CN110286092B - 一种作物生长趋势分析系统 - Google Patents
一种作物生长趋势分析系统 Download PDFInfo
- Publication number
- CN110286092B CN110286092B CN201910596062.6A CN201910596062A CN110286092B CN 110286092 B CN110286092 B CN 110286092B CN 201910596062 A CN201910596062 A CN 201910596062A CN 110286092 B CN110286092 B CN 110286092B
- Authority
- CN
- China
- Prior art keywords
- crop
- image
- grid
- module
- crops
- 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.)
- Active
Links
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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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
- G06T2207/10004—Still image; Photographic 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
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Immunology (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Pathology (AREA)
- Geometry (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明提供一种作物生长趋势分析系统,包括图像获取模块,物联网模块和图像处理模块,所述图像获取模块获取作物图像后通过物联网模块将作物图像传输至图像处理模块,所述图像处理模块对作物图像进行灰度处理,分别获得作物图像R、G、B三原色中每种颜色的像素量,将每种颜色的像素量与图像的总像素量相比获得每种颜色的占比,所述图像处理模块对作物图像进行作物轮廓提取,对图像进行去重,获取作物的面积,将作物的面积与作物图像的总面积相比获得作物的面积占比,实现对作物生长状态的监控,并通过终端设备及时并自动调整作物的生长环境,降低人工成本。
Description
技术领域
本发明涉及种植领域,尤其涉及一种作物生长趋势分析系统。
背景技术
目前针对绿叶类植物栽培的长势仍依靠传统的人工目视和栽培经验来检查和确认,既耗费人力时间,又会提高大面积种植的成本。尤其在现代农业中,劳动力越来越稀缺时,如何降低劳动成本和种植成本将会是以后农业发展中最急需解决的问题。
目前已有通过分析植物横截面积占比或者植物高度变化来反映植物长势的系统存在,但是这些系统的逻辑普遍比较简单,无法检测并排除异常生长的植物,检测出来的数据对植物长势的反映不够精确客观。
发明内容
本发明的目的在于提出一种作物生长趋势分析系统,能够精确分析作物的生长趋势的信息。
为达此目的,本发明采用以下技术方案:
一方面,本发明提供一种作物生长趋势分析系统,包括:
图像获取模块;
物联网模块;
图像处理模块;
所述图像获取模块获取作物的图像后通过物联网模块将所述图像传输至所述图像处理模块,图像处理模块对所述图像进行处理后获取作物的颜色占比以及面积占比,所述图像处理模块包括图像去重模块,所述图像去重模块用于甄别并剔除所述图像中异常生长的作物。
优选地,还包括控制模块,所述图像处理模块还包括光照度传感器和摄像头,所述控制模块根据光照度传感器感应的光照度数据控制摄像头进行拍摄。
优选地,所述控制模块还包括定时拍照模块,所述摄像头根据定时拍照模块内设定的时间点进行拍摄。
优选地,还包括终端设备,所述控制模块根据所述图像处理模块获取的作物颜色占比以及面积占比指示所述终端设备运行。
优选地,所述终端设备包括施肥机、灌溉设备、喷液设备、风机水帘和/或遮阳网。
优选地,所述图像处理模块还包括图像颜色校正模块,所述图像颜色校正模块用于去除图像的干扰颜色。
另一方面,本发明提供一种作物生长趋势分析方法,包括以下步骤:
步骤S10、图像获取模块获取作物的图像;
步骤S20、物联网模块将所述图像传输至图像处理模块;
步骤S30、所述图像获取模块同时拍摄多株作物的作为一张作物图像,所述图像处理模块将图像虚拟网格化,将图像中的每株作物分别置于不同的网格的正中;其特征在于,还包括以下步骤:
步骤S40、图像处理模块包括图像去重模块,所述图像去重模块对图像进行去重处理。
优选地,该方法采用上述的作物生长趋势分析系统来实现。
优选地,所述图像去重模块的工作步骤为:
步骤S41、以网格中心为测量中心,测量作物轮廓在n个方向上的半径;
步骤S42、计算每个方向上的作物轮廓的半径是否超出网格;
步骤S43、从网格的n个方向上检测所述网格是否被相邻作物所覆盖,
优选地,若样本所在的网格被侵占且其与相邻作物没有发生重合,则取所述n个方向上的半径的最大值作为所述作物的最大轮廓半径,所述最大轮廓半径内R、G、B三原色的像素点为所述作物的面积;若样本所在的网格被侵占且其与相邻作物发生重合,则以轮廓像素的中断点为作物的最大轮廓半径,所述最大轮廓半径内R、G、B三原色的像素点为所述作物的面积。
优选地,还包括以下步骤:
步骤S50、图像处理模块对图像进行灰度处理,分别获得图像R、G、B三原色中每种颜色的像素量,将每种颜色的像素量与图像的总像素量相比获得每种颜色的占比,并创建所述颜色的占比的趋势图;
步骤S60、所述图像处理模块对作物图像进行作物轮廓提取,获取作物的面积,将作物的面积与作物图像的总面积相比获得作物的面积占比,并根据所述面积占比创建作物面积的趋势图。
优选地,预设光照度范围值,当作物生长区域的光照度落入预设的光照度范围值内时,图像获取模块进行拍摄,获取作物的图像。
优选地,所述光照度范围值设置为四段,分别为0-400lux、400-1000lux、1000-2000lux、2000-6000lux。
优选地,预设多个拍照时间点,当到达预设时间点时,图像获取模块进行拍摄,获取作物的图像。
优选地,所述时间点设为四个,分别为6:00、7:00、17:00和18:00。
优选地,预设该作物正常生长过程中的R、G、B色素的占比阈值以及面积占比阈值,当图像处理模块分析出来的作物图像R、G、B三原色的色素占比以及作物的面积占比低于阈值时,发出生长异常警报。
优选地,还包括:
步骤S11、拍摄待检测现场的无作物图像;计算所述无作物图像的R、G、B三原色的像素量,获得色素干扰值;作物的图像的R、G、B三原色的实际像素量相应地减去所述色素干扰值,得到作物的图像的R、G、B三原色的实际像素量的有效值。
优选地,设置多个终端设备,当图像处理模块分析出来的图像R、G、B颜色占比以及面积占比低于其正常生长过程中的相对应的阈值时,相对应的终端设备运行。
本发明的有益效果为:
1.本发明提供的一种作物生长趋势分析系统通过设置图像去重模块,自动识别出异常生长的作物,以获得更为精确的作物的生长信息。
2.本发明提供的一种作物生长趋势分析系统通过设置光照度传感器,在合适的光照度下拍摄作物的图像,提高图像质量,从而提高分析数据的精度。
3.本发明提供的一种作物生长趋势分析系统通过设置终端设备,针对作物非正常生长的情况实现自动调整作物生长环境的功能,大大降低人工成本。
附图说明
图1是本发明具体实施方式提供的一种作物生长趋势分析系统的工作流程图;
图2是本发明具体实施方式提供的一种作物生长趋势分析系统的图像处理模块将作物图像虚拟网格化的示意图;
图3是本发明具体实施方式提供的一种作物生长趋势分析系统的图像处理模块计算作物轮廓面积的流程图;
图4是本发明具体实施方式提供的一种作物生长趋势分析系统的数值转换系统生成的数值表格;
图5是本发明具体实施方式提供的一种作物生长趋势分析系统的数值转换系统绘制的作物生长趋势图。
图中:
第一网格;2、第二网格;3、第三网格;4、第四网格;5、第五网格;6、第六网格;7、第七网格;8、第八网格;9、第九网格;10、第十网格;11、第十一网格;12、第十二网格;13、第十三网格;14、第十四网格;15、第十五网格;16、第十六网格;17、第十七网格;18、第十八网格;19、第十九网格;20、第二十网格;21、第二十一网格;22、第二十二网格;23、第二十三网格;24、第二十四网格;
11、第一植株;21、第二植株;51、第五植株;61、第六植株;91、第九植株;101、第十植株。
具体实施方式
为使本发明解决的技术问题、采用的技术方案和达到的技术效果更加清楚,下面将结合附图对本发明实施例的技术方案作进一步的详细描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。
