CN111553804A - 一种农作物生长周期识别方法 - Google Patents

一种农作物生长周期识别方法 Download PDF

Info

Publication number
CN111553804A
CN111553804A CN202010344484.7A CN202010344484A CN111553804A CN 111553804 A CN111553804 A CN 111553804A CN 202010344484 A CN202010344484 A CN 202010344484A CN 111553804 A CN111553804 A CN 111553804A
Authority
CN
China
Prior art keywords
user terminal
crop
growth cycle
image
stage
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.)
Withdrawn
Application number
CN202010344484.7A
Other languages
English (en)
Inventor
刘明高
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.)
Wuxi Xuelang Shuzhi Technology Co ltd
Original Assignee
Wuxi Xuelang Shuzhi Technology Co ltd
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 Wuxi Xuelang Shuzhi Technology Co ltd filed Critical Wuxi Xuelang Shuzhi Technology Co ltd
Priority to CN202010344484.7A priority Critical patent/CN111553804A/zh
Publication of CN111553804A publication Critical patent/CN111553804A/zh
Withdrawn legal-status Critical Current

Links

Images

Classifications

    • 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
    • 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
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/188—Vegetation

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Computational Linguistics (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Biophysics (AREA)
  • Mathematical Physics (AREA)
  • Biomedical Technology (AREA)
  • Artificial Intelligence (AREA)
  • Business, Economics & Management (AREA)
  • Animal Husbandry (AREA)
  • Agronomy & Crop Science (AREA)
  • Marine Sciences & Fisheries (AREA)
  • Mining & Mineral Resources (AREA)
  • Multimedia (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种农作物生长周期识别方法，涉及智慧农业领域，该方法包括：用户终端获取农作物图像；当用户终端处于离线状态时，用户终端自动识别农作物图像，得到农作物的生长周期，执行用户终端展示农作物生长周期的识别结果的步骤；当用户终端处于在线状态时，用户终端将农作物图像上传至云端；在云端中建立算法模型；算法模型自动识别农作物的生长周期，将识别结果回传至用户终端；用户终端展示农作物生长周期的识别结果。本申请通过用户终端的离线识别功能进行农作物生长周期的识别，减少了云端的压力，同时还具有在线识别功能，保证了识别的准确度。

