CN110133201A - 一种基于多传感器的梅花耐热性能指标监测系统及方法 - Google Patents

一种基于多传感器的梅花耐热性能指标监测系统及方法 Download PDF

Info

Publication number
CN110133201A
CN110133201A CN201910502380.1A CN201910502380A CN110133201A CN 110133201 A CN110133201 A CN 110133201A CN 201910502380 A CN201910502380 A CN 201910502380A CN 110133201 A CN110133201 A CN 110133201A
Authority
CN
China
Prior art keywords
plum blossom
module
data
image
acquisition
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
CN201910502380.1A
Other languages
English (en)
Inventor
李卫东
黄国林
曾斌
唐桂梅
张力
肖远志
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.)
HORTICULTURE INST HUNAN PROV
Original Assignee
HORTICULTURE INST HUNAN PROV
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 HORTICULTURE INST HUNAN PROV filed Critical HORTICULTURE INST HUNAN PROV
Priority to CN201910502380.1A priority Critical patent/CN110133201A/zh
Publication of CN110133201A publication Critical patent/CN110133201A/zh
Pending legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01DMEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D21/00Measuring or testing not otherwise provided for
    • G01D21/02Measuring two or more variables by means not covered by a single other subclass
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84Systems specially adapted for particular applications
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/0098Plants or trees
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/24Classification techniques
    • G06F18/241Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2411Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/25Fusion techniques
    • G06F18/251Fusion techniques of input or preprocessed data
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84Systems specially adapted for particular applications
    • G01N2021/8466Investigation of vegetal material, e.g. leaves, plants, fruits

Landscapes

  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Analytical Chemistry (AREA)
  • Evolutionary Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Wood Science & Technology (AREA)
  • Food Science & Technology (AREA)
  • Medicinal Chemistry (AREA)
  • Botany (AREA)
  • Image Processing (AREA)

Abstract

本发明属于监测技术领域,公开了一种基于多传感器的梅花耐热性能指标监测系统及方法,所述基于多传感器的梅花耐热性能指标监测系统包括:梅花图像采集模块、温度采集模块、湿度采集模块、空气成分浓度采集模块、土壤测定模块、中央控制模块、数据修正模块、图像增强模块、形态特征分析模块、性能评估模块、显示模块。本发明通过数据修正模块根据待处理节点和周边节点的相关数据对待处理节点的监测梅花数据进行修正处理,使最终的修正结果更接近于应测得的数据,减小后续应用过程中的误差;同时,通过图像增强模块利用多摄像头多角度采集画面,通过合成不同角度和焦点的图像,大大增强了图像的清晰度。

