CN111291689A - 植物花期播报方法、系统及计算机可读存储介质 - Google Patents
植物花期播报方法、系统及计算机可读存储介质 Download PDFInfo
- Publication number
- CN111291689A CN111291689A CN202010093209.2A CN202010093209A CN111291689A CN 111291689 A CN111291689 A CN 111291689A CN 202010093209 A CN202010093209 A CN 202010093209A CN 111291689 A CN111291689 A CN 111291689A
- Authority
- CN
- China
- Prior art keywords
- plant
- flowering
- user
- broadcasting
- florescence
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 63
- 241000196324 Embryophyta Species 0.000 claims abstract description 273
- 230000017260 vegetative to reproductive phase transition of meristem Effects 0.000 claims abstract description 118
- 230000015654 memory Effects 0.000 claims description 27
- 241000894007 species Species 0.000 claims description 26
- 238000003062 neural network model Methods 0.000 claims description 5
- 230000009467 reduction Effects 0.000 claims description 2
- 241001290151 Prunus avium subsp. avium Species 0.000 description 36
- 235000019693 cherries Nutrition 0.000 description 36
- 238000012549 training Methods 0.000 description 30
- 238000012360 testing method Methods 0.000 description 13
- 238000013527 convolutional neural network Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 238000013507 mapping Methods 0.000 description 5
- 230000009471 action Effects 0.000 description 4
- 230000001360 synchronised effect Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000000877 morphologic effect Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 241000245063 Primula Species 0.000 description 1
- 235000000497 Primula Nutrition 0.000 description 1
- 235000005805 Prunus cerasus Nutrition 0.000 description 1
- 240000002878 Prunus cerasus Species 0.000 description 1
- 235000006040 Prunus persica var persica Nutrition 0.000 description 1
- 240000006413 Prunus persica var. persica Species 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000002829 reductive effect Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/70—Labelling scene content, e.g. deriving syntactic or semantic representations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/188—Vegetation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Computing Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Biophysics (AREA)
- Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Marine Sciences & Fisheries (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Mining & Mineral Resources (AREA)
- General Business, Economics & Management (AREA)
- Animal Husbandry (AREA)
- Agronomy & Crop Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Automation & Control Theory (AREA)
- Image Processing (AREA)
Abstract
本发明提供了一种植物花期播报方法、系统及计算机可读存储介质，方法包括：接收图像，识别所述图像中的植物以得到所述植物的种类；调用所述植物的种类对应的植物品种识别模型，识别所述植物的具体品种以及开放状态；获取所述图片的拍摄时间和拍摄位置，根据所述拍摄时间和所述开放状态确定所述植物的花期；在花期播报地图上标记所述拍摄位置为所述植物的观赏地点，并对应显示所述植物的具体品种以及花期。本发明提供的方案可以通过花期播报地图向用户展示当前可供观赏的植物的具体品种、位置以及花期等信息，为用户观赏植物提供准确的参考信息，提高用户的观赏体验。
Description
技术领域
本发明涉及人工智能技术领域，特别涉及一种植物花期播报方法、系统及计算机可读存储介质。
背景技术
