CN113331160A - 一种烟草专用精准喷药系统 - Google Patents
一种烟草专用精准喷药系统 Download PDFInfo
- Publication number
- CN113331160A CN113331160A CN202110614334.8A CN202110614334A CN113331160A CN 113331160 A CN113331160 A CN 113331160A CN 202110614334 A CN202110614334 A CN 202110614334A CN 113331160 A CN113331160 A CN 113331160A
- Authority
- CN
- China
- Prior art keywords
- tobacco
- image
- plant
- pesticide spraying
- tobacco plant
- 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
Images
Classifications
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01M—CATCHING, TRAPPING OR SCARING OF ANIMALS; APPARATUS FOR THE DESTRUCTION OF NOXIOUS ANIMALS OR NOXIOUS PLANTS
- A01M7/00—Special adaptations or arrangements of liquid-spraying apparatus for purposes covered by this subclass
- A01M7/0089—Regulating or controlling systems
-
- 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
- G06N3/084—Backpropagation, e.g. using gradient descent
Landscapes
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Environmental Sciences (AREA)
- Wood Science & Technology (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Pest Control & Pesticides (AREA)
- Zoology (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Insects & Arthropods (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及一种烟草专用精准喷药系统，具体包括：烟草图像采集模块：对处于喷药距离内的烟草植株进行图像提取，并对烟草植株进行距离的判定；烟草图像机器视觉处理模块：提取和获得烟草图像中的主体信息，并建立烟草图像训练模型；人工智能识别定位模块：对烟草图像特征进行提取，输出烟草植株图像判定结果；精准喷药模块：将输出的烟草植株图像的像素位置与烟草植株的实际物理位置进行对齐，从而进行精准喷洒。本发明系统通过图像识别对烟草植株位置进行精确定位，从而驱动相应的电磁喷阀打开，实现了快速、定向、精准喷药；如果图像识别系统中的摄像头对准空地或其它非绿色目标，则不喷洒农药，这样既提高了喷洒的效率，又减少了农药的浪费。
Description
技术领域
本发明涉及图像识别与定位、烟草种植技术领域，特别是涉及一种烟草专用精准喷药系统。
背景技术
烟草是茄科烟草属植物，一年生或有限多年生草本，全体被腺毛；根粗壮。茎高0.7-2米，基部稍木质化。叶矩圆状披针形、披针形、矩圆形或卵形，顶端渐尖，基部渐狭至茎成耳状而半抱茎。花序顶生，圆锥状，多花；花梗长5-20毫米。蒴果卵状或矩圆状，长约等于宿存萼。种子圆形或宽矩圆形，径约0.5毫米，褐色。夏秋季开花结果。原产于南美洲。中国南北各省区广为栽培。烟草是喜温作物，对温度的反应比较敏感，不同的温度条件对烟草的品质、产量影响比较大。优质烟草在生育期内对温度的要求是前期较低、后期较高。烟草植株可作农药杀虫剂；亦可药用，作麻醉、发汗、镇静和催吐剂。
烟草植株在生长发育过程易受多种病虫草害的影响，导致烟叶的产量、质量下降，需要对烟草喷洒多种农药或生长调节剂。目前烟农普遍使用背负式手动喷雾器或机动喷雾器喷洒农药，如此费时费力、喷洒效率相对较低，喷头对裸地，因此亟需研发一种喷洒效率高、能定向喷药的精准施药系统，能有效减少农药浪费及对植烟土壤的污染。
发明内容