Description

一种基于多传感器的梅花耐热性能指标监测系统及方法
技术领域
本发明属于监测技术领域,尤其涉及一种基于多传感器的梅花耐热性能指标监测系统及方法。
背景技术
梅(学名:Armeniaca mume Sieb.):蔷薇科李属落叶小乔木,高4-10米;树皮浅灰色或带绿色,平滑;小枝绿色,光滑无毛。叶片卵形或椭圆形,叶边常具小锐锯齿,灰绿色。花单生或有时2朵同生于1芽内,直径2-2.5厘米,香味浓,先于叶开放;花萼通常红褐色,但有些品种的花萼为绿色或绿紫色;花瓣倒卵形,白色至粉红色。果实近球形,直径2-3厘米,黄色或绿白色,被柔毛,味酸;果肉与核粘贴;核椭圆形,顶端圆形而有小突尖头,基部渐狭成楔形,两侧微扁,腹棱稍钝,腹面和背棱上均有明显纵沟,表面具蜂窝状孔穴。花期冬春季,果期5-6月(在华北果期延至7-8月)。梅花是我国传统名花,已有3000多年的栽培历史,主要分布在长江流域。由于“温室效应”现象日益明显,全球气温持续升高,特别是我国长江流域及以南区域夏季近4O℃高温、冬春期间近20℃日温差,已经成为制约梅花生长发育的主要环境因子,梅花生长发育面临高温逆境的严峻挑战,在夏季高温高湿环境下经常会造成卷叶、落叶,甚至造成死亡,因此对梅花耐热性进行研究对梅花的推广应用具有重要意义。然而,目前梅花耐热性研究主要侧重于在实验室测定生理生化指标或相关性状分子鉴定。对梅花耐热性生物学性状观测也只采用传统的人工取样记载观测方式,效率低、连续性不够、观测数据误差大,且图像采集一般只能相机拍照方式,不能与观测数据实时匹配。综上所述,现有技术存在的问题是:现有传统梅花耐热性监测方式落后,效率低、连续性不够、数据误差大;同时,采集梅花图像与观测数据不能实时匹配。
发明内容
针对现有技术存在的问题,本发明提供了一种基于多传感器的梅花耐热性能指标监测系统及方法。
本发明是这样实现的,一种基于多传感器的梅花耐热性能指标监测方法,所述基于多传感器的梅花耐热性能指标监测方法包括:
第一步,利用多个摄像器采集梅花图像数据;利用温度传感器采集梅花温度数据;利用基于数据融合进行温度补偿的湿度传感器采集梅花湿度数据;
第二步,利用空气浓度传感器采集梅花周围空气中二氧化碳、氧气浓度数据;利用电感耦合等离子体质谱测定梅花种植土壤中的水以及各种微量元素的含量;
第三步,利用修正程序对采集的数据进行修正操作;利用图像处理软件对采集的图像进行增强处理;
第四步,利用分析程序根据采集梅花图像、梅花周围温度、湿度、空气成分浓度分析梅花的形态特征信息;包括:是分析植物学形态特征,如植株是否正常生长、是否卷叶、叶片颜色是否正常、叶片是否掉落、新芽是否生长正常、枝条有无干枯等。
第五步,利用评估程序根据采集的数据评估梅花的耐热性能;
第六步,利用显示器显示采集的梅花图像、温度、湿度、空气成分浓度数据信息。
进一步,所述基于多传感器的梅花耐热性能指标监测方法的数据融合技术具体包括:
(1)利用归一化法对采集的数据样本进行预处理:
其中,为第i个输入样本归一化值;Xi为第i个输入样本标定值;Xmin为输入样本最小标定值;Xmax为输入样本最大标定值;
(2)将采集的数据样本四分之三作为训练样本集,四分之一作为校验样本集;
(3)选用径向基核函数构成支持向量机:
K(x,xi)=exp(-|x-xi|2/2σ2)
其中,(x,xi)为数据样本集,xi∈Rn为N维样本输入;
(4)采用粒子群优化算法优化支持向量机的惩罚因子、损伤函数和径向基核函数的参数;
(5)利用优化后的参数对支持向量机进行重新训练,得到优化的支持向量机模型,基于优化的支持向量机模型的湿度传感器大幅度提高测量的精准度。
进一步,所述基于多传感器的梅花耐热性能指标监测方法的数据修正方法如下:
(1)获取待处理节点的监测梅花数据和影响所述监测梅花数据的相关数据;
(2)获取各周边节点的相关数据,所述周边节点为与所述待处理节点相邻的节点;
(3)根据所述待处理节点与各周边节点的相关数据确定修正层数、各修正层中各周边节点的权值和偏移值;