目前，越来越多的人喜欢到户外如公园、植物园等地观赏植物，例如观赏樱花。然而，人们往往不甚了解自己周围都有哪些植物可供观赏，而且也难以了解到各个观赏地点的植物的最佳观赏花期。因此，存在对观赏植物进行花期播报的需求。
发明内容
本发明的目的在于提供一种植物花期播报方法、系统及计算机可读存储介质，可以向用户展示当前可供观赏的植物的具体品种、观赏位置以及花期等信息。具体技术方案如下：
为达到上述目的，本发明提供了一种植物花期播报方法，包括：
接收图像，识别所述图像中的植物以得到所述植物的种类；
调用所述植物的种类对应的植物品种识别模型，识别所述植物的具体品种以及开放状态；
获取所述图片的拍摄时间和拍摄位置，根据所述拍摄时间和所述开放状态确定所述植物的花期；
在花期播报地图上标记所述拍摄位置为所述植物的观赏地点，并对应显示所述植物的具体品种以及花期。
可选的，识别所述图像中的植物以得到所述植物的种类，包括：
利用预先训练建立的物种识别模型识别所述图像中的植物以得到所述植物的种类，所述物种识别模型为神经网络模型。
可选的，所述植物品种识别模型为神经网络模型。
可选的，所述开放状态包括：未开、初开、盛开和完结。
可选的，所述植物花期播报方法还包括：
当所述植物的开放状态为初开或盛开时，向所述拍摄位置所在区域内的用户推送所述植物的观赏推荐信息。
可选的，所述植物的观赏推荐信息包括以下信息中的一个或多个：所述植物的具体品种、花期、观赏地点的地理位置。
可选的，所述植物花期播报方法还包括：
当所述植物的开放状态为盛开时，将所述花期播报地图分享给特定区域内的其它用户，其中所述特定区域为与所述图片的拍摄位置在预设距离内的区域。
可选的，所述植物花期播报方法还包括：
响应于用户操作，将选定地理区域对应的所述花期播报地图展示给用户，或者，将所有地理区域对应的所述花期播报地图展示给用户。
可选的，所述植物花期播报方法还包括：
响应于用户选择一观赏地点的操作，在所述花期播报地图中显示选定的观赏地点处的所述植物的具体品种和/或景点信息。
可选的，所述植物花期播报方法还包括：
将所述花期播报地图与历史记录的上一花期播报地图进行比对，若上一花期播报地图中存在所述花期播报地图未标注的观赏地点，则在所述花期播报地图中标注出该观赏地点，再根据该观赏地点处所述植物的上一花期的时间预估所述植物的当前花期，并在所述花期播报地图中对应显示该观赏地点处所述植物的具体品种以及当前花期。
可选的，所述植物花期播报方法还包括：
在所述花期播报地图上的观赏地点处显示目标图片的缩小图标，其中所述目标图片为在所述观赏地点处拍摄的所述植物的开放状态最好的图片。
可选的，所述植物花期播报方法还包括：
将接收到的在所述观赏地点处拍摄的所述植物的图像组成图片集，其中各个图片按照拍摄时间和开放状态进行排序；
响应于用户操作，将所述图片集展示给用户。
基于同一发明构思，本发明还提供了一种植物花期播报系统，所述系统包括处理器和存储器，所述存储器上存储有指令，当所述指令被所述处理器执行时，实现植物花期播报方法的步骤，所述方法包括：接收图像，识别所述图像中的植物以得到所述植物的种类；调用所述植物的种类对应的植物品种识别模型，识别所述植物的具体品种以及开放状态；获取所述图片的拍摄时间和拍摄位置，根据所述拍摄时间和所述开放状态确定所述植物的花期；在花期播报地图上标记所述拍摄位置为所述植物的观赏地点，并对应显示所述植物的具体品种以及花期。
基于同一发明构思，本发明还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有指令，当所述指令被执行时，实现植物花期播报方法的步骤，所述方法包括：接收图像，识别所述图像中的植物以得到所述植物的种类；调用所述植物的种类对应的植物品种识别模型，识别所述植物的具体品种以及开放状态；获取所述图片的拍摄时间和拍摄位置，根据所述拍摄时间和所述开放状态确定所述植物的花期；在花期播报地图上标记所述拍摄位置为所述植物的观赏地点，并对应显示所述植物的具体品种以及花期。
与现有技术相比，本发明提供的植物花期播报方法、系统及计算机可读存储介质具有以下优点：
首先接收用户上传的植物图像，识别所述图像中的植物以得到所述植物的种类，然后调用所述植物的种类对应的植物品种识别模型，识别所述植物的具体品种以及开放状态，同时获取所述图片的拍摄时间和拍摄位置，根据所述拍摄时间和所述开放状态确定所述植物的花期，最后在花期播报地图上标记所述拍摄位置为所述植物的观赏地点，并对应显示所述植物的具体品种以及花期。本发明可通过任意用户上传植物图像，并根据用户上传的植物图像确定植物的具体品种、花期以及拍摄地点，从而在花期播报地图中更新展示植物的观赏地点以及具体品种和花期，如此可使所述花期播报地图中及时显示当前时间段内可供观赏的植物的相关信息，从而为用户观赏植物提供准确的参考信息，提高用户的观赏体验。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明一实施例提供的植物花期播报系统的网络环境示意图；
图2是本发明一实施例提供的植物花期播报方法的流程示意图；
图3是本发明一实施例提供的植物花期播报系统的结构示意图。
具体实施方式
以下结合附图和具体实施例对本发明提出的一种植物花期播报方法、系统及计算机可读存储介质作进一步详细说明。根据下面说明，本发明的优点和特征将更清楚。需说明的是，附图均采用非常简化的形式且均使用非精准的比例，仅用以方便、明晰地辅助说明本发明实施例的目的。须知，本说明书所附图式所绘示的结构、比例、大小等，均仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定本发明实施的限定条件，故不具技术上的实质意义，任何结构的修饰、比例关系的改变或大小的调整，在不影响本发明所能产生的功效及所能达成的目的下，均应仍落在本发明所揭示的技术内容能涵盖的范围内。
本申请的发明人深入研究了用于植物花期播报的方法及系统。图1示出了根据本发明实施例的植物花期播报系统的网络环境100的示意图。
植物花期播报系统的网络环境100可以包括移动设备102、远程服务器103、训练设备104和数据库105，它们通过网络106彼此有线或无线地耦接。网络106可以体现为广域网(诸如移动电话网络、公共交换电话网络、卫星网络、互联网等)、局域网(诸如Wi-Fi、Wi-Max、ZigBeeTM、BluetoothTM等)和/或其它形式的联网功能。
移动设备102可以包括移动电话、平板计算机、膝上型计算机、个人数字助理和/或被配置用于捕获、存储和/或传输诸如数字照片之类的图像的其它计算装置。因此，移动设备102可以包括诸如数字相机之类的图像捕获装置和/或可以被配置为从其它装置接收图像。移动设备102可以包括显示器。显示器可以被配置用于向用户101提供一个或多个用户界面，所述用户界面可以包括多个界面元素，用户101可以与界面元素进行交互等。例如，用户101可以使用移动设备102对某一植物进行拍摄并上传或存储图像。移动设备102可以向用户输出有关该植物的类别信息、具体品种和花期等详细介绍等，或者可以向用户展示花期播报地图，以及推送该植物的观赏推荐信息、提示用户向其它用户或好友分享该植物的花期等。