本发明通过深度学习算法识别对提取的植株进行多次判定，确保药物能够精准喷洒到烟草植株上，有效的节省了药物喷洒消耗量。
为实现上述目的，本发明提供了如下方案：
一种烟草专用精准喷药系统，包括：
烟草图像采集模块：用于对处于喷药距离内的烟草植株进行图像提取，并对烟草植株进行距离的判定；
烟草图像机器视觉处理模块：用于提取和获得烟草图像中的主体信息；
人工智能识别定位模块：对烟草图像特征进行提取，输出烟草植株图像判定结果；
精准喷药模块：将所述输出的烟草植株图像的像素位置与烟草植株的实际物理位置进行对齐，从而进行精准喷洒。
优选地，所述烟草图像采集模块包括阵线相机和距离传感器，通过距离阈值结合比较器产生的脉冲触发所述阵线相机的拍摄中断，进而采集植株图像与植株间的距离。
优选地，烟草图像采集模块是以烟草植株距离为触发方式对图像进行采集的，所述距离传感器将采集到的距离信号经数模转换器转换为数字信号，经过比较器的判定，触发相机拍摄脉冲并将采集的图像传递给烟草图像机器视觉处理模块进行处理。
优选地，所述烟草图像机器视觉处理模块的工作流程为：对所述采集到的图像进行去噪处理，将背景图像与烟草植株进行分离，提取出烟草植株图像。
优选地，基于色彩空间变换与亮度均衡调节，对所述烟草植株图像的亮度色彩信息进行二次校正，得到最终的烟草植株图像。
优选地，所述人工智能识别定位的具体步骤为：
基于深度神经网络对所述最终的烟草植株图像进行特征提取，使用图像掩膜的形式训练神经网络，获得训练结果，最终实现图像中烟草植株的定位。
优选地，在搭建所述神经网络前，进行大范围的图像采集，从而获得相应的训练数据；在训练过程中，将收集到的数据送入所述神经网络中进行前向预测，得到神经网络的定位结果，再通过与实际烟草植株位置的比对获得误差，经误差反向传播，调整所述神经网络权重，对其进行训练。
优选地，所述精准喷药模块利用获得的图像位置信息，进行施药喷阀位置的校准，完成图像像素位置与实际烟草植株物理位置的对应。
优选地，当所述图像位置与所述实际物理位置实现对应后，使用图像中的识别结果，驱动施药喷阀进行施药，实现快速精准喷药。
本发明的有益效果为：
本发明通过深度学习算法识别对提取的植株进行多次判定，精准获得了烟草植株的喷药信息，在深度学习算法识别过程中，对目标物是否是烟草植株进行多次判定，最终确保药物能够精准喷洒到烟草植株上，有效的节省了药物喷洒消耗量，达到了提高喷洒效率、节省农药且使用方便的目的。
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性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明系统功能示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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例，都属于本发明保护的范围。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
一种烟草专用精准喷药系统，如附图1所示，具体包括：
烟草图像采集模块：根据烟草植株施药喷洒的特性，为图像中的烟草植株位置识别提供判定依据，对处于喷药距离内的烟草植株进行图像提取，并对烟草植株进行距离的判定；
所述烟草图像采集模块包括阵线相机和距离传感器，主要通过彩色或白色的阵线相机以及距离传感器等设备配合，提取地面情况图像。通过距离阈值结合比较器产生的脉冲触发所述阵线相机的拍摄中断，进而采集植株图像与植株间的距离。所述距离传感器将采集到的距离信号经数模转换器转换为数字信号，经过比较器进行快速判定。所述比较器中存储有烟草植株间距的最大阈值，当比较结果超过相应的阈值时，触发线阵相机拍摄脉冲，同时通过硬件中断实时将获取的图像以及距离信息传递给烟草图像机器视觉处理模块。
烟草图像机器视觉处理模块：用于提取和获得烟草图像中的主体信息，并建立烟草图像训练模型；所述烟草图像机器视觉处理模块的工作流程为：对所述采集到的图像进行去噪处理，将背景图像与烟草植株进行分离，提取出烟草植株图像。
采用邻域平均法的均值滤波器去除通过拍摄得到的图像中的背景干扰，邻域平均法有力地抑制了噪声，同时也由于平均而引起了模糊现象，模糊程度与邻域半径成正比。均值滤波器所达到的平滑度可以与算数均值滤波器相比，在滤波过程中会丢失更少的图像细节。
将提取出的图像进行特征通道的变换，分离不同通道下烟草植株的纹理、颜色等特征，并考虑光照强度、光源类型、光照角度对于图像采集的影响，使用色彩空间变换与亮度均衡调节的方式，对图像的亮度信息进行二次校正，确保采集到的图像的一致性。通过对于图像主体的分析，提取和获得图像中的主体信息特征，便于后续识别。
人工智能识别定位模块：对烟草图像特征进行提取，输出烟草植株图像判定结果；基于神经网络对所述最终的烟草植株图像进行特征提取，使用图像掩膜的形式训练神经网络，获得训练结果，最终实现图像中烟草植株的定位掩膜。