(4)根据所述修正层数、各修正层中各周边节点的权值和偏移值对所述监测梅花数据进行修正处理,得到最终修正结果。
进一步,所述基于多传感器的梅花耐热性能指标监测方法的图像增强方法如下:
1)设计多摄像头采集装置,保证各个摄像头采集的梅花图像有共同范围;
2)使用上一步设计的装置进行初始梅花图像采集,校准各个摄像头并计算各个摄像头的参数;
3)每个摄像头开始进行每帧梅花图像的采集,同时获得多幅原始梅花图像;
4)使用第二步的参数对各个摄像头采集到的原始梅花图像进行初始变换;
5)计算变换后的各幅梅花图像之间的冗余信息,产生梅花图像清晰度增强参数;
6)利用梅花图像清晰度增强参数对变换后的梅花图像的每个像素进行实时增强运算,生成一幅更为清晰的合成梅花图像;
7)输出合成梅花图像;
8)重复步骤3)至步骤7),直到完成规定时长的梅花图像采集。
本发明的另一目的在于提供一种基于所述基于多传感器的梅花耐热性能指标监测方法的基于多传感器的梅花耐热性能指标监测形态,所述基于多传感器的梅花耐热性能指标监测形态包括:
梅花图像采集模块,与中央控制模块连接,用于通过多个摄像器采集梅花图像数据;
温度采集模块,与中央控制模块连接,用于通过温度传感器采集梅花温度数据;
湿度采集模块,与中央控制模块连接,用于通过湿度传感器采集梅花湿度数据;
空气成分浓度采集模块,与中央控制模块连接,用于通过空气浓度传感器采集梅花周围空气中二氧化碳、氧气浓度数据;
中央控制模块,与梅花图像采集模块、温度采集模块、湿度采集模块、空气成分浓度采集模块、数据修正模块、图像增强模块、形态特征分析模块、性能评估模块、显示模块连接,用于通过单片机控制各个模块正常工作;
数据修正模块,与中央控制模块连接,用于通过修正程序对采集的数据进行修正操作;
图像增强模块,与中央控制模块连接,用于通过图像处理软件对采集的图像进行增强处理;
形态特征分析模块,与中央控制模块连接,用于通过分析程序根据采集梅花图像、梅花周围空气浓度分析梅花的形态特征信息;
性能评估模块,与中央控制模块连接,用于通过评估程序根据采集的数据评估梅花的耐热性能;
显示模块,与中央控制模块连接,用于通过显示器显示采集的梅花图像、温度、湿度、空气浓度数据信息。
本发明的优点及积极效果为:本发明通过数据修正模块在对监测梅花数据进行修正时,不仅结合待处理节点自身的相关数据,还会结合周边节点的相关数据,通过根据待处理节点和周边节点的相关数据对待处理节点的监测梅花数据进行修正处理,使最终的修正结果更接近于应测得的数据,减小后续应用过程中的误差;同时,通过图像增强模块利用多摄像头多角度采集画面,通过合成不同角度和焦点的图像,大大增强了图像的清晰度。
同时本发明通过测定土壤中的水、微量元素的含量进一步确定梅花的生理性状、保证监测的全面性以及准确性。同时本发明利用数据融合技术对湿度传感器进行了温度补偿与校正,能够大幅度提高测量的精准度,从而更加准确的把握梅花的耐热性能指标。
附图说明
图1是本发明实施例提供的基于多传感器的梅花耐热性能指标监测方法流程图。
图2是本发明实施例提供的基于多传感器的梅花耐热性能指标监测系统结构框图;
图中:1、梅花图像采集模块;2、温度采集模块;3、湿度采集模块;4、空气成分浓度采集模块;5、土壤测定模块;6、中央控制模块;7、数据修正模块;8、图像增强模块;9、形态特征分析模块;10、性能评估模块;11、显示模块。
具体实施方式
为能进一步了解本发明的发明内容、特点及功效,兹例举以下实施例,并配合附图详细说明如下。
下面结合附图对本发明的结构作详细的描述。
如图1所示,本发明实施例提供的基于多传感器的梅花耐热性能指标监测方法包括以下步骤:
S101:利用多个摄像器采集梅花图像数据;利用温度传感器采集梅花温度数据;利用基于数据融合进行温度补偿的湿度传感器采集梅花湿度数据;
S102:利用空气浓度传感器采集梅花周围空气中二氧化碳、氧气浓度数据;利用电感耦合等离子体质谱测定梅花种植土壤中的水以及各种微量元素的含量;
