CN110378899A - 一种小杂粮种植监测系统 - Google Patents

一种小杂粮种植监测系统 Download PDF

Info

Publication number
CN110378899A
CN110378899A CN201910685401.8A CN201910685401A CN110378899A CN 110378899 A CN110378899 A CN 110378899A CN 201910685401 A CN201910685401 A CN 201910685401A CN 110378899 A CN110378899 A CN 110378899A
Authority
CN
China
Prior art keywords
coarse cereals
plant
monitoring system
growth rate
pest
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
CN201910685401.8A
Other languages
English (en)
Inventor
刘红霞
张永恒
张峰
艾晓燕
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.)
Yulin University
Original Assignee
Yulin University
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 Yulin University filed Critical Yulin University
Priority to CN201910685401.8A priority Critical patent/CN110378899A/zh
Publication of CN110378899A publication Critical patent/CN110378899A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/24—Earth materials
    • 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
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]
    • 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
    • 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
    • G06T2207/30232—Surveillance

Landscapes

  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Biochemistry (AREA)
  • Pathology (AREA)
  • Medicinal Chemistry (AREA)
  • Remote Sensing (AREA)
  • Analytical Chemistry (AREA)
  • Geology (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Environmental & Geological Engineering (AREA)
  • Immunology (AREA)
  • Food Science & Technology (AREA)
  • Medical Informatics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Cultivation Of Plants (AREA)
  • Catching Or Destruction (AREA)

Abstract

本发明公开了一种小杂粮种植监测系统，包括土壤监测模块、巡检模块、土壤环境分析模块、种植措施输出模块和病虫害分析模块。本发明基于土壤环境参数、杂粮植株叶片生长率、枝干生长率、叶片增加率、果实生长率以及叶片颜色参数、病虫害参数实现了杂粮种植全过程的全面监测，从而可以及时发现种植过程中存在的问题，为杂粮的产量和品质提供了保障。