在搭建神经网络之前，进行大范围的图片采集，获得相应的训练数据，使得深度神经网络具有识别空地和植物的能力。在深度神经网络训练过程中，首先将收集到的数据送入神经网络中进行前向预测，从而获得神经网络的掩膜定位结果，通过与实际烟草植株位置的对比获得误差，通过误差反向传播，调整神经网络权值，对其进行训练。
所述定位掩膜的过程为：提取特征区，用预先制作的特征区掩膜与待处理图像相乘，得到特征区图像，通过掩膜方法对图像上的背景区域做屏蔽处理，使其不参加处理参数的计算，用图像匹配的方法检测和提取图像中与掩膜相似的结构特征，用提取的最终烟草植株图像对待处理的图像进行遮挡，控制图像处理的区域，获得训练结果。
精准喷药模块：将所述输出的烟草植株图像的像素位置与烟草植株的实际物理位置进行对齐，从而进行精准喷洒。
在实现了烟草植株位置的定位后，经过相应的喷阀位置换算与训练结果图像对齐，完成图像中烟草植株位置与实际烟草植株位置的对应。利用获得的位置信息，进行施药喷阀位置的校准，从而完成图像像素位置与实际植株位置的对应，使用图像中的识别结果，驱动相应的电磁喷阀，实现对烟草植株的快速精准喷药。
本发明通过深度学习算法识别对提取的植株进行多次判定，精准获得了烟草植株的喷药信息，在深度学习算法识别过程中，对目标物是否是烟草植株进行多次判定，最终确保药物能够精准喷洒到烟草植株上，有效的节省了药物喷洒消耗量，达到了提高喷洒效率、节省农药且使用方便的目的。
以上所述的实施例仅是对本发明优选方式进行的描述，并非对本发明的范围进行限定，在不脱离本发明设计精神的前提下，本领域普通技术人员对本发明的技术方案做出的各种变形和改进，均应落入本发明权利要求书确定的保护范围内。
Claims (9)
1.一种烟草专用精准喷药系统，其特征在于，包括：
烟草图像采集模块：用于对处于喷药距离内的烟草植株进行图像提取，并对烟草植株进行距离的判定；
烟草图像机器视觉处理模块：用于提取和获得烟草图像中的主体信息；
人工智能识别定位模块：对烟草图像特征进行提取，输出烟草植株图像判定结果；
精准喷药模块：将所述输出的烟草植株图像的像素位置与烟草植株的实际物理位置进行对齐，从而进行精准喷洒。
2.根据权利要求1所述的烟草专用精准喷药系统，其特征在于，所述烟草图像采集模块包括阵线相机和距离传感器，通过距离阈值结合比较器产生的脉冲触发所述阵线相机的拍摄中断，进而采集植株图像与植株间的距离。
3.根据权利要求2所述的烟草专用精准喷药系统，其特征在于，烟草图像采集模块是以烟草植株距离为触发方式对图像进行采集的，所述距离传感器将采集到的距离信号经数模转换器转换为数字信号，经过比较器的判定，触发相机拍摄脉冲并将采集的图像传递给烟草图像机器视觉处理模块进行处理。
4.根据权利要求1所述的烟草专用精准喷药系统，其特征在于，所述烟草图像机器视觉处理模块的工作流程为：对所述采集到的图像进行去噪处理，将背景图像与烟草植株进行分离，提取出烟草植株图像。
5.根据权利要求4所述的烟草专用精准喷药系统，其特征在于，基于色彩空间变换与亮度均衡调节，对所述烟草植株图像的亮度色彩信息进行二次校正，得到最终的烟草植株图像。
6.根据权利要求1所述的烟草专用精准喷药系统，其特征在于，所述人工智能识别定位的具体步骤为：
基于深度神经网络对所述最终的烟草植株图像进行特征提取，使用图像掩膜的形式训练神经网络，获得训练结果，最终实现图像中烟草植株的定位。
7.根据权利要求6所述的烟草专用精准喷药系统，其特征在于，在搭建所述神经网络前，进行大范围的图像采集，从而获得相应的训练数据；在训练过程中，将收集到的数据送入所述神经网络中进行前向预测，得到神经网络的定位结果，再通过与实际烟草植株位置的比对获得误差，经误差反向传播，调整所述神经网络权重，对其进行训练。
8.根据权利要求1所述的烟草专用精准喷药系统，其特征在于，所述精准喷药模块利用获得的图像位置信息，进行施药喷阀位置的校准，完成图像像素位置与实际烟草植株物理位置的对应。
9.根据权利要求8所述的烟草专用精准喷药系统，其特征在于，当所述图像位置与所述实际物理位置实现对应后，使用图像中的识别结果，驱动施药喷阀进行施药，实现快速精准喷药。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110614334.8A CN113331160B (zh) | 2021-06-02 | 2021-06-02 | 一种烟草专用精准喷药系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110614334.8A CN113331160B (zh) | 2021-06-02 | 2021-06-02 | 一种烟草专用精准喷药系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113331160A true CN113331160A (zh) | 2021-09-03 |
