CN113377062B - 一种具有病虫害和旱情监控的多功能预警系统 - Google Patents
一种具有病虫害和旱情监控的多功能预警系统 Download PDFInfo
- Publication number
- CN113377062B CN113377062B CN202110771677.5A CN202110771677A CN113377062B CN 113377062 B CN113377062 B CN 113377062B CN 202110771677 A CN202110771677 A CN 202110771677A CN 113377062 B CN113377062 B CN 113377062B
- Authority
- CN
- China
- Prior art keywords
- pest
- disease
- leaf
- plant
- image
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
- G05B19/048—Monitoring; Safety
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Cultivation Of Plants (AREA)
Abstract
本发明提供了一种具有病虫害和旱情监控的多功能预警系统,包括:数据采集模块,用于采集病虫害数据和采集土壤湿度数据;数据处理模块,与数据采集模块连接,用于对病虫害数据和土壤湿度数据进行分析处理,得到病虫害分析结果和土壤湿度分析结果;预警模块,与数据处理模块连接,用于根据病虫害分析结果和土壤湿度分析结果进行预警。
Description
技术领域
本发明涉及病虫害预警技术领域,尤其涉及一种具有病虫害和旱情监控的多功能预警系统。
背景技术
在农业种植过程中,难免会出现一些病虫害现象,但大多数病虫害问题在早期都是较为容易解决的,却因为发现不及时导致病虫害问题逐渐扩大,以致最后严重影响了作物的正常生长,若利用人为抽株检测的方法,非常浪费时间和人力,且在农业种植时,土壤湿度直接影响到作物的生成,可由于土壤湿度的波动较大,若利用人为测量的方法,浪费人力的同时且容易造成检测不精准,因此,亟需一种具有病虫害和旱情监控的多功能预警系统,用于解决在病虫害早期无法及时发现并预警和无法随时准确检测土壤湿度的问题。
发明内容
本发明提供一种具有病虫害和旱情监控的多功能预警系统,用于解决在病虫害早期无法及时发现并预警和无法随时准确检测土壤湿度的问题。
一种具有病虫害和旱情监控的多功能预警系统,包括:
数据采集模块,用于采集病虫害数据和采集土壤湿度数据;
数据处理模块,与数据采集模块连接,用于对病虫害数据和土壤湿度数据进行分析处理,得到病虫害分析结果和土壤湿度分析结果;
预警模块,与数据处理模块连接,用于根据病虫害分析结果和土壤湿度分析结果进行预警。
作为本发明的一种实施例,数据采集模块包括病虫害数据采集子模块和土壤湿度数据采集子模块;
病虫害数据采集子模块,用于采集病虫害数据;
土壤湿度数据采集子模块,用于采集土壤湿度数据。
作为本发明的一种实施例,病虫害数据包括植物茎部图像、植物叶部图像和植物根部图像;
病虫害数据采集子模块包括图像获取单元、图像分解单元、图像发送单元;
图像获取单元,用于获取被检测植物的植物图像;
图像分解单元,用于将植物图像分解为植物茎部图像、植物叶部图像和植物根部图像;
图像发送单元,用于将植物茎部图像、植物叶部图像和植物根部图像发送至数据处理模块;
土壤湿度数据采集子模块包括土壤湿度采集单元、土壤湿度数据发送单元;
土壤湿度采集单元,用于采集被检测植物的植物种植土壤的土壤湿度数据;
湿度数据发送单元,用于将土壤湿度数据发送至数据处理模块。
作为本发明的一种实施例,数据处理模块包括病虫害数据处理子模块和土壤湿度数据处理子模块;
病虫害数据处理子模块,用于对病虫害数据进行分析处理,得到病虫害分析结果;
土壤湿度数据处理子模块,用于对土壤湿度数据进行分析处理,得到土壤湿度分析结果。
作为本发明的一种实施例,病虫害数据处理子模块包括图像接收单元、图像信息获取单元、图像对比单元、结果处理单元、结果输出单元;
图像接收单元,用于接收数据采集模块发送的被检测植物的植物茎部图像、植物叶部图像和植物根部图像;
图像信息获取单元,用于获取植物茎部图像的茎部信息、植物叶部图像的叶部信息和植物根部图像的根部信息;
图像对比单元,用于将茎部信息与预设茎部病虫害病征信息进行病征对比,得到茎部对比结果;
图像对比单元,还用于将叶部信息与预设叶部病虫害病征信息进行病征对比,得到叶部对比结果;
图像对比单元,还用于将根部信息与预设根部病虫害病征信息进行病征对比,得到根部对比结果;
结果处理单元,用于根据茎部对比结果、叶部对比结果和根部对比结果判断被检测植物是否出现病虫害病征,若判定被检测植物出现病虫害病征,输出病虫害分析结果;
结果输出单元,用于将病虫害分析结果发送至预警模块;
土壤湿度数据处理子模块包括土壤湿度数据接收单元、土壤湿度数据判断单元、判断结果输出单元;
土壤湿度数据接收单元,用于接收数据采集模块发送的土壤湿度数据;
土壤湿度数据判断单元,用于将土壤湿度数据与预设土壤湿度范围进行匹配,若土壤湿度数据不在预设土壤湿度范围内,则判定土壤湿度异常,输出土壤湿度分析结果;
判断结果输出单元,用于将土壤湿度分析结果发送至预警模块。
作为本发明的一种实施例,若土壤湿度数据不在预设土壤湿度范围内,则判定土壤湿度异常,输出土壤湿度分析结果,包括:
若土壤湿度数据小于预设土壤湿度范围的最小值,则判定土壤湿度处于干旱状态,输出土壤干旱分析结果;
若土壤湿度数据大于预设土壤湿度范围的最大值,则判定土壤湿度处于水淹状态,输出土壤水淹分析结果。
作为本发明的一种实施例,预警模块包括病虫害预警子模块和旱情预警子模块;
病虫害预警子模块,用于根据病虫害分析结果进行病虫害预警;
旱情预警子模块,用于根据土壤湿度分析结果进行旱情预警。
作为本发明的一种实施例,病虫害预警子模块包括病虫害分析结果接收单元、病虫害分析结果解析单元、茎部病虫害预警单元、叶部病虫害预警单元和根部病虫害预警单元;
病虫害分析结果接收单元,用于接收数据处理模块发送的病虫害分析结果;
病虫害分析结果解析单元,用于将病虫害分析结果进行解析,得到总病虫害解析结果,总病虫害解析结果包括:茎部病虫害解析结果、叶部病虫害解析结果、根部病虫害解析结果其中任一项或多项;
茎部病虫害预警单元,用于在总病虫害解析结果中包含茎部病虫害解析结果时发出茎部预警信号;
叶部病虫害预警单元,用于在总病虫害解析结果中包含叶部病虫害解析结果时发出叶部预警信号;
根部病虫害预警单元,用于在总病虫害解析结果中包含根部病虫害解析结果时发出根部预警信号;
旱情预警子模块包括土壤湿度分析结果接收单元、土壤干旱预警单元和土壤水淹预警单元;
土壤湿度接收单元,用于接收数据处理模块发送的土壤湿度分析结果,土壤湿度分析结果包括:土壤干旱分析结果、土壤水淹分析结果其中任一项;
土壤干旱预警单元,用于在土壤湿度分析结果为土壤干旱分析结果时发出干旱预警信号;
土壤水淹预警单元,用于在土壤湿度分析结果为土壤水淹分析结果时发出水淹预警信号。
作为本发明的一种实施例,一种具有病虫害和旱情监控的多功能预警系统还包括:病虫害种类分析模块、病虫害种类治理方案推荐模块;
病虫害种类分析模块,与数据采集模块连接,用于根据病虫害数据确定病虫害种类;
病虫害种类治理方案推荐模块,与病虫害种类分析模块连接,用于根据病虫害种类确定病虫害种类的治理方案并对用户进行推荐;
病虫害种类分析模块执行包括如下操作:
获取病虫害数据;
根据病虫害数据确定被检测植物的植物种类;
通过预设第一获取路径获取与植物种类相同的植物的第一病虫害数据,第一病虫害数据包括:与植物种类相同的植物的若干种第一茎部病虫害信息、与植物种类相同的植物的若干种第一叶部病虫害信息、与植物种类相同的植物的若干种第一根部病虫害信息;
第一茎部病虫害信息包括:第一茎部病虫害病征和与第一茎部病虫害病征对应的病虫害种类;
第一叶部病虫害信息包括:第一叶部病虫害病征和与第一叶部病虫害病征对应的病虫害种类;
第一根部病虫害信息包括:第一根部病虫害病征和与第一根部病虫害病征对应的病虫害种类;
对第一病虫害数据进行标签化训练深度学习,将第一茎部病虫害病征、第一叶部病虫害病征和第一根部病虫害病征分别进行病虫害种类标签对应;