Description

一种小杂粮种植监测系统
技术领域
本发明涉及小杂粮种植领域，具体涉及一种小杂粮种植监测系统。
背景技术
杂粮，又称小杂粮，一般是指水稻、小麦、玉米、大豆等大宗粮食作物以外的粮食，我国杂粮作物种类繁多，广泛分布在各省、市、自治区。随着人们生活水平的日益提高，和营养保健意识的增强，粗、杂粮越来越受到人们的青睐。如何准确监控杂粮种植过程中杂粮的生长参数以及环境参数，减少病虫害等对杂粮产量的影响，是具有很重要的现实意义的。
而目前，对杂粮种植的监测还停留在人工定时定点监测的阶段，实时性、准确性均较差，且检测结果需要人为进行分析处理，费时费力。
发明内容
为解决上述问题，本发明提供了一种小杂粮种植监测系统，实现了小杂粮种植过程中多种参数的全面监测。
为实现上述目的，本发明采取的技术方案为：
一种小杂粮种植监测系统，包括
土壤监测模块，用于定点实现种植地土壤湿度、营养成分数据的采集；
巡检模块，用于通过巡检机器人定时定点的进行杂粮植株图像的采集；
生长参数分析模块，用于根据采集到的杂粮植株图像实现杂粮植株叶片生长率、枝干生长率、叶片增加率、果实生长率以及叶片颜色参数的计算分析；
土壤环境分析模块，用于基于预设的土壤分析模型根据采集到的土壤湿度以及营养成分数据实现当前土壤状态的分析；
种植措施输出模块，用于基于预设的BP神经网络模型根据生长参数分析模块以及土壤环境分析模块的分析结果输出对应的灌溉措施、施肥措施；
病虫害分析模块，用于根据采集到的杂粮植株图像实现杂粮叶片、枝干上的孔洞、斑点、害虫轨迹的识别，从而根据识别结果基于病虫害数据库完成病虫害的识别。
进一步地，所述杂粮植株图像至少需包括杂粮植株前侧视图、后侧视图、左侧视图、右侧视图以及俯视图。
进一步地，所述叶片生长率基于前一次叶片的尺寸以及最近一次叶片的尺寸计算；需目的监测模块，监测目标分别位于植株的最上层、中间层以及最下层，且每层的监测目标不少于三片，每一层输出一个叶片生长率。
进一步地，所述枝干生长率基于前一次主枝干的长度以及最近一次主枝干的长度计算。
进一步地，所述叶片增加率基于前一次叶片的覆盖区面积以及最近一次叶片的覆盖区面积计算，其中镂空作为非覆盖区。
进一步地，所述果实生长率以前一次果实的尺寸以及最近一次果实的尺寸计算；需固定监测目标，且目标至少为3个，需位于枝干的不同位置，每一个位置输出一个果实生长率。
进一步地，所述病虫害分析模块采用双边滤波和分段线性变换算法分别进行图像去噪和图像增强预处理；并采用迭代自适应阈值分割法进行图像二值化处理；然后基于连通分量外接矩形的长宽比进行杂粮叶片、枝干上的孔洞、斑点、害虫轨迹的识别。
进一步地，还包括一数据整理模块，用于以预制的latex模版完成数据的整理。
本发明具有以下有益效果：
本发明基于土壤环境参数、杂粮植株叶片生长率、枝干生长率、叶片增加率、果实生长率以及叶片颜色参数、病虫害参数实现了杂粮种植全过程的全面监测，从而可以及时发现种植过程中存在的问题，为杂粮的产量和品质提供了保障。
附图说明
图1为本发明实施例一种小杂粮种植监测系统的系统示意图。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进。这些都属于本发明的保护范围。
如图1所示，本发明公开一种小杂粮种植监测系统，包括通过LoRa无线通信模块实现通讯的土壤监测模块、巡检模块和监测终端；
所述土壤监测模块包括一基桩以及通过螺栓固接在基桩表面的传感器节点，用于定点实现种植地土壤湿度、营养成分数据的采集；
所述巡检模块采用搭载有可升降可转动摄像头的爬行机器人，用于定时定点的进行杂粮植株图像的采集；所述爬行机器人基于既定的路线实现巡检；所述杂粮植株图像至少需包括杂粮植株前侧视图、后侧视图、左侧视图、右侧视图以及俯视图；
生长参数分析模块，用于根据采集到的杂粮植株图像实现杂粮植株叶片生长率、枝干生长率、叶片增加率、果实生长率以及叶片颜色参数的计算分析；
土壤环境分析模块，用于基于预设的土壤分析模型根据采集到的土壤湿度以及营养成分数据实现当前土壤状态的分析；
种植措施输出模块，用于基于预设的BP神经网络模型根据生长参数分析模块以及土壤环境分析模块的分析结果输出对应的灌溉措施、施肥措施；
病虫害分析模块，用于根据采集到的杂粮植株图像实现杂粮叶片、枝干上的孔洞、斑点、害虫轨迹的识别，从而根据识别结果基于病虫害数据库完成病虫害的识别；
数据整理模块，用于以预制的latex模版完成数据的整理，包括土壤监测模块、巡检模块采集到的数据以及生长参数分析模块、土壤环境分析模块、病虫害分析模块的分析结果。
本实施例中，所述叶片生长率基于前一次叶片的尺寸以及最近一次叶片的尺寸计算；需目的监测模块，监测目标分别位于植株的最上层、中间层以及最下层，且每层的监测目标不少于三片，每一层输出一个叶片生长率。
所述枝干生长率基于前一次主枝干的长度以及最近一次主枝干的长度计算。
所述叶片增加率基于前一次叶片的覆盖区面积以及最近一次叶片的覆盖区面积计算，其中镂空作为非覆盖区。
所述果实生长率以前一次果实的尺寸以及最近一次果实的尺寸计算；需固定监测目标，且目标至少为3个，需位于枝干的不同位置，每一个位置输出一个果实生长率。
本实施例中，所述病虫害分析模块采用双边滤波和分段线性变换算法分别进行图像去噪和图像增强预处理；并采用迭代自适应阈值分割法进行图像二值化处理；然后基于连通分量外接矩形的长宽比进行杂粮叶片、枝干上的孔洞、斑点、害虫轨迹的识别。
以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变化或修改，这并不影响本发明的实质内容。在不冲突的情况下，本申请的实施例和实施例中的特征可以任意相互组合。