| CN113331160B CN113331160B (zh) | 2022-09-27 |
Family
ID=77473067
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110614334.8A Active CN113331160B (zh) | 2021-06-02 | 2021-06-02 | 一种烟草专用精准喷药系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113331160B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113925036A (zh) * | 2021-09-19 | 2022-01-14 | 南京农业大学 | 一种基于机器视觉精准自动施药装置 |
| CN116168193A (zh) * | 2023-02-22 | 2023-05-26 | 七海行(深圳)科技有限公司 | 施药设备的校准方法、装置和设备 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103999841A (zh) * | 2014-04-18 | 2014-08-27 | 浙江大学 | 一种自动对靶喷施系统 |
| CN108647588A (zh) * | 2018-04-24 | 2018-10-12 | 广州绿怡信息科技有限公司 | 物品类别识别方法、装置、计算机设备和存储介质 |
| EP3425572A1 (en) * | 2017-07-06 | 2019-01-09 | Bayer Aktiengesellschaft | Apparatus for automated weed control |
| CN109566582A (zh) * | 2018-12-11 | 2019-04-05 | 山东省农业科学院科技信息研究所 | 一种基于无人机的智能喷药方法 |
| CN110710519A (zh) * | 2019-10-08 | 2020-01-21 | 桂林理工大学 | 一种智能农药喷雾机器人 |
| CN110915782A (zh) * | 2019-11-15 | 2020-03-27 | 西安和光明宸科技有限公司 | 一种可调节植物农药喷洒系统及农药喷洒方法 |
| CN111723860A (zh) * | 2020-06-17 | 2020-09-29 | 苏宁云计算有限公司 | 一种目标检测方法及装置 |
| CN112167212A (zh) * | 2019-07-02 | 2021-01-05 | 上海临石信息科技有限公司 | 一种无人机喷药控制系统及方法 |
| EP3782467A1 (de) * | 2019-08-02 | 2021-02-24 | Robert Bosch GmbH | Verfahren zum identifizieren von beikräutern innerhalb einer definierten pflanzenreihe einer landwirtschaftlichen fläche |
-
2021
- 2021-06-02 CN CN202110614334.8A patent/CN113331160B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103999841A (zh) * | 2014-04-18 | 2014-08-27 | 浙江大学 | 一种自动对靶喷施系统 |
| EP3425572A1 (en) * | 2017-07-06 | 2019-01-09 | Bayer Aktiengesellschaft | Apparatus for automated weed control |
| CN108647588A (zh) * | 2018-04-24 | 2018-10-12 | 广州绿怡信息科技有限公司 | 物品类别识别方法、装置、计算机设备和存储介质 |
| CN109566582A (zh) * | 2018-12-11 | 2019-04-05 | 山东省农业科学院科技信息研究所 | 一种基于无人机的智能喷药方法 |
| CN112167212A (zh) * | 2019-07-02 | 2021-01-05 | 上海临石信息科技有限公司 | 一种无人机喷药控制系统及方法 |
| EP3782467A1 (de) * | 2019-08-02 | 2021-02-24 | Robert Bosch GmbH | Verfahren zum identifizieren von beikräutern innerhalb einer definierten pflanzenreihe einer landwirtschaftlichen fläche |
