CN113377141A - 一种人工智能农业自动管理系统 - Google Patents

Abstract

本发明公开了一种人工智能农业自动管理系统，涉及农业技术领域，通过自动灌溉单元对农作物进行自动灌溉；自动施肥单元对农作物进行自动施肥；自动除虫单元对农作物进行虫害是识别，并进行自动除虫；自动去病单元对农作物进行病害判断，并自动去病；实现通过自动灌溉单元、自动施肥单元、自动除虫单元、自动去病单元进行实时综合检测农场的农作物动态，根据人工智能分析等进行自动操作处理，节省了人力和物力，为农场解决大量人力资源消耗问题。

Description

一种人工智能农业自动管理系统

技术领域

本发明属于农业技术领域，尤其涉及一种人工智能农业自动管理系统。

背景技术

现代农业，很多基础检测设备已然开始普及完善。但是大部分时候，硬件检测收集到的数据结果，还是根据人工进行判断处理，缺水则补水，有虫则除虫，营养不良则施肥处理等等一系列的人工操作。因此，在很多场景都是类似的人工判断场景，然后再进行人工处理操作，根据现有的人工智能技术，完全可以做到存粹人工智能的判断逻辑与机器自动处理，根据算力逻辑，节省人力和物力。因此，需要一种人工智能农业自动管理系统。

发明内容

本发明的目的在于提供一种人工智能农业自动管理系统，从而克服了现有农场需要大量人力资源的缺点。

为实现上述目的，本发明提供了一种人工智能农业自动管理系统，包括：

自动灌溉单元，所述自动灌溉单元用于对农作物进行自动灌溉；

自动施肥单元，所述自动施肥单元用于对所述农作物进行自动施肥；

自动除虫单元，所述自动除虫单元用于对所述农作物进行虫害是识别，并进行自动除虫；

自动去病单元，所述自动去病单元用于对所述农作物进行病害判断，并自动去病；以及

主控单元，所述主控单元用于对所述自动灌溉单元、自动施肥单元、自动除虫单元以及自动去病单元进行控制。

进一步的，还包括数据库，所述数据库用于对所述自动灌溉单元、自动施肥单元、自动除虫单元、自动去病单元以及主控单元的数据进行存储。

进一步的，所述自动灌溉单元对农作物灌溉的水量根据农作物的各时期的生长状态进行控制，且对农作物的灌溉时间根据农作物的作息以及种植农作物的土壤湿度决定。

进一步的，所述土壤湿度通过土壤湿度检测模块进行检测；农作物的各时期的生长状态通过主控单元对图像采集装置采集的图像信息进行判断。

进一步的，所述农作物的各时期的生长状态通过主控单元对图像采集装置采集的图像信息进行判断包括以下步骤：

主控单元内存储有农作物各时期自然生长规律的原始样本图像以及农作物各时期需要的水量；

图像采集装置采集的农作物实时图像；

主控单元将所述农作物实时图像与原始样本图像进行相似度对比，相似度最大的原始样本图像所属的生长时期为所述农作物实时图像的农作物的生长期，后根据对比得到的农作物的生长期控制灌溉的水量。

