CN111642291A - 一种人工智能物联网室内花卉管理系统及方法 - Google Patents

Abstract

本发明提出了一种人工智能物联网室内花卉管理系统及方法，包括中心处理器及分别于所述中心处理器通信连接的图像采集模块、环境监测模块、通信处理模块、浇水控制模块；通信处理模块与云端服务器通信连接，云端服务器包括图像处理模块、关系映射模块；图像处理模块用于采用深度学习算法提取出绿萝叶片特征，判断绿萝是否萎焉，根据环境监测模块获取数据确定是否为缺水萎焉或积水萎焉；判断萎焉程度，根据萎焉程度调整绿萝的预设的浇水周期；关系映射模块用于根据所述根据绿萝调整后的浇水周期更新室内其他种类花卉的浇水周期；浇水控制模块用于控制自动滴灌系统按照更新后的浇水周期定期对各类花卉浇水。本发明可实现花卉的浇水周期的自动调节。

Description

一种人工智能物联网室内花卉管理系统及方法

技术领域

本发明涉及人工智能管理系统，尤其涉及一种人工智能物联网室内花卉管理系统及方法。

背景技术

传统的室内花卉种植主要根据人为主观意识来判断花卉是否需要浇水，比如检查土壤干湿情况确定是否浇水或根据经验按固定周期浇水，但易出现水浇多了或浇少了，花苗积水烂根或缺水干枯萎黄的情况。这些浇水方式已无法适应现代化室内花卉养殖对于各类花卉浇水的精准调控要求，由于各科类花卉生长习性不同，适宜的温度、湿度、光照均不同，将全部花卉按同一个固定的浇水周期浇水又无法满足各类花卉的生长需求；一般花卉在夏季温度较高时需要增加浇水频次、在冬季温度较低时需要减少浇水频次，因此在季节变换或气温变化较大时，需要及时调节各类花卉的浇水周期，以促进花卉健康生长。

发明内容

有鉴于此，本发明提出了一种人工智能物联网室内花卉管理系统及方法，用于解决传统的花卉管理系统中各类花卉的浇水周期不能随环境/季节变化自动调节的问题。

本发明第一方面，公开一种人工智能物联网室内花卉管理系统，包括中心处理器及分别于所述中心处理器通信连接的图像采集模块、环境监测模块、通信处理模块、浇水控制模块，所述通信处理模块与云端服务器通信连接；所述云端服务器包括图像处理模块、关系映射模块；

所述图像采集模块用于实时采集室内绿萝的图像数据；

所述环境监测模块用于实时采集室内土壤温度、土壤湿度和光照数据；

所述中心处理器用于接收所述图像采集模块、环境监测模块采集到的数据并上传至云端服务器；接收云端服务器的处理结果并发送至浇水控制模块；

所述图像处理模块用于获取待测绿萝图像并采用深度学习算法提取出绿萝叶片特征，根据绿萝叶片特征判断绿萝是否萎焉，根据环境监测模块获取的温度、湿度和光照数据确定是否为缺水萎焉或积水萎焉；判断萎焉程度，根据萎焉程度调整绿萝的预设的浇水周期；

所述关系映射模块用于根据各类花卉的生长习性确定耐旱程度，根据预先建立的绿萝与各类花卉的耐旱程度之间的映射关系确定绿萝浇水周期与各类花卉浇水周期之间的映射关系，根据所述根据绿萝调整后的浇水周期更新室内其他种类花卉的浇水周期，将各类花卉的更新后的浇水周期发送至浇水控制模块；

浇水控制模块用于控制自动滴灌系统按照各类花卉更新后的浇水周期定期对各类花卉浇水。

优选的，所述图像处理模块具体包括：

状态判断单元：在按预设周期获取同一拍摄角度下的待测绿萝图像，对相邻两张待测绿萝图像分别进行预处理，所述预处理包括灰度化、二值化处理、通过边缘检测提取出叶片轮廓；通过差分法初步判断待测绿萝图像中是否出现异常，保存时间最接近的正常图像；对于出现异常的待测绿萝图像，分离出一片绿萝顶部叶片；