Description

一种农作物生长周期识别方法
技术领域
本发明涉及智慧农业领域，尤其是一种农作物生长周期识别方法。
背景技术
通常来说，视觉对图像分类的流程包括，提取图像特征，根据特征进行分类判断，其中传统的图像特征提取方法有SIFT(Scale-Invariant Feature Transform，尺度不变特征变换)、SURF(Speeded-Up Robust Features，加速稳健特征)等方式。上述传统的图像特征提取方法都属于在线预测方式，这样就需要用户在使用产品时具备良好的使用环境，比如网络信号不好的情况下，在线预测就会遇到阻碍。虽然越多的参数会带来越好的分类效果，但是需要很庞大的计算量，从而导致计算端压力过大，极易造成数据冗余，甚至出现计算端崩溃的现象。
发明内容
本发明人针对上述问题及技术需求，提出了一种农作物生长周期识别方法，通过用户终端的离线识别功能进行农作物生长周期的识别，减少了云端的压力，同时还具有在线识别功能，保证了识别的准确度。
本发明的技术方案如下：
一种农作物生长周期识别，包括如下步骤：
用户终端获取农作物图像；
当用户终端处于离线状态时，用户终端自动识别农作物图像，得到农作物的生长周期，执行用户终端展示农作物生长周期的识别结果的步骤；
当用户终端处于在线状态时，用户终端将农作物图像上传至云端；
在云端中建立算法模型；
算法模型自动识别农作物的生长周期，将识别结果回传至用户终端；
用户终端展示农作物生长周期的识别结果。
其进一步的技术方案为，用户终端自动识别农作物图像，包括：
在使用用户终端前，云端将算法模型打包压缩发送至用户终端中，用户终端利用压缩后的算法模型进行农作物图像的识别。
其进一步的技术方案为，方法还包括：
当用户终端处于在线状态时，用户终端将农作物图像上传至专家系统；
在专家系统中，通过专家诊断建立图像数据库，图像数据库包括由专家判断出的农作物生长周期的识别结果；
通过图像数据库对算法模型进行在线训练和更新。
其进一步的技术方案为，在云端中建立算法模型，包括：
提取出农作物图像的图像特征，确定图像特征与农作物生长周期之间的对应关系，根据对应关系通过CNN算法计算出农作物生长周期的概率值，若生长周期的概率值大于预定值，则确定农作物处于该生长周期下；否则，将不确定的生长周期进行标注，在执行通过图像数据库对算法模型进行在线训练和更新的步骤时，同时会优化被标注的生长周期的算法。
其进一步的技术方案为，算法模型中存有的农作物生长周期的种类包括：乳熟期、出苗期、分蘖期、孕穗期、成熟期、拔节期、播种期和蜡熟期。
本发明的有益技术效果是：
本申请针对用户终端可能存在网络状况差的情况，提出了用户终端离线预测农作物生长周期，通过预先将云端的算法模型打包压缩至用户终端，使得用户终端能够自动识别农作物图像，本申请的用户终端拥有每秒28帧的处理速度，能够有85％的准确率，这极大的减少了云端的压力；当网络状态良好时，还可以将农作物图像上传至云端进行在线预测，同时专家系统也会接收到农作物图像进行判别，并将判别结果存储在图像数据库中，利用图像数据库对算法模型进行在线训练和更新，保证了算法模型中数据的准确度，准确率高达98％，更新意味着会删除不正确的数据，因此算法模型也不会有冗余数据，分析农作物图像的过程用时较短，同时训练更新后的算法模型也会打包压缩至用户终端，提升了用户终端的识别准确度。
附图说明
图1是本申请提供的农作物生长周期识别方法的流程图。
具体实施方式
下面结合附图对本发明的具体实施方式做进一步说明。
本申请提供了一种农作物生长周期识别方法，其流程图如图1所示，该方法包括如下步骤：
步骤1：用户终端获取农作物图像。
用户终端包括手机、iPad等其他可以拍摄照片的智能设备，或者通过摄像头拍摄农作物图像后转存至用户终端，本申请对用户终端不进行限定。
拍摄农作物图像包括拍摄农作物的叶片、根茎等区域，本申请对拍摄的具体位置也不进行限定。
步骤2：当用户终端处于离线状态时，用户终端自动识别农作物图像，得到农作物的生长周期，执行用户终端展示农作物生长周期的识别结果的步骤。
在使用用户终端前，云端将算法模型打包压缩发送至用户终端中，用户终端利用压缩后的算法模型进行农作物图像的识别。本申请的用户终端拥有每秒28帧的处理速度，能够有85％的准确率，这极大的减少了云端的压力。
步骤3：当用户终端处于在线状态时，用户终端将农作物图像上传至云端和专家系统。
在本申请中，当网络状况良好时，用户可以自主选择离线预测或在线预测，或者为了保证识别精度，可以在进行完离线预测后再次进行在线预测，本申请对此不进行限定。
步骤4：在云端中建立算法模型。
包括：提取出农作物图像的图像特征，确定图像特征与农作物生长周期之间的对应关系，其中算法模型中存有的农作物生长周期的种类包括：乳熟期、出苗期、分蘖期、孕穗期、成熟期、拔节期、播种期和蜡熟期。根据对应关系通过CNN(Convolutional NeuralNetworks，卷积神经网络)算法计算出农作物生长周期的概率值，若生长周期的概率值大于预定值，则确定农作物处于该生长周期下。否则，将不确定的生长周期进行标注，在执行通过图像数据库对算法模型进行在线训练和更新的步骤时，同时会优化被标注的生长周期的算法。
本申请的预定值是经过实验统计得到的，优选预定值为0.75。
步骤5：在专家系统中，通过专家诊断建立图像数据库，图像数据库包括由专家判断出的农作物生长周期的识别结果；
步骤6：通过图像数据库对算法模型进行在线训练和更新。
传统的视觉收集特征的方法中容易包含不属于农作物生长周期的特征，这些特征会干扰生长周期的预测，与传统的视觉收集特征的方法相比，本申请进行在线训练和更新保证了算法模型中数据的准确度，准确率高达98％，更新意味着会删除不正确的数据，因此算法模型也不会有冗余数据，分析农作物图像的过程用时较短，同时训练更新后的算法模型也会打包压缩至用户终端，提升了用户终端的识别准确度。
步骤7：算法模型自动识别农作物的生长周期，将识别结果回传至用户终端。
步骤8：用户终端展示农作物生长周期的识别结果。
用户根据农作物生长周期的识别结果可以进行相应的农事行为，保证农作物在相应生长周期下能够健康成长，即使没有农事经验的人也可以利用本申请的方法培育农作物，本申请还可以根据不同性能的用户终端搭配不同性能的神经网络，有效提升了用户终端算法的准确率。
以上所述的仅是本申请的优选实施方式，本发明不限于以上实施例。可以理解，本领域技术人员在不脱离本发明的精神和构思的前提下直接导出或联想到的其他改进和变化，均应认为包含在本发明的保护范围之内。

