einer Pflanzenreihe zu einer landwirtschaftlichen Arbeitsmaschine in Reihenkulturen |
| CN101929843A (zh) * | 2010-04-09 | 2010-12-29 | 华中科技大学 | 水稻穗长的自动测量装置及测量方法 |
| CN102419583A (zh) * | 2011-11-17 | 2012-04-18 | 西北农林科技大学 | 一种远程实时获取作物数字图像的系统 |
| CN102564593A (zh) * | 2011-12-30 | 2012-07-11 | 河海大学常州校区 | 基于计算机视觉及物联网的植物生长状况监测系统 |
| CN103412141A (zh) * | 2013-08-29 | 2013-11-27 | 北京农业信息技术研究中心 | 一种基于机器视觉的葡萄新梢生长速率测量系统及方法 |
| CN104620776A (zh) * | 2010-07-13 | 2015-05-20 | 上海聚然智能科技有限公司 | 抗干扰激光栽培采收一体化机 |
| CN106682570A (zh) * | 2016-11-04 | 2017-05-17 | 东莞市隆声智能科技有限公司 | 一种植物的长势监控方法和装置 |
-
2018
- 2018-12-14 CN CN201811533216.9A patent/CN109470179B/zh not_active Expired - Fee Related
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE4220913A1 (de) * | 1992-06-25 | 1994-01-05 | Juergen Binder | Vorrichtung und Verfahren zur berührungslosen Erfassung der relativen seitlichen Lage einer Pflanzenreihe zu einer landwirtschaftlichen Arbeitsmaschine in Reihenkulturen |
| CN101929843A (zh) * | 2010-04-09 | 2010-12-29 | 华中科技大学 | 水稻穗长的自动测量装置及测量方法 |
| CN104620776A (zh) * | 2010-07-13 | 2015-05-20 | 上海聚然智能科技有限公司 | 抗干扰激光栽培采收一体化机 |
| CN102419583A (zh) * | 2011-11-17 | 2012-04-18 | 西北农林科技大学 | 一种远程实时获取作物数字图像的系统 |
| CN102564593A (zh) * | 2011-12-30 | 2012-07-11 | 河海大学常州校区 | 基于计算机视觉及物联网的植物生长状况监测系统 |
| CN103412141A (zh) * | 2013-08-29 | 2013-11-27 | 北京农业信息技术研究中心 | 一种基于机器视觉的葡萄新梢生长速率测量系统及方法 |
| CN106682570A (zh) * | 2016-11-04 | 2017-05-17 | 东莞市隆声智能科技有限公司 | 一种植物的长势监控方法和装置 |
Non-Patent Citations (1)
| Title |
|---|
| 基于机器视觉的蔬菜生长状况分析;豆东东等;《中国农机化学报》;20161031;第37卷(第10期);第162-165页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109470179A (zh) | 2019-03-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109470179B (zh) | 一种大规模水耕蔬菜长势检测系统及方法 | |
| CN101933417B (zh) | 基于机器视觉的玉米考种装置 | |
| JP5361862B2 (ja) | 茶葉の摘採適性評価方法及び摘採適性評価装置、摘採適性評価システム並びにコンピュータ使用可能な媒体 | |
| WO2016111376A1 (ja) | 植物情報取得システム、植物情報取得装置、植物情報取得方法、作物管理システムおよび作物管理方法 | |
| US20140168412A1 (en) | Methods and systems for automated micro farming | |
| US20180373937A1 (en) | Methods and systems for automated micro farming | |
| CN110286092B (zh) | 一种作物生长趋势分析系统 | |
| CN111462058B (zh) | 一种水稻有效穗快速检测方法 | |
| CN101419058A (zh) | 一种基于机器视觉的植物茎秆直径测量装置与测量方法 | |
| CN108427457A (zh) | 一种基于增强现实技术应用的温室控制系统 | |
| CN103634573A (zh) | 能够采集紫外线和图像信息的盆栽花卉远程检测系统 | |
| JP4961555B2 (ja) | 植物の対象部分の位置特定方法とその方法による対象部分の位置特定装置及びその装置を用いた作業用ロボット | |
| CN105744261B (zh) | 机顶盒前面板的测试系统及测试方法 | |
| CN114460080A (zh) | 一种水稻病虫智能监控系统 | |
| CN106683092B (zh) | 测算蓝莓树冠郁闭度的装置和方法 | |
| WO2022104867A1 (zh) | 目标物的特征检测方法和装置 | |
| CN204498615U (zh) | 便携式玉米果穗穗部考种装置 | |
| WO2018032285A1 (zh) | 一种花卉种植拍照监控系统 | |
| CN106951824A (zh) | 基于无人机遥感影像提取玉米植株叶色的方法及系统 | |
| Cruz | Nitrogen deficiency mobile application for rice plant through image processing techniques | |
| CN116258844A (zh) | 一种棉花叶片表型性状快速精准鉴定方法 | |
| CN207215710U (zh) | 一种油菜全生长期信息的高通量表型研究系统 | |
| Story et al. | Automated machine vision guided plant monitoring system for greenhouse crop diagnostics | |
| CN112577956A (zh) | 一种基于智能设备拍照功能的玉米考种系统及方法 | |
| CN106447648A (zh) | 一种家庭花卉种植检测家庭主机 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20201013 Termination date: 20211214 |