通过预设第二获取路径获取被检测植物的第二病征数据,第二病征数据包括:被检测植物的第二茎部病虫害病征、被检测植物的第二叶部病虫害病征、被检测植物的第二根部病虫害病征;
若第二茎部病虫害病征与若干种第一茎部病虫害信息中任一第一茎部病虫害病征相同,获取与第二茎部病虫害病征相同的任一第一茎部病虫害病征的病虫害种类标签,确定被检测植物的茎部病虫害种类;
若第二叶部病虫害病征与若干种第一叶部病虫害信息中任一第一叶部病虫害病征相同,获取与第二叶部病虫害病征相同的任一第一叶部病虫害病征的病虫害种类标签,确定被检测植物的叶部病虫害种类;
若第二根部病虫害病征与若干种第一根部病虫害信息中任一第一根部病虫害病征相同,获取与第二根部病虫害病征相同的任一第一根部病虫害病征的病虫害种类标签,确定被检测植物的根部病虫害种类;
病虫害种类治理方案推荐模块执行包括如下操作:
通过预设第三获取路径获取治理数据,治理数据包括:若干茎部病虫害种类和相对应的治理方案、若干叶部病虫害种类和相对应的治理方案、若干根部病虫害种类和相对应的治理方案;
根据治理数据建立病虫害种类-治理方案数据库;
获取被检测植物的病虫害种类;
通过病虫害种类-治理方案数据库确定被检测植物的病虫害种类的治理方案;
将被检测植物的病虫害种类的治理方案对用户进行推荐。
作为本发明的一种实施例,一种具有病虫害和旱情监控的多功能预警系统还包括:叶部长势检测模块、异常长势预警模块;
叶部长势检测模块,与数据采集模块连接,用于根据病虫害数据对被检测植物进行叶部长势检测,得到被检测植物的叶部长势检测结果;
异常长势预警模块,与叶部长势检测模块连接,用于判断被检测植物的叶部长势检测结果是否异常,若被检测植物的叶部长势检测结果异常,发出异常长势预警信号;
叶部长势检测模块执行包括如下操作:
获取病虫害数据;
病虫害数据包括植物叶部图像、植物根部图像、植物颈部图像;
将植物叶部图像分割为多个叶部子区域图像;
筛选各个叶部子区域图像中的所有叶片子图像构建叶片子图像集合;
建立叶片子图像集合中各个叶片子图像的扫描序号列表;
根据扫描序号列表中各个叶片子图像的序号依次检测叶片子图像集合的各个叶片子图像中的叶片HSV值是否符合预设叶片HSV值范围;
将叶片子图像中的叶片HSV值不符合预设叶片HSV值范围的叶片子图像进行枯黄标记;
将叶片子图像中的叶片HSV值符合预设叶片HSV值范围的叶片子图像进行绿叶标记;
获取存在枯黄标记的叶片子图像的第一数量;
获取存在绿叶标记的叶片子图像的第二数量;
根据第一数量、第二数量和预设权重值计算得到被检测植物的第一生长值;
根据病虫害数据确定被检测植物的植物种类;
通过预设第四获取路径获取当前日期,根据当前日期和被检测植物的植物种类确定被检测植物当前的生长阶段;
通过预设第五获取路径获取第二生长数据,第二生长数据包括:若干与被检测植物的植物种类相同的植物的生长阶段处于被检测植物当前的生长阶段的第二植物叶部图像;
对第二生长数据中的第二植物叶部图像进行图像分割,得到若干第二叶部子区域图像;
筛选各个第二叶部子区域图像中的所有第二叶片子图像构建第二叶片子图像集合;
建立第二叶片子图像集合中各个第二叶片子图像的第二扫描序号列表;
根据第二扫描序号列表中各个第二叶片子图像的序号依次检测第二叶片子图像集合的各个第二叶片子图像中的叶片HSV值是否符合预设叶片HSV值范围;
将第二叶片子图像中的叶片HSV值不符合预设叶片HSV值范围的第二叶片子图像进行枯黄标记;
将第二叶片子图像中的叶片HSV值符合预设叶片HSV值范围的第二叶片子图像进行绿叶标记
获取存在枯黄标记的第二叶片子图像的第三数量;
获取存在绿叶标记的第二叶片子图像的第四数量;
根据第三数量、第四数量和预设第二权重值计算得到被检测植物的第二生长值;
根据第一生长值和第二生长值得到叶部长势检测结果;
其中,若第一生长值大于等于第二生长值,叶部长势检测结果正常;
若第一生长值小于第二生长值,叶部长势检测结果异常;
其中,建立叶片子图像集合中各个叶片子图像的扫描序号列表具体包括如下步骤:
步骤1、构建序号列表,序号列表用于存储叶片子图像集合中各个叶片子图像的序号;
步骤2、将叶片子图像集合中的叶片子图像标记为Pi,其中i的取值范围为[1,m],m为叶片子图像集合中叶片子图像的数量,将叶片子图像集合中叶片子图像的像素点标记为Si,j,其中j的取值范围为[1,n],n为叶片子图像集合中叶片子图像的像素点的数量,为叶片子图像集合中各个叶片子图像Pi对应设置一个计数器Qi,计数器Qi的初始值为0;
步骤3、获取叶片子图像集合中任一叶片子图像的像素点Si,j的坐标(x,y),若i≤m且j≤n,以坐标(x,y)为中心,构建边长为2的第一像素正方形,分别计算第一像素正方形内各像素点的HSV值;
步骤4、获取叶片子图像Pi上所有像素点的平均HSV值Hi,若第一像素正方形内各像素点的HSV值均小于等于平均HSV值H1,执行步骤4.1至步骤4.3,若第二像素正方形内各像素点的HSV值中存在任一HSV值大于平均HSV值H1,执行步骤5;
步骤4.1、以坐标(x,y)为中心,构建边长为G的第二像素正方形,在第二像素正方形内任意选择三个像素点,将三个像素点分别标记为G1、G2、G3,其中,三个像素点不同时处于同一条直线上,G为变量且初始值为2;
步骤4.2、以像素点G1的坐标为中心,构建边长为2的第三像素正方形,分别计算第三像素正方形内各像素点的HSV值,获取第三像素正方形内各像素点的HSV值中的最小值HSVG1;以像素点G2的坐标为中心,构建边长为2的第四像素正方形,分别计算第四像素正方形内各像素点的HSV值,获取第四像素正方形内各像素点的HSV值中的最小值HSVG2;以像素点G3的坐标为中心,构建边长为2的第五像素正方形,分别计算第五像素正方形内各像素点的HSV值,获取第五像素正方形内各像素点的HSV值中的最小值HSVG3;
步骤4.3、获取第三像素正方形内各像素点的HSV值、第四像素正方形内各像素点的HSV值和第五像素正方形内各像素点的HSV值中的最小值HSVG4,若HSVG4<(HSVG1+HSVG2+HSVG3)/3,将当前扫描的中心的像素点的坐标从(x,y)跳转至HSVG4所对应的像素点坐标,并将坐标对应的像素点的序号设置为j并执行步骤3;若HSVG4>(HSVG1+HSVG2+HSVG3)/3,令变量G的值增加1,并执行步骤4.2;
步骤5、若j≤i,令计数器Qi的值增加1并令j的值增加1后执行步骤3;若j>i且i≤m,令i增加1后执行步骤3;若j>i且i>m,执行步骤6;
步骤6、根据各个计数器Qi的数值的大小的按照从大到小的顺序排列将Qi的对应下标i以此保存至序号列表中形成扫描序号列表;
其中,像素点的HSV值取像素的HSV三分量的加权平均值。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1为本发明实施例中一种具有病虫害和旱情监控的多功能预警系统的示意图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
请参阅图1,本发明实施例提供了一种具有病虫害和旱情监控的多功能预警系统,包括:
数据采集模块,用于采集病虫害数据和采集土壤湿度数据;
数据处理模块,与数据采集模块连接,用于对病虫害数据和土壤湿度数据进行分析处理,得到病虫害分析结果和土壤湿度分析结果;
预警模块,与数据处理模块连接,用于根据病虫害分析结果和土壤湿度分析结果进行预警;
上述技术方案的工作原理和有益效果为:本系统优选设置在一种园林病虫害预测预警监控装置上,该装置设有移动装置、监控装置等,用于在种植环境中通过该系统随时随地自动监测作物,数据采集模块,用于采集病虫害数据和采集土壤湿度数据,并将采集的数据发送至数据处理模块,数据处理模块用于对接收到的数据进行分析处理,得到病虫害分析结果和土壤湿度分析结果,并将得到的分析结果发送至预警模块,预警模块根据接收到的分析结果发出不同的预警信号,有益于在病虫害早期及时发现并预警和随时准确检测土壤湿度,并在土壤湿度出现异常时发出预警。
在一个实施例中,数据采集模块包括病虫害数据采集子模块和土壤湿度数据采集子模块;
病虫害数据采集子模块,用于采集病虫害数据;
土壤湿度数据采集子模块,用于采集土壤湿度数据;