S103:利用修正程序对采集的数据进行修正操作;利用图像处理软件对采集的图像进行增强处理;
S104:利用分析程序根据采集梅花图像、梅花周围温度、湿度、空气成分浓度分析梅花的形态特征信息;
S105:利用评估程序根据采集的数据评估梅花的耐热性能;
S106:利用显示器显示采集的梅花图像、温度、湿度、空气成分浓度数据信息。
形态特征信息是分析植物学形态特征,如植株是否正常生长、是否卷叶、叶片颜色是否正常、叶片是否掉落、新芽是否生长正常、枝条有无干枯等。
步骤S101中,本发明实施例提供的数据融合技术具体包括:
(1)利用归一化法对采集的数据样本进行预处理:
其中,为第i个输入样本归一化值;Xi为第i个输入样本标定值;Xmin为输入样本最小标定值;Xmax为输入样本最大标定值;
(2)将采集的数据样本四分之三作为训练样本集,四分之一作为校验样本集;
(3)选用径向基核函数构成支持向量机:
K(x,xi)=exp(-|x-x|2/2σ2)
其中,(x,xi)为数据样本集,xi∈Rn为N维样本输入;
(4)采用粒子群优化算法优化支持向量机的惩罚因子、损伤函数和径向基核函数的参数;
(5)利用优化后的参数对支持向量机进行重新训练,得到优化的支持向量机模型,基于优化的支持向量机模型的湿度传感器大幅度提高测量的精准度。
步骤(4)中,本发明实施例提供的基于粒子群优化算法优化各参数具体包括:
1)对粒子群优化算法进行初始化设置,将惩罚因子C和径向基核参数;组成一个粒子,随机给出粒子的初始位置和初始速度;
2)每个粒子向量对应的参数决定一个支持向量机模型,用该模型对测试样本进行预测,并通过适应度函数.f(x)计算每个个体的适应度值;
3)根据计算得到的适应度值更新个体极值Pbest和全局极值Gbest;
4)根据下式更新粒子的速度和位置;
5)判断适应度值是否满足要求,如不满足要求,在进行新一轮的计算,按下式将粒子进行移动,产生新的粒子,返回第二步;如果适应度值满足要求,计算结束;
其中,w为惯性权重;Vid为粒子的速度;d=1,2,…;i=1,2,…n;k为当前迭代次数;c1,c2≥0为加速因子;r1,r2为取值于[-1,1]的随机数。
如图2所示,本发明实施例提供的基于多传感器的梅花耐热性能指标监测系统包括:梅花图像采集模块1、温度采集模块2、湿度采集模块3、空气成分浓度采集模块4、土壤测定模块5、中央控制模块6、数据修正模块7、图像增强模块8、形态特征分析模块9、性能评估模块10、显示模块11。
梅花图像采集模块1,与中央控制模块6连接,用于通过多个摄像器采集梅花花朵、叶片、茎干图像数据;
温度采集模块2,与中央控制模块6连接,用于通过温度传感器采集梅花花朵、叶片、茎干表面的温度数据;
湿度采集模块3,与中央控制模块6连接,用于通过湿度传感器采集梅花花朵、叶片、茎干的湿度数据;
空气成分浓度采集模块4,与中央控制模块6连接,用于通过空气浓度传感器采集梅花周围空气中二氧化碳、氧气浓度数据;
土壤测定模块5,与中央控制模块6连接,用于利用电感耦合等离子体质谱测定梅花种植土壤中的水以及各种微量元素的含量;
中央控制模块6,与梅花图像采集模块1、温度采集模块2、湿度采集模块3、空气成分浓度采集模块4、土壤测定模块5、数据修正模块7、图像增强模块8、形态特征分析模块9、性能评估模块10、显示模块11连接,用于通过单片机控制各个模块正常工作;
数据修正模块7,与中央控制模块6连接,用于通过修正程序对采集的数据进行修正操作;
图像增强模块8,与中央控制模块6连接,用于通过图像处理软件对采集的图像进行增强处理;
形态特征分析模块9,与中央控制模块6连接,用于通过分析程序根据采集梅花花朵、叶片的图像数据以及梅花周围空气浓度分析梅花的形态特征信息;
性能评估模块10,与中央控制模块6连接,用于通过评估程序根据采集的梅花花朵、叶片的图像数据、温度数据、湿度数据以及土壤中水、微量元素的含量评估梅花的耐热性能;