进一步的，所述自动施肥单元对农作物施肥的种类以数量根据农作物的生长期进行控制，农作物的施肥时间根据农作物的作息以及种植农作物土壤的土壤参数决定。

进一步的，种植农作物土壤的土壤参数通过土壤参数检测模块进行获取，所述土壤参数包括土壤的盐分、PH值、温度、肥料养分以及湿度。

进一步的，所述自动除虫单元用于对所述农作物进行虫害是识别，并进行自动除虫包括以下步骤：

所述自动除虫单元通过图片采集单元获取农作物的图像；

从所述农作物的图像中将病害虫目标从图像中分割出来；

将分割出来的病害虫目标与主控单元中的对应地域的病虫害图片数据库进行比对，查找出与其最相关的病虫害图片，作为初步病害虫识别结果；

对分割出来的病害虫目标进行病害虫的纹理特征和几何特征提取；

将所述纹理特征和几何特征与病虫害的纹理特征数据库和几何特征数据库中的纹理特征和几何特征进行匹配，得到病害虫的种类，且每一种病害虫关联对应的病虫害诊断结果；

根据所述病害虫的种类发出病害虫警告信号；

自动除虫装置根据所述病害虫警告信号进行自动除虫，或所述自动除虫装置通过工人对所述病害虫警告信号进行校核后，通过工人对所述自动除虫装置进行控制除虫。

进一步的，所述自动去病单元用于对所述农作物进行病害判断采用能够识别病害图像特征的卷积神经网络模型进行判断。

与现有的技术相比，本发明具有如下有益效果：

本发明所提供的人工智能农业自动管理系统，通过自动灌溉单元对农作物进行自动灌溉；自动施肥单元对农作物进行自动施肥；自动除虫单元对农作物进行虫害是识别，并进行自动除虫；自动去病单元对农作物进行病害判断，并自动去病；实现通过自动灌溉单元、自动施肥单元、自动除虫单元、自动去病单元进行实时综合检测农场的农作物动态，根据人工智能分析等进行自动操作处理，节省了人力和物力，为农场解决大量人力资源消耗问题。通过主控单元对自动灌溉单元、自动施肥单元、自动除虫单元以及自动去病单元进行控制，以及对自动灌溉单元、自动施肥单元、自动除虫单元以及自动去病单元的数据查看以及数据记录，为机器学习以及人工智能自动学习积累数据。

附图说明

为了更清楚地说明本发明的技术方案，下面将对实施例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个实施例，对于本领域普通技术人员来说，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是本发明一种人工智能农业自动管理系统的结构示意图。

具体实施方式

下面结合本发明实施例中的附图，对本发明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作出创造性劳动的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。

图1示出了本发明所提供的其中一个实施例人工智能农业自动管理系统包括：自动灌溉单元、自动施肥单元、自动除虫单元、自动去病单元以及主控单元，

自动灌溉单元用于对农作物进行自动灌溉；

自动施肥单元用于对农作物进行自动施肥；

自动除虫单元用于对农作物进行虫害是识别，并进行自动除虫；

自动去病单元用于对农作物进行自动病害判断，并进行提醒；

主控单元用于对自动灌溉单元、自动施肥单元、自动除虫单元以及自动去病单元进行控制。

上述的人工智能农业自动管理系统，通过自动灌溉单元对农作物进行自动灌溉；自动施肥单元对农作物进行自动施肥；自动除虫单元对农作物进行虫害是识别，并进行自动除虫；自动去病单元对农作物进行病害判断，并自动去病；实现通过自动灌溉单元、自动施肥单元、自动除虫单元、自动去病单元进行实时综合检测农场的农作物动态，根据人工智能分析等进行自动操作处理，节省了人力和物力，为农场解决大量人力资源消耗问题。通过主控单元对自动灌溉单元、自动施肥单元、自动除虫单元以及自动去病单元进行控制，以及对自动灌溉单元、自动施肥单元、自动除虫单元以及自动去病单元的数据查看以及数据记录，为机器学习以及人工智能自动学习积累数据。

其中一个实施例，人工智能农业自动管理系统还包括数据库，数据库用于对所述自动灌溉单元、自动施肥单元、自动除虫单元、自动去病单元以及主控单元的数据进行存储。

通过数据库存储方便后续工人对人工智能农业自动管理系统的数据管理和监控，以及为人工智能的判断提供数据基础。

其中一个实施例，人工智能农业自动管理系统还包括人机交互单元，人机交互单元与主控单元电连接，具体的，人机交互单元采用触控屏，通过触控屏能够直接在对主控单元进行控制，从而对自动灌溉单元、自动施肥单元、自动除虫单元、自动去病单元的控制以及相应的数据查看。

其中一个实施例，人工智能农业自动管理系统还包括无线传输单元，无线传输单元与主控单元连接，通过无线传输单元，将自动灌溉单元、自动施肥单元、自动除虫单元、自动去病单元以及主控单元的数据之间传输是云服务器或通过无线传输单元实现远程遥控等。

其中一个实施例，自动灌溉单元对农作物灌溉的水量根据农作物的各时期的生长状态进行控制，且对农作物的灌溉时间根据农作物的作息以及种植农作物的土壤湿度决定。

其中，农作物的各时期的生长状态分为幼苗期、生长期以及成熟期。

具体的，土壤湿度通过土壤湿度检测模块进行检测；农作物的各时期的生长状态通过主控单元对图像采集装置采集的图像信息进行判断。

其中，土壤湿度模块采用土壤湿度检测模块，图像采集装置采用摄像头或红外感应模块等，本实施例图像采集装置采用摄像头进行采集，具体的，农作物的生长期通过图像采集装置进行图像信息采集，后对图像信息进行判断农作物的生长情况，从而得到农作物的各时期的生长状态。

具体的，农作物的各时期的生长状态通过主控单元对图像采集装置采集的图像信息进行判断包括以下步骤：

S101、主控单元内存储有农作物各时期自然生长规律的原始样本图像以及农作物各时期需要的水量；

S102、图像采集装置采集的农作物实时图像；

S103、主控单元将所述农作物实时图像与原始样本图像进行相似度对比，相似度最大的原始样本图像所属的生长时期为所述农作物实时图像的农作物的生长期，后根据对比得到的农作物的生长期控制灌溉的水量。

