CN111815612A - 一种基于物联网的红枣病虫预测系统 - Google Patents
一种基于物联网的红枣病虫预测系统 Download PDFInfo
- Publication number
- CN111815612A CN111815612A CN202010688147.XA CN202010688147A CN111815612A CN 111815612 A CN111815612 A CN 111815612A CN 202010688147 A CN202010688147 A CN 202010688147A CN 111815612 A CN111815612 A CN 111815612A
- Authority
- CN
- China
- Prior art keywords
- disease
- pest
- red date
- prediction
- information
- 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- Withdrawn
Links
Images
Classifications
-
- 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
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- 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
Abstract
本发明涉及农业领域,具体涉及一种基于物联网的红枣病虫预测系统,包括图像采集模块以及与图像采集模块实现无线通讯的内载于移动终端内的病虫预测APP,所述图像采集模块用于通过无人机定点进行待检测红枣树图像的采集,并将采集到的图像数据通过无线通信模块实时发送到病虫预测APP;所述病虫预测APP用于实现无人机图像采集轨迹及图像采集坐标点的规划,还用于实现检测红枣树图像内载病虫信息的识别,并基于识别的结果输出对应的红枣病虫预测报告。本发明实现了对红枣树病虫情况的自动识别、统计分析和预测。
Description
技术领域
本发明涉及农业领域,具体涉及一种基于物联网的红枣病虫预测系统。
背景技术
红枣具有补气养血、健脾益胃的功能,因而在日常生活中,备受人们喜爱。红枣的口感、产量和质量三者息息相关,所以,果农在种植枣园时,如果管理不慎而导致病虫害的发生,将会直接影响到红枣的品质和产量。因此,为了提升红枣产量和质量,必要的病虫防治措施是必不可少的。。
而目前,对红枣病虫的监控还停留在人工定时定点进行查看的方式,费时费力的同时,准确性也均较差。
发明内容
本发明的目的在于提供了一种基于物联网的红枣病虫预测系统,实现了对红枣树病虫情况的自动识别、统计分析和预测。
为实现上述目的,本发明采取的技术方案为:
一种基于物联网的红枣病虫预测系统,包括图像采集模块以及与图像采集模块实现无线通讯的内载于移动终端内的病虫预测APP,所述图像采集模块用于通过无人机定点进行待检测红枣树图像的采集,并将采集到的图像数据通过无线通信模块实时发送到病虫预测APP;所述病虫预测APP用于实现无人机图像采集轨迹及图像采集坐标点的规划,还用于实现检测红枣树图像内载病虫信息的识别,并基于识别的结果输出对应的红枣病虫预测报告。
进一步地,所述病虫预测APP内载:
图像采集轨迹规划模块,用于根据待检测红枣地的尺寸信息、红枣树种植行距信息、株距信息、株高信息(根据红枣品种以及种植时间推算)实现无人机图像采集轨迹的规划;
图像采集坐标规划模块,用于根据每一颗红枣树所在的坐标位置确定每一颗红枣树对应的图像采集坐标点,每一颗红枣树至少设置13个采集点,红枣树正上方一个、树冠左右前后各一个、树冠下底面前后左右各一个、红枣树树干中点(高度)左右、前后各一个;
病虫信息识别模块,用于基于Faster R-CNN 模型实现红枣树图像中病虫信息的识别;病虫信息至少包括孔洞、斑点、害虫轨迹、害虫、异形叶片(残缺、萎缩)、裂枣;
病虫预测报告制作模块,用于实现该区域病害信息识别情况的统计分析,并根据统计分析的结果生成短期病虫情况预报信息,完成预测报告的制作。
进一步地,所述病虫信息识别模块首先基于热力图的病害图像去遮挡算法去除红枣树图像内的遮挡信息,然后基于显著图的病害图像分割方法,利用显著图检测策略,获取红枣树图像的显著图,将显著图作为掩码图像,对红枣树图像进行复杂背景分割,然后将完成分割的图像输入所述Faster R-CNN 模型实现红枣树图像中病虫信息的识别。
进一步地,所述病虫预测报告制作模块首先以EXCEL表格的形式进行每一颗红枣树病害识别结果的统计,然后基于EXCEL表格实现该区域红枣病虫的统计,再根据病虫统计结果绘制各种病虫的分布情况曲线图,通过分布情况曲线图的对比分析和预测,生成短期病虫情况预报信息,最后将所得的分布情况曲线图、短期病虫情况预报信息填入预制的模板生成病虫预测报告。
进一步地,所述病虫预测APP内载:
病虫防治决策模块,用于根据病虫预测报告,采用多分组差分进化算法优化计算得到有利于改善病虫害情况的联合防治方案;并用于对不同联合防治备选方案所引发的病虫害情况变化趋势进行比较,输出最终的防治决策方案。
进一步地,所述无人机通过双目视觉传感器及激光雷达来检测无人机周围环境的障碍信息,并通过三维数字罗盘掌握自身的姿态信息,实现无人机的避障及越障,所述红枣树图像均携带有POS数据,该POS数据至少包括纬度、经度、高程、航向角(Phi)、俯仰角(Omega)及翻滚角(Kappa)。
进一步地,所述Faster R-CNN 模型基于包含有病虫信息的红枣病树图像训练所得。
进一步地,所述病虫预测APP内载:
病虫预警模块,用户可以根据需要勾选需要预警的病虫类型,当病虫信息识别模块的识别结果落入其所勾选的病虫类型时,预警模块启动,以弹出对话框的模式进行预警。
本发明具有以下有益效果:
本发明可以根据红枣树上的孔洞、斑点、害虫轨迹、害虫、异形叶片(残缺、萎缩)、裂枣等信息实现红枣树病虫情况的自动识别,并可以根据识别结果进行该区域红枣树病虫情况的统计分析和预测,同时可以根据统计分析的结果给出相应的防治方法,有效避免病虫的蔓延,将病虫对红枣树产量的影响降低到最小。
附图说明
图1为本发明实施例一种基于物联网的红枣病虫预测系统的系统框图。
具体实施方式
为了使本发明的目的及优点更加清楚明白,以下结合实施例对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
如图1所示,本发明实施例提供了一种基于物联网的红枣病虫预测系统,包括图像采集模块以及与图像采集模块实现无线通讯的内载于移动终端内的病虫预测APP,与病虫预测APP实现无线通讯的服务器,所述图像采集模块用于通过无人机定点进行待检测红枣树图像的采集,并将采集到的图像数据通过无线通信模块实时发送到病虫预测APP;所述病虫预测APP用于实现无人机图像采集轨迹及图像采集坐标点的规划,还用于实现检测红枣树图像内载病虫信息的识别,并基于识别的结果输出对应的红枣病虫预测报告,所述服务器用于实现病虫预测APP所产生数据的储存,并为病虫预测APP提供各种枣树病虫相关参考资料,用户可以通过病虫预测APP访问服务器实现枣树病虫相关参考资料的查看。
本实施例中,所述病虫预测APP内载:
图像采集轨迹规划模块,用于根据待检测红枣地的尺寸信息、红枣树种植行距信息、株距信息、株高信息(根据红枣品种以及种植时间推算)实现无人机图像采集轨迹的规划;以最近的一颗红枣树所在位置为出发点,最后一个红枣树所在位置为终点,以遍历每一颗红枣树、路径最短为要求规划无人机图像采集轨迹,
图像采集坐标规划模块,用于根据每一颗红枣树所在的坐标位置确定每一颗红枣树对应的图像采集坐标点,每一颗红枣树至少设置13个采集点,红枣树正上方一个、树冠左右前后各一个、树冠下底面前后左右各一个、红枣树树干中点(高度)左右、前后各一个; 以最近的一颗红枣树所在位置为坐标原点绘制三维坐标系,
病虫信息识别模块,用于基于Faster R-CNN 模型实现红枣树图像中病虫信息的识别;病虫信息至少包括孔洞、斑点、害虫轨迹、害虫、异形叶片(残缺、萎缩)、裂枣;
病虫预测报告制作模块,用于实现该区域病害信息识别情况的统计分析,并根据统计分析的结果生成短期病虫情况预报信息,完成预测报告的制作;
病虫防治决策模块,用于根据病虫预测报告,采用多分组差分进化算法优化计算得到有利于改善病虫害情况的联合防治方案;并用于对不同联合防治备选方案所引发的病虫害情况变化趋势进行比较,输出最终的防治决策方案;
病虫预警模块,用户可以根据需要勾选需要预警的病虫类型,当病虫信息识别模块的识别结果落入其所勾选的病虫类型时,预警模块启动,以弹出对话框的模式进行预警。
本实施例中,所述病虫信息识别模块首先基于热力图的病害图像去遮挡算法去除红枣树图像内的遮挡信息,然后基于显著图的病害图像分割方法,利用显著图检测策略,获取红枣树图像的显著图,将显著图作为掩码图像,对红枣树图像进行复杂背景分割,然后将完成分割的图像输入所述Faster R-CNN 模型实现红枣树图像中病虫信息的识别。所述Faster R-CNN 模型基于包含有病虫信息的红枣病树图像训练所得,训练时,首先采用图像偏转模块实现红枣树图像的偏转,每各方向偏转10度获取一个新的图像,从而形成训练集,扩大训练集的样本数量和覆盖面。
本实施例中,所述病虫预测报告制作模块首先以EXCEL表格的形式进行每一颗红枣树病害识别结果(包括红枣树所在坐标信息、每个角度所采集到的图像对应的病害识别结果)的统计,然后基于EXCEL表格实现该区域红枣病虫的统计,再根据病虫统计结果绘制各种病虫的分布情况曲线图,通过分布情况曲线图的对比分析和预测,生成短期病虫情况预报信息,最后将所得的分布情况曲线图、短期病虫情况预报信息填入预制的模板生成病虫预测报告。
本实施例中,所述无人机通过双目视觉传感器及激光雷达来检测无人机周围环境的障碍信息,并通过三维数字罗盘掌握自身的姿态信息,实现无人机的避障及越障,所述红枣树图像均携带有POS数据,该POS数据至少包括纬度、经度、高程、航向角(Phi)、俯仰角(Omega)及翻滚角(Kappa)。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以作出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (8)