上述技术方案的工作原理为:病虫害数据采集子模块,用于采集病虫害数据,病虫害数据采集子模块优选采集图片数据,土壤湿度数据采集子模块,用于采集土壤湿度数据,土壤湿度数据采集子模块优选使用湿度传感器。
在一个实施例中,病虫害数据包括植物茎部图像、植物叶部图像和植物根部图像;
病虫害数据采集子模块包括图像获取单元、图像分解单元、图像发送单元;
图像获取单元,用于获取被检测植物的植物图像;
图像分解单元,用于将植物图像分解为植物茎部图像、植物叶部图像和植物根部图像;
图像发送单元,用于将植物茎部图像、植物叶部图像和植物根部图像发送至数据处理模块;
土壤湿度数据采集子模块包括土壤湿度采集单元、土壤湿度数据发送单元;
土壤湿度采集单元,用于采集被检测植物的植物种植土壤的土壤湿度数据;
湿度数据发送单元,用于将土壤湿度数据发送至数据处理模块;
上述技术方案的工作原理和有益效果为:病虫害数据包括植物茎部图像、植物叶部图像和植物根部图像,病虫害数据采集子模块包括图像获取单元、图像分解单元、图像发送单元,图像获取单元,用于获取被检测植物的植物图像,其中地上图像采集优选使用摄像头进行采集,地下图像优选使用探地雷达进行采集,图像分解单元,用于将植物图像分解为植物茎部图像、植物叶部图像和植物根部图像,图像发送单元,用于将植物茎部图像、植物叶部图像和植物根部图像发送至数据处理模块,土壤湿度数据采集子模块包括土壤湿度采集单元、土壤湿度数据发送单元,土壤湿度采集单元,优选在被检测植物周围不超过0.3米的距离使用湿度传感器对土壤湿度数据进行采集,湿度数据发送单元,用于将土壤湿度数据发送至数据处理模块,同时检测植物的地上地下部分,有益于提高病虫害检测的精准度,检测被测植物周围不超过0.3米的土壤进行湿度检测,有益于精确检测该被检测植物的土壤湿度。
在一个实施例中,数据处理模块包括病虫害数据处理子模块和土壤湿度数据处理子模块;
病虫害数据处理子模块,用于对病虫害数据进行分析处理,得到病虫害分析结果;
土壤湿度数据处理子模块,用于对土壤湿度数据进行分析处理,得到土壤湿度分析结果;
上述技术方案的工作原理和有益效果为:病虫害数据处理子模块,用于对病虫害数据进行分析处理,得到病虫害分析结果,优选的,该病虫害分析结果中包括存在病虫害信息和不存在病虫害信息,土壤湿度数据处理子模块,用于对土壤湿度数据进行分析处理,得到土壤湿度分析结果,优选的,该土壤湿度分析结果中包括土壤干旱信息和土壤水淹(即湿度过高,容易造成根部糜烂)信息,对分析结果进行精确区分有益于提高最后预警的精准性。
在一个实施例中,病虫害数据处理子模块包括图像接收单元、图像信息获取单元、图像对比单元、结果处理单元、结果输出单元;
图像接收单元,用于接收数据采集模块发送的被检测植物的植物茎部图像、植物叶部图像和植物根部图像;
图像信息获取单元,用于获取植物茎部图像的茎部信息、植物叶部图像的叶部信息和植物根部图像的根部信息;
图像对比单元,用于将茎部信息与预设茎部病虫害病征信息进行病征对比,得到茎部对比结果;
图像对比单元,还用于将叶部信息与预设叶部病虫害病征信息进行病征对比,得到叶部对比结果;
图像对比单元,还用于将根部信息与预设根部病虫害病征信息进行病征对比,得到根部对比结果;
结果处理单元,用于根据茎部对比结果、叶部对比结果和根部对比结果判断被检测植物是否出现病虫害病征,若判定被检测植物出现病虫害病征,输出病虫害分析结果;
结果输出单元,用于将病虫害分析结果发送至预警模块;
土壤湿度数据处理子模块包括土壤湿度数据接收单元、土壤湿度数据判断单元、判断结果输出单元;
土壤湿度数据接收单元,用于接收数据采集模块发送的土壤湿度数据;
土壤湿度数据判断单元,用于将土壤湿度数据与预设土壤湿度范围进行匹配,若土壤湿度数据不在预设土壤湿度范围内,则判定土壤湿度异常,输出土壤湿度分析结果;
判断结果输出单元,用于将土壤湿度分析结果发送至预警模块;
上述技术方案的工作原理和有益效果为:病虫害数据处理子模块包括图像接收单元、图像信息获取单元、图像对比单元、结果处理单元、结果输出单元,图像接收单元,用于接收数据采集模块发送的被检测植物的植物茎部图像、植物叶部图像和植物根部图像,图像信息获取单元,用于获取植物茎部图像的茎部信息、植物叶部图像的叶部信息和植物根部图像的根部信息,图像信息获取单元优选为对图像内容进行特征提取,例如叶部图像的叶部信息为对叶部图像的叶片进行特征提取,图像对比单元,用于将所述茎部信息与预设茎部病虫害病征信息进行病征对比,得到茎部对比结果,预设茎部病虫害病征信息包括但不限于如茎部是否存在虫洞等病征信息,图像对比单元,还用于将叶部信息与预设叶部病虫害病征信息进行病征对比,得到叶部对比结果,预设叶部病虫害病征信息包括但不限于叶部是否存在残缺、颜色枯黄等病征信息,图像对比单元,还用于将根部信息与预设根部病虫害病征信息进行病征对比,得到根部对比结果,预设根部病虫害病征信息包括但不限于如根部是否出现断根、糜烂等病征信息,结果处理单元,用于根据茎部对比结果、叶部对比结果和根部对比结果判断被检测植物是否出现病虫害病征,若判定被检测植物出现病虫害病征,输出病虫害分析结果,结果输出单元,用于将病虫害分析结果发送至所述预警模块,土壤湿度数据处理子模块包括土壤湿度数据接收单元、土壤湿度数据判断单元、判断结果输出单元,土壤湿度数据接收单元,用于接收数据采集模块发送的土壤湿度数据,土壤湿度数据判断单元,用于将土壤湿度数据与预设土壤湿度范围进行匹配,若土壤湿度数据不在预设土壤湿度范围内,则判定土壤湿度异常,输出土壤湿度分析结果,该预设土壤湿度范围的设定形式包括但不限于事先通过用户自主设定或该系统根据在线检索被检测植物的种植环境自动设定,如根据植物图片进行在线图片识别获取该植物的最佳种植湿度范围,判断结果输出单元,用于将土壤湿度分析结果发送至预警模块,有益于提高病虫害和旱情监测的精准性。
在一个实施例中,若土壤湿度数据不在预设土壤湿度范围内,则判定土壤湿度异常,输出土壤湿度分析结果,包括:
若土壤湿度数据小于预设土壤湿度范围的最小值,则判定土壤湿度处于干旱状态,输出土壤干旱分析结果;
若土壤湿度数据大于预设土壤湿度范围的最大值,则判定土壤湿度处于水淹状态,输出土壤水淹分析结果;
上述技术方案的工作原理和有益效果为:通过将土壤湿度分析结果分为土壤干旱分析结果和土壤水淹分析结果,提高旱情监测的精准度。
在一个实施例中,预警模块包括病虫害预警子模块和旱情预警子模块;
病虫害预警子模块,用于根据病虫害分析结果进行病虫害预警;
旱情预警子模块,用于根据土壤湿度分析结果进行旱情预警;
上述技术方案的工作原理和有益效果为:病虫害预警子模块,用于根据病虫害分析结果进行病虫害预警,旱情预警子模块,用于根据土壤湿度分析结果进行旱情预警,采用多种预警子模块进行不同预警,有益于使得用户一发现不同预警信号能直接知晓被检测植物的病虫害或旱情情况,提高病虫害和旱情预警的精准度,有益于提高对病虫害和旱情的预警效率。
在一个实施例中,病虫害预警子模块包括病虫害分析结果接收单元、病虫害分析结果解析单元、茎部病虫害预警单元、叶部病虫害预警单元和根部病虫害预警单元;
病虫害分析结果接收单元,用于接收数据处理模块发送的病虫害分析结果;
病虫害分析结果解析单元,用于将病虫害分析结果进行解析,得到总病虫害解析结果,总病虫害解析结果包括:茎部病虫害解析结果、叶部病虫害解析结果、根部病虫害解析结果其中任一项或多项;
茎部病虫害预警单元,用于在总病虫害解析结果中包含茎部病虫害解析结果时发出茎部预警信号;
叶部病虫害预警单元,用于在总病虫害解析结果中包含叶部病虫害解析结果时发出叶部预警信号;
根部病虫害预警单元,用于在总病虫害解析结果中包含根部病虫害解析结果时发出根部预警信号;
旱情预警子模块包括土壤湿度分析结果接收单元、土壤干旱预警单元和土壤水淹预警单元;
土壤湿度接收单元,用于接收数据处理模块发送的土壤湿度分析结果,土壤湿度分析结果包括:土壤干旱分析结果、土壤水淹分析结果其中任一项;
土壤干旱预警单元,用于在土壤湿度分析结果为土壤干旱分析结果时发出干旱预警信号;
土壤水淹预警单元,用于在土壤湿度分析结果为土壤水淹分析结果时发出水淹预警信号;