Claims (5)

1.一种农作物生长周期识别方法，其特征在于，所述方法包括：
用户终端获取农作物图像；
当所述用户终端处于离线状态时，所述用户终端自动识别所述农作物图像，得到农作物的生长周期，执行所述用户终端展示农作物生长周期的识别结果的步骤；
当所述用户终端处于在线状态时，所述用户终端将所述农作物图像上传至云端；
在所述云端中建立算法模型；
所述算法模型自动识别农作物的生长周期，将识别结果回传至所述用户终端；
所述用户终端展示农作物生长周期的识别结果。
2.根据权利要求1所述的农作物生长周期识别方法，其特征在于，所述用户终端自动识别所述农作物图像，包括：
在使用所述用户终端前，所述云端将所述算法模型打包压缩发送至所述用户终端中，所述用户终端利用压缩后的算法模型进行所述农作物图像的识别。
3.根据权利要求1所述的农作物生长周期识别方法，其特征在于，所述方法还包括：
当所述用户终端处于在线状态时，所述用户终端将所述农作物图像上传至专家系统；
在所述专家系统中，通过专家诊断建立图像数据库，所述图像数据库包括由专家判断出的所述农作物生长周期的识别结果；
通过所述图像数据库对所述算法模型进行在线训练和更新。
4.根据权利要求3所述的农作物生长周期识别方法，其特征在于，所述在所述云端中建立算法模型，包括：
提取出所述农作物图像的图像特征，确定所述图像特征与农作物生长周期之间的对应关系，根据所述对应关系通过CNN算法计算出农作物生长周期的概率值，若生长周期的概率值大于预定值，则确定农作物处于该生长周期下；否则，将不确定的生长周期进行标注，在执行所述通过所述图像数据库对所述算法模型进行在线训练和更新的步骤时，同时会优化被标注的生长周期的算法。
5.根据权利要求1-4任一所述的农作物生长周期识别方法，其特征在于，所述算法模型中存有的所述农作物生长周期的种类包括：乳熟期、出苗期、分蘖期、孕穗期、成熟期、拔节期、播种期和蜡熟期。
CN202010344484.7A 2020-04-27 2020-04-27 一种农作物生长周期识别方法 Withdrawn CN111553804A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010344484.7A CN111553804A (zh) 2020-04-27 2020-04-27 一种农作物生长周期识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010344484.7A CN111553804A (zh) 2020-04-27 2020-04-27 一种农作物生长周期识别方法

Publications (1)

Publication Number Publication Date
CN111553804A true CN111553804A (zh) 2020-08-18

Family

ID=72005810

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010344484.7A Withdrawn CN111553804A (zh) 2020-04-27 2020-04-27 一种农作物生长周期识别方法

Country Status (1)

Country Link
CN (1) CN111553804A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116863403A (zh) * 2023-07-11 2023-10-10 仲恺农业工程学院 一种农作物大数据环境监测方法、装置及电子设备