显示模块11,与中央控制模块6连接,用于通过显示器显示采集的梅花图像、温度、湿度、空气浓度数据以及测定的土壤中水、微量元素数据信息。
本发明实施例提供的数据修正模块7修正方法如下:
(1)获取待处理节点的监测梅花数据和影响所述监测梅花数据的相关数据;
(2)获取各周边节点的相关数据,所述周边节点为与所述待处理节点相邻的节点;
(3)根据所述待处理节点与各周边节点的相关数据确定修正层数、各修正层中各周边节点的权值和偏移值;
(4)根据所述修正层数、各修正层中各周边节点的权值和偏移值对所述监测梅花数据进行修正处理,得到最终修正结果。
步骤(3)中,本发明实施例提供的根据各周边节点在当前修正层中的权值和偏移值,对所述待处理节点的监测梅花数据进行修正的步骤,具体包括:
初始修正步骤和中间修正步骤;
初始修正步骤:根据第1周边节点在当前修正层中的偏移值、权值、各周边节点在当前修正层中的权值总和,对初始修正值进行修正,确定第1修正值;其中,所述第1周边节点为任意一周边节点;在第一层修正层中,所述初始修正值为所述待处理节点的监测梅花数据;在其余修正层中,所述待初始修正值为上一修正层中的修正结果;
中间修正步骤:根据第n周边节点在当前修正层中的偏移值、权值、各周边节点在当前修正层中的权值总和,对所述第n-1修正值进行修正,确定第n修正值;其中,n>1,所述第n周边节点为当前修正层中,未参与修正的周边节点中任意一周边节点;
重复所述中间修正步骤,直至所有周边节点都参与修正,将最后一次修正确定的修正值作为当前修正层的修正结果。
本发明实施例提供的第1周边节点为各周边节点中权值最高的周边节点;
所述第n周边节点为当前修正层中,未参与修正的周边节点中权值最高的周边节点。
步骤(4)中,本发明实施例提供的根据所述修正层数、各修正层中各周边节点的权值和偏移值对所述监测梅花数据进行修正处理,得到最终修正结果的步骤包括:
按照所述修正层数依次对所述待处理节点的监测梅花数据进行修正,并将最后一层修正层的修正结果作为最终修正结果;其中,在每层修正层中,根据各周边节点在当前修正层中的权值和偏移值,对所述待处理节点的监测梅花数据进行修正。
本发明实施例提供的相关数据包括:至少一种影响因素的测量值;
所述根据所述待处理节点与各周边节点的相关数据确定修正层数、各修正层中各周边节点的权值和偏移值的步骤包括:根据所述相关数据中的影响因素测量值的种类确定修正层数,每层修正层中包括至少一种影响因素的测量值。
本发明实施例提供的图像增强模块7方法如下:
1)设计多摄像头采集装置,保证各个摄像头采集的梅花图像有共同范围;
2)使用上一步设计的装置进行初始梅花图像采集,校准各个摄像头并计算各个摄像头的参数;
3)每个摄像头开始进行每帧梅花图像的采集,同时获得多幅原始梅花图像;
4)使用第二步的参数对各个摄像头采集到的原始梅花图像进行初始变换;
5)计算变换后的各幅梅花图像之间的冗余信息,产生梅花图像清晰度增强参数;
6)利用梅花图像清晰度增强参数对变换后的梅花图像的每个像素进行实时增强运算,生成一幅更为清晰的合成梅花图像;
7)输出合成梅花图像;
8)重复步骤3)至步骤7),直到完成规定时长的梅花图像采集。
步骤1)中,本发明实施例提供的多摄像头采集装置,包括多摄像头梅花图像采集单元、实时运算单元和梅花图像存储单元。
步骤2)中,本发明实施例提供的摄像头的参数,包括各个摄像头相对角度、各个摄像头相对距离以及各个摄像头的摄像范围。
步骤4)中,本发明实施例提供的初始变换包括:合成边缘、梅花图像裁剪和梅花图像变换;
具体实现方法是:
根据步骤2)计算的摄像头参数裁剪各个摄像头重叠部分的梅花图像;根据各个摄像头相对角度,以一个摄像头为基准坐标,为其他摄像头设置统一角度变换,利用双线性插值获得各个其他摄像头变换后的梅花图像。
以上所述仅是对本发明的较佳实施例而已,并非对本发明作任何形式上的限制,凡是依据本发明的技术实质对以上实施例所做的任何简单修改,等同变化与修饰,均属于本发明技术方案的范围内。