本发明提供一种作物生长趋势分析系统,包括图像获取模块,物联网模块和图像处理模块,所述图像获取模块获取作物图像后通过物联网模块将作物图像传输至图像处理模块,图像处理模块包括图像去重模块,图像去重模块对图像内的多株作物进行去重处理,甄别并剔除所述图像中异常生长的作物后,图像处理模块对作物图像进行灰度处理,分别获得作物图像R、G、B三原色每种颜色的像素量,将每种颜色的像素量与图像的总像素量相比获得每种颜色的占比;所述图像处理模块对作物图像进行作物轮廓提取,获取作物的面积,将作物的面积与作物图像的总面积相比获得作物的面积占比。通过每种颜色的像素占比和作物的面积占比分析作物的生长趋势,判断作物是否已经成熟。
进一步地,还包括控制模块,控制模块内设定有光照度范围值,图像获取模块包括光照度传感器和摄像头,光照度传感器获取作物生长区域的光照度并传输至控制模块内,当作物生长区域的光照度落入控制模块内设定的光照度范围值内时,摄像头进行拍摄,获取作物的图像。本实施例中,采用钱涌牌ZZ-IIS-A485型号的光照度传感器进行光照度识别。
优选地,摄像头采用高清摄像头,以提高作物图像的像素。
进一步地,光照度范围值的设定是为了提高图像的有效性,一天当中太阳光的光照度由0lux到6万lux,不同的光照强度对图像的成像有一定的影响,本系统设置了四段光照范围:0-400lux、400-1000lux、1000-2000lux、2000-6000lux,图像获取模块每天在这四个光照范围段各取一到两张照片,以保证图片的成像质量。每张照片都在设定的光照范围内取得,降低不同光照度的条件下可能造成的图像失真率,提高照片的有效性。
进一步地,设置有四个摄像头定时拍摄的时间点:6:00、7:00、17:00和18:00,当光照度突变,瞬间跨越0-3000lux这个有效的光照度范围时,摄像头无法根据光照度进行图像采集,此时摄像头则通过定时器实现定时拍照,所取得的图像用于数据采集。定时拍摄获取的图像为备用图像,当摄像头无法根据光照度进行图像采集时,采用定时拍摄取得的图像进行数据采集,当摄像头能够根据光照度进行图像采集时,则不采用定时拍摄取得的图像进行数据采集。从而降低数据误差。
优选地,若18:00没能自动采集足够的照片,控制模块发出采集失败提醒,用户可以筛选确定图片,或者进行手动补拍。
请参考图1,具体操作时,先将摄像头以及光照度传感器安装好。对摄像头视野内的种植面积和清晰度进行调整,用电脑连接网线和摄像头,通过系统对摄像头IP进行修改,然后在系统中对摄像头检测区域进行校正,本实施例中,如图2所示,所述摄像头同时拍摄二十四株作物的作为一张作物图像,图像处理模块将作物图像虚拟网格化,将图像中的每株作物分别置于不同的网格的正中。
本实施例中,设置二十四株作物作物数据采集样本,并将二十四株作物均分于二十四个虚拟网格中间,如图2所示,摄像头采集的图像中,虚拟的网格按顺序为第一网格1至第二十四网格24。虚拟的网格形状为矩形,矩形的网格具有前后左右四个方向的边界,由于在具体的作物培育中,每株作物的生长状态并不一样,相邻作物在异常生长的状态下会发生叶片伸入相邻网格的情况,因此本实施例中,图像处理模块还包括图像去重模块,请参考图4,图像去重模块通过以下的工作步骤降低对作物数据的测量误差,从而提高测量精度。
(1)以网格中心为测量中心,测量作物轮廓在四个方向上的半径;
(2)计算每个方向上的作物轮廓的半径是否超出网格;
若三个以上方向的作物轮廓超出网格,则所述作物样本作废,如图3所示,第九网格9的第九植株91,其左方、右方以及前方共三个方向的轮廓均超出了第九网格,则第九植株91不作为采集数据的样本,同时系统发出警报,通知工作人员将相关植株除掉,避免其进一步生长入侵更多的网格造成样本数量的进一步减少。
若只有两个以下方向的作物轮廓超出网格,如图3所示,除了第九植株91之外,其他植株的轮廓超出网格的方向均少于三个,则作进一步判断:
(3)从网格的四个方向上检测所述网格是否被相邻作物所入侵,
若网格三个以上的方向均被相邻作物所入侵,则该作物样本作废,如图3所示,第六网格6的第六植株61,其左方被第二网格2的第二植株21入侵,其右方被第十网格10的第十植株101入侵,其后方被第五网格5的第五植株51入侵,第六网格6共计三个方向上均被相邻的作物入侵,则第六植株61不作为采集数据的样本。