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101980249A (zh) * 2010-11-12 2011-02-23 中国气象局气象探测中心 作物发育及长势自动观测方法及装置
CN103955938A (zh) * 2014-05-15 2014-07-30 安徽农业大学 一种基于移动互联网模式和叶片颜色分析的小麦生长状态诊断方法
CN108181956A (zh) * 2017-12-30 2018-06-19 吉林省斯扶特中草药种植研发实业有限公司 集智能化生产与养生功能于一体的温室大棚的建设方法
CN109344738A (zh) * 2018-09-12 2019-02-15 杭州睿琪软件有限公司 农作物病虫草害识别方法及装置
CN111062699A (zh) * 2019-12-23 2020-04-24 内蒙古自治区生物技术研究院 一种农作物全生长周期智能服务模型的构建方法及系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101980249A (zh) * 2010-11-12 2011-02-23 中国气象局气象探测中心 作物发育及长势自动观测方法及装置
CN103955938A (zh) * 2014-05-15 2014-07-30 安徽农业大学 一种基于移动互联网模式和叶片颜色分析的小麦生长状态诊断方法
CN108181956A (zh) * 2017-12-30 2018-06-19 吉林省斯扶特中草药种植研发实业有限公司 集智能化生产与养生功能于一体的温室大棚的建设方法
CN109344738A (zh) * 2018-09-12 2019-02-15 杭州睿琪软件有限公司 农作物病虫草害识别方法及装置
CN111062699A (zh) * 2019-12-23 2020-04-24 内蒙古自治区生物技术研究院 一种农作物全生长周期智能服务模型的构建方法及系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116863403A (zh) * 2023-07-11 2023-10-10 仲恺农业工程学院 一种农作物大数据环境监测方法、装置及电子设备
CN116863403B (zh) * 2023-07-11 2024-01-02 仲恺农业工程学院 一种农作物大数据环境监测方法、装置及电子设备

Similar Documents

Publication Publication Date Title
CN108109385B (zh) 一种输电线防外破的车辆识别与危险行为判别系统与方法
CN110472557B (zh) 一种番茄生长监控的方法及装置
CN107240049B (zh) 一种沉浸式环境中远程动作教学质量的自动评价方法和系统
CN109871833B (zh) 一种基于深度学习卷积神经网络的农作物成熟度监控方法
Majeed et al. Development and performance evaluation of a machine vision system and an integrated prototype for automated green shoot thinning in vineyards
CN111080537B (zh) 水下机器人智能控制方法、介质、设备及系统
CN111553804A (zh) 一种农作物生长周期识别方法
CN108491807B (zh) 一种奶牛发情行为实时监测方法及系统
CN113627248A (zh) 自动选择识别模型的方法、系统、割草机及存储介质
CN108764076A (zh) 一种用于多臂采摘机器人的猕猴桃果实群多目标识别方法
Wibowo et al. End-to-end coconut harvesting robot
CN110602504A (zh) 一种基于YOLOv2目标检测算法的视频解压缩方法及系统
CN110913207B (zh) 一种基于多任务深度学习的视频传输质量评价方法
CN110287824A (zh) 识别食物的方法及装置
CN111539350A (zh) 一种农作物病虫害智能识别的方法
CN108595596A (zh) 一种图像相似度检索方法
CN110163103B (zh) 一种基于视频图像的生猪行为识别方法和装置
CN113435345A (zh) 生长阶段确定方法、装置、农业系统、设备及存储介质
US20220189329A1 (en) System and method for assisting with the pruning of plants
CN110264544A (zh) 图片处理方法和装置、存储介质及电子装置
Chiatti et al. Surgical fine-tuning for Grape Bunch Segmentation under Visual Domain Shifts
CN114554179B (zh) 基于目标模型的自动拍摄方法、系统、终端及存储介质
Liang et al. Target recognition and detection of Camellia oleifera fruit in natural scene based on Mask-RCNN
CN114325875A (zh) 气象站设备控制方法及设备
CN109492541B (zh) 目标对象类型的确定方法及装置、植保方法、植保系统

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
WW01 Invention patent application withdrawn after publication

Application publication date: 20200818

WW01 Invention patent application withdrawn after publication