1.一种基于物联网的红枣病虫预测系统,包括图像采集模块以及与图像采集模块实现无线通讯的内载于移动终端内的病虫预测APP,其特征在于:所述图像采集模块用于通过无人机定点进行待检测红枣树图像的采集,并将采集到的图像数据通过无线通信模块实时发送到病虫预测APP;所述病虫预测APP用于实现无人机图像采集轨迹及图像采集坐标点的规划,还用于实现检测红枣树图像内载病虫信息的识别,并基于识别的结果输出对应的红枣病虫预测报告。
2.如权利要求1所述的一种基于物联网的红枣病虫预测系统,其特征在于:所述病虫预测APP内载:
图像采集轨迹规划模块,用于根据待检测红枣地的尺寸信息、红枣树种植行距信息、株距信息、株高信息实现无人机图像采集轨迹的规划;
图像采集坐标规划模块,用于根据每一颗红枣树所在的坐标位置确定每一颗红枣树对应的图像采集坐标点,每一颗红枣树至少设置13个采集点,红枣树正上方一个、树冠左右前后各一个、树冠下底面前后左右各一个、红枣树树干中点左右、前后各一个;
病虫信息识别模块,用于基于Faster R-CNN 模型实现红枣树图像中病虫信息的识别;病虫信息至少包括孔洞、斑点、害虫轨迹、害虫、异形叶片、裂枣;
病虫预测报告制作模块,用于实现该区域病害信息识别情况的统计分析,并根据统计分析的结果生成短期病虫情况预报信息,完成预测报告的制作。
3.如权利要求2所述的一种基于物联网的红枣病虫预测系统,其特征在于:所述病虫信息识别模块首先基于热力图的病害图像去遮挡算法去除红枣树图像内的遮挡信息,然后基于显著图的病害图像分割方法,利用显著图检测策略,获取红枣树图像的显著图,将显著图作为掩码图像,对红枣树图像进行复杂背景分割,然后将完成分割的图像输入所述FasterR-CNN 模型实现红枣树图像中病虫信息的识别。
4.如权利要求2所述的一种基于物联网的红枣病虫预测系统,其特征在于:所述病虫预测报告制作模块首先以EXCEL表格的形式进行每一颗红枣树病害识别结果的统计,然后基于EXCEL表格实现该区域红枣病虫的统计,再根据病虫统计结果绘制各种病虫的分布情况曲线图,通过分布情况曲线图的对比分析和预测,生成短期病虫情况预报信息,最后将所得的分布情况曲线图、短期病虫情况预报信息填入预制的模板生成病虫预测报告。
5.如权利要求2所述的一种基于物联网的红枣病虫预测系统,其特征在于:所述病虫预测APP内载:
病虫防治决策模块,用于根据病虫预测报告,采用多分组差分进化算法优化计算得到有利于改善病虫害情况的联合防治方案;并用于对不同联合防治备选方案所引发的病虫害情况变化趋势进行比较,输出最终的防治决策方案。
6.如权利要求1所述的一种基于物联网的红枣病虫预测系统,其特征在于:所述无人机通过双目视觉传感器及激光雷达来检测无人机周围环境的障碍信息,并通过三维数字罗盘掌握自身的姿态信息,实现无人机的避障及越障,所述红枣树图像均携带有POS数据,该POS数据至少包括纬度、经度、高程、航向角(Phi)、俯仰角(Omega)及翻滚角(Kappa)。
7.如权利要求2所述的一种基于物联网的红枣病虫预测系统,其特征在于:所述FasterR-CNN 模型基于包含有病虫信息的红枣病树图像训练所得。
8.如权利要求2所述的一种基于物联网的红枣病虫预测系统,其特征在于:所述病虫预测APP内载:
病虫预警模块,用户可以根据需要勾选需要预警的病虫类型,当病虫信息识别模块的识别结果落入其所勾选的病虫类型时,预警模块启动,以弹出对话框的模式进行预警。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010688147.XA CN111815612A (zh) | 2020-07-16 | 2020-07-16 | 一种基于物联网的红枣病虫预测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010688147.XA CN111815612A (zh) | 2020-07-16 | 2020-07-16 | 一种基于物联网的红枣病虫预测系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111815612A true CN111815612A (zh) | 2020-10-23 |
Family
ID=72866311
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010688147.XA Withdrawn CN111815612A (zh) | 2020-07-16 | 2020-07-16 | 一种基于物联网的红枣病虫预测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111815612A (zh) |
Cited By (2)