上述技术方案的工作原理和有益效果为:病虫害预警子模块包括病虫害分析结果接收单元、病虫害分析结果解析单元、茎部病虫害预警单元、叶部病虫害预警单元和根部病虫害预警单元,病虫害分析结果接收单元,用于接收数据处理模块发送的病虫害分析结果,病虫害分析结果解析单元,用于将病虫害分析结果进行解析,得到总病虫害解析结果,总病虫害解析结果包括:茎部病虫害解析结果、叶部病虫害解析结果、根部病虫害解析结果其中任一项或多项,茎部病虫害预警单元,用于在总病虫害解析结果中包含茎部病虫害解析结果时发出茎部预警信号,叶部病虫害预警单元,用于在总病虫害解析结果中包含叶部病虫害解析结果时发出叶部预警信号,根部病虫害预警单元,用于在总病虫害解析结果中包含根部病虫害解析结果时发出根部预警信号,有益于对病虫害精准定位预警,旱情预警子模块包括土壤湿度分析结果接收单元、土壤干旱预警单元和土壤水淹预警单元,土壤湿度接收单元,用于接收数据处理模块发送的土壤湿度分析结果,土壤湿度分析结果包括:土壤干旱分析结果、土壤水淹分析结果其中任一项,土壤干旱预警单元,用于在土壤湿度分析结果为土壤干旱分析结果时发出干旱预警信号,土壤水淹预警单元,用于在土壤湿度分析结果为土壤水淹分析结果时发出水淹预警信号,有益于对旱情情况精确预警,其中,预警方式包括但不限于语音播报、不同信号灯、远程发送预警信息等。
在一个实施例中,一种具有病虫害和旱情监控的多功能预警系统,还包括:
病虫害种类分析模块、病虫害种类治理方案推荐模块;
病虫害种类分析模块,与数据采集模块连接,用于根据病虫害数据确定病虫害种类;
病虫害种类治理方案推荐模块,与病虫害种类分析模块连接,用于根据病虫害种类确定病虫害种类的治理方案并对用户进行推荐;
病虫害种类分析模块执行包括如下操作:
获取病虫害数据;
根据病虫害数据确定被检测植物的植物种类;
通过预设第一获取路径获取与植物种类相同的植物的第一病虫害数据,第一病虫害数据包括:与植物种类相同的植物的若干种第一茎部病虫害信息、与植物种类相同的植物的若干种第一叶部病虫害信息、与植物种类相同的植物的若干种第一根部病虫害信息;
第一茎部病虫害信息包括:第一茎部病虫害病征和与第一茎部病虫害病征对应的病虫害种类;
第一叶部病虫害信息包括:第一叶部病虫害病征和与第一叶部病虫害病征对应的病虫害种类;
第一根部病虫害信息包括:第一根部病虫害病征和与第一根部病虫害病征对应的病虫害种类;
对第一病虫害数据进行标签化训练深度学习,将第一茎部病虫害病征、第一叶部病虫害病征和第一根部病虫害病征分别进行病虫害种类标签对应;
通过预设第二获取路径获取被检测植物的第二病征数据,第二病征数据包括:被检测植物的第二茎部病虫害病征、被检测植物的第二叶部病虫害病征、被检测植物的第二根部病虫害病征;
若第二茎部病虫害病征与若干种第一茎部病虫害信息中任一第一茎部病虫害病征相同,获取与第二茎部病虫害病征相同的任一第一茎部病虫害病征的病虫害种类标签,确定被检测植物的茎部病虫害种类;
若第二叶部病虫害病征与若干种第一叶部病虫害信息中任一第一叶部病虫害病征相同,获取与第二叶部病虫害病征相同的任一第一叶部病虫害病征的病虫害种类标签,确定被检测植物的叶部病虫害种类;
若第二根部病虫害病征与若干种第一根部病虫害信息中任一第一根部病虫害病征相同,获取与第二根部病虫害病征相同的任一第一根部病虫害病征的病虫害种类标签,确定被检测植物的根部病虫害种类;
病虫害种类治理方案推荐模块执行包括如下操作:
通过预设第三获取路径获取治理数据,治理数据包括:若干茎部病虫害种类和相对应的治理方案、若干叶部病虫害种类和相对应的治理方案、若干根部病虫害种类和相对应的治理方案;
根据治理数据建立病虫害种类-治理方案数据库;
获取被检测植物的病虫害种类;
通过病虫害种类-治理方案数据库确定被检测植物的病虫害种类的治理方案;
将被检测植物的病虫害种类的治理方案对用户进行推荐;
上述技术方案的工作原理为:病虫害种类分析模块,与数据采集模块连接,用于根据病虫害数据确定病虫害种类,病虫害种类分析模块执行包括如下操作:获取病虫害数据,根据所述病虫害数据确定被检测植物的植物种类,病虫害数据中包括植物图片,根据植物图片进行在线图片识别获取该植物的植物种类,通过预设第一获取路径获取与植物种类相同的植物的第一病虫害数据,第一病虫害数据包括:与植物种类相同的植物的若干种第一茎部病虫害信息、与植物种类相同的植物的若干种第一叶部病虫害信息、与植物种类相同的植物的若干种第一根部病虫害信息,第一茎部病虫害信息包括:第一茎部病虫害病征和与第一茎部病虫害病征对应的病虫害种类;第一叶部病虫害信息包括:第一叶部病虫害病征和与第一叶部病虫害病征对应的病虫害种类;第一根部病虫害信息包括:第一根部病虫害病征和与第一根部病虫害病征对应的病虫害种类;对第一病虫害数据进行标签化训练深度学习,将第一茎部病虫害病征、第一叶部病虫害病征和第一根部病虫害病征分别进行病虫害种类标签对应,通过预设第二获取路径获取被检测植物的第二病征数据,第二病征数据包括:被检测植物的第二茎部病虫害病征、被检测植物的第二叶部病虫害病征、被检测植物的第二根部病虫害病征;若第二茎部病虫害病征与若干种第一茎部病虫害信息中任一第一茎部病虫害病征相同,获取与第二茎部病虫害病征相同的任一第一茎部病虫害病征的病虫害种类标签,确定被检测植物的茎部病虫害种类;若第二叶部病虫害病征与若干种第一叶部病虫害信息中任一第一叶部病虫害病征相同,获取与第二叶部病虫害病征相同的任一第一叶部病虫害病征的病虫害种类标签,确定被检测植物的叶部病虫害种类;若第二根部病虫害病征与若干种第一根部病虫害信息中任一第一根部病虫害病征相同,获取与第二根部病虫害病征相同的任一第一根部病虫害病征的病虫害种类标签,确定被检测植物的根部病虫害种类;病虫害种类治理方案推荐模块执行包括如下操作:通过预设第三获取路径获取治理数据,治理数据包括:若干茎部病虫害种类和相对应的治理方案、若干叶部病虫害种类和相对应的治理方案、若干根部病虫害种类和相对应的治理方案;根据治理数据建立病虫害种类-治理方案数据库;获取被检测植物的病虫害种类;通过病虫害种类-治理方案数据库确定被检测植物的病虫害种类的治理方案,将被检测植物的病虫害种类的治理方案对用户进行推荐,其中,预设第一获取路径和预设第二获取路径和预设第三获取路径的获取方式包括但不限于根据该植物种类通过在线检索的方式,推荐的方式包括但不限于语音播报、发送信息至用户的移动设备等;
上述技术方案的有益效果为:直接判断出被检测植物所得病虫害种类,并推荐相应的治理方案,有益于提高预警信息的全面性和提高用户在接受预警信号后的处理效率,从而快速解决被检测植物的病虫害问题。
在一个实施例中,一种具有病虫害和旱情监控的多功能预警系统,还包括:叶部长势检测模块、异常长势预警模块;
叶部长势检测模块,与数据采集模块连接,用于根据病虫害数据对被检测植物进行叶部长势检测,得到被检测植物的叶部长势检测结果;
异常长势预警模块,与叶部长势检测模块连接,用于判断被检测植物的叶部长势检测结果是否异常,若被检测植物的叶部长势检测结果异常,发出异常长势预警信号;
叶部长势检测模块执行包括如下操作:
获取病虫害数据;
病虫害数据包括植物叶部图像、植物根部图像、植物颈部图像;
将植物叶部图像分割为多个叶部子区域图像;
筛选各个叶部子区域图像中的所有叶片子图像构建叶片子图像集合;
建立叶片子图像集合中各个叶片子图像的扫描序号列表;
根据扫描序号列表中各个叶片子图像的序号依次检测叶片子图像集合的各个叶片子图像中的叶片HSV值是否符合预设叶片HSV值范围;
将叶片子图像中的叶片HSV值不符合预设叶片HSV值范围的叶片子图像进行枯黄标记;
将叶片子图像中的叶片HSV值符合预设叶片HSV值范围的叶片子图像进行绿叶标记;
获取存在枯黄标记的叶片子图像的第一数量;
获取存在绿叶标记的叶片子图像的第二数量;
根据第一数量、第二数量和预设权重值计算得到被检测植物的第一生长值;
根据病虫害数据确定被检测植物的植物种类;
通过预设第四获取路径获取当前日期,根据当前日期和被检测植物的植物种类确定被检测植物当前的生长阶段;
通过预设第五获取路径获取第二生长数据,第二生长数据包括:若干与被检测植物的植物种类相同的植物的生长阶段处于被检测植物当前的生长阶段的第二植物叶部图像;
对第二生长数据中的第二植物叶部图像进行图像分割,得到若干第二叶部子区域图像;
筛选各个第二叶部子区域图像中的所有第二叶片子图像构建第二叶片子图像集合;
建立第二叶片子图像集合中各个第二叶片子图像的第二扫描序号列表;
根据第二扫描序号列表中各个第二叶片子图像的序号依次检测第二叶片子图像集合的各个第二叶片子图像中的叶片HSV值是否符合预设叶片HSV值范围;
将第二叶片子图像中的叶片HSV值不符合预设叶片HSV值范围的第二叶片子图像进行枯黄标记;