远程服务器103可以被配置为对经由网络106从移动设备102接收的图像等进行分析以确定植物的种类，并识别该植物的具体品种以及开放状态等详细信息。远程服务器103还可以被配置为创建并训练本实施例的植物品种识别模型和物种识别模型。植物品种识别模型和物种识别模型的具体训练过程将在下文结合具体实施例进行描述。
训练设备104可以耦合到网络106以促进植物品种识别模型和物种识别模型的训练。训练设备104可以具有多个CPU和/或GPU以辅助训练植物品种识别模型和物种识别模型。
数据库105可以耦合到网络106并提供远程服务器103进行相关计算所需的数据。例如，数据库105可以包括存储有大量的不同种类的植物的图像的样本库，以及同一种类下的多个品种的植物的图像的样本库。在一个实施例中，以樱花为例，样本库可以包括大量不同位置、不同季节、不同时间天气和不同拍摄角度下的不同品种的樱花的图像样本。在一个实施例中，还可以将用户所拍摄的选定植物照片存储到与该植物种类相对应的样本库中，同时，还可以在数据库中记录与该植物的位置信息、季节信息、时间信息、天气信息和拍摄角度信息中的一个或多个相对应的生理周期信息和形态信息。数据库可以采取本领域中已知的各种数据库技术来实现。远程服务器103可以根据需要访问数据库105以进行相关操作。
应该理解的是，本文的网络环境100仅仅是一个示例。本领域技术人员可以根据需要，增加更多的装置或删减一些装置，并且可以对一些装置的功能和配置进行修改。下面，将以樱花的花期播报为例进行描述。
下面结合图2来介绍本发明一实施例提供的一种植物花期播报方法。如图2所示，本发明一实施例提供的植物花期播报方法包括如下步骤：
步骤S101，接收图像，识别所述图像中的植物以得到所述植物的种类。
如前所述，接收的图像可以是用户先前存储的或者是用户实时拍摄的。例如，所述图像可以是用户先前存储在移动设备102中或者是用户使用连接到移动设备102的外置摄像头或移动设备102内置的摄像头进行实时拍摄的。在一个实施例中，用户还可以通过网络实时获取所述图像。
在一个实施例中，可以利用预先训练建立的物种识别模型识别所述图像中的植物以得到所述植物的种类。所述物种识别模型的训练步骤可以包括：步骤a，获取训练样本集，所述训练样本集中的每一样本标注有植物的种类；步骤b，获取测试样本集，所述测试样本集中的每一样本也标注有植物的种类，其中，所述测试样本集不同于所述训练样本集；步骤c，基于所述训练样本集对所述物种识别模型进行训练；步骤d，基于所述测试样本集对所述物种识别模型进行测试；步骤e，在所述测试结果指示所述物种识别模型的识别准确率小于预设准确率时，增加所述训练样本集中的样本数量进行再次训练；以及步骤f，在所述测试结果指示所述物种识别模型的识别准确率大于或等于所述预设准确率时，完成训练。
例如，为每个植物种类获取一定数量的标注有对应信息的图像样本，为每个植物种类准备的图像样本的数量可以相等也可以不等。为每个图像样本标注的对应信息可以包括图像样本中的植物种类(包括学名、别称、植物学分类的类别名称等)。为每个植物种类获取的图像样本可以尽可能包括该种类的植物的不同拍摄角度、不同光照条件、不同天气(例如同一植物在艳阳天和雨天的形态可能不同)、不同月份或季节(例如同一植物在不同月份或季节的形态可能不同)、不同时间(例如同一植物在每天的早晨和夜晚的形态可能不同)、不同生长环境(例如同一植物在室内和室外生长的形态可能不同)、不同地理位置(例如同一植物在不同的地理位置生长的形态可能不同)的图像。在这些情况下，为每个图像样本标注的对应信息还可以包括该图像样本的拍摄角度、光照、天气、季节、时间、生长环境或地理位置等信息。
可以将经过上述标注处理的图像样本划分为用于训练物种识别模型的训练样本集和用于对训练结果进行测试的测试样本集。通常训练样本集内的样本的数量明显大于测试样本集内的样本的数量，例如，测试样本集内的样本的数量可以占总图像样本数量的5％到20％，而相应的训练样本集内的样本的数量可以占总图像样本数量的80％到95％。本领域技术人员应该理解的是，训练样本集和测试样本集内的样本数量可以根据需要来调整。
可以利用训练样本集对物种识别模型进行训练，并利用测试样本集对经过训练的物种识别模型的识别准确率进行测试。若识别准确率不满足要求，则增加训练样本集中的图像样本的数量，并利用更新的训练样本集重新对物种识别模型进行训练，直到经过训练的物种识别模型的识别准确率满足要求为止。若识别准确率满足要求，则训练结束。在一个实施例中，可以基于识别准确率是否小于预设准确率来判断训练是否可以结束。如此，输出准确率满足要求的经过训练的物种识别模型可以用于进行植物种类的识别。
所述物种识别模型为神经网络模型，例如可以是深度卷积神经网络(CNN)或深度残差网络(Resnet)。其中，深度卷积神经网络为深度前馈神经网络，其利用卷积核扫描植物图像，提取出植物图像中待识别的特征，进而对植物待识别的特征进行识别。另外，在对植物图像进行识别的过程中，可以直接将原始植物图像输入深度卷积神经网络模型，而无需对植物图像进行预处理。深度卷积神经网络模型相比于其他的识别模型，具备更高的识别准确率以及识别效率。而深度残差网络模型相比于深度卷积神经网络模型增加了恒等映射层，可以避免随着网络深度(网络中叠层的数量)的增加，卷积神经网络造成的准确率饱和、甚至下降的现象。残差网络模型中恒等映射层的恒等映射函数需要满足：恒等映射函数与残差网络模型的输入之和等于残差网络模型的输出。引入恒等映射以后，残差网络模型对输出的变化更加明显，因此可以大大提高植物生理期识别的识别准确率和识别效率，进而提高植物的识别准确率和识别效率。
步骤S102，调用所述植物的种类对应的植物品种识别模型，识别所述植物的具体品种以及开放状态。
由于观赏植物例如樱花、梅花等存在多种品种，在植物观赏时，用户通常希望了解所观赏植物的具体品种以及花期，从而可选择性的前往喜欢的品种所在的观赏地点进行观赏，因此在进行花期播报时需要向用户展示植物的具体品种。由于上述的物种识别模型仅能识别出植物的种类，无法识别出植物的具体品种，因此，在本发明的一个实施例中，针对不同的植物种类，预先训练了相对应的植物品种识别模型，在步骤S101识别出植物种类之后，再调用该植物种类对应的植物品种识别模型再次进行识别，以识别出所述图像中植物的具体品种，同时还可以识别出植物的开放状态。例如，步骤S101识别出所述植物为樱花，则调用预先训练好的樱花品种识别模型对所述图像进行再次识别，以识别出樱花的具体品种以及开放状态。植物的开放状态可根据花苞状态和整株开花的程度来划分，例如可分为未开、初开、盛开和完结四种状态，举例而言，若植物还没有花苞或仅有少量花苞，则开放状态为未开，当植物有较多花苞或有少数花苞开放，则开放状态为初开，若植物整株开花的比例超过一定阈值(例如80％)，则开放状态为盛开，若植物花朵凋谢的比例超过一定阈值(例如70％)，则开放状态为完结。