Claims (5)

1.一种基于多传感器的梅花耐热性能指标监测方法,其特征在于,所述基于多传感器的梅花耐热性能指标监测方法包括:
第一步,利用多个摄像器采集梅花图像数据;利用温度传感器采集梅花温度数据;利用基于数据融合进行温度补偿的湿度传感器采集梅花湿度数据;
第二步,利用空气浓度传感器采集梅花周围空气中二氧化碳、氧气浓度数据;利用电感耦合等离子体质谱测定梅花种植土壤中的水以及各种微量元素的含量;
第三步,利用修正程序对采集的数据进行修正操作;利用图像处理软件对采集的图像进行增强处理;
第四步,利用分析程序根据采集梅花图像、梅花周围温度、湿度、空气成分浓度分析梅花的形态特征信息;
第五步,利用评估程序根据采集的数据评估梅花的耐热性能;
第六步,利用显示器显示采集的梅花图像、温度、湿度、空气成分浓度数据信息。
2.如权利要求1所述的基于多传感器的梅花耐热性能指标监测方法,其特征在于,所述基于多传感器的梅花耐热性能指标监测方法的数据融合技术具体包括:
(1)利用归一化法对采集的数据样本进行预处理:
其中,为第i个输入样本归一化值;Xi为第i个输入样本标定值;Xmin为输入样本最小标定值;Xmax为输入样本最大标定值;
(2)将采集的数据样本四分之三作为训练样本集,四分之一作为校验样本集;
(3)选用径向基核函数构成支持向量机:
K(x,xi)=exp(-|x-xi|2/2σ2
其中,(x,xi)为数据样本集,xi∈Rn为N维样本输入;
(4)采用粒子群优化算法优化支持向量机的惩罚因子、损伤函数和径向基核函数的参数;
(5)利用优化后的参数对支持向量机进行重新训练,得到优化的支持向量机模型,基于优化的支持向量机模型的湿度传感器大幅度提高测量的精准度。
3.如权利要求1所述的基于多传感器的梅花耐热性能指标监测方法,其特征在于,所述基于多传感器的梅花耐热性能指标监测方法的数据修正方法如下:
(1)获取待处理节点的监测梅花数据和影响所述监测梅花数据的相关数据;
(2)获取各周边节点的相关数据,所述周边节点为与所述待处理节点相邻的节点;
(3)根据所述待处理节点与各周边节点的相关数据确定修正层数、各修正层中各周边节点的权值和偏移值;
(4)根据所述修正层数、各修正层中各周边节点的权值和偏移值对所述监测梅花数据进行修正处理,得到最终修正结果。
4.如权利要求1所述的基于多传感器的梅花耐热性能指标监测方法,其特征在于,所述基于多传感器的梅花耐热性能指标监测方法的图像增强方法如下:
1)设计多摄像头采集装置,保证各个摄像头采集的梅花图像有共同范围;
2)使用上一步设计的装置进行初始梅花图像采集,校准各个摄像头并计算各个摄像头的参数;
3)每个摄像头开始进行每帧梅花图像的采集,同时获得多幅原始梅花图像;
4)使用第二步的参数对各个摄像头采集到的原始梅花图像进行初始变换;
5)计算变换后的各幅梅花图像之间的冗余信息,产生梅花图像清晰度增强参数;
6)利用梅花图像清晰度增强参数对变换后的梅花图像的每个像素进行实时增强运算,生成一幅更为清晰的合成梅花图像;
7)输出合成梅花图像;
8)重复步骤3)至步骤7),直到完成规定时长的梅花图像采集。
5.一种基于权利要求1所述基于多传感器的梅花耐热性能指标监测方法的基于多传感器的梅花耐热性能指标监测形态,其特征在于,所述基于多传感器的梅花耐热性能指标监测形态包括:
梅花图像采集模块,与中央控制模块连接,用于通过多个摄像器采集梅花图像数据;
温度采集模块,与中央控制模块连接,用于通过温度传感器采集梅花温度数据;
湿度采集模块,与中央控制模块连接,用于通过湿度传感器采集梅花湿度数据;
空气成分浓度采集模块,与中央控制模块连接,用于通过空气浓度传感器采集梅花周围空气中二氧化碳、氧气浓度数据;
中央控制模块,与梅花图像采集模块、温度采集模块、湿度采集模块、空气成分浓度采集模块、数据修正模块、图像增强模块、形态特征分析模块、性能评估模块、显示模块连接,用于通过单片机控制各个模块正常工作;
数据修正模块,与中央控制模块连接,用于通过修正程序对采集的数据进行修正操作;
图像增强模块,与中央控制模块连接,用于通过图像处理软件对采集的图像进行增强处理;
形态特征分析模块,与中央控制模块连接,用于通过分析程序根据采集梅花图像、梅花周围空气浓度分析梅花的形态特征信息;
性能评估模块,与中央控制模块连接,用于通过评估程序根据采集的数据评估梅花的耐热性能;
显示模块,与中央控制模块连接,用于通过显示器显示采集的梅花图像、温度、湿度、空气浓度数据信息。
CN201910502380.1A 2019-06-11 2019-06-11 一种基于多传感器的梅花耐热性能指标监测系统及方法 Pending CN110133201A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910502380.1A CN110133201A (zh) 2019-06-11 2019-06-11 一种基于多传感器的梅花耐热性能指标监测系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910502380.1A CN110133201A (zh) 2019-06-11 2019-06-11 一种基于多传感器的梅花耐热性能指标监测系统及方法

Publications (1)

Publication Number Publication Date
CN110133201A true CN110133201A (zh) 2019-08-16

Family

ID=67581136

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910502380.1A Pending CN110133201A (zh) 2019-06-11 2019-06-11 一种基于多传感器的梅花耐热性能指标监测系统及方法

Country Status (1)

Country Link
CN (1) CN110133201A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111413285A (zh) * 2020-05-08 2020-07-14 中南大学 一种基于环境补偿模型的玻璃瓶内氧气检测误差校正方法
CN113042923A (zh) * 2021-04-14 2021-06-29 江苏科技大学 一种超厚板与薄板焊接变形控制方法及控制装置

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102506938A (zh) * 2011-11-17 2012-06-20 江苏大学 基于多传感信息的温室作物生长和环境信息检测方法
CN103546665A (zh) * 2012-07-11 2014-01-29 北京博雅华录视听技术研究院有限公司 基于多摄像头的图像清晰度增强方法
CN103697937A (zh) * 2013-12-06 2014-04-02 上海交通大学 环境与植株生长态势协同监测分析装置及方法
CN203929128U (zh) * 2014-07-02 2014-11-05 安徽农业大学 多功能作物生长及环境监测仪
CN205281296U (zh) * 2015-08-24 2016-06-01 广东奎创科技发展有限公司 一种植物生长环境监测控制系统
KR20170056730A (ko) * 2015-11-13 2017-05-24 사단법인 한국온실작물연구소 L(Lindenmayer) 시스템과 이미지를 이용한 작물 엽면적, 엽형지수 추정 및 생육진단/분석 시스템
CN206270728U (zh) * 2016-12-23 2017-06-20 安徽工程大学 一种葡萄病害识别系统
CN108802860A (zh) * 2018-06-19 2018-11-13 中国联合网络通信集团有限公司 数据修正方法、数据修正装置
CN108982915A (zh) * 2018-05-25 2018-12-11 广西电网有限责任公司电力科学研究院 一种加速度传感器温度补偿方法
CN109407732A (zh) * 2018-11-16 2019-03-01 江西省农业科学院作物研究所 一种无土栽培甘薯的装置的数据处理系统及方法
CN109655108A (zh) * 2018-12-28 2019-04-19 李清华 一种基于物联网的大田种植实时监测系统及方法