将第二叶片子图像中的叶片HSV值符合预设叶片HSV值范围的第二叶片子图像进行绿叶标记
获取存在枯黄标记的第二叶片子图像的第三数量;
获取存在绿叶标记的第二叶片子图像的第四数量;
根据第三数量、第四数量和预设第二权重值计算得到被检测植物的第二生长值;
根据第一生长值和第二生长值得到叶部长势检测结果;
其中,若第一生长值大于等于第二生长值,叶部长势检测结果正常;
若第一生长值小于第二生长值,叶部长势检测结果异常;
其中,建立叶片子图像集合中各个叶片子图像的扫描序号列表具体包括如下步骤:
步骤1、构建序号列表,序号列表用于存储叶片子图像集合中各个叶片子图像的序号;
步骤2、将叶片子图像集合中的叶片子图像标记为Pi,其中i的取值范围为[1,m],m为叶片子图像集合中叶片子图像的数量,将叶片子图像集合中叶片子图像的像素点标记为Si,j,其中j的取值范围为[1,n],n为叶片子图像集合中叶片子图像的像素点的数量,为叶片子图像集合中各个叶片子图像Pi对应设置一个计数器Qi,计数器Qi的初始值为0;
步骤3、获取叶片子图像集合中任一叶片子图像的像素点Si,j的坐标(x,y),若i≤m且j≤n,以坐标(x,y)为中心,构建边长为2的第一像素正方形,分别计算第一像素正方形内各像素点的HSV值;
步骤4、获取叶片子图像Pi上所有像素点的平均HSV值Hi,若第一像素正方形内各像素点的HSV值均小于等于平均HSV值H1,执行步骤4.1至步骤4.3,若第二像素正方形内各像素点的HSV值中存在任一HSV值大于平均HSV值H1,执行步骤5;
步骤4.1、以坐标(x,y)为中心,构建边长为G的第二像素正方形,在第二像素正方形内任意选择三个像素点,将三个像素点分别标记为G1、G2、G3,其中,三个像素点不同时处于同一条直线上,G为变量且初始值为2;
步骤4.2、以像素点G1的坐标为中心,构建边长为2的第三像素正方形,分别计算第三像素正方形内各像素点的HSV值,获取第三像素正方形内各像素点的HSV值中的最小值HSVG1;以像素点G2的坐标为中心,构建边长为2的第四像素正方形,分别计算第四像素正方形内各像素点的HSV值,获取第四像素正方形内各像素点的HSV值中的最小值HSVG2;以像素点G3的坐标为中心,构建边长为2的第五像素正方形,分别计算第五像素正方形内各像素点的HSV值,获取第五像素正方形内各像素点的HSV值中的最小值HSVG3;
步骤4.3、获取第三像素正方形内各像素点的HSV值、第四像素正方形内各像素点的HSV值和第五像素正方形内各像素点的HSV值中的最小值HSVG4,若HSVG4<(HSVG1+HSVG2+HSVG3)/3,将当前扫描的中心的像素点的坐标从(x,y)跳转至HSVG4所对应的像素点坐标,并将坐标对应的像素点的序号设置为j并执行步骤3;若HSVG4>(HSVG1+HSVG2+HSVG3)/3,令变量G的值增加1,并执行步骤4.2;
步骤5、若j≤i,令计数器Qi的值增加1并令j的值增加1后执行步骤3;若j>i且i≤m,令i增加1后执行步骤3;若j>i且i>m,执行步骤6;
步骤6、根据各个计数器Qi的数值的大小的按照从大到小的顺序排列将Qi的对应下标i以此保存至序号列表中形成扫描序号列表;
其中,像素点的HSV值取像素的HSV三分量的加权平均值;
上述技术方案的工作原理为:叶部长势检测模块,与数据采集模块连接,用于根据病虫害数据对被检测植物进行叶部长势检测,得到被检测植物的叶部长势检测结果,在植物的生长过程中,总会有一些植物因各种原因导致自身发育不良,通常从植物叶子的颜色和亮度很容易能区分这部分发育不良的植物,叶部长势检测模块建立在此基础上对每颗植物的叶部进行长势检测,判断该植物是否处于发育不良,长势异常状况,其中,叶部长势检测模块执行包括如下操作:获取病虫害数据;病虫害数据包括植物叶部图像、植物根部图像、植物颈部图像;将植物叶部图像分割为多个叶部子区域图像;筛选各个叶部子区域图像中的所有叶片子图像构建叶片子图像集合;建立叶片子图像集合中各个叶片子图像的扫描序号列表;根据扫描序号列表中各个叶片子图像的序号依次检测叶片子图像集合的各个叶片子图像中的叶片HSV值是否符合预设叶片HSV值范围;将叶片子图像中的叶片HSV值不符合预设叶片HSV值范围的叶片子图像进行枯黄标记;将叶片子图像中的叶片HSV值符合预设叶片HSV值范围的叶片子图像进行绿叶标记;获取存在枯黄标记的叶片子图像的第一数量;获取存在绿叶标记的叶片子图像的第二数量;根据第一数量、第二数量和预设权重值计算得到被检测植物的第一生长值,该第一生长值优选为以第一数量和第二数量的和为分母,第二数量和预设权重值的乘积为分子进行计算,预设权重值优选符合绿叶标记的叶片子图像的平均叶片HSV值;根据病虫害数据确定被检测植物的植物种类;通过预设第四获取路径获取当前日期,根据当前日期和被检测植物的植物种类确定被检测植物当前的生长阶段;该生长阶段优选从植物已经长出叶片后开始计算,优选根据春夏秋冬对生长阶段进行区分,优选分为春天新叶期、夏天茂盛期、秋天结果期、冬天休眠期,但被检测植物当前的生长阶段的区分并不仅限于该方式,通过预设第五获取路径获取第二生长数据,第二生长数据包括:若干与被检测植物的植物种类相同的植物的生长阶段处于被检测植物当前的生长阶段的第二植物叶部图像;对第二生长数据中的第二植物叶部图像进行图像分割,得到若干第二叶部子区域图像;筛选各个第二叶部子区域图像中的所有第二叶片子图像构建第二叶片子图像集合;建立第二叶片子图像集合中各个第二叶片子图像的第二扫描序号列表;根据第二扫描序号列表中各个第二叶片子图像的序号依次检测第二叶片子图像集合的各个第二叶片子图像中的叶片HSV值是否符合预设叶片HSV值范围;将第二叶片子图像中的叶片HSV值不符合预设叶片HSV值范围的第二叶片子图像进行枯黄标记;将第二叶片子图像中的叶片HSV值符合预设叶片HSV值范围的第二叶片子图像进行绿叶标记获取存在枯黄标记的第二叶片子图像的第三数量;获取存在绿叶标记的第二叶片子图像的第四数量;根据第三数量、第四数量和预设第二权重值计算得到被检测植物的第二生长值;根据第一生长值和第二生长值得到叶部长势检测结果;其中,若第一生长值大于等于第二生长值,叶部长势检测结果正常;若第一生长值小于第二生长值,叶部长势检测结果异常;第二生长值的计算方法优选为与第一生长值的计算方法一致,即以第三数量和第四数量的和为分母,第四数量和预设第二权重值的乘积为分子进行计算,预设第二权重值优选符合绿叶标记的第二叶片子图像的平均叶片HSV值,当第一生长值大于等于第二生长值时,即被检测植物的绿叶覆盖面积大于等于该生长阶段正常的绿叶覆盖面积,则判定叶部长势检测结果正常,反之当第一生长值小于第二生长值时,即被检测植物的绿叶覆盖面积小于该生长阶段正常的绿叶覆盖面积,则判定叶部长势检测结果异常,其中,建立叶片子图像集合中各个叶片子图像的扫描序号列表具体包括如下步骤:步骤1、构建序号列表,序号列表用于存储叶片子图像集合中各个叶片子图像的序号;步骤2、将叶片子图像集合中的叶片子图像标记为Pi,其中i的取值范围为[1,m],m为叶片子图像集合中叶片子图像的数量,将叶片子图像集合中叶片子图像的像素点标记为Si,j,其中j的取值范围为[1,n],n为叶片子图像集合中叶片子图像的像素点的数量,为叶片子图像集合中各个叶片子图像Pi对应设置一个计数器Qi,计数器Qi的初始值为0;步骤3、获取叶片子图像集合中任一叶片子图像的像素点Si,j的坐标(x,y),若i≤m且j≤n,以坐标(x,y)为中心,构建边长为2的第一像素正方形,分别计算第一像素正方形内各像素点的HSV值;步骤4、获取叶片子图像Pi上所有像素点的平均HSV值Hi,若第一像素正方形内各像素点的HSV值均小于等于平均HSV值H1,执行步骤4.1至步骤4.3,若第二像素正方形内各像素点的HSV值中存在任一HSV值大于平均HSV值H1,执行步骤5;步骤4.1、以坐标(x,y)为中心,构建边长为G的第二像素正方形,在第二像素正方形内任意选择三个像素点,将三个像素点分别标记为G1、G2、G3,其中,三个像素点不同时处于同一条直线上,G为变量且初始值为2;步骤4.2、以像素点G1的坐标为中心,构建边长为2的第三像素正方形,分别计算第三像素正方形内各像素点的HSV值,获取第三像素正方形内各像素点的HSV值中的最小值HSVG1;以像素点G2的坐标为中心,构建边长为2的第四像素正方形,分别计算第四像素正方形内各像素点的HSV值,获取第四像素正方形内各像素点的HSV值中的最小值HSVG2;以像素点G3的坐标为中心,构建边长为2的第五像素正方形,分别计算第五像素正方形内各像素点的HSV值,获取第五像素正方形内各像素点的HSV值中的最小值HSVG3;步骤4.3、获取第三像素正方形内各像素点的HSV值、第四像素正方形内各像素点的HSV值和第五像素正方形内各像素点的HSV值中的最小值HSVG4,若HSVG4<(HSVG1+HSVG2+HSVG3)/3,将当前扫描的中心的像素点的坐标从(x,y)跳转至HSVG4所对应的像素点坐标,并将坐标对应的像素点的序号设置为j并执行步骤3;若HSVG4>(HSVG1+HSVG2+HSVG3)/3,令变量G的值增加1,并执行步骤4.2;步骤5、若j≤i,令计数器Qi的值增加1并令j的值增加1后执行步骤3;若j>i且i≤m,令i增加1后执行步骤3;若j>i且i>m,执行步骤6;步骤6、根据各个计数器Qi的数值的大小的按照从大到小的顺序排列将Qi的对应下标i以此保存至序号列表中形成扫描序号列表;其中,像素点的HSV值(即叶片子HSV值或叶片子图像像素点的HSV值)取像素的HSV三分量的加权平均值;预设叶片HSV值范围中像素的HSV三分量优选为H(34,99),S(43,255),V(46,255),异常长势预警模块,与叶部长势检测模块连接,用于判断所述被检测植物的叶部长势检测结果是否异常,若被检测植物的叶部长势检测结果异常,发出异常长势预警信号,更进一步的,将该被检测植物的位置信息发送至用户的移动设备上;
上述技术方案的有益效果为:通过检测被检测植物的叶部长势情况,获取被检测植物的叶部长势检测结果,当被检测植物的叶部长势检测结果异常时,对用户发送预警信号,有益于对叶部长势异常的作物及时发出预警,从而使得用户及时对叶部长势异常的作物进行治理维护,防止叶部长势异常的作物进一步演变为存在病虫害问题的作物,进而影响该叶部长势异常的作物周围的其他作物,有益于提高作物产量,保障作物健康成长,有益于拓宽预警范围,提高预警效率。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (9)
1.一种具有病虫害和旱情监控的多功能预警系统,其特征在于,包括:
数据采集模块,用于采集病虫害数据和采集土壤湿度数据;
数据处理模块,与所述数据采集模块连接,用于对所述病虫害数据和所述土壤湿度数据进行分析处理,得到病虫害分析结果和土壤湿度分析结果;
预警模块,与所述数据处理模块连接,用于根据所述病虫害分析结果和所述土壤湿度分析结果进行预警;
叶部长势检测模块,与所述数据采集模块连接,用于根据所述病虫害数据对被检测植物进行叶部长势检测,得到被检测植物的叶部长势检测结果;
异常长势预警模块,与所述叶部长势检测模块连接,用于判断所述被检测植物的叶部长势检测结果是否异常,若所述被检测植物的叶部长势检测结果异常,发出异常长势预警信号;
所述叶部长势检测模块执行包括如下操作:
获取病虫害数据;
所述病虫害数据包括植物叶部图像、植物根部图像、植物颈部图像;
将所述植物叶部图像分割为多个叶部子区域图像;
筛选各个所述叶部子区域图像中的所有叶片子图像构建叶片子图像集合;
建立所述叶片子图像集合中各个所述叶片子图像的扫描序号列表;
根据所述扫描序号列表中各个所述叶片子图像的序号依次检测所述叶片子图像集合的各个叶片子图像中的叶片HSV值是否符合预设叶片HSV值范围;
将所述叶片子图像中的叶片HSV值不符合预设叶片HSV值范围的叶片子图像进行枯黄标记;
将所述叶片子图像中的叶片HSV值符合预设叶片HSV值范围的叶片子图像进行绿叶标记;
获取存在枯黄标记的叶片子图像的第一数量;
获取存在绿叶标记的叶片子图像的第二数量;
根据所述第一数量、所述第二数量和预设权重值计算得到被检测植物的第一生长值;
根据所述病虫害数据确定被检测植物的植物种类;
通过预设第四获取路径获取当前日期,根据所述当前日期和所述被检测植物的植物种类确定被检测植物当前的生长阶段;
通过预设第五获取路径获取第二生长数据,所述第二生长数据包括:若干与所述被检测植物的植物种类相同的植物的生长阶段处于所述被检测植物当前的生长阶段的第二植物叶部图像;
对所述第二生长数据中的第二植物叶部图像进行图像分割,得到若干第二叶部子区域图像;
筛选各个所述第二叶部子区域图像中的所有第二叶片子图像构建第二叶片子图像集合;
建立所述第二叶片子图像集合中各个所述第二叶片子图像的第二扫描序号列表;
根据所述第二扫描序号列表中各个所述第二叶片子图像的序号依次检测所述第二叶片子图像集合的各个第二叶片子图像中的叶片HSV值是否符合预设叶片HSV值范围;
将所述第二叶片子图像中的叶片HSV值不符合预设叶片HSV值范围的第二叶片子图像进行枯黄标记;
将所述第二叶片子图像中的叶片HSV值符合预设叶片HSV值范围的第二叶片子图像进行绿叶标记
获取存在枯黄标记的第二叶片子图像的第三数量;
获取存在绿叶标记的第二叶片子图像的第四数量;
根据所述第三数量、所述第四数量和预设第二权重值计算得到被检测植物的第二生长值;
根据所述第一生长值和所述第二生长值得到叶部长势检测结果;
其中,若所述第一生长值大于等于所述第二生长值,所述叶部长势检测结果正常;
若所述第一生长值小于所述第二生长值,所述叶部长势检测结果异常;
其中,所述建立所述叶片子图像集合中各个所述叶片子图像的扫描序号列表具体包括如下步骤:
步骤1、构建序号列表,所述序号列表用于存储所述叶片子图像集合中各个所述叶片子图像的序号;
步骤2、将所述叶片子图像集合中的叶片子图像标记为Pi,其中i的取值范围为[1,m],m为所述叶片子图像集合中叶片子图像的数量,将所述叶片子图像集合中叶片子图像的像素点标记为Si,j,其中j的取值范围为[1,n],n为所述叶片子图像集合中叶片子图像的像素点的数量,为所述叶片子图像集合中各个所述叶片子图像Pi对应设置一个计数器Qi,所述计数器Qi的初始值为0;
步骤3、获取所述叶片子图像集合中任一叶片子图像的像素点Si,j的坐标(x,y),若i≤m且j≤n,以坐标(x,y)为中心,构建边长为2的第一像素正方形,分别计算所述第一像素正方形内各像素点的HSV值;
步骤4、获取叶片子图像Pi上所有像素点的平均HSV值Hi,若所述第一像素正方形内各像素点的HSV值均小于等于所述平均HSV值H1,执行步骤4.1至步骤4.3,若第二像素正方形内各像素点的HSV值中存在任一HSV值大于所述平均HSV值H1,执行步骤5;
步骤4.1、以坐标(x,y)为中心,构建边长为G的第二像素正方形,在所述第二像素正方形内任意选择三个像素点,将所述三个像素点分别标记为G1、G2、G3,其中,所述三个像素点不同时处于同一条直线上,所述G为变量且初始值为2;
步骤4.2、以像素点G1的坐标为中心,构建边长为2的第三像素正方形,分别计算所述第三像素正方形内各像素点的HSV值,获取第三像素正方形内各像素点的HSV值中的最小值HSVG1;以像素点G2的坐标为中心,构建边长为2的第四像素正方形,分别计算所述第四像素正方形内各像素点的HSV值,获取第四像素正方形内各像素点的HSV值中的最小值HSVG2;以像素点G3的坐标为中心,构建边长为2的第五像素正方形,分别计算所述第五像素正方形内各像素点的HSV值,获取第五像素正方形内各像素点的HSV值中的最小值HSVG3;
步骤4.3、获取第三像素正方形内各像素点的HSV值、第四像素正方形内各像素点的HSV值和第五像素正方形内各像素点的HSV值中的最小值HSVG4,若HSVG4<(HSVG1+HSVG2+HSVG3)/3,将当前扫描的中心的像素点的坐标从(x,y)跳转至HSVG4所对应的像素点坐标,并将所述坐标对应的像素点的序号设置为j并执行步骤3;若HSVG4>(HSVG1+HSVG2+HSVG3)/3,令变量G的值增加1,并执行步骤4.2;
步骤5、若j≤i,令所述计数器Qi的值增加1并令j的值增加1后执行步骤3;若j>i且i≤m,令i增加1后执行步骤3;若j>i且i>m,执行步骤6;
步骤6、根据各个所述计数器Qi的数值的大小的按照从大到小的顺序排列将Qi的对应下标i以此保存至所述序号列表中形成扫描序号列表;
其中,像素点的HSV值取像素的HSV三分量的加权平均值。
2.根据权利要求1所述的一种具有病虫害和旱情监控的多功能预警系统,其特征在于,所述数据采集模块包括病虫害数据采集子模块和土壤湿度数据采集子模块;
所述病虫害数据采集子模块,用于采集病虫害数据;