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 |
CN113409253A (zh) * | 2021-06-02 | 2021-09-17 | 南京公诚节能新材料研究院有限公司 | 农情监测关键技术方法 |
-
2020
- 2020-07-16 CN CN202010688147.XA patent/CN111815612A/zh not_active Withdrawn
Cited By (2)
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 |
CN113409253A (zh) * | 2021-06-02 | 2021-09-17 | 南京公诚节能新材料研究院有限公司 | 农情监测关键技术方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20230345928A1 (en) | Identifying and avoiding obstructions using depth information in a single image | |
Fernández‐Quintanilla et al. | Is the current state of the art of weed monitoring suitable for site‐specific weed management in arable crops? | |
US11744189B2 (en) | Plant treatment based on morphological and physiological measurements | |
CN106407880B (zh) | 使用图像处理的存量、生长和风险预测 | |
JP7086203B2 (ja) | 植物体耕作データ測定方法、作業経路計画方法及び装置、システム | |
CN105989601B (zh) | 基于机器视觉的农业agv玉米行间导航基准线提取方法 | |
CN110852282B (zh) | 一种基于机器视觉的农田病害监测系统 | |
CN104866820B (zh) | 一种基于遗传算法的农机导航线提取方法及装置 | |
Bargoti et al. | A pipeline for trunk detection in trellis structured apple orchards | |
CN110718137B (zh) | 目标物密度分布地图的构建方法及装置、终端、移动装置 | |
CN111815612A (zh) | 一种基于物联网的红枣病虫预测系统 | |
US20220101554A1 (en) | Extracting Feature Values from Point Clouds to Generate Plant Treatments | |
CN110969654A (zh) | 基于收割机的玉米高通量表型测量的方法及装置、收割机 | |
CN113128576A (zh) | 基于深度学习图像分割的作物行检测方法及装置 | |
US20220100996A1 (en) | Ground Plane Compensation in Identifying and Treating Plants | |
CN110781865A (zh) | 一种农作物生长控制系统 | |
CN115909113B (zh) | 一种无人机遥感监测调查林业有害生物的方法 | |
CN116739739A (zh) | 一种贷款额度评估方法、装置、电子设备及存储介质 | |
CN113804201B (zh) | 对包含目标特征的作业对象的导航方法、装置及电子设备 | |
CN115526927A (zh) | 综合物候和遥感大数据的水稻种植及其面积估算方法 | |
CN112907624B (zh) | 一种基于多波段信息融合的目标定位、跟踪方法及系统 | |
Rovira-Más et al. | Crop scouting and surrounding awareness for specialty crops | |
CN114485612B (zh) | 路线生成方法、装置、无人作业车、电子设备及存储介质 | |
Paudel et al. | Vision-based normalized canopy area estimation for variable nitrogen application in apple orchards | |
CN117830859B (zh) | 基于图像处理的果树靶标自动识别方法及系统 |
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: 20201023 |
|
WW01 | Invention patent application withdrawn after publication |