各个植物种类对应的植物品种识别模型的训练方式基本相同，在此以樱花为例，对樱花品种识别模型的训练方法进行简单介绍。樱花的品种繁多，例如寒绯樱、河津樱、雨情枝垂、染井吉野樱、大岛樱、雏菊樱等，不同品种的樱花具有其特有的形态特点。在训练樱花品种识别模型时，为每个樱花品种获取一定数量的标注有对应信息的图像样本，为每个樱花准备的图像样本的数量可以相等也可以不等，所标注的信息应包括图像样本中的樱花品种以及开放状态。为每个樱花品种获取的图像样本可以尽可能包括该品种的樱花的不同拍摄角度、不同光照条件、不同天气(例如同一植物在艳阳天和雨天的形态可能不同)、不同月份或季节(例如同一植物在不同月份或季节的形态可能不同)、不同时间(例如同一植物在每天的早晨和夜晚的形态可能不同)、不同生长环境(例如同一植物在室内和室外生长的形态可能不同)、不同地理位置(例如同一植物在不同的地理位置生长的形态可能不同)的图像。在这些情况下，为每个图像样本标注的对应信息还可以包括该图像样本的拍摄角度、光照、天气、季节、时间、生长环境或地理位置等信息。
所述樱花品种识别模型也是基于神经网络的模型，例如是深度卷积神经网络(CNN)或深度残差网络(Resnet)。在获取到樱花图像样本后，所述樱花品种识别模型可按照如上所述的物种识别模型的训练过程进行训练，在此不做赘述。
上述的植物品种识别模型可同时识别出植物的具体品种以及开放状态。在本发明的其它实施例中，也可以同时设置单独的植物品种识别模型和开放状态识别模型，其中，单独的植物品种识别模型仅用于识别出植物的具体品种，开放状态识别模型则用于识别出植物的开放状态，可以理解的是，通过设置单独的植物品种识别模型和开放状态识别模型可以提高品种识别以及开放状态识别的准确性。在利用所述开放状态识别模型对图像中植物的开放状态进行识别时，还可以结合图像的拍摄位置以及拍摄时间信息对识别结果进行二次确认，例如，当所述开放状态识别模型识别出某一图像中的植物的开放状态为盛开时，同时结合该图像的拍摄位置和拍摄时间若能够预测此拍摄位置处的相同品种植物在此拍摄时间内的开放状态应当为盛开，则可确认所述开放状态识别模型的识别结果是准确的，否则可认为所述开放状态识别模型的识别结果可能有误，如此可重新对该图像中植物的开放状态进行再次识别或直接进行人工识别，也可以进一步对所述开放状态识别模型进行再次训练直至所述开放状态识别模型的识别准确率满足要求。可见，通过拍摄位置和拍摄时间的二次确认可以保证所述开放状态识别模型的识别结果的准确性。
步骤S103，获取所述图像的拍摄时间和拍摄位置，根据所述拍摄时间、所述开放状态确定所述植物的花期。
所述图像的拍摄时间和拍摄位置属于图像的属性信息，因此，可从所述图像的属性信息中获取所述图像的拍摄时间和拍摄位置。在识别出植物的开放状态后，可根据所述拍摄时间和开放状态确定所述植物的花期。植物的花期可以包括初开的花期和盛开的花期。
以樱花为例，所述图像的拍摄时间为2019年2月20日、拍摄位置为地点A，若开放状态为未开，可根据历史记录的花期信息，预测地点A处的樱花初开和盛开的花期，例如在上一花期，该地点A处的樱花的初开的日期为2018年3月1日、盛开的日期为2018年3月15日，则预测该地点A处的樱花在本花期的初开日期是2019年3月1日、盛开的日期为2019年3月15日；若开放状态为初开，则可将所述拍摄时间作为该地点A处的樱花的初开花期，然后根据初开花期预测该地点A处的樱花的盛开花期；若开放状态为盛开，则将所述拍摄时间作为该地点A处的樱花的盛开花期。
步骤S104，在花期播报地图上标记所述拍摄位置为所述植物的观赏地点，并对应显示所述植物的具体品种以及花期。
本实施例中，所述移动设备102的显示器向用户提供用户界面，在所述用户界面上可显示花期播报地图，所述花期播报地图可用于展示某一特定植物种类例如樱花的各个观赏地点，也可以同时展示多个植物种类例如樱花和桃花等多种植物的各个观赏地点，本实施例对此不做限定。
以单独展示樱花的花期播报地图为例，在步骤S103中已获取了所述图像的拍摄位置，也获取了所述图像中的樱花的花期和具体品种，则可以在所述花期播报地图中标记所述拍摄位置为樱花的观赏地点，同时对应显示樱花的具体品种和花期。例如所述拍摄位置为公园A，则在所述花期播报地图中将公园A以一特定标志标记出来，同时在所述特定标志处显示该樱花的具体品种和花期。如此，用户可从所述花期播报地图中看到所述拍摄位置对应的地点具有可供观赏的樱花，以及了解到此处的樱花的具体品种和花期。
由于本发明实施例提供的植物花期播报方法可通过任意用户上传植物图像，并根据用户上传的植物图像确定出植物的具体品种、花期以及拍摄地点，从而在花期播报地图中更新展示植物的观赏地点以及具体品种和花期，如此可使所述花期播报地图能够及时显示当前时间段内可供观赏的植物的相关信息，从而为用户观赏植物提供准确的参考信息，提高用户的观赏体验。
可选的，为进一步提高用户体验，本实施例的植物花期播报方法还可以包括：当所述植物的开放状态为初开或盛开时，向所述拍摄位置所在区域内的用户推送所述植物的观赏推荐信息。即，若识别出所述植物的开放状态为初开或盛开，表示当前所述植物正处于最佳观赏时间段，此时，所述远程服务器103可向所述拍摄位置所在区域内的其它用户推送所述植物的观赏推荐信息，提示所述拍摄位置所在区域内的其它用户可前往所述拍摄位置处观赏所述植物，例如所述拍摄位置为公园A，则向当前正位于公园A内或者在公园A附近的用户推送所述植物的观赏推荐信息。所述植物的观赏推荐信息包括以下信息中的一个或多个：所述植物的具体品种、花期、观赏地点的地理位置等，当然也可以包含其它信息，本实施例对此不做限定。推送所述观赏推荐信息的方式可通过短信、应用内消息的形式进行推送，也可以是其它形式，本实施例对此亦不做限定。
可选的，当所述植物的开放状态为盛开时，还可以将所述花期播报地图分享给特定区域内的其它用户，其中所述特定区域为与所述图片的拍摄位置在预设距离内的区域。即，所述花期播报地图可以分享给特定区域内(例如距离所述拍摄位置5公里内)的其它用户或好友，用户上传了拍摄的植物图片，根据该植物图片在花期播报地图上标记出所述植物的观赏地点后，所述用户可以选择将该花期播报地图主动分享给其它用户或好友，以便邀请其它用户或好友来此观赏地点观赏所述植物。具体的，可以将所述花期播报地图在应用内分享给其它用户，也可以通过其它社交平台分享给其它用户。在分享时，可以将所述花期播报地图经过处理后以图片的形式进行分享，也可以将所述花期播报地图处理成H5页面的形式进行分享，本实施例对此不做限定。
可选的，用户可点击查看当前时间段内推荐的植物观赏地点，通常来说，植物的观赏地点一般在公园、植物园等景点内，当用户选择某一观赏地点时，所述移动设备102可以响应于用户选择该观赏地点的操作，在所述花期播报地图中显示选定的观赏地点处的所述植物的具体品种和/或景点信息，例如景点介绍、交通信息、人流量、门票以及其它收费信息，以便给用户提供更多关于植物观赏地点的信息。