准备绿萝正常叶片、萎焉叶片、枯黄叶片作为训练集对卷积神经网络进行训练，将分离出的绿萝顶部叶片输入训练好的卷积神经网络，判断叶片是否萎焉；将环境监测模块获取的温度、湿度和光照数据分别与对应的预设阈值比较，当温度、光照均超出对应的预设阈值且湿度小于对应的预设阈值时，判定分离出的绿萝顶部叶片为缺水萎焉；当温度、光照均小于对应的预设阈值且湿度大于对应的预设阈值时，判定分离出的绿萝顶部叶片为积水萎焉；

若分离出的绿萝顶部叶片出现萎焉，计算所述时间最接近的正常图像和出现异常的待测绿萝图像之间的余弦相似度L；

周期调整单元：用于根据图像处理单元的判定结果和所述余弦相似度调整绿萝预设的浇水周期，新的浇水周期T计算公式为：T＝(1-αL)T₀，T₀为绿萝原有的浇水周期，α为调整系数，缺水萎焉时，α>0，积水萎焉时，α<0。

优选的，在所述自动滴灌系统包括铺设在室内的一条主管道及与所述主管道连通的多条细软管，主管道上装有电磁阀和控制柜，细软管通向每一个花盆，在细软管的终端即花盆里装有采用PWM控制的电磁阀滴头；当所述自动滴灌系统接收到新的浇水周期后，浇水控制模块按新的浇水周期启动主管电磁阀开始注水到主管，开启植株花盆里的电磁阀滴头开始滴水，当水量达到植株需求时，自动关闭电磁阀和电磁阀滴头。

本发明第二方面，提出一种人工智能物联网室内花卉管理方法，所述方法包括：

S1、实时采集室内绿萝的图像数据、室内土壤温度、土壤湿度和光照数据；

S2、获取待测绿萝图像并采用深度学习算法提取出绿萝叶片特征，根据绿萝叶片特征判断绿萝是否萎焉，判断萎焉程度；

S3、根据环境监测模块获取的温度、湿度和光照数据确定是否为缺水萎焉或积水萎焉，根据所述萎焉程度调整绿萝的预设的浇水周期；

S4、根据预先建立的绿萝与各类花卉的耐旱程度之间的映射关系确定绿萝浇水周期与各类花卉浇水周期之间的映射关系，根据所述根据绿萝调整后的浇水周期更新室内其他各类花卉的浇水周期；

S5、控制自动滴灌系统按照各类花卉更新后的浇水周期定期对各类花卉浇水。

优选的，所述步骤S2具体为：

在按预设周期获取同一拍摄角度下的待测绿萝图像，对相邻两张待测绿萝图像分别进行预处理，所述预处理包括灰度化、二值化处理、通过边缘检测提取出叶片轮廓；

通过差分法初步判断待测绿萝图像中是否出现异常，保存时间最接近的正常图像；对于出现异常的待测绿萝图像，分离出一片绿萝顶部叶片；

准备绿萝正常叶片、萎焉叶片作为训练集对卷积神经网络进行训练，将分离出的绿萝顶部叶片输入训练好的卷积神经网络，判断叶片是否萎焉；

计算时间最接近的正常图像和出现异常的待测绿萝图像之间的余弦相似度L，根据所述余弦相似度评价萎焉程度；

优选的，所述步骤S3具体为：

当判断出叶片萎焉，将环境监测模块获取的温度、湿度和光照数据分别与对应的预设阈值比较，当温度、光照均超出对应的预设阈值且湿度小于对应的预设阈值时，判定分离出的绿萝顶部叶片为缺水萎焉；当温度、光照均小于对应的预设阈值且湿度大于对应的预设阈值时，判定分离出的绿萝顶部叶片为积水萎焉；

根据所述余弦相似度调整绿萝预设的浇水周期，新的浇水周期T计算公式为：T＝(1-αL)T₀，T₀为绿萝原有的浇水周期，α为调整系数，缺水萎焉时，α>0，积水萎焉时，α<0。

本发明的相对于现有技术具有以下有益效果：

1)通过图像识别技术判断叶片萎焉情况，确定是否缺水，根据萎焉程度调整绿萝浇水周期，防止夏季或环境温度升高时浇水周期过长导致花卉干枯；

2)只需根据绿萝调整后的浇水周期即可调节室内其他种类花卉的浇水周期，实现联动控制，统一管控，简单高效。

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为本发明提供的人工智能物联网室内花卉管理系统结构示意图；