若网格只有两个以下的方向被相邻作物入侵,如图3所示,除了第六网格6之外,其余网格均没有三个以上的方向被相邻作物入侵,则这些作物均保留为样本。而在这些样本中,若有网格的一个或两个方向被相邻的植株侵占,如图3所示,第二网格2、第五网格5、第十网格10以及第十三网格13均有一个方向被相邻的作物所入侵,则在这些网格中,分别取其四个作物轮廓的半径的最大值作为其最大轮廓半径,作物在最大轮廓半径内的R、G、B三原色的像素点为作物的面积;若网格没有被入侵,如图3所示,第一网格、第三网格3、第四网格4、第七网格7、第八网格8、第十一网格11、第十四网格14至第二十四网格24均没有被入侵,则上述网格通过计算网格内相对应的作物的像素面积来获得相应作物的面积。
进一步地,如图3所示,第一网格1中的第一植株11伸入到了第二网格2中,并与第二植株21发生了重合,此时图像处理模块将会对上述情况作出一个判断,正常生长中,第一植株11和第二植株21的叶片为连续延伸的轮廓,轮廓的像素是连续的,而当第一植株11的伸入到第二网格2中而没有与第二植株21发生重合时,图片处理模块识别出来的是两个像素连续延伸的轮廓,此时图像处理模块判定第二网格2的后方被相邻植株侵占,而当第一植株11与第二植株21发生重合时,像素连续延伸的轮廓中断,图像处理模块根据之前的判断,依然判定为第二网格2的该方向上被相邻植株所侵入,并将轮廓像素中断的位置作为第二植株21的向后延伸的长度,从而将该长度作为作物的最大轮廓半径,而不会将第二网格2中的所有轮廓像素均识别为第二植株21的面积。
图像处理模块还包括图像颜色校正模块,图像颜色校正模块的工作步骤为:
(1)种植作物之前,拍摄待检测现场的无作物图像;
(2)计算所述无作物图像的R、G、B三原色的像素量,获得色素干扰值;
(3)作物的图像的R、G、B三原色的实际像素量相应地减去所述色素干扰值,得到作物的图像的R、G、B三原色的实际像素量的有效值。
通过图像颜色校正模块对图像进行校正,达到消除采集范围内原有颜色的干扰的目的,提高检测的精确度。
图像处理模块将图像获取模块在不同时间获取的作物图像的R、G、B三种颜色色素的占比以及作物的面积占比绘制成作物生长趋势图。
具体操作中,请参考图4所示,作物的R、G、B色素分量占比以及作物水平轮廓的面积占比以表格的方式展示。
图中:S%为作物面积占比,R%为作物R色素分量占比,G%为作物G色素分量占比,B%、作物B色素分量占比。
请参考图5,作物的R、G、B色素分量占比以及作物水平轮廓的面积占比以坐标形式的趋势图展示。
图中,纵轴为占比比例,横轴为作物生长天数。
上述数据存储在数据库中,便于随时调用,同时可共享至其他终端设备,使得数据调用更为方便,为自动化的种植提供在线指导。
本实施例中,前三天、第十九天、第二十七天以及第五十一至五十三天系统处于断电状态,因此数值为零。但由于作物持续生长,短时间断电并不影响对作物的检测。
控制模块内还设置有该作物正常生长过程中的R、G、B色素的占比阈值以及面积占比阈值,当图像处理模块分析出来的作物图像R、G、B三原色的颜色占比以及作物的面积占比低于阈值时,系统发出警报。
本实施例中,所述作物传输系统为蓝牙等无线设备。
进一步地,设置施肥机、灌溉设备、喷液设备、风机水帘和遮阳网等终端设备,将终端设备通过无线设备连接到控制模块上,再接入到控制模块所覆盖的网络中,全面实现作物种植智能化操作。当图像处理模块分析出来的作物图像R、G、B三原色的色素占比以及作物的面积占比低于其正常生长过程中的相对应的数值时,控制模块给上述相对应的终端设备发出指令控制终端设备运行。
具体地,如果作物种植过程中叶片发黄,摄像头所拍摄的叶片发黄的照片,经过无线设备传送给系统,系统根据上述原理及公式分析图片后,会显示作物绿色的像素量比设定值偏低,即对应的出现红色数据提示,显示此时的蔬菜养分较低,需要补给营养。接着,系统会给控制模块下达开启施肥机的指令,再由控制模块将指令传给终端的施肥机,使其开始工作,给作物补充营养,使其恢复正常生长。相反,如果作物绿色色素分量比设定值高,即蔬菜叶片绿色较深,说明当天的肥料供应过足,需要减缓肥料供应。其它如光照太强、水分不足,对应的遮阳网开启和灌溉设备开启等等。实现自动调整作物生长环境的功能。使得作物生产种植的整个过程都实现自动化和智能化,降低劳动力,提高农业生产效率。
以上结合具体实施例描述了本发明的技术原理。这些描述只是为了解释本发明的原理,而不能以任何方式解释为对本发明保护范围的限制。基于此处的解释,本领域的技术人员不需要付出创造性的劳动即可联想到本发明的其它具体实施方式,这些方式都将落入本发明的保护范围之内。
Claims (16)
1.一种作物生长趋势分析系统,包括:
图像获取模块;
物联网模块;
图像处理模块;
所述图像获取模块获取作物的图像后通过物联网模块将所述图像传输至所述图像处理模块,图像处理模块对所述图像进行处理后获取作物的颜色占比以及面积占比,
其特征在于,所述图像处理模块包括图像去重模块,所述图像去重模块用于甄别并剔除所述图像中异常生长的作物;
所述图像获取模块同时拍摄多株作物作为一张作物图像,所述图像处理模块将所述作物图像虚拟网格化,将所述作物图像中的每株作物分别置于不同的网格的正中;
所述图像去重模块的工作步骤为:
步骤S41、以网格中心为测量中心,测量作物轮廓在n个方向上的半径;
步骤S42、计算每个方向上的作物轮廓的半径是否超出网格;
步骤S43、从网格的n个方向上检测所述网格是否被相邻作物所覆盖,
若样本所在的网格被侵占且其与相邻作物没有发生重合,则取所述n个方向上的半径的最大值作为所述作物的最大轮廓半径;
若样本所在的网格被侵占且其与相邻作物发生重合,则以轮廓像素的中断点为作物的最大轮廓半径。
2.根据权利要求1所述的一种作物生长趋势分析系统,其特征在于,还包括控制模块,所述图像处理模块还包括光照度传感器和摄像头,所述控制模块根据光照度传感器感应的光照度数据控制摄像头进行拍摄。
3.根据权利要求2所述的一种作物生长趋势分析系统,其特征在于,所述控制模块还包括定时拍照模块,所述摄像头根据定时拍照模块内设定的时间点进行拍摄。
4.根据权利要求3所述的一种作物生长趋势分析系统,其特征在于,还包括终端设备,所述控制模块根据所述图像处理模块获取的作物颜色占比以及面积占比指示所述终端设备运行。
5.根据权利要求4所述的一种作物生长趋势分析系统,其特征在于,所述终端设备包括施肥机、灌溉设备、喷液设备、风机水帘和/或遮阳网。
6.根据权利要求1所述的一种作物生长趋势分析系统,其特征在于,所述图像处理模块还包括图像颜色校正模块,所述图像颜色校正模块用于去除图像的干扰颜色。
7.一种作物生长趋势分析方法,包括以下步骤:
步骤S10、图像获取模块获取作物的图像;
步骤S20、物联网模块将所述图像传输至图像处理模块;
步骤S30、所述图像获取模块同时拍摄多株作物作为一张作物图像,所述图像处理模块将图像虚拟网格化,将图像中的每株作物分别置于不同的网格的正中;其特征在于,还包括以下步骤:
步骤S40、图像处理模块包括图像去重模块,所述图像去重模块对图像进行去重处理;
所述图像去重模块的工作步骤为:
步骤S41、以网格中心为测量中心,测量作物轮廓在n个方向上的半径;
步骤S42、计算每个方向上的作物轮廓的半径是否超出网格;
步骤S43、从网格的n个方向上检测所述网格是否被相邻作物所覆盖,
若样本所在的网格被侵占且其与相邻作物没有发生重合,则取所述n个方向上的半径的最大值作为所述作物的最大轮廓半径;
若样本所在的网格被侵占且其与相邻作物发生重合,则以轮廓像素的中断点为作物的最大轮廓半径。
8.根据权利要求7所述的一种作物生长趋势分析方法,其特征在于,所述最大轮廓半径内R、G、B三原色的像素点为所述作物的面积。
9.根据权利要求7所述的一种作物生长趋势分析方法,其特征在于,还包括以下步骤:
步骤S50、图像处理模块对图像进行灰度处理,分别获得图像R、G、B三原色中每种颜色的像素量,将每种颜色的像素量与图像的总像素量相比获得每种颜色的占比,并创建所述颜色的占比的趋势图;
步骤S60、所述图像处理模块对作物图像进行作物轮廓提取,获取作物的面积,将作物的面积与作物图像的总面积相比获得作物的面积占比,并根据所述面积占比创建作物面积的趋势图。
10.根据权利要求7所述的一种作物生长趋势分析方法,其特征在于,预设光照度范围值,当作物生长区域的光照度落入预设的光照度范围值内时,图像获取模块进行拍摄,获取作物的图像。
11.根据权利要求10所述的一种作物生长趋势分析方法,其特征在于,所述光照度范围值设置为四段,分别为0-400lux、400-1000lux、1000-2000lux、2000-6000lux。
12.根据权利要求7所述的一种作物生长趋势分析方法,其特征在于,预设多个拍照时间点,当到达预设时间点时,图像获取模块进行拍摄,获取作物的图像。
13.根据权利要求12所述的一种作物生长趋势分析方法,其特征在于,所述时间点设为四个,分别为6:00、7:00、17:00和18:00,若18:00没能自动采集足够的照片,发出采集失败提醒,用户可以筛选确定图片,或者补拍。
14.根据权利要求9所述的一种作物生长趋势分析方法,其特征在于,预设该作物正常生长过程中的R、G、B色素的占比阈值以及面积占比阈值,当图像处理模块分析出来的作物图像R、G、B三原色的色素占比以及作物的面积占比低于阈值时,发出生长异常警报。
15.根据权利要求7所述的一种作物生长趋势分析方法,其特征在于,还包括:
步骤S11、拍摄待检测现场的无作物图像;计算所述无作物图像的R、G、B三原色的像素量,获得色素干扰值;作物的图像的R、G、B三原色的实际像素量相应地减去所述色素干扰值,得到作物的图像的R、G、B三原色的实际像素量的有效值。
16.根据权利要求14所述的一种作物生长趋势分析方法,其特征在于,设置多个终端设备,当图像处理模块分析出来的图像R、G、B颜色占比以及面积占比低于其正常生长过程中的相对应的阈值时,相对应的终端设备运行。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910596062.6A CN110286092B (zh) | 2019-07-03 | 2019-07-03 | 一种作物生长趋势分析系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910596062.6A CN110286092B (zh) | 2019-07-03 | 2019-07-03 | 一种作物生长趋势分析系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110286092A CN110286092A (zh) | 2019-09-27 |
CN110286092B true CN110286092B (zh) | 2021-12-31 |
Family
ID=68020451
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910596062.6A Active CN110286092B (zh) | 2019-07-03 | 2019-07-03 | 一种作物生长趋势分析系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110286092B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110719336B (zh) * | 2019-10-21 | 2020-06-16 | 江苏省农业科学院 | 一种基于物联网的灌溉用水分析监控系统 |
CN112513874A (zh) * | 2019-12-06 | 2021-03-16 | 深圳市大疆创新科技有限公司 | 作物生长状况评估方法和装置 |
CN111024710B (zh) * | 2019-12-17 | 2022-04-08 | 江苏恒宝智能系统技术有限公司 | 一种农作物异常检测系统及方法 |
CN112509029B (zh) * | 2020-11-30 | 2024-01-19 | 广西慧云信息技术有限公司 | 一种远程分析葡萄长势的方法 |
CN113010987B (zh) * | 2021-04-09 | 2022-05-24 | 内蒙古科电数据服务有限公司 | 一种基于物联网的架空线路施工进度实时判断方法 |
CN113674274A (zh) * | 2021-09-30 | 2021-11-19 | 贵州省生物技术研究所(贵州省生物技术重点实验室、贵州省马铃薯研究所、贵州省食品加工研究所) | 一种与魔芋共生植物长势确定的方法和系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013181558A1 (en) * | 2012-06-01 | 2013-12-05 | Agerpoint, Inc. | Systems and methods for monitoring agricultural products |
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 |
CN106899781A (zh) * | 2017-03-06 | 2017-06-27 | 宇龙计算机通信科技(深圳)有限公司 | 一种图像处理方法及电子设备 |
CN108120473A (zh) * | 2017-11-23 | 2018-06-05 | 浙江大学 | 基于深度相机的温室作物三维形态监测装置及监测方法 |
CN109060664A (zh) * | 2018-06-29 | 2018-12-21 | 苏州同阳科技发展有限公司 | 一种基于激光散斑技术的植物生长过程监测方法 |
-
2019
- 2019-07-03 CN CN201910596062.6A patent/CN110286092B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013181558A1 (en) * | 2012-06-01 | 2013-12-05 | Agerpoint, Inc. | Systems and methods for monitoring agricultural products |
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 |
CN106899781A (zh) * | 2017-03-06 | 2017-06-27 | 宇龙计算机通信科技(深圳)有限公司 | 一种图像处理方法及电子设备 |
CN108120473A (zh) * | 2017-11-23 | 2018-06-05 | 浙江大学 | 基于深度相机的温室作物三维形态监测装置及监测方法 |
CN109060664A (zh) * | 2018-06-29 | 2018-12-21 | 苏州同阳科技发展有限公司 | 一种基于激光散斑技术的植物生长过程监测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110286092A (zh) | 2019-09-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110286092B (zh) | 一种作物生长趋势分析系统 | |
CN108647652B (zh) | 一种基于图像分类和目标检测的棉花发育期自动识别方法 | |
CN106971167B (zh) | 基于无人机平台的作物生长分析方法及其分析系统 | |
CN109029588A (zh) | 一种基于气候影响的农作物长势预测方法 | |
CN106682570A (zh) | 一种植物的长势监控方法和装置 | |
CN101859375B (zh) | 农田苗期行内作物-杂草识别方法 | |
CN103674857B (zh) | 基于机器视觉的牧草饲料检测系统和方法 | |
CN109470179B (zh) | 一种大规模水耕蔬菜长势检测系统及方法 | |
CN108323389B (zh) | 水稻插秧机的插秧秧苗株距与穴秧苗数的检测方法和装置 | |
WO2021208407A1 (zh) | 目标物检测方法、装置和图像采集方法、装置 | |
CN111462058B (zh) | 一种水稻有效穗快速检测方法 | |
CN103903252A (zh) | 棉田虫情自动监测装置及监测方法 | |
WO2020000043A1 (en) | Plant growth feature monitoring | |
CN103190224A (zh) | 基于计算机视觉技术的玉米果穗考种方法、系统和装置 | |
CN107609600A (zh) | 一种温室粘虫板害虫自动识别分类方法及系统 | |
CN107014814A (zh) | 一种果实成熟度自动识别系统 | |
CN117011706A (zh) | 植物组织生长状况的研判系统及方法 | |
CN111047458A (zh) | 一种农田监控方法 | |
CN115685862A (zh) | 一种基于边缘计算的智慧农业检测系统 | |
CN114894791A (zh) | 基于匹配因子的水稻长势分析系统及方法 | |
CN102628689B (zh) | 作物覆盖度自动在线观测方法及装置 | |
Genno et al. | Apple growth evaluated automatically with high-definition field monitoring images | |
CN103900498A (zh) | 一种棉田苗情自动探测方法及其探测装置 | |
CN107169940B (zh) | 基于电子识别的单株梨树产量获取方法 | |
CN111160250A (zh) | 一种基于人工神经网络的蓝莓生长期检测方法及装置 |
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 |