在一些实施例中，用户希望查看某一区域或全部区域内所述植物的开花情况，所述移动设备102可响应于用户操作，将选定地理区域对应的所述花期播报地图展示给用户，或者，将所有地理区域对应的所述花期播报地图展示给用户。例如，用户选择查看北京地区所述植物的开花情况，则所述移动设备102将北京地区的花期播报地图展示给用户，当用户选择查看在中国全部范围内所述植物的开花情况，则将包含中国所有地区的花期播报地图展示给用户。
另外，本实施例提供的植物花期播报方法，为了标记出所述植物的所有可供观赏的地点，给用户提供全面的观赏信息，还可以将所述花期播报地图与历史记录的上一花期播报地图进行比对，若上一花期播报地图中存在所述花期播报地图未标注的观赏地点，则在所述花期播报地图中标注出该观赏地点，再根据该观赏地点处所述植物的上一花期的时间预估所述植物的当前花期，并在所述花期播报地图中对应显示该观赏地点处所述植物的具体品种以及当前花期。举例而言，当前的所述花期播报地图已标记出三处所述植物的观赏地点，分别为地点A、B、C，而在上一花期的花期播报地图中标注有4处所述植物的观赏地点，分别为地点A、B、C、D，通过将这两个花期播报地图进行比对，发现地点D未被标注出来，而地点D在上一花期被标注出来，表示地点D存在所述植物(因为当前花期还没有用户在地点D拍摄植物图片并上传，导致当前花期无法在所述花期播报地图中标注出地点D)，因此，在当前花期的花期播报地图中将地点D也标注为观赏地点，同时获取上一花期地点D处所述植物的具体品种以及花期的具体时间，根据上一花期的时间来预估当前花期的时间，从而在当前花期的播报地图中对应显示地点D处植物的具体品种以及当前花期。如此，可利用历史记录的花期信息对当前花期的所述花期播报地图中的观赏地点进行更新，以弥补通过用户上传植物图像来标记观赏地点的不足。
可选的，还可以在所述花期播报地图上的观赏地点处显示目标图片的缩小图标，其中所述目标图片为在所述观赏地点处拍摄的所述植物的开放状态最好的图片。具体的，可以将最近拍摄的(例如24小时内)所述植物的开放状态最好的图片作为对应观赏地点处的缩小图标。开放状态最好的图片，例如可以选择整株开花的比例超过80％的图片，也可以选择花朵占据图片面积最多的图片，还可以是通过上述的开放状态识别模型识别出的开放状态最好的图片。
在其它实施例中，也可以将接收到的在同一观赏地点处拍摄的所述植物的图像组成图片集，所示图片集中的图片可以为同一用户拍摄的、也可以包含其它用户拍摄的，其中的各个图片可以按照拍摄时间和开放状态进行综合排序。当用户选择查看所述图片集(例如点击上述的缩小图标)时，将所述图片集展示给用户，以便用户查看所述观赏地点处所述植物的开花情况。
基于同一发明构思，本发明还提供了一种植物花期播报系统。如图3所示，植物花期播报系统200可以包括处理器210和存储器220，存储器220上存储有指令，当指令被处理器210执行时，可以实现如上文所描述的植物花期播报方法中的步骤。
其中，处理器210可以根据存储在存储器220中的指令执行各种动作和处理。具体地，处理器210可以是一种集成电路芯片，具有信号的处理能力。上述处理器可以是通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中公开的各种方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，可以是X86架构或者是ARM架构等。
存储器220存储有可执行指令，该指令在被处理器210执行上文所述的植物花期播报方法。存储器220可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。非易失性存储器可以是只读存储器(ROM)、可编程只读存储器(PROM)、可擦除可编程只读存储器(EPROM)、电可擦除可编程只读存储器(EEPROM)或闪存。易失性存储器可以是随机存取存储器(RAM)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的RAM可用，例如静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、同步动态随机存取存储器(SDRAM)、双倍数据速率同步动态随机存取存储器(DDRSDRAM)、增强型同步动态随机存取存储器(ESDRAM)、同步连接动态随机存取存储器(SLDRAM)和直接内存总线随机存取存储器(DR RAM)。应注意，本文描述的方法的存储器旨在包括但不限于这些和任意其它适合类型的存储器。
基于同一发明构思，本发明还提供了一种计算机可读存储介质，计算机可读存储介质上存储有指令，当指令被执行时，可以实现上文所描述的植物花期播报方法中的步骤。
类似地，本发明实施例中的计算机可读存储介质可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。应注意，本文描述的计算机可读存储介质旨在包括但不限于这些和任意其它适合类型的存储器。
需要说明的是，附图中的流程图和框图，图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，所述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
一般而言，本发明的各种示例实施例可以在硬件或专用电路、软件、固件、逻辑，或其任何组合中实施。某些方面可以在硬件中实施，而其他方面可以在可以由控制器、微处理器或其他计算设备执行的固件或软件中实施。当本发明的实施例的各方面被图示或描述为框图、流程图或使用某些其他图形表示时，将理解此处描述的方框、装置、系统、技术或方法可以作为非限制性的示例在硬件、软件、固件、专用电路或逻辑、通用硬件或控制器或其他计算设备，或其某些组合中实施。
需要说明的是，本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统、计算机可读存储介质而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
上述描述仅是对本发明较佳实施例的描述，并非对本发明范围的任何限定，本发明领域的普通技术人员根据上述揭示内容做的任何变更、修饰，均属于权利要求书的保护范围。
Claims (14)
1.一种植物花期播报方法，其特征在于，包括：
接收图像，识别所述图像中的植物以得到所述植物的种类；
调用所述植物的种类对应的植物品种识别模型，识别所述植物的具体品种以及开放状态；
获取所述图片的拍摄时间和拍摄位置，根据所述拍摄时间和所述开放状态确定所述植物的花期；
在花期播报地图上标记所述拍摄位置为所述植物的观赏地点，并对应显示所述植物的具体品种以及花期。
2.如权利要求1所述的植物花期播报方法，其特征在于，识别所述图像中的植物以得到所述植物的种类，包括：
利用预先训练建立的物种识别模型识别所述图像中的植物以得到所述植物的种类，所述物种识别模型为神经网络模型。
3.如权利要求1所述的植物花期播报方法，其特征在于，所述植物品种识别模型为神经网络模型。
4.如权利要求1所述的植物花期播报方法，其特征在于，所述开放状态包括：未开、初开、盛开和完结。
5.如权利要求4所述的植物花期播报方法，其特征在于，还包括：