图2为本发明提供的人工智能物联网室内花卉管理方法流程示意图。

具体实施方式

下面将结合本发明实施方式，对本发明实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式仅仅是本发明一部分实施方式，而不是全部的实施方式。基于本发明中的实施方式，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施方式，都属于本发明保护的范围。

如图1所示，本发明提供一种人工智能物联网室内花卉管理系统，包括中心处理器100及分别于所述中心处理器100通信连接的图像采集模块200、环境监测模块300、通信处理模块400、浇水控制模块500、状态提示模块600；所述通信处理模块400采用ESP8266，分别与云端服务器700、远程控制模块800通信连接。

所述图像采集模块200包括高清摄像机，用于实时采集室内绿萝的图像数据。

所述环境监测模块300包括设于绿萝土壤中的温度传感器、设于土壤中的湿度传感器及设于室内的光照传感器，用于实时采集室内土壤温度、土壤湿度和光照数据。

所述中心处理器100采用STM32F103，用于接收所述图像采集模块、环境监测模块采集到的数据并经过通信处理模块400上传至云端服务器700；接收云端服务器700的处理结果并发送至浇水控制模块500或状态提示模块600。

所述云端服务器700包括图像处理模块701、关系映射模块702。

所述图像处理模块701用于获取待测绿萝图像并采用深度学习算法提取出绿萝叶片特征，根据绿萝叶片特征判断绿萝是否萎焉，根据环境监测模块获取的温度、湿度和光照数据确定是否为缺水萎焉或积水萎焉；判断萎焉程度，根据萎焉程度调整绿萝的预设的浇水周期；所述图像处理模块701具体包括：

状态判断单元：在按预设周期获取同一拍摄角度下的待测绿萝图像，对相邻两张待测绿萝图像分别进行预处理，所述预处理包括灰度化、二值化处理、通过边缘检测提取出叶片轮廓；通过差分法初步判断待测绿萝图像中是否出现异常，通过将两张图片之间对应位置的像素值进行差分运算，若差分运算结果超过设定值，说明图像变化较大，初步判定后一张图片相较于前一张图片出现异常；若前一张图片为正常，则保存该图片作为时间最接近的正常图像；对于出现异常的待测绿萝图像，分离出一片绿萝顶部叶片；由于绿萝顶部叶片最能反映绿萝缺水状态，当绿萝缺水时，顶部叶片最先萎焉，冬季积水冻伤时也易萎焉，且顶部叶片为摄像机易清楚拍摄和观测到的部位，因此本发明选取一片绿萝顶部叶片，采用深度学习算法提取其特征，来判断整颗植株的状态。

准备绿萝正常叶片、萎焉叶片、枯黄叶片作为训练集对卷积神经网络进行训练，将分离出的绿萝顶部叶片输入训练好的卷积神经网络，判断叶片是否萎焉；将环境监测模块获取的温度、湿度和光照数据分别与对应的预设阈值比较，当温度、光照均超出各自对应的预设阈值且湿度小于对应的预设阈值时，判定分离出的绿萝顶部叶片为缺水萎焉；当温度、光照均小于对应的预设阈值且湿度大于各自对应的预设阈值时，判定分离出的绿萝顶部叶片为积水萎焉；

若分离出的绿萝顶部叶片出现萎焉，计算所述时间最接近的正常图像和出现异常的待测绿萝图像之间的余弦相似度L；

周期调整单元：用于根据图像处理单元的判定结果和所述余弦相似度调整绿萝预设的浇水周期，新的浇水周期T计算公式为：T＝(1-αL)T₀，T₀为绿萝原有的浇水周期，α为调整系数，根据实验测定，缺水萎焉时，α>0，积水萎焉时，α<0。

本发明通过所述图像处理模块701来观察绿萝的生长状态，绿萝的适宜生长温度为15℃～30℃，喜水喜阴，假设绿萝按设定的浇水周期浇水，当夏季到来，温度、光照均增强，若土壤湿度又小，在高温蒸腾作用下很容易造成缺水萎焉，若出现缺水萎焉，说明当前浇水周期过长，需要缩短浇水周期；当冬季到来，温度、光照均减弱，若浇水过于频繁土壤湿度大，在冬季低温下容易造成土壤结冰，冻伤根系，同样会造成叶片萎焉，本发明中将其定义为积水萎焉，说明此时浇水周期过短，需要延长浇水周期，以便绿萝顺利越冬。在判断绿萝叶片出现萎焉时，计算同一拍摄角度下出现异常的待测绿萝图像及与其时间最接近的正常图片之间的余弦相似度，通过所述余弦相似度衡量该异常图像与其时间最接近的正常图像之间的差异，从而判断萎焉程度，根据萎焉程度来更新绿萝的浇水周期。缺水萎焉时，适当缩短浇水周期，积水萎焉时，适当延长浇水周期。

所述关系映射模块702用于根据预先建立的绿萝与各类花卉的耐旱程度之间的映射关系确定不同季节下绿萝浇水周期与各类花卉浇水周期之间的映射关系，根据所述根据绿萝调整后的浇水周期更新室内其他种类花卉的浇水周期，将各类花卉的更新后的浇水周期发送至浇水控制模块。

由于各类花卉的生长习性不同，现有技术对各类常见花卉的生长习性已经有了充分的了解，耐温耐寒耐寒程度也有相应的知识库或专家经验，因而可以根据各类花卉的生长习性确定耐旱程度，预先建立绿萝与各类花卉的耐旱程度之间的映射关系，根据相应的知识库或专家经验也可以获知在不同季节或黄静霞绿萝及其他花卉的浇水周期，并建立不同季节下绿萝与其他花卉的浇水周期之间的对应关系，根据绿萝更新后的浇水周期更新其他花卉的浇水周期。比如朱顶红，朱顶红喜光怕水涝，浇水过于频繁易烂根，浇水过少易推迟花期或提前凋谢，因此需要根据季节变换及时调整浇水周期，先根据专家经验设定浇水周期，通过观测绿萝的生长状态及室内环境变化来更新绿萝的浇水周期，然后根据绿萝更新后的浇水周期进一步更新朱顶红的浇水周期，以适应环境变化或季节变换。

本发明只需要观测绿萝的萎焉情况结合当前温度、湿度、光照等环境参数就可以实现室内其他一种或多种花卉的浇水联动控制，根据环境变化或及季节变化及时调节各类花卉的浇水周期，简单高效，实用性高，实现室内花卉浇水的长期自动化管理。

浇水控制模块用于控制自动滴灌系统按照各类花卉更新后的浇水周期定期对各类花卉浇水。

所述自动滴灌系统包括铺设在室内的一条主管道及与所述主管道连通的多条细软管，主管道上装有电磁阀和控制柜，细软管通向每一个花盆，在细软管的终端即花盆里装有采用PWM控制的电磁阀滴头；当所述自动滴灌系统接收到新的浇水周期后，浇水控制模块按新的浇水周期启动主管电磁阀开始注水到主管，开启植株花盆里的电磁阀滴头开始滴水，当水量达到植株需求时，自动关闭电磁阀和电磁阀滴头。

所述远程监控模块600用于通过手机、电脑的终端监控室内花卉，从服务器上获取室内图像数据，可以远程控制或人为干预室内花卉管理。

所述状态提示模块800用于更新各类花卉的浇水周期时向远程控制模块发送通知消息，帮助管理人员了解动向。

所述系统还包括功能设置模块900和电源管理模块，所述功能设置模块900用于设置浇水的控制模式，手动浇水模式和自动浇水模式。

请参阅图2，本发明还提出一种人工智能物联网室内花卉管理方法，所述方法包括：

S1、实时采集室内绿萝的图像数据、室内土壤温度、土壤湿度和光照数据；

S2、获取待测绿萝图像并采用深度学习算法提取出绿萝叶片特征，根据绿萝叶片特征判断绿萝是否萎焉，判断萎焉程度；所述步骤S2具体为：

在按预设周期获取同一拍摄角度下的待测绿萝图像，对相邻两张待测绿萝图像分别进行预处理，所述预处理包括灰度化、二值化处理、通过边缘检测提取出叶片轮廓；

通过差分法初步判断待测绿萝图像中是否出现异常，保存时间最接近的正常图像；对于出现异常的待测绿萝图像，分离出一片绿萝顶部叶片；

准备绿萝正常叶片、萎焉叶片作为训练集对卷积神经网络进行训练，将分离出的绿萝顶部叶片输入训练好的卷积神经网络，判断叶片是否萎焉；

计算时间最接近的正常图像和出现异常的待测绿萝图像之间的余弦相似度L，根据所述余弦相似度评价萎焉程度。

S3、根据环境监测模块获取的温度、湿度和光照数据确定是否为缺水萎焉或积水萎焉，根据所述萎焉程度调整绿萝的预设的浇水周期；所述步骤S3具体为：

当判断出叶片萎焉，将环境监测模块获取的温度、湿度和光照数据分别与对应的预设阈值比较，当温度、光照均超出对应的预设阈值且湿度小于对应的预设阈值时，判定分离出的绿萝顶部叶片为缺水萎焉；当温度、光照均小于对应的预设阈值且湿度大于对应的预设阈值时，判定分离出的绿萝顶部叶片为积水萎焉；

根据所述余弦相似度调整绿萝预设的浇水周期，新的浇水周期T计算公式为：T＝(1-αL)T₀，T₀为绿萝原有的浇水周期，α为调整系数，缺水萎焉时，α>0，积水萎焉时，α<0。

S4、根据预先建立的绿萝与各类花卉的耐旱程度之间的映射关系确定绿萝浇水周期与各类花卉浇水周期之间的映射关系，根据所述根据绿萝调整后的浇水周期更新室内其他种类花卉的浇水周期；

S5、控制自动滴灌系统按照各类花卉更新后的浇水周期定期对各类花卉浇水。

以上所述仅为本发明的较佳实施方式而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种人工智能物联网室内花卉管理系统，包括中心处理器及分别于所述中心处理器通信连接的图像采集模块、环境监测模块、通信处理模块，其特征在于，所述系统包括与所述中心处理器通信连接的浇水控制模块；所述通信处理模块与云端服务器通信连接，所述云端服务器包括图像处理模块、关系映射模块；

所述图像采集模块用于实时采集室内绿萝的图像数据；

所述环境监测模块用于实时采集室内土壤温度、土壤湿度和光照数据；

所述中心处理器用于接收所述图像采集模块、环境监测模块采集到的数据并经过通信处理模块上传至云端服务器；接收云端服务器的处理结果并发送至浇水控制模块；

所述图像处理模块用于获取待测绿萝图像并采用深度学习算法提取出绿萝叶片特征，根据绿萝叶片特征判断绿萝是否萎焉，根据环境监测模块获取的温度、湿度和光照数据确定是否为缺水萎焉或积水萎焉；判断萎焉程度，根据萎焉程度调整绿萝的预设的浇水周期；

所述关系映射模块用于预先建立的绿萝与各类花卉的耐旱程度之间的映射关系确定不同季节下绿萝浇水周期与各类花卉浇水周期之间的映射关系，根据所述根据绿萝调整后的浇水周期更新室内其他种类花卉的浇水周期，将各类花卉的更新后的浇水周期发送至浇水控制模块；

浇水控制模块用于控制自动滴灌系统按照各类花卉更新后的浇水周期定期对各类花卉浇水。

2.根据权利要求1所述人工智能物联网室内花卉管理系统，其特征在于，所述关系映射模块中，所述其他种类花卉为朱顶红。

3.根据权利要求1所述人工智能物联网室内花卉管理系统，其特征在于，所述图像处理模块具体包括：

状态判断单元：在按预设周期获取同一拍摄角度下的待测绿萝图像，对相邻两张待测绿萝图像分别进行预处理，所述预处理包括灰度化、二值化处理、通过边缘检测提取出叶片轮廓；通过差分法初步判断待测绿萝图像中是否出现异常，保存时间最接近的正常图像；对于出现异常的待测绿萝图像，分离出一片绿萝顶部叶片；

准备绿萝正常叶片、萎焉叶片作为训练集对卷积神经网络进行训练，将分离出的绿萝顶部叶片输入训练好的卷积神经网络，判断叶片是否萎焉；将环境监测模块获取的温度、湿度和光照数据分别与对应的预设阈值比较，当温度、光照均超出对应的预设阈值且湿度小于对应的预设阈值时，判定分离出的绿萝顶部叶片为缺水萎焉；当温度、光照均小于对应的预设阈值且湿度大于对应的预设阈值时，判定分离出的绿萝顶部叶片为积水萎焉；

若分离出的绿萝顶部叶片出现萎焉，计算所述时间最接近的正常图像和出现异常的待测绿萝图像之间的余弦相似度L；

周期调整单元：用于根据图像处理单元的判定结果和所述余弦相似度调整绿萝预设的浇水周期，新的浇水周期T计算公式为：T＝(1-αL)T₀，T₀为绿萝原有的浇水周期，α为调整系数，缺水萎焉时，α>0，积水萎焉时，α<0。

4.根据权利要求3所述人工智能物联网室内花卉管理系统，其特征在于，在所述自动滴灌系统包括铺设在室内的一条主管道及与所述主管道连通的多条细软管，主管道上装有电磁阀和控制柜，细软管通向每一个花盆，在细软管的终端即花盆里装有采用PWM控制的电磁阀滴头；当所述自动滴灌系统接收到新的浇水周期后，浇水控制模块按新的浇水周期启动主管电磁阀开始注水到主管，开启植株花盆里的电磁阀滴头开始滴水，当水量达到植株需求时，自动关闭电磁阀和电磁阀滴头。

5.一种人工智能物联网室内花卉管理方法，其特征在于，所述方法包括：

S1、实时采集室内绿萝的图像数据、室内土壤温度、土壤湿度和光照数据；

S2、获取待测绿萝图像并采用深度学习算法提取出绿萝叶片特征，根据绿萝叶片特征判断绿萝是否萎焉，判断萎焉程度；

S3、根据环境监测模块获取的温度、湿度和光照数据确定是否为缺水萎焉或积水萎焉，根据所述萎焉程度调整绿萝的预设的浇水周期；

S4、根据预先建立的绿萝与各类花卉的耐旱程度之间的映射关系确定不同季节下绿萝浇水周期与各类花卉浇水周期之间的映射关系，根据所述根据绿萝调整后的浇水周期更新室内其他种类花卉的浇水周期；

S5、控制自动滴灌系统按照各类花卉更新后的浇水周期定期对各类花卉浇水。

6.根据权利要求5所述人工智能物联网室内花卉管理方法，其特征在于，所述步骤S2具体为：

在按预设周期获取同一拍摄角度下的待测绿萝图像，对相邻两张待测绿萝图像分别进行预处理，所述预处理包括灰度化、二值化处理、通过边缘检测提取出叶片轮廓；

通过差分法初步判断待测绿萝图像中是否出现异常，保存时间最接近的正常图像；对于出现异常的待测绿萝图像，分离出一片绿萝顶部叶片；

准备绿萝正常叶片、萎焉叶片作为训练集对卷积神经网络进行训练，将分离出的绿萝顶部叶片输入训练好的卷积神经网络，判断叶片是否萎焉；

计算时间最接近的正常图像和出现异常的待测绿萝图像之间的余弦相似度L，根据所述余弦相似度评价萎焉程度。

7.根据权利要求6所述人工智能物联网室内花卉管理方法，其特征在于，所述步骤S3具体为：

当判断出叶片萎焉，将环境监测模块获取的温度、湿度和光照数据分别与对应的预设阈值比较，当温度、光照均超出对应的预设阈值且湿度小于对应的预设阈值时，判定分离出的绿萝顶部叶片为缺水萎焉；当温度、光照均小于对应的预设阈值且湿度大于对应的预设阈值时，判定分离出的绿萝顶部叶片为积水萎焉；

根据所述余弦相似度调整绿萝预设的浇水周期，新的浇水周期T计算公式为：T＝(1-αL)T₀，T₀为绿萝原有的浇水周期，α为调整系数，缺水萎焉时，α>0，积水萎焉时，α<0。

Images