所述土壤湿度数据采集子模块,用于采集土壤湿度数据。
3.根据权利要求2所述的一种具有病虫害和旱情监控的多功能预警系统,其特征在于,所述病虫害数据包括植物茎部图像、植物叶部图像和植物根部图像;
所述病虫害数据采集子模块包括图像获取单元、图像分解单元、图像发送单元;
所述图像获取单元,用于获取被检测植物的植物图像;
所述图像分解单元,用于将所述植物图像分解为植物茎部图像、植物叶部图像和植物根部图像;
所述图像发送单元,用于将所述植物茎部图像、所述植物叶部图像和所述植物根部图像发送至所述数据处理模块;
所述土壤湿度数据采集子模块包括土壤湿度采集单元、土壤湿度数据发送单元;
所述土壤湿度采集单元,用于采集被检测植物的植物种植土壤的土壤湿度数据;
所述湿度数据发送单元,用于将所述土壤湿度数据发送至所述数据处理模块。
4.根据权利要求1所述的一种具有病虫害和旱情监控的多功能预警系统,其特征在于,所述数据处理模块包括病虫害数据处理子模块和土壤湿度数据处理子模块;
所述病虫害数据处理子模块,用于对所述病虫害数据进行分析处理,得到病虫害分析结果;
所述土壤湿度数据处理子模块,用于对所述土壤湿度数据进行分析处理,得到土壤湿度分析结果。
5.根据权利要求4所述的一种具有病虫害和旱情监控的多功能预警系统,其特征在于,
所述病虫害数据处理子模块包括图像接收单元、图像信息获取单元、图像对比单元、结果处理单元、结果输出单元;
所述图像接收单元,用于接收所述数据采集模块发送的被检测植物的植物茎部图像、植物叶部图像和植物根部图像;
所述图像信息获取单元,用于获取所述植物茎部图像的茎部信息、所述植物叶部图像的叶部信息和所述植物根部图像的根部信息;
所述图像对比单元,用于将所述茎部信息与预设茎部病虫害病征信息进行病征对比,得到茎部对比结果;
所述图像对比单元,还用于将所述叶部信息与预设叶部病虫害病征信息进行病征对比,得到叶部对比结果;
所述图像对比单元,还用于将所述根部信息与预设根部病虫害病征信息进行病征对比,得到根部对比结果;
所述结果处理单元,用于根据所述茎部对比结果、所述叶部对比结果和所述根部对比结果判断所述被检测植物是否出现病虫害病征,若判定所述被检测植物出现病虫害病征,输出病虫害分析结果;
所述结果输出单元,用于将所述病虫害分析结果发送至所述预警模块;
所述土壤湿度数据处理子模块包括土壤湿度数据接收单元、土壤湿度数据判断单元、判断结果输出单元;
所述土壤湿度数据接收单元,用于接收所述数据采集模块发送的土壤湿度数据;
所述土壤湿度数据判断单元,用于将所述土壤湿度数据与预设土壤湿度范围进行匹配,若所述土壤湿度数据不在所述预设土壤湿度范围内,则判定所述土壤湿度异常,输出土壤湿度分析结果;
所述判断结果输出单元,用于将所述土壤湿度分析结果发送至所述预警模块。
6.根据权利要求5所述的一种具有病虫害和旱情监控的多功能预警系统,其特征在于,所述若所述土壤湿度数据不在所述预设土壤湿度范围内,则判定所述土壤湿度异常,输出土壤湿度分析结果,包括:
若所述土壤湿度数据小于所述预设土壤湿度范围的最小值,则判定所述土壤湿度处于干旱状态,输出土壤干旱分析结果;
若所述土壤湿度数据大于所述预设土壤湿度范围的最大值,则判定所述土壤湿度处于水淹状态,输出土壤水淹分析结果。
7.根据权利要求1所述的一种具有病虫害和旱情监控的多功能预警系统,其特征在于,所述预警模块包括病虫害预警子模块和旱情预警子模块;
所述病虫害预警子模块,用于根据所述病虫害分析结果进行病虫害预警;
所述旱情预警子模块,用于根据所述土壤湿度分析结果进行旱情预警。
8.根据权利要求7所述的一种具有病虫害和旱情监控的多功能预警系统,其特征在于,所述病虫害预警子模块包括病虫害分析结果接收单元、病虫害分析结果解析单元、茎部病虫害预警单元、叶部病虫害预警单元和根部病虫害预警单元;
所述病虫害分析结果接收单元,用于接收所述数据处理模块发送的病虫害分析结果;
所述病虫害分析结果解析单元,用于将所述病虫害分析结果进行解析,得到总病虫害解析结果,所述总病虫害解析结果包括:茎部病虫害解析结果、叶部病虫害解析结果、根部病虫害解析结果其中任一项或多项;
所述茎部病虫害预警单元,用于在所述总病虫害解析结果中包含茎部病虫害解析结果时发出茎部预警信号;
所述叶部病虫害预警单元,用于在所述总病虫害解析结果中包含叶部病虫害解析结果时发出叶部预警信号;
所述根部病虫害预警单元,用于在所述总病虫害解析结果中包含根部病虫害解析结果时发出根部预警信号;
所述旱情预警子模块包括土壤湿度分析结果接收单元、土壤干旱预警单元和土壤水淹预警单元;
所述土壤湿度接收单元,用于接收所述数据处理模块发送的土壤湿度分析结果,所述土壤湿度分析结果包括:土壤干旱分析结果、土壤水淹分析结果其中任一项;
所述土壤干旱预警单元,用于在所述土壤湿度分析结果为土壤干旱分析结果时发出干旱预警信号;
所述土壤水淹预警单元,用于在所述土壤湿度分析结果为土壤水淹分析结果时发出水淹预警信号。
9.根据权利要求1所述的一种具有病虫害和旱情监控的多功能预警系统,其特征在于,还包括:病虫害种类分析模块、病虫害种类治理方案推荐模块;
所述病虫害种类分析模块,与所述数据采集模块连接,用于根据所述病虫害数据确定病虫害种类;
所述病虫害种类治理方案推荐模块,与所述病虫害种类分析模块连接,用于根据所述病虫害种类确定所述病虫害种类的治理方案并对用户进行推荐;
所述病虫害种类分析模块执行包括如下操作:
获取病虫害数据;
根据所述病虫害数据确定被检测植物的植物种类;
通过预设第一获取路径获取与所述植物种类相同的植物的第一病虫害数据,所述第一病虫害数据包括:与所述植物种类相同的植物的若干种第一茎部病虫害信息、与所述植物种类相同的植物的若干种第一叶部病虫害信息、与所述植物种类相同的植物的若干种第一根部病虫害信息;
所述第一茎部病虫害信息包括:第一茎部病虫害病征和与所述第一茎部病虫害病征对应的病虫害种类;
所述第一叶部病虫害信息包括:第一叶部病虫害病征和与所述第一叶部病虫害病征对应的病虫害种类;
所述第一根部病虫害信息包括:第一根部病虫害病征和与所述第一根部病虫害病征对应的病虫害种类;
对所述第一病虫害数据进行标签化训练深度学习,将所述第一茎部病虫害病征、所述第一叶部病虫害病征和所述第一根部病虫害病征分别进行病虫害种类标签对应;
通过预设第二获取路径获取被检测植物的第二病征数据,所述第二病征数据包括:被检测植物的第二茎部病虫害病征、被检测植物的第二叶部病虫害病征、被检测植物的第二根部病虫害病征;
若所述第二茎部病虫害病征与所述若干种第一茎部病虫害信息中任一第一茎部病虫害病征相同,获取与所述第二茎部病虫害病征相同的任一第一茎部病虫害病征的病虫害种类标签,确定被检测植物的茎部病虫害种类;
若所述第二叶部病虫害病征与所述若干种第一叶部病虫害信息中任一第一叶部病虫害病征相同,获取与所述第二叶部病虫害病征相同的任一第一叶部病虫害病征的病虫害种类标签,确定被检测植物的叶部病虫害种类;
若所述第二根部病虫害病征与所述若干种第一根部病虫害信息中任一第一根部病虫害病征相同,获取与所述第二根部病虫害病征相同的任一第一根部病虫害病征的病虫害种类标签,确定被检测植物的根部病虫害种类;
所述病虫害种类治理方案推荐模块执行包括如下操作:
通过预设第三获取路径获取治理数据,所述治理数据包括:若干茎部病虫害种类和相对应的治理方案、若干叶部病虫害种类和相对应的治理方案、若干根部病虫害种类和相对应的治理方案;
根据所述治理数据建立病虫害种类-治理方案数据库;
获取被检测植物的病虫害种类;
通过所述病虫害种类-治理方案数据库确定所述被检测植物的病虫害种类的治理方案;
将所述被检测植物的病虫害种类的治理方案对用户进行推荐。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110771677.5A CN113377062B (zh) | 2021-07-08 | 2021-07-08 | 一种具有病虫害和旱情监控的多功能预警系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110771677.5A CN113377062B (zh) | 2021-07-08 | 2021-07-08 | 一种具有病虫害和旱情监控的多功能预警系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113377062A CN113377062A (zh) | 2021-09-10 |