当所述植物的开放状态为初开或盛开时，向所述拍摄位置所在区域内的用户推送所述植物的观赏推荐信息。
6.如权利要求5所述的植物花期播报方法，其特征在于，所述植物的观赏推荐信息包括以下信息中的一个或多个：所述植物的具体品种、花期、观赏地点的地理位置。
7.如权利要求4所述的植物花期播报方法，其特征在于，还包括：
当所述植物的开放状态为盛开时，将所述花期播报地图分享给特定区域内的其它用户，其中所述特定区域为与所述图片的拍摄位置在预设距离内的区域。
8.如权利要求1所述的植物花期播报方法，其特征在于，还包括：
响应于用户操作，将选定地理区域对应的所述花期播报地图展示给用户，或者，将所有地理区域对应的所述花期播报地图展示给用户。
9.如权利要求1所述的植物花期播报方法，其特征在于，还包括：
响应于用户选择一观赏地点的操作，在所述花期播报地图中显示选定的观赏地点处的所述植物的具体品种和/或景点信息。
10.如权利要求1所述的植物花期播报方法，其特征在于，还包括：
将所述花期播报地图与历史记录的上一花期播报地图进行比对，若上一花期播报地图中存在所述花期播报地图未标注的观赏地点，则在所述花期播报地图中标注出该观赏地点，再根据该观赏地点处所述植物的上一花期的时间预估所述植物的当前花期，并在所述花期播报地图中对应显示该观赏地点处所述植物的具体品种以及当前花期。
11.如权利要求1所述的植物花期播报方法，其特征在于，还包括：
在所述花期播报地图上的观赏地点处显示目标图片的缩小图标，其中所述目标图片为在所述观赏地点处拍摄的所述植物的开放状态最好的图片。
12.如权利要求1所述的植物花期播报方法，其特征在于，还包括：
将接收到的在所述观赏地点处拍摄的所述植物的图像组成图片集，其中各个图片按照拍摄时间和开放状态进行排序；
响应于用户操作，将所述图片集展示给用户。
13.一种植物花期播报系统，其特征在于，所述系统包括处理器和存储器，所述存储器上存储有指令，当所述指令被所述处理器执行时，实现如权利要求1至12中任一项所述的方法的步骤。
14.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有指令，当所述指令被执行时，实现如权利要求1至12中任一项所述的方法的步骤。
Priority Applications (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010093209.2A CN111291689B (zh) | 2020-02-14 | 2020-02-14 | 植物花期播报方法、系统及计算机可读存储介质 |
| US17/629,413 US12026964B2 (en) | 2020-02-14 | 2021-02-02 | Plant blooming period broadcast method and system, and computer-readable storage medium |
| PCT/CN2021/074752 WO2021159990A1 (zh) | 2020-02-14 | 2021-02-02 | 植物花期播报方法、系统及计算机可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010093209.2A CN111291689B (zh) | 2020-02-14 | 2020-02-14 | 植物花期播报方法、系统及计算机可读存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111291689A true CN111291689A (zh) | 2020-06-16 |
| CN111291689B CN111291689B (zh) | 2024-02-27 |
Family
ID=71029241
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010093209.2A Active CN111291689B (zh) | 2020-02-14 | 2020-02-14 | 植物花期播报方法、系统及计算机可读存储介质 |
Country Status (3)
| Country | Link |
|---|---|
| US (1) | US12026964B2 (zh) |
| CN (1) | CN111291689B (zh) |
| WO (1) | WO2021159990A1 (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111931070A (zh) * | 2020-09-29 | 2020-11-13 | 江西省气象信息中心(江西省气象培训中心、江西省农村经济信息中心) | 旅游目的地推荐方法、装置、可读存储介质及计算机设备 |
| WO2021159990A1 (zh) * | 2020-02-14 | 2021-08-19 | 杭州睿琪软件有限公司 | 植物花期播报方法、系统及计算机可读存储介质 |
| CN113556473A (zh) * | 2021-09-23 | 2021-10-26 | 深圳市天和荣科技有限公司 | 花朵开花过程的拍摄方法、装置、电子设备及存储介质 |
| CN113837707A (zh) * | 2020-06-08 | 2021-12-24 | 杭州睿琪软件有限公司 | 辅助用户进行植物养护的方法和计算机系统 |
| CN114707585A (zh) * | 2022-03-22 | 2022-07-05 | 杭州睿胜软件有限公司 | 过敏物种播报方法、系统及可读存储介质 |
| WO2023071869A1 (zh) * | 2021-11-01 | 2023-05-04 | 杭州睿胜软件有限公司 | 植物推荐方法、可读存储介质和电子设备 |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116050586B (zh) * | 2022-12-21 | 2023-09-05 | 浙江甲骨文超级码科技股份有限公司 | 一种空间气象协同草莓农业一体化种植系统及方法 |
Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2008070557A (ja) * | 2006-09-13 | 2008-03-27 | Clarion Co Ltd | ランドマーク表示方法、ナビゲーション装置、車載装置及びナビゲーションシステム |
| CN102997907A (zh) * | 2011-09-08 | 2013-03-27 | 昆达电脑科技(昆山)有限公司 | 主动显示大自然讯息的方法及个人导航装置 |
| CN104318240A (zh) * | 2014-07-18 | 2015-01-28 | 天津理工大学 | 一种基于计算机视觉的花蕾判别方法 |