农作物的灌溉时间根据农作物的作息以及种植农作物的土壤湿度决定包括：

S104、根据农作物的作息判断农作物的浇水时间，例如早上太阳出来之前的几小时、下午太阳落下之后的几小时等；

S105、土壤湿度检测模块对土壤的湿度进行实时或定时检测，当土壤的湿度低于农作物所需的突然湿度时，且检测土壤的湿度的时间属于农作物的浇水时间，则自动灌溉单元控制自动灌溉装置根据S103判断得到的农作物的生长期控制灌溉的水量进行灌溉；当土壤的湿度低于农作物所需的突然湿度时，且检测土壤的湿度的时间不属于农作物的浇水时间，则自动灌溉单元等到下一时段的农作物浇水时间时，控制自动灌溉装置根据S103判断得到的农作物的生长期控制灌溉的水量进行灌溉；

S106、自动灌溉单元处理以及得到的数据存储在数据库，且能够在人机交互单元进行显示及查看。

其中一个实施例，自动施肥单元对农作物施肥的种类以数量根据农作物的生长期进行控制，农作物的施肥时间根据农作物的作息以及种植农作物土壤的土壤参数决定。

具体的，农作物施肥的种类根据农作物的生长期进行选择，即幼苗期施加幼苗期肥料、生长期施加生长期配料以及成熟期施加成熟期肥料。

种植农作物土壤的土壤参数通过土壤参数检测模块进行获取，所述土壤参数包括土壤的盐分、PH值、温度、肥料养分以及湿度。

具体的，土壤的盐分通过土壤盐分传感器获取，土壤的PH值通过土壤PH传感器获取，土壤的温度通过土壤温度传感器获取，土壤的肥料养分通过土壤肥料养分检测仪或土壤养分自动检测系统获取。

具体的，自动施肥单元对农作物施肥的种类以及数量根据农作物的生长期进行控制，农作物的施肥时间根据农作物的作息以及种植农作物的土壤参数决定包括以下步骤：

S201、主控单元内存储有农作物各时期自然生长时期的原始土壤参数的取值范围；

S201、主控单元获取S103判断的农作物的生长期，并通过农作物的生长期获取与相应的原始土壤参数的取值范围；

S202、自动施肥单元控制土壤养分自动检测系统定期获取实时土壤参数；

S203、自动施肥单元将实时土壤参数与该农作物对应的生长期的原始土壤参数的取值范围进行判断，当实时土壤参数中的其中一参数属于对应的原始土壤参数的取值范围时，则无需施肥，当实时土壤参数中的其中一参数小于对应的原始土壤参数的取值范围，则自动施肥单元发出施肥信号，控制施肥装置根据施肥信号施相应的肥料；当实时土壤参数中的其中一参数大于该农作物的生长期的原始土壤参数的取值范围，则发出施肥警告信号，提醒监控人员对农作物进行观察，施肥需要施其他肥或是浇水等。

S204、人机交互单元根据施肥警告信号进行提醒，自动施肥单元处理以及得到的数据存储在数据库，且能够在人机交互单元进行显示及查看。

其中一个实施例，自动除虫单元用于对所述农作物进行虫害是识别，并进行自动除虫包括以下步骤：

S301、自动除虫单元通过图片采集单元获取农作物的图像；

S302、从农作物的图像中将病害虫目标从图像中分割出来；

S303、将分割出来的病害虫目标与主控单元中的对应地域的病虫害图片数据库进行比对，查找出与其最相关的病虫害图片，作为初步病害虫识别结果；

S304、对分割出来的病害虫目标进行病害虫的纹理特征和几何特征提取；

S305、将纹理特征和几何特征与病虫害的纹理特征数据库和几何特征数据库中的纹理特征和几何特征进行匹配，得到病害虫的种类，且每一种病害虫关联对应的病虫害诊断结果；进一步对S303识别出来的结果进行验证，以S305的诊断结果为准；

S306、自动除虫单元根据病害虫的种类发出病害虫警告信号；

S307、自动除虫装置根据所述病害虫警告信号进行自动除虫，或所述自动除虫装置通过工人对所述病害虫警告信号进行校核后，通过工人对所述自动除虫装置进行控制除虫（即喷药等措施）；