CN113377062B true CN113377062B (zh) | 2021-12-21 |
Family
ID=77581403
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110771677.5A Active CN113377062B (zh) | 2021-07-08 | 2021-07-08 | 一种具有病虫害和旱情监控的多功能预警系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113377062B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114548438B (zh) * | 2022-02-23 | 2024-04-19 | 浙江大学 | 一种草坪自动管理方法及系统 |
CN117911957B (zh) * | 2024-03-19 | 2024-05-14 | 凉山彝族自治州农业科学研究院 | 一种针对观赏葵病虫害的防治监控系统及方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106779188A (zh) * | 2016-11-30 | 2017-05-31 | 深圳前海弘稼科技有限公司 | 一种种植设备中植物病虫害预测方法及装置 |
CN107346434A (zh) * | 2017-05-03 | 2017-11-14 | 上海大学 | 一种基于多特征及支持向量机的植物病虫害检测方法 |
CN109991911A (zh) * | 2019-05-05 | 2019-07-09 | 西安邮电大学 | 一种基于物联网的果园综合监控系统 |
WO2019140010A1 (en) * | 2018-01-10 | 2019-07-18 | The Regents Of The University Of California | Method for genetic manipulation of sap-feeding insects |
CN110472784A (zh) * | 2019-08-08 | 2019-11-19 | 黑龙江农垦垦通信息通信有限公司 | 一种基于人工智能的病虫害预报与诊断系统及方法 |
CN111862194A (zh) * | 2020-08-04 | 2020-10-30 | 江苏云脑数据科技有限公司 | 基于计算机视觉的深度学习植物生长模型分析方法及系统 |
CN112335631A (zh) * | 2020-10-12 | 2021-02-09 | 安徽军松现代农业科技有限公司 | 一种大棚种植用病虫害监测调控系统 |
CN112461828A (zh) * | 2019-09-09 | 2021-03-09 | 云南天质弘耕科技有限公司 | 一种基于卷积神经网络的病虫害智能测报预警系统 |
-
2021
- 2021-07-08 CN CN202110771677.5A patent/CN113377062B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106779188A (zh) * | 2016-11-30 | 2017-05-31 | 深圳前海弘稼科技有限公司 | 一种种植设备中植物病虫害预测方法及装置 |
CN107346434A (zh) * | 2017-05-03 | 2017-11-14 | 上海大学 | 一种基于多特征及支持向量机的植物病虫害检测方法 |
WO2019140010A1 (en) * | 2018-01-10 | 2019-07-18 | The Regents Of The University Of California | Method for genetic manipulation of sap-feeding insects |
CN109991911A (zh) * | 2019-05-05 | 2019-07-09 | 西安邮电大学 | 一种基于物联网的果园综合监控系统 |
CN110472784A (zh) * | 2019-08-08 | 2019-11-19 | 黑龙江农垦垦通信息通信有限公司 | 一种基于人工智能的病虫害预报与诊断系统及方法 |
CN112461828A (zh) * | 2019-09-09 | 2021-03-09 | 云南天质弘耕科技有限公司 | 一种基于卷积神经网络的病虫害智能测报预警系统 |
CN111862194A (zh) * | 2020-08-04 | 2020-10-30 | 江苏云脑数据科技有限公司 | 基于计算机视觉的深度学习植物生长模型分析方法及系统 |
CN112335631A (zh) * | 2020-10-12 | 2021-02-09 | 安徽军松现代农业科技有限公司 | 一种大棚种植用病虫害监测调控系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113377062A (zh) | 2021-09-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113377062B (zh) | 一种具有病虫害和旱情监控的多功能预警系统 | |
CN112639869A (zh) | 作物生长阶段判定系统的服务器装置、生长阶段判定方法以及程序 | |
CN110213376B (zh) | 一种用于虫害预防的信息处理系统及方法 | |
CN111753646A (zh) | 一种融合种群季节消长信息的农业害虫检测分类方法 | |
CN114239756B (zh) | 一种虫害检测方法及系统 | |
CN111985724B (zh) | 一种农作物产量预估的方法、装置、设备及存储介质 | |
CN114818909B (zh) | 一种基于作物长势特征的杂草检测方法和装置 | |
CN110188657A (zh) | 基于卷曲叶片检测的玉米干旱识别方法 | |
CN111967441A (zh) | 一种基于深度学习的农作物病害分析方法 | |
CN112734083A (zh) | 一种基于机器视觉的水稻收割机路径规划控制系统 | |
CN106355609A (zh) | 自动行走设备及其植被健康状况识别方法 | |
CN116300608A (zh) | 一种基于大数据的智慧农业远程监控系统 | |
CN110689022B (zh) | 基于叶片匹配的各株作物图像提取方法 | |
Ouyang et al. | Assessment of canopy size using UAV-based point cloud analysis to detect the severity and spatial distribution of canopy decline | |
CN111523457B (zh) | 一种杂草识别方法及杂草处理设备 | |
CN113807143A (zh) | 作物连通域的识别方法、装置及作业系统 | |
CN102360428B (zh) | 一种玉米三叶期与七叶期的自动检测方法 | |
CN117036926A (zh) | 一种融合深度学习与图像处理的杂草识别方法 | |
CN117058607A (zh) | 一种基于图像视觉分析的植物生长状态监测系统 | |
CN115661647A (zh) | 一种树木栽种生长状况的定时巡检方法 | |
CN115424151A (zh) | 一种基于图像处理的农业智能平台 | |
CN114821268A (zh) | 一种基于机器学习的杂草与作物识别方法 | |
CN110796639B (zh) | 一种基于神经网络的半夏品质分级方法 | |
CN116823918B (zh) | 作物苗株数测量方法、装置、电子设备及存储介质 | |
CN116453003B (zh) | 一种基于无人机监测智能识别水稻生长势的方法和系统 |
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 |