| CN105022789A (zh) * | 2015-06-23 | 2015-11-04 | 中国科学院昆明植物研究所 | 一种基于地理位置和特征图像的植物物种鉴定方法及系统 |
| US20180012167A1 (en) * | 2016-07-05 | 2018-01-11 | Sostena, Inc. | System and Method for Crop Management |
| CN108647652A (zh) * | 2018-05-14 | 2018-10-12 | 北京工业大学 | 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 |
| CN109146703A (zh) * | 2018-08-09 | 2019-01-04 | 成都天地量子科技有限公司 | 一种农田作物种类实时标记系统 |
| CN109147933A (zh) * | 2017-06-26 | 2019-01-04 | 国际商业机器公司 | 认知植物临床 |
| CN109447150A (zh) * | 2018-10-26 | 2019-03-08 | 杭州睿琪软件有限公司 | 一种植物观赏方法、装置、电子设备和存储介质 |
| CN109544505A (zh) * | 2018-10-16 | 2019-03-29 | 江苏省无线电科学研究所有限公司 | 咖啡开花期的检测方法、装置及电子设备 |
| CN109815846A (zh) * | 2018-12-29 | 2019-05-28 | 腾讯科技（深圳）有限公司 | 图像处理方法、装置、存储介质和电子装置 |
| CN110363146A (zh) * | 2019-07-16 | 2019-10-22 | 杭州睿琪软件有限公司 | 一种物体识别方法、装置、电子设备和存储介质 |
| CN110555416A (zh) * | 2019-09-06 | 2019-12-10 | 杭州睿琪软件有限公司 | 一种植物识别方法及装置 |
| WO2019237200A1 (en) * | 2018-06-12 | 2019-12-19 | Paige Growth Technologies Inc. | Precision agriculture system and related methods |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110378303B (zh) * | 2019-07-25 | 2021-07-09 | 杭州睿琪软件有限公司 | 用于对象识别的方法及系统 |
| CN111291689B (zh) * | 2020-02-14 | 2024-02-27 | 杭州睿琪软件有限公司 | 植物花期播报方法、系统及计算机可读存储介质 |
-
2020
- 2020-02-14 CN CN202010093209.2A patent/CN111291689B/zh active Active
-
2021
- 2021-02-02 WO PCT/CN2021/074752 patent/WO2021159990A1/zh active Application Filing
- 2021-02-02 US US17/629,413 patent/US12026964B2/en active Active
Patent Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2008070557A (ja) * | 2006-09-13 | 2008-03-27 | Clarion Co Ltd | ランドマーク表示方法、ナビゲーション装置、車載装置及びナビゲーションシステム |
| CN102997907A (zh) * | 2011-09-08 | 2013-03-27 | 昆达电脑科技(昆山)有限公司 | 主动显示大自然讯息的方法及个人导航装置 |
| CN104318240A (zh) * | 2014-07-18 | 2015-01-28 | 天津理工大学 | 一种基于计算机视觉的花蕾判别方法 |
| CN105022789A (zh) * | 2015-06-23 | 2015-11-04 | 中国科学院昆明植物研究所 | 一种基于地理位置和特征图像的植物物种鉴定方法及系统 |
| US20180012167A1 (en) * | 2016-07-05 | 2018-01-11 | Sostena, Inc. | System and Method for Crop Management |
| CN109147933A (zh) * | 2017-06-26 | 2019-01-04 | 国际商业机器公司 | 认知植物临床 |
| CN108647652A (zh) * | 2018-05-14 | 2018-10-12 | 北京工业大学 | 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 |
| WO2019237200A1 (en) * | 2018-06-12 | 2019-12-19 | Paige Growth Technologies Inc. | Precision agriculture system and related methods |
| CN109146703A (zh) * | 2018-08-09 | 2019-01-04 | 成都天地量子科技有限公司 | 一种农田作物种类实时标记系统 |
| CN109544505A (zh) * | 2018-10-16 | 2019-03-29 | 江苏省无线电科学研究所有限公司 | 咖啡开花期的检测方法、装置及电子设备 |
| CN109447150A (zh) * | 2018-10-26 | 2019-03-08 | 杭州睿琪软件有限公司 | 一种植物观赏方法、装置、电子设备和存储介质 |
| CN109815846A (zh) * | 2018-12-29 | 2019-05-28 | 腾讯科技（深圳）有限公司 | 图像处理方法、装置、存储介质和电子装置 |
| CN110363146A (zh) * | 2019-07-16 | 2019-10-22 | 杭州睿琪软件有限公司 | 一种物体识别方法、装置、电子设备和存储介质 |
| CN110555416A (zh) * | 2019-09-06 | 2019-12-10 | 杭州睿琪软件有限公司 | 一种植物识别方法及装置 |
Non-Patent Citations (2)
| Title |
|---|
| L.G. ALBRIGO ET AL.: "《flowering expert system development for a phenology based citrus decision support system》", 《ISHS》, 31 December 2001 (2001-12-31) * |
| 杜磊: "《禹都公园南区观赏植物全景地图的设计与实现》", 《产业与科技论坛》, 31 December 2019 (2019-12-31) * |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2021159990A1 (zh) * | 2020-02-14 | 2021-08-19 | 杭州睿琪软件有限公司 | 植物花期播报方法、系统及计算机可读存储介质 |
| US20220358772A1 (en) * | 2020-02-14 | 2022-11-10 | Hangzhou Glority Software Limited | Plant blooming period broadcast method and system, and computer-readable storage medium |
| US12026964B2 (en) * | 2020-02-14 | 2024-07-02 | Hangzhou Glority Software Limited | Plant blooming period broadcast method and system, and computer-readable storage medium |
| CN113837707A (zh) * | 2020-06-08 | 2021-12-24 | 杭州睿琪软件有限公司 | 辅助用户进行植物养护的方法和计算机系统 |
| CN113837707B (zh) * | 2020-06-08 | 2024-04-09 | 杭州睿琪软件有限公司 | 辅助用户进行植物养护的方法和计算机系统 |
| CN111931070A (zh) * | 2020-09-29 | 2020-11-13 | 江西省气象信息中心(江西省气象培训中心、江西省农村经济信息中心) | 旅游目的地推荐方法、装置、可读存储介质及计算机设备 |
| CN113556473A (zh) * | 2021-09-23 | 2021-10-26 | 深圳市天和荣科技有限公司 | 花朵开花过程的拍摄方法、装置、电子设备及存储介质 |
| CN113556473B (zh) * | 2021-09-23 | 2022-02-08 | 深圳市天和荣科技有限公司 | 花朵开花过程的拍摄方法、装置、电子设备及存储介质 |
| WO2023071869A1 (zh) * | 2021-11-01 | 2023-05-04 | 杭州睿胜软件有限公司 | 植物推荐方法、可读存储介质和电子设备 |
| CN114707585A (zh) * | 2022-03-22 | 2022-07-05 | 杭州睿胜软件有限公司 | 过敏物种播报方法、系统及可读存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111291689B (zh) | 2024-02-27 |
| US20220358772A1 (en) | 2022-11-10 |
| WO2021159990A1 (zh) | 2021-08-19 |
| US12026964B2 (en) | 2024-07-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111291689B (zh) | 植物花期播报方法、系统及计算机可读存储介质 | |
| US11403846B2 (en) | Crop boundary detection in images | |
| US20240028623A1 (en) | Systems and methods for utilizing property features from images | |
| CN110378303B (zh) | 用于对象识别的方法及系统 | |
| CN110555416B (zh) | 一种植物识别方法及装置 | |
| CN109447150A (zh) | 一种植物观赏方法、装置、电子设备和存储介质 | |
| CN113627216A (zh) | 植物状态评估方法、系统及计算机可读存储介质 | |
| WO2023098463A1 (zh) | 植物识别方法、植物识别设备和植物识别系统 | |
| CN110490086B (zh) | 一种用于对象识别结果二次确认的方法及系统 | |
| Kim et al. | Estimating fractional green vegetation cover of Mongolian grasslands using digital camera images and MODIS satellite vegetation indices | |
| ES2377303A1 (es) | Método y sistema para recomendar fotografías. | |
| US20230042208A1 (en) | Object identification method, apparatus and device | |
| WO2022262585A1 (zh) | 植物图片识别方法、可读存储介质及电子设备 | |
| Caccetta et al. | Monitoring land surface and cover in urban and peri-urban environments using digital aerial photography | |
| WO2024120288A1 (zh) | 植物养护方法、系统及可读存储介质 | |
| JP6863159B2 (ja) | データベース構築方法、およびデータベース構築プログラム | |
| WO2023179317A1 (zh) | 过敏物种播报方法、系统及可读存储介质 | |
| CN106709922B (zh) | 基于图像的牧草覆盖度和生物量自动检测方法 | |
| WO2023093480A1 (zh) | 物种游览方法、游览系统及可读存储介质 | |
| CN109862276B (zh) | 一种信息处理方法及装置 | |
| WO2023087663A1 (zh) | 拍照方法、电子设备以及计算机可读存储介质 | |
| WO2020211003A1 (zh) | 图像处理方法、计算机可读存储介质和计算机设备 | |
| CN109472204B (zh) | 一种运动路线的展示方法、装置及计算机可读存储介质 | |
| WO2023210190A1 (ja) | 情報処理装置、情報処理方法、プログラム及び記録媒体 | |
| CN116150421B (zh) | 图像的展示方法、装置、计算机设备和存储介质 |
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 |