S308、人机交互单元根据病害虫警告信号进行提醒，自动除虫单元处理以及得到的数据存储在数据库，且能够在人机交互单元进行显示及查看。

其中一个实施例，自动去病单元用于对所述农作物进行病害判断采用能够识别病害图像特征的卷积神经网络模型进行判断。

具体的，自动去病单元用于对所述农作物进行病害判断，并自动去病包括以下步骤：

S401、采集多种农作物病害的图像，并对所有的农作物病害的图像进行病害图像特征提取，将所有的并作为数据集；

S402、构建识别病害图像特征的卷积神经网络模型；

S403、通过数据集对神经网络进行训练，对该神经网络进行调整，直至神经网络性能达到预期效果；

S404、获取S102中图像采集装置采集的农作物实时图像，从农作物实时图像中提取实时病害图像特征，若无，则重复循环步骤S404，反之进入下一步骤；

S405、将实时病害图像特征输入步骤S403训练好的卷积神经网络模型中，输出病害类型；

S406、根据步骤S405发出的病害类型发出病害警告信息；

S407、自动喷药装置根据所述病害虫警告信号进行自动喷药，或自动喷药装置通过工人对病害警告信息进行校核后，通过工人对自动喷药装置进行控制喷药类型以及喷药控制等；

S308、人机交互单元根据病害警告信息进行提醒，自动去病单元处理以及得到的数据存储在数据库，且能够在人机交互单元进行显示及查看。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述移动终端的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述移动终端中模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括是电载波信号和电信信号。

以上所揭露的仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或变型，都应涵盖在本发明的保护范围之内。

Claims (9)

1.一种人工智能农业自动管理系统，其特征在于，包括：

自动灌溉单元，所述自动灌溉单元用于对农作物进行自动灌溉；

自动施肥单元，所述自动施肥单元用于对所述农作物进行自动施肥；

自动除虫单元，所述自动除虫单元用于对所述农作物进行虫害是识别，并进行自动除虫；

自动去病单元，所述自动去病单元用于对所述农作物进行病害判断，并自动去病；以及

主控单元，所述主控单元用于对所述自动灌溉单元、自动施肥单元、自动除虫单元以及自动去病单元进行控制。

2.根据权利要求1所述的人工智能农业自动管理系统，其特征在于，还包括数据库，所述数据库用于对所述自动灌溉单元、自动施肥单元、自动除虫单元、自动去病单元以及主控单元的数据进行存储。

3.根据权利要求1所述的人工智能农业自动管理系统，其特征在于，所述自动灌溉单元对农作物灌溉的水量根据农作物的各时期的生长状态进行控制，且对农作物的灌溉时间根据农作物的作息以及种植农作物的土壤湿度决定。

4.根据权利要求3所述的人工智能农业自动管理系统，其特征在于，所述土壤湿度通过土壤湿度检测模块进行检测；农作物的各时期的生长状态通过主控单元对图像采集装置采集的图像信息进行判断。

5.根据权利要求4所述的人工智能农业自动管理系统，其特征在于，所述农作物的各时期的生长状态通过主控单元对图像采集装置采集的图像信息进行判断包括以下步骤：

主控单元内存储有农作物各时期自然生长规律的原始样本图像以及农作物各时期需要的水量；

图像采集装置采集的农作物实时图像；

主控单元将所述农作物实时图像与原始样本图像进行相似度对比，相似度最大的原始样本图像所属的生长时期为所述农作物实时图像的农作物的生长期，后根据对比得到的农作物的生长期控制灌溉的水量。

6.根据权利要求1所述的人工智能农业自动管理系统，其特征在于，所述自动施肥单元对农作物施肥的种类以数量根据农作物的生长期进行控制，农作物的施肥时间根据农作物的作息以及种植农作物土壤的土壤参数决定。

7.根据权利要求6所述的人工智能农业自动管理系统，其特征在于，种植农作物土壤的土壤参数通过土壤参数检测模块进行获取，所述土壤参数包括土壤的盐分、PH值、温度、肥料养分以及湿度。

8.根据权利要求1所述的人工智能农业自动管理系统，其特征在于，所述自动除虫单元用于对所述农作物进行虫害是识别，并进行自动除虫包括以下步骤：

所述自动除虫单元通过图片采集单元获取农作物的图像；

从所述农作物的图像中将病害虫目标从图像中分割出来；

将分割出来的病害虫目标与主控单元中的对应地域的病虫害图片数据库进行比对，查找出与其最相关的病虫害图片，作为初步病害虫识别结果；

对分割出来的病害虫目标进行病害虫的纹理特征和几何特征提取；

将所述纹理特征和几何特征与病虫害的纹理特征数据库和几何特征数据库中的纹理特征和几何特征进行匹配，得到病害虫的种类，且每一种病害虫关联对应的病虫害诊断结果；

根据所述病害虫的种类发出病害虫警告信号；

自动除虫装置根据所述病害虫警告信号进行自动除虫，或所述自动除虫装置通过工人对所述病害虫警告信号进行校核后，通过工人对所述自动除虫装置进行控制除虫。

9.根据权利要求1所述的人工智能农业自动管理系统，其特征在于，所述自动去病单元用于对所述农作物进行病害判断采用能够识别病害图像特征的卷积神经网络模型进行判断。

Images