Claims (8)

1.一种小杂粮种植监测系统，其特征在于：包括
土壤监测模块，用于定点实现种植地土壤湿度、营养成分数据的采集；
巡检模块，用于通过巡检机器人定时定点的进行杂粮植株图像的采集；
生长参数分析模块，用于根据采集到的杂粮植株图像实现杂粮植株叶片生长率、枝干生长率、叶片增加率、果实生长率以及叶片颜色参数的计算分析；
土壤环境分析模块，用于基于预设的土壤分析模型根据采集到的土壤湿度以及营养成分数据实现当前土壤状态的分析；
种植措施输出模块，用于基于预设的BP神经网络模型根据生长参数分析模块以及土壤环境分析模块的分析结果输出对应的灌溉措施、施肥措施；
病虫害分析模块，用于根据采集到的杂粮植株图像实现杂粮叶片、枝干上的孔洞、斑点、害虫轨迹的识别，从而根据识别结果基于病虫害数据库完成病虫害的识别。
2.如权利要求1所述的一种小杂粮种植监测系统，其特征在于：所述杂粮植株图像至少需包括杂粮植株前侧视图、后侧视图、左侧视图、右侧视图以及俯视图。
3.如权利要求1所述的一种小杂粮种植监测系统，其特征在于：所述叶片生长率基于前一次叶片的尺寸以及最近一次叶片的尺寸计算；需目的监测模块，监测目标分别位于植株的最上层、中间层以及最下层，且每层的监测目标不少于三片，每一层输出一个叶片生长率。
4.如权利要求1所述的一种小杂粮种植监测系统，其特征在于：所述枝干生长率基于前一次主枝干的长度以及最近一次主枝干的长度计算。
5.如权利要求1所述的一种小杂粮种植监测系统，其特征在于：所述叶片增加率基于前一次叶片的覆盖区面积以及最近一次叶片的覆盖区面积计算，其中镂空作为非覆盖区。
6.如权利要求1所述的一种小杂粮种植监测系统，其特征在于：所述果实生长率以前一次果实的尺寸以及最近一次果实的尺寸计算；需固定监测目标，且目标至少为3个，需位于枝干的不同位置，每一个位置输出一个果实生长率。
7.如权利要求1所述的一种小杂粮种植监测系统，其特征在于：所述病虫害分析模块采用双边滤波和分段线性变换算法分别进行图像去噪和图像增强预处理；并采用迭代自适应阈值分割法进行图像二值化处理；然后基于连通分量外接矩形的长宽比进行杂粮叶片、枝干上的孔洞、斑点、害虫轨迹的识别。
8.如权利要求1所述的一种小杂粮种植监测系统，其特征在于：还包括一数据整理模块，用于以预制的latex模版完成数据的整理。
CN201910685401.8A 2019-07-27 2019-07-27 一种小杂粮种植监测系统 Pending CN110378899A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910685401.8A CN110378899A (zh) 2019-07-27 2019-07-27 一种小杂粮种植监测系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910685401.8A CN110378899A (zh) 2019-07-27 2019-07-27 一种小杂粮种植监测系统

Publications (1)

Publication Number Publication Date
CN110378899A true CN110378899A (zh) 2019-10-25

Family

ID=68256581

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910685401.8A Pending CN110378899A (zh) 2019-07-27 2019-07-27 一种小杂粮种植监测系统

Country Status (1)

Country Link
CN (1) CN110378899A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112526909A (zh) * 2020-12-02 2021-03-19 中国农业科学院农业信息研究所 一种基于物联网的智慧农业设备系统
CN112950399A (zh) * 2021-03-10 2021-06-11 中国热带农业科学院热带作物品种资源研究所 一种山兰米种植无公害防治系统及方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6701665B1 (en) * 2000-10-23 2004-03-09 Phytech Ltd. Remote phytomonitoring
RU2379879C2 (ru) * 2007-07-02 2010-01-27 Учреждение Ханты-Мансийского автономного округа-Югры "Югорский научно-исследовательский институт информационных технологий" Способ прогнозирования урожайности зерновых культур на основе данных космического мониторинга и моделирования биопродуктивности
CN202562528U (zh) * 2012-05-14 2012-11-28 上海泽泉科技有限公司 土壤-植物-大气连续体监测系统
CN105159116A (zh) * 2015-09-01 2015-12-16 徐州工业职业技术学院 智能大棚农业生长监控装置
CN109991911A (zh) * 2019-05-05 2019-07-09 西安邮电大学 一种基于物联网的果园综合监控系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6701665B1 (en) * 2000-10-23 2004-03-09 Phytech Ltd. Remote phytomonitoring
RU2379879C2 (ru) * 2007-07-02 2010-01-27 Учреждение Ханты-Мансийского автономного округа-Югры "Югорский научно-исследовательский институт информационных технологий" Способ прогнозирования урожайности зерновых культур на основе данных космического мониторинга и моделирования биопродуктивности
CN202562528U (zh) * 2012-05-14 2012-11-28 上海泽泉科技有限公司 土壤-植物-大气连续体监测系统
CN105159116A (zh) * 2015-09-01 2015-12-16 徐州工业职业技术学院 智能大棚农业生长监控装置
CN109991911A (zh) * 2019-05-05 2019-07-09 西安邮电大学 一种基于物联网的果园综合监控系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
刘燕德: "《无损智能检测技术及其应用》", 31 May 2007, 华中科技大学出版社 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112526909A (zh) * 2020-12-02 2021-03-19 中国农业科学院农业信息研究所 一种基于物联网的智慧农业设备系统
CN112950399A (zh) * 2021-03-10 2021-06-11 中国热带农业科学院热带作物品种资源研究所 一种山兰米种植无公害防治系统及方法

Similar Documents

Publication Publication Date Title
CN100416590C (zh) 利用位置和纹理特征自动识别作物苗期田间杂草的方法
CN109991911A (zh) 一种基于物联网的果园综合监控系统
CN112197819A (zh) 一种基于生产基地的植物生长精准控制方法
CN108985260A (zh) 一种遥感及气象一体化水稻估产方法
CN102524024A (zh) 基于计算机视觉的作物灌溉系统
CN105230224A (zh) 一种智能除草机及其杂草清除方法
CN106768066A (zh) 一种种植大棚智能监测系统及方法
CN110378899A (zh) 一种小杂粮种植监测系统
CN110163138A (zh) 一种基于无人机多光谱遥感图像的小麦分蘖密度测算方法
CN110119086B (zh) 一种基于anfis神经网络的番茄温室环境参数智能监测装置
CN115204689A (zh) 一种基于图像处理的智慧农业管理系统
CN107748886A (zh) 一种基于深度相机的轨道式现代标准化果园信息感知系统
CN113367056A (zh) 基于数据分析的现代化农业种植灌溉智能调控方法
CN114442705B (zh) 一种基于物联网的智慧农业系统及控制方法
CN108323389A (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
CN116029860B (zh) 基于gis的智慧农业种植区域规划辅助决策系统
CN106846334A (zh) 基于支持向量数据描述的田间玉米植株识别方法
CN117496356A (zh) 农业人工智能作物检测方法及系统
CN117389310B (zh) 一种农业无人机喷洒作业控制系统
CN114299393A (zh) 一种基于光学和雷达时序数据的烟稻种植模式识别方法
Viola et al. Olive yield and future climate forcings
CN112950399A (zh) 一种山兰米种植无公害防治系统及方法
CN115424151A (zh) 一种基于图像处理的农业智能平台
CN104732550A (zh) 石榴树电子化自动采摘平台
Gao et al. Development and Application of Intelligent Agricultural Machinery—A Review

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: 20191025