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102506938A (zh) * 2011-11-17 2012-06-20 江苏大学 基于多传感信息的温室作物生长和环境信息检测方法
CN103546665A (zh) * 2012-07-11 2014-01-29 北京博雅华录视听技术研究院有限公司 基于多摄像头的图像清晰度增强方法
CN103697937A (zh) * 2013-12-06 2014-04-02 上海交通大学 环境与植株生长态势协同监测分析装置及方法
CN203929128U (zh) * 2014-07-02 2014-11-05 安徽农业大学 多功能作物生长及环境监测仪
CN205281296U (zh) * 2015-08-24 2016-06-01 广东奎创科技发展有限公司 一种植物生长环境监测控制系统
KR20170056730A (ko) * 2015-11-13 2017-05-24 사단법인 한국온실작물연구소 L(Lindenmayer) 시스템과 이미지를 이용한 작물 엽면적, 엽형지수 추정 및 생육진단/분석 시스템
CN206270728U (zh) * 2016-12-23 2017-06-20 安徽工程大学 一种葡萄病害识别系统
CN108982915A (zh) * 2018-05-25 2018-12-11 广西电网有限责任公司电力科学研究院 一种加速度传感器温度补偿方法
CN108802860A (zh) * 2018-06-19 2018-11-13 中国联合网络通信集团有限公司 数据修正方法、数据修正装置
CN109407732A (zh) * 2018-11-16 2019-03-01 江西省农业科学院作物研究所 一种无土栽培甘薯的装置的数据处理系统及方法
CN109655108A (zh) * 2018-12-28 2019-04-19 李清华 一种基于物联网的大田种植实时监测系统及方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
张健等: "FDR土壤湿度传感器的温度补偿模型研究", 《农机化研究》 *
曹美等: "温度对FDR土壤湿度传感器的影响研究", 《节水灌溉》 *
陈韦明等: "一种湿度传感器温度补偿的非线性校正方法", 《传感技术学报》 *
陶佰睿等: "基于PCA和GA融合算法的湿度传感器校准实验研究", 《实验技术与管理》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111413285A (zh) * 2020-05-08 2020-07-14 中南大学 一种基于环境补偿模型的玻璃瓶内氧气检测误差校正方法
CN111413285B (zh) * 2020-05-08 2021-04-20 中南大学 一种基于环境补偿模型的玻璃瓶内氧气检测误差校正方法
CN113042923A (zh) * 2021-04-14 2021-06-29 江苏科技大学 一种超厚板与薄板焊接变形控制方法及控制装置

Similar Documents

Publication Publication Date Title
Macfarlane et al. Estimation of leaf area index in eucalypt forest using digital photography
Vertessy et al. Relationships between stem diameter, sapwood area, leaf area and transpiration in a young mountain ash forest
CN110719336B (zh) 一种基于物联网的灌溉用水分析监控系统
Jonckheere et al. Allometry and evaluation of in situ optical LAI determination in Scots pine: a case study in Belgium
CN103697937B (zh) 环境与植株生长态势协同监测分析装置及方法
CN113221765B (zh) 一种基于数字相机影像有效像元的植被物候期提取方法
CN105844632B (zh) 基于机器视觉的稻株识别与定位方法
CN110133201A (zh) 一种基于多传感器的梅花耐热性能指标监测系统及方法
Sakamoto et al. Application of day and night digital photographs for estimating maize biophysical characteristics
CN112052836B (zh) 一种植物叶片气孔开闭状态的实时监测系统及方法
CN111751376B (zh) 一种基于冠层图像特征衍生的水稻氮素营养估算方法
CN109211801A (zh) 一种作物氮素需求量实时获取方法
CN112986158B (zh) 基于无人机多光谱数据的甜菜氮素营养检测方法及系统
CN103278503A (zh) 一种基于多传感器技术的葡萄水分胁迫诊断方法及系统
CN101044823A (zh) 一种作物能量利用率评价及产量预测的方法
CN106769944A (zh) 基于图像的双波长植物叶片叶绿素含量检测方法和装置
Ma et al. A method of calculating phenotypic traits for soybean canopies based on three-dimensional point cloud
WO2021004026A1 (zh) 一种基于对虾眼球直径估算体长体重的方法
CN105574516B (zh) 可见光图像中基于logistic回归的观赏凤梨叶绿素检测方法
CN114782840A (zh) 一种基于无人机rgb影像的小麦物候期实时分类方法
CN116482041B (zh) 一种基于反射光谱的水稻抽穗期无损快速识别方法及系统
Henke et al. Reconstructing leaf growth based on non-destructive digitizing and low-parametric shape evolution for plant modelling over a growth cycle
CN117115811A (zh) 一种不依赖无人机的薯类作物垄线高精度确定方法
Desiderio et al. Health Classification System of Romaine Lettuce Plants in Hydroponic Setup Using Convolutional Neural Networks (CNN)
CN111191543A (zh) 油菜产量估测方法

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

Application publication date: 20190816

RJ01 Rejection of invention patent application after publication