| CN110710519A (zh) * | 2019-10-08 | 2020-01-21 | 桂林理工大学 | 一种智能农药喷雾机器人 |
| CN110915782A (zh) * | 2019-11-15 | 2020-03-27 | 西安和光明宸科技有限公司 | 一种可调节植物农药喷洒系统及农药喷洒方法 |
| CN111723860A (zh) * | 2020-06-17 | 2020-09-29 | 苏宁云计算有限公司 | 一种目标检测方法及装置 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113925036A (zh) * | 2021-09-19 | 2022-01-14 | 南京农业大学 | 一种基于机器视觉精准自动施药装置 |
| CN116168193A (zh) * | 2023-02-22 | 2023-05-26 | 七海行(深圳)科技有限公司 | 施药设备的校准方法、装置和设备 |
| CN116168193B (zh) * | 2023-02-22 | 2024-03-19 | 七海行(深圳)科技有限公司 | 施药设备的校准方法、装置和设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113331160B (zh) | 2022-09-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113331160B (zh) | 一种烟草专用精准喷药系统 | |
| CN112197819A (zh) | 一种基于生产基地的植物生长精准控制方法 | |
| CN106688705A (zh) | 一种智能种植大棚及其采用的监测方法 | |
| CN102564593A (zh) | 基于计算机视觉及物联网的植物生长状况监测系统 | |
| CN201600330U (zh) | 成熟菠萝识别与定位系统 | |
| CN108990944A (zh) | 基于可见光热红外图像融合的无人机遥感喷药一体化方法及装置 | |
| Liu et al. | Extraction of the rice leaf disease image based on BP neural network | |
| 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 | |
| CN105719282A (zh) | 一种果园红色苹果图像果实枝叶区域获取方法 | |
| CN103336966A (zh) | 一种应用于农业智能机械的杂草图像辨识方法 | |
| Gulavnai et al. | Deep learning for image based mango leaf disease detection | |
| CN103283364A (zh) | 一种手持式洋葱移栽装置 | |
| CN104704990A (zh) | 一种石榴树电子化自动采摘方法 | |
| CN104504736B (zh) | 一种识别大田作物长势监控图像中绿色植物的方法及系统 | |
| CN110915782A (zh) | 一种可调节植物农药喷洒系统及农药喷洒方法 | |
| CN107169940B (zh) | 基于电子识别的单株梨树产量获取方法 | |
| TWM639781U (zh) | 噴灑系統 | |
| Hong et al. | Adaptive target spray system based on machine vision for plant protection UAV | |
| CN104732550A (zh) | 石榴树电子化自动采摘平台 | |
| CN110443112A (zh) | 一种沃柑病变的自动识别方法 | |
| Wu et al. | Field crop extraction based on machine vision | |
| CN113361377A (zh) | 一种植物生长管控模型构建方法、电子设备、存储介质 | |
| Lagad et al. | Design and development of agrobot for pesticide spraying using grading system | |
| CN111696125B (zh) | 一种重叠叶片边缘的提取方法 | |
| CN117274828B (zh) | 基于机器学习的农田智能监测与作物管理系统 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |