CN113722519A - 一种作物表型云平台分析系统及方法 - Google Patents
一种作物表型云平台分析系统及方法 Download PDFInfo
- Publication number
- CN113722519A CN113722519A CN202111037608.8A CN202111037608A CN113722519A CN 113722519 A CN113722519 A CN 113722519A CN 202111037608 A CN202111037608 A CN 202111037608A CN 113722519 A CN113722519 A CN 113722519A
- Authority
- CN
- China
- Prior art keywords
- crop
- module
- detected
- image data
- phenotype
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 64
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000007405 data analysis Methods 0.000 claims abstract description 33
- 238000000605 extraction Methods 0.000 claims abstract description 20
- 238000009826 distribution Methods 0.000 claims description 17
- 238000003860 storage Methods 0.000 claims description 17
- 230000005540 biological transmission Effects 0.000 claims description 9
- 238000013079 data visualisation Methods 0.000 claims description 9
- 238000002474 experimental method Methods 0.000 claims description 7
- 238000012800 visualization Methods 0.000 claims description 7
- 230000001360 synchronised effect Effects 0.000 claims description 3
- 238000007726 management method Methods 0.000 description 29
- 238000011161 development Methods 0.000 description 4
- 239000000284 extract Substances 0.000 description 4
- 230000010354 integration Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 2
- 239000003337 fertilizer Substances 0.000 description 2
- 230000001939 inductive effect Effects 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 238000009395 breeding Methods 0.000 description 1
- 230000001488 breeding effect Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000013401 experimental design Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000000746 purification Methods 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/51—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/958—Organisation or management of web site content, e.g. publishing, maintaining pages or automatic linking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5061—Partitioning or combining of resources
- G06F9/5072—Grid computing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- Economics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Tourism & Hospitality (AREA)
- Human Resources & Organizations (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Mining & Mineral Resources (AREA)
- Marine Sciences & Fisheries (AREA)
- General Health & Medical Sciences (AREA)
- Animal Husbandry (AREA)
- Agronomy & Crop Science (AREA)
- Mathematical Physics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种作物表型云平台分析系统及方法,其特征在于,包括前端采集系统、云平台管理系统和云计算分析系统;所述前端采集系统用于根据预先设定的采集参数,采集待测作物的图像数据;所述云平台管理系统用于设定数据分析流程以及存储待测作物的图像数据;所述云计算分析系统用于采用高通量表型性状提取算法,基于设定的数据分析流程,根据待测作物的图像数据,提取待测作物的表型特征信息,本发明可以广泛应用于智慧农业领域中。
Description
技术领域
本发明是关于一种作物表型云平台分析系统及方法,属于智慧农业领域。
背景技术
大数据的存储、处理和共享,对计算机的性能提出很高的要求,云计算由此相伴而生。云计算是通过网络按需分配计算资源,共享计算资源池,包括服务器、数据库、存储平台、架构和应用等,云计算基于“按需分配”和“共享资源”的理念,具有低成本、数据安全、弹性和快速全局部署等优势。目前云计算的部署模型包括私有云、社区云、公有云与混合云。随着云时代的来临,“互联网+”正在以前所未有的速度席卷全球,悄然影响各个领域的变化和发展,同时大数据也吸引越来越多的关注,大数据的特征主要有数据量大、类型繁多、价值密度低以及速度快、时效高四个特征,这就要求不能仅仅掌握庞大的数据信息,更要对这些含有意义的数据进行专业化处理,管理方式要与时俱进。
例如在农业领域,随着现代农业和精确农业的发展,各类表型采集平台获取的大规模数据需要及时转化为研究人员可以理解的信息,然而面对复杂、类型繁多的数据信息,如何通过强大的机器算法更迅速地完成数据价值的“提纯”,是研究人员要解决的难题,因此,需要实现大规模、高通量表型数据采集环节的自动化,进一步提高表型数据的管理和存储的效率,从而可以提高现代作物的育种选择速度,提高在全球气候变化的影响下作物的适应力和产量的稳定性。目前,各国已经建成各种各样数据采集和管理平台,为精确农业的发展提供新的技术手段。
然而,表型组数据包括可视图像数据、传感器数据和试验元数据等多种数据集,数据解析实际包含从最初的数据采集到最终细化分析的整个过程,而目前研发的云平台均停留在数据的管理这一步,不能直接给出最后的分析结果,满足从数据获取到自动分析的平台还有待进一步研发。大数据分析经常和云计算联系到一起,利用云计算、算法开发、数据挖掘等方法对大田作物表型进行多层次分析,为作物表型研究者提供相应的技术支持。
发明内容
针对上述问题,本发明的目的是提供一种能够满足从数据获取到自动分析的作物表型云平台分析系统及方法。
为实现上述目的,本发明采取以下技术方案:一方面,提供一种作物表型云平台分析系统,包括前端采集系统、云平台管理系统和云计算分析系统;
所述前端采集系统用于根据预先设定的采集参数,采集待测作物的图像数据;
所述云平台管理系统用于设定数据分析流程以及存储待测作物的图像数据;
所述云计算分析系统用于采用高通量表型性状提取算法,基于设定的数据分析流程,根据待测作物的图像数据,提取待测作物的表型特征信息。
进一步地,所述前端采集系统包括APP端模块、设备模块和前端传输模块;
所述APP端模块用于设置采集参数并建立田块分布网络以及控制所述设备模块的图像采集;
所述设备模块用于根据所述APP端模块的控制,采集待测作物的图像数据;
所述前端传输模块用于对设备模块采集的原始图像数据进行重命名并发送至所述APP端模块对建立的田块分布网络进行更新后,传输至所述云平台管理系统。
进一步地,所述APP端模块包括参数设置单元、采集拍摄单元和返回保存单元;
所述参数设置单元用于设置采集参数;
所述采集拍摄单元用于根据设置的采集参数建立田块分布网络,并控制所述设备模块进行多线程、多通道同步拍摄;
所述返回保存单元用于根据实验需求,自动选择返回操作、重复实验或保存操作。
进一步地,所述设备模块包括高度可调搭载平台和RGB相机;
所述高度可调搭载平台上设置有所述RGB相机,所述RGB相机用于根据所述采集拍摄单元的控制,从至少一角度采集待测作物的原始图像数据。
进一步地,所述高度可调搭载平台和RGB相机的数量均为两个,每一所述高度可调搭载平台上均设置有一所述RGB相机。
进一步地,所述云平台管理系统包括WEB模块和云存储模块,其中,所述WEB模块包括项目管理单元和任务管理单元;
所述项目管理单元用于对重命名后的图像数据和设置的采集参数进行整理;
所述任务管理单元用于根据实际需求,设定数据分析流程;
所述云存储模块用于对所述WEB模块中的原始信息和所述云计算分析系统中生成的信息进行实时存储。
进一步地,所述云计算分析系统包括算法模块、分析模块和可视化模块;
所述算法模块用于预先嵌入高通量表型性状提取算法和数据可视化算法;
所述分析模块用于调用所述算法模块内嵌入的高通量表型性状提取算法,基于设定的数据分析流程,根据整理归纳后的图像数据,提取待测作物的表型结构信息,并反演得到待测作物的功能性状信息;
可视化模块用于调用所述算法模块内嵌入的数据可视化算法,对分析模块得到的待测作物的功能性状信息进行对比,显示待测作物的生长动态变化曲线。
另一方面,提供一种作物表型云平台分析方法,包括:
设置采集参数,根据设置的采集参数建立田块分布网络;
确定田块分布网络中特定的田块,对该田块内的待测作物进行拍摄采集,并判断采集的图像数据是否符合预设的采集参数,若不符合,则重复进行拍摄采集直至采集的图像数据符合预设的采集参数;
设定数据分析流程,并存储待测作物的图像数据;
采用高通量表型性状提取算法,基于设定的数据分析流程,根据待测作物的图像数据,提取待测作物的表型特征信息。
进一步地,所述设定数据分析流程,并存储待测作物的图像数据,包括:
根据重命名后的图像数据和设置的采集参数,核对待测作物的图像数据的采集质量,并根据设置的采集参数,对核对后的图像数据进行整理;
根据实际需求,设定数据分析流程;
对原始信息和生成的信息进行实时存储。
进一步地,所述采用高通量表型性状提取算法,基于设定的数据分析流程,根据待测作物的图像数据,提取待测作物的表型特征信息,包括:
调用预先嵌入的高通量表型性状提取算法,基于设定的数据分析流程,根据待测作物的图像数据,提取待测作物的表型结构信息,并对结果进行反演,进一步得到待测作物的功能性状信息;
调用预先嵌入的数据可视化算法,对得到的待测作物的功能性状信息进行对比,显示待测作物的生长动态变化曲线。
本发明由于采取以上技术方案,其具有以下优点:
1、本发明由于设置有前端采集系统,前端采集系统内设置APP端模块,与设备模块连接,APP端模块能够控制设备模进行待测作物的图像数据的高通量采集,云平台管理系统能够按照需要进行数据检索、查询、分类、筛选和整合,云计算分析系统能够提取待测作物的表型特征信息,进而生成作物生长分析报告,满足从数据获取到自动分析的一步到位的过程,便于项目基本信息智能管理以及为高效云计算分析提供基础。
2、本发明的云计算分析系统可根据提前嵌入的算法对采集的图像数据进行分析,得到待测作物的表型特征信息,并能将数据以统计图表的形式进行显示,将大规模、高通量的数据转化为研究人员可以理解的形式展示,可以广泛应用于智慧农业领域中。
附图说明
图1是本发明一实施例提供的系统结构示意图;
图2是本发明一实施例提供的前端采集系统的工作流程图;
图3是本发明一实施例提供的云平台管理系统的工作流程图;
图4是本发明一实施例提供的云计算分析系统的工作流程图。
具体实施方式
下面将参照附图更详细地描述本发明的示例性实施方式。虽然附图中显示了本发明的示例性实施方式,然而应当理解,可以以各种形式实现本发明而不应被这里阐述的实施方式所限制。相反,提供这些实施方式是为了能够更透彻地理解本发明,并且能够将本发明的范围完整的传达给本领域的技术人员。
应理解的是,文中使用的术语仅出于描述特定示例实施方式的目的,而无意于进行限制。除非上下文另外明确地指出,否则如文中使用的单数形式“一”、“一个”以及“所述”也可以表示包括复数形式。术语“包括”、“包含”、“含有”以及“具有”是包含性的,并且因此指明所陈述的特征、步骤、操作、元件和/或部件的存在,但并不排除存在或者添加一个或多个其它特征、步骤、操作、元件、部件、和/或它们的组合。文中描述的方法步骤、过程、以及操作不解释为必须要求它们以所描述或说明的特定顺序执行,除非明确指出执行顺序。还应当理解,可以使用另外或者替代的步骤。
本发明实施例提供的作物表型云平台分析系统及方法通过前端采集系统采集待测作物的图像数据,通过进行数据检索、查询、分类、筛选和整合,通过云计算分析系统能够提取待测作物的表型特征信息,进而获取作物生长的动态信息,能够包含从最初的数据采集到最终细化分析的整个过程,便于项目基本信息智能管理以及为高效云计算分析提供基础。
实施例1
如图1所示,本实施例提供一种作物表型云平台分析系统包括前端采集系统1、云平台管理系统2和云计算分析系统3。
前端采集系统1用于根据预先设定的采集参数,采集待测作物的图像数据。
云平台管理系统2用于对待测作物的图像数据进行整理归纳和存储,以及设定数据分析流程。
云计算分析系统3用于采用高通量表型性状提取算法,根据整理归纳后的图像数据,提取待测作物的表型特征信息,包括表型结构信息和功能性状信息。
在一个优选的实施例中,前端采集系统1包括APP端模块11、设备模块12和前端传输模块13。
APP端模块11基于移动手机端软件,用于设置采集参数并建立田块分布网络,以及控制设备模块12的图像采集。
设备模块12用于根据APP端模块11的控制,采集待测作物的原始图像数据。
前端传输模块13用于根据缩略图的信息对设备模块12采集的原始图像数据进行重命名并发送至APP端模块11对建立的田块分布网络进行更新后,进而通过广域网无损高通量传输至云平台管理系统2。
在一个优选的实施例中,APP端模块11包括参数设置单元111、采集拍摄单元112和返回保存单元113。
参数设置单元111用于设置采集参数,以区分不同的实验设计,针对不同的作物类型和品种、不同的生育期、肥料处理以及信息采集的时间、地点设置不同的图片名称。其中,采集参数包括项目信息、环境信息、作物信息和设备信息,项目信息包括作物类型、作物品种、肥料处理、拍摄地点、拍摄批次等信息,环境信息包括天气状况和田间情况信息等,作物信息包括作物生育期和作物生长状况等,设备信息包括相机角度和相机高度。
采集拍摄单元112用于根据设置的采集参数建立田块分布网络,以区分采集过程中不同的实验田块,并控制设备模块12进行多线程、多通道同步拍摄,其中,采集拍摄单元112与设备模块12之间的连接方式包括无线WIFI、蓝牙或IP局域网。
返回保存单元113用于根据实验需求,自动选择返回操作,重复实验或保存操作,以及获取按照项目信息命名的缩略图。
在一个优选的实施例中,设备模块12包括两个高度可调搭载平台和RGB(光学三原色)相机。每一高度可调搭载平台上均设置有对应RGB相机,一RGB相机用于根据采集拍摄单元112的控制,从一角度(例如0°)采集待测作物的原始图像数据,另一RGB相机用于根据采集拍摄单元112的控制,从另一角度(例如45°)采集待测作物的原始图像数据。通过采集待测作物的图像数据,获取作物不同角度下的冠层结构信息。
在一个优选的实施例中,云平台管理系统2包括WEB(全球广域网)模块21和云存储模块22,其中,WEB模块21包括项目管理单元和任务管理单元。
项目管理单元用于对重命名后的图像数据和设置的采集参数进行归纳整理,包括数据编辑、分类、归纳和整合。
任务管理单元用于根据实际需求,设定数据分析流程。
云存储模块22用于对WEB模块21中的原始信息和云计算分析系统3中生成的信息进行实时存储。
在一个优选的实施例中,云计算分析系统3包括算法模块31、分析模块32和可视化模块33。
算法模块31用于预先嵌入高通量表型性状提取算法和数据可视化算法,算法模块31存储本系统所需的算法,能够实现高效、高通量的数据分析。
分析模块32用于调用算法模块31内嵌入的高通量表型性状提取算法,基于设定的数据分析流程,根据整理归纳后的图像数据,提取待测作物的表型结构信息(例如株高、绿色分数和穗密度等),并反演得到待测作物的功能性状信息(例如绿面积指数、平均叶倾角和冠层光截获等),具体为:
分析模块32调用算法模块31内嵌入的高通量表型性状提取算法,采用深度学习方法,基于设定的数据分析流程,从两RGB相机采集的待测作物图像数据(即待测作物的0°和45°RGB图像)估算待测作物的绿色分数(Green Fraction,GF),将绿色分数信息作为输入,通过冠层光传输模型,获取待测作物的绿面积指数(Green Area Index,GAI)和平均叶倾角(Average leaf angle)。
可视化模块33用于调用算法模块31内嵌入的数据可视化算法,对分析模块32得到的待测作物的功能性状信息进行对比,显示待测作物的生长动态变化曲线。
实施例2
如图2至图4所示,本实施例提供一种作物表型云平台分析方法,包括以下步骤:
1)在前端采集系统1中登录APP端模块11,设备模块12与APP端模块11自动连接,其中,连接方式包括无线WIFI、蓝牙或IP局域网,设备模块12与APP端模块11自动连接时,可进行自动检测,设备模块12与APP端模块11自动连接失败时,可采用手动方式将设备模块12,与APP端模块11连接。
2)进入APP端模块11,针对特定实验进行首次操作时,参数设置单元111设置采集参数,包括项目信息、环境信息、作物信息和设备信息,采集拍摄单元112根据设置的采集参数建立田块分布网络,并显示。
3)采集拍摄单元112确定田块分布网络中特定的田块,控制设备模块12对该田块内的待测作物进行拍摄采集,并判断设备模块12采集的原始图像数据是否符合预先设定的项目信息,若符合,则进入步骤4);反之,则重复步骤3)直至设备模块12采集的原始图像数据符合预先设定的项目信息,进入步骤4),同时,图像数据自动上传至云平台管理系统2。
4)返回保存单元113进行保存操作,并获取按照项目信息命名的缩略图。
5)前端传输模块13根据缩略图的信息对设备模块12采集的原始图像数据进行重命名并通过广域网无损高通量传输至云平台管理系统2。
6)云平台管理系统2对重命名后的图像数据进行整理归纳,并设定数据分析流程,具体为:
6.1)项目管理单元根据重命名后的图像数据和设置的采集参数,核对待测作物的图像数据的采集质量,并根据设置的采集参数,对核对后的图像数据进行编辑、分类、归纳和整合。
6.2)任务管理单元根据实际需求,设定数据分析流程,其中,任务管理单元可以针对不同的田块同时进行多个分析过程。
6.3)云存储模块22对WEB模块21中的原始信息和云计算分析系统3中生成的信息进行实时存储。
7)云计算分析系统3采用高通量表型性状提取算法,基于设定的数据分析流程,根据整理归纳后的图像数据,提取待测作物的表型特征信息,并显示待测作物的生长动态变化曲线,其中,待测作物的表型特征信息包括待测作物的表型结构信息和功能性状信息,具体为:
7.1)分析模块32调用算法模块31内嵌入的高通量表型性状提取算法,基于设定的数据分析流程,根据整理归纳后的图像数据,提取待测作物的表型结构信息,例如绿色分数,并对结果进行反演,进一步得到待测作物的功能性状信息,例如绿面积指数、叶倾角和冠层光截获等:
高通量表型性状提取算法可以对作物原始图像数据进行预处理,再通过深度学习方法,从不同角度的RGB图像估算绿色分数(Green Fraction,GF),然后以多角度图像获取的绿色分数信息为输入,通过冠层光传输模型,实现绿面积指数(Green Area index,GAI)和平均叶倾角(Average Leaf Angle,ALA)的估算,进而计算冠层光截获信息等数据。
7.2)可视化模块33调用算法模块31内嵌入的数据可视化算法,对分析模块32得到的待测作物的功能性状信息进行对比,显示待测作物的生长动态变化曲线,包括绿面积指数变化曲线、叶倾角变化范围和冠层光截获等,实现数据采集、分析和展示一体化。
上述各实施例仅用于说明本发明,其中各部件的结构、连接方式和制作工艺等都是可以有所变化的,凡是在本发明技术方案的基础上进行的等同变换和改进,均不应排除在本发明的保护范围之外。
Claims (10)
1.一种作物表型云平台分析系统,其特征在于,包括前端采集系统、云平台管理系统和云计算分析系统;
所述前端采集系统用于根据预先设定的采集参数,采集待测作物的图像数据;
所述云平台管理系统用于设定数据分析流程以及存储待测作物的图像数据;
所述云计算分析系统用于采用高通量表型性状提取算法,基于设定的数据分析流程,根据待测作物的图像数据,提取待测作物的表型特征信息。
2.如权利要求1所述的一种作物表型云平台分析系统,其特征在于,所述前端采集系统包括APP端模块、设备模块和前端传输模块;
所述APP端模块用于设置采集参数并建立田块分布网络以及控制所述设备模块的图像采集;
所述设备模块用于根据所述APP端模块的控制,采集待测作物的图像数据;
所述前端传输模块用于对设备模块采集的原始图像数据进行重命名并发送至所述APP端模块对建立的田块分布网络进行更新后,传输至所述云平台管理系统。
3.如权利要求2所述的一种作物表型云平台分析系统,其特征在于,所述APP端模块包括参数设置单元、采集拍摄单元和返回保存单元;
所述参数设置单元用于设置采集参数;
所述采集拍摄单元用于根据设置的采集参数建立田块分布网络,并控制所述设备模块进行多线程、多通道同步拍摄;
所述返回保存单元用于根据实验需求,自动选择返回操作、重复实验或保存操作。
4.如权利要求3所述的一种作物表型云平台分析系统,其特征在于,所述设备模块包括高度可调搭载平台和RGB相机;
所述高度可调搭载平台上设置有所述RGB相机,所述RGB相机用于根据所述采集拍摄单元的控制,从至少一角度采集待测作物的原始图像数据。
5.如权利要求4所述的一种作物表型云平台分析系统,其特征在于,所述高度可调搭载平台和RGB相机的数量均为两个,每一所述高度可调搭载平台上均设置有一所述RGB相机。
6.如权利要求1所述的一种作物表型云平台分析系统,其特征在于,所述云平台管理系统包括WEB模块和云存储模块,其中,所述WEB模块包括项目管理单元和任务管理单元;
所述项目管理单元用于对重命名后的图像数据和设置的采集参数进行整理;
所述任务管理单元用于根据实际需求,设定数据分析流程;
所述云存储模块用于对所述WEB模块中的原始信息和所述云计算分析系统中生成的信息进行实时存储。
7.如权利要求6所述的一种作物表型云平台分析系统,其特征在于,所述云计算分析系统包括算法模块、分析模块和可视化模块;
所述算法模块用于预先嵌入高通量表型性状提取算法和数据可视化算法;
所述分析模块用于调用所述算法模块内嵌入的高通量表型性状提取算法,基于设定的数据分析流程,根据整理归纳后的图像数据,提取待测作物的表型结构信息,并反演得到待测作物的功能性状信息;
可视化模块用于调用所述算法模块内嵌入的数据可视化算法,对分析模块得到的待测作物的功能性状信息进行对比,显示待测作物的生长动态变化曲线。
8.一种作物表型云平台分析方法,其特征在于,包括:
设置采集参数,根据设置的采集参数建立田块分布网络;
确定田块分布网络中特定的田块,对该田块内的待测作物进行拍摄采集,并判断采集的图像数据是否符合预设的采集参数,若不符合,则重复进行拍摄采集直至采集的图像数据符合预设的采集参数;
设定数据分析流程,并存储待测作物的图像数据;
采用高通量表型性状提取算法,基于设定的数据分析流程,根据待测作物的图像数据,提取待测作物的表型特征信息。
9.如权利要求8所述的一种作物表型云平台分析方法,其特征在于,所述设定数据分析流程,并存储待测作物的图像数据,包括:
根据重命名后的图像数据和设置的采集参数,核对待测作物的图像数据的采集质量,并根据设置的采集参数,对核对后的图像数据进行整理;
根据实际需求,设定数据分析流程;
对原始信息和生成的信息进行实时存储。
10.如权利要求8所述的一种作物表型云平台分析方法,其特征在于,所述采用高通量表型性状提取算法,基于设定的数据分析流程,根据待测作物的图像数据,提取待测作物的表型特征信息,包括:
调用预先嵌入的高通量表型性状提取算法,基于设定的数据分析流程,根据待测作物的图像数据,提取待测作物的表型结构信息,并对结果进行反演,进一步得到待测作物的功能性状信息;
调用预先嵌入的数据可视化算法,对得到的待测作物的功能性状信息进行对比,显示待测作物的生长动态变化曲线。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111037608.8A CN113722519B (zh) | 2021-09-06 | 2021-09-06 | 一种作物表型云平台分析系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111037608.8A CN113722519B (zh) | 2021-09-06 | 2021-09-06 | 一种作物表型云平台分析系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113722519A true CN113722519A (zh) | 2021-11-30 |
CN113722519B CN113722519B (zh) | 2022-07-26 |
Family
ID=78681919
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111037608.8A Active CN113722519B (zh) | 2021-09-06 | 2021-09-06 | 一种作物表型云平台分析系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113722519B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102565061A (zh) * | 2012-01-16 | 2012-07-11 | 沈阳农业大学 | 作物生物量无损检测图像采集处理装置及检测方法 |
CN105004327A (zh) * | 2015-07-09 | 2015-10-28 | 北京师范大学 | 一种基于智能终端的植被叶面积指数信息自动测量系统 |
CN105376328A (zh) * | 2015-12-08 | 2016-03-02 | 成都慧农信息技术有限公司 | 一种基于云平台的农业物联网综合应用系统及方法 |
WO2016173361A1 (zh) * | 2015-04-30 | 2016-11-03 | 北京大北农科技集团股份有限公司 | 玉米植物dbn9936及用于检测其的核酸序列和方法 |
WO2017202388A1 (zh) * | 2016-05-27 | 2017-11-30 | 北京农业信息技术研究中心 | 一种农作物监测分析方法和系统 |
CN108844912A (zh) * | 2018-04-19 | 2018-11-20 | 中科谱光科技(北京)有限公司 | 一种作物长势光谱智能分析系统及方法 |
CN110260789A (zh) * | 2019-07-12 | 2019-09-20 | 南京农业大学 | 一种田间高通量作物表型监测系统及方法 |
CN110532935A (zh) * | 2019-08-26 | 2019-12-03 | 李清华 | 一种大田作物表型信息高通量对等监测系统及监测方法 |
-
2021
- 2021-09-06 CN CN202111037608.8A patent/CN113722519B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102565061A (zh) * | 2012-01-16 | 2012-07-11 | 沈阳农业大学 | 作物生物量无损检测图像采集处理装置及检测方法 |
WO2016173361A1 (zh) * | 2015-04-30 | 2016-11-03 | 北京大北农科技集团股份有限公司 | 玉米植物dbn9936及用于检测其的核酸序列和方法 |
CN105004327A (zh) * | 2015-07-09 | 2015-10-28 | 北京师范大学 | 一种基于智能终端的植被叶面积指数信息自动测量系统 |
CN105376328A (zh) * | 2015-12-08 | 2016-03-02 | 成都慧农信息技术有限公司 | 一种基于云平台的农业物联网综合应用系统及方法 |
WO2017202388A1 (zh) * | 2016-05-27 | 2017-11-30 | 北京农业信息技术研究中心 | 一种农作物监测分析方法和系统 |
CN108844912A (zh) * | 2018-04-19 | 2018-11-20 | 中科谱光科技(北京)有限公司 | 一种作物长势光谱智能分析系统及方法 |
CN110260789A (zh) * | 2019-07-12 | 2019-09-20 | 南京农业大学 | 一种田间高通量作物表型监测系统及方法 |
CN110532935A (zh) * | 2019-08-26 | 2019-12-03 | 李清华 | 一种大田作物表型信息高通量对等监测系统及监测方法 |
Non-Patent Citations (1)
Title |
---|
代媛等: "基于ARM的无线农田信息监测系统的研究", 《农机化研究》 * |
Also Published As
Publication number | Publication date |
---|---|
CN113722519B (zh) | 2022-07-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Xu et al. | Wheat ear counting using K-means clustering segmentation and convolutional neural network | |
CN108765404B (zh) | 一种基于深度学习图像分类的道路破损检测方法及装置 | |
CN105761150B (zh) | 农作物信息及样本的采集方法和系统 | |
CN108416985B (zh) | 一种基于图像识别的地质灾害监测预警系统及预警方法 | |
CN104881865A (zh) | 基于无人机图像分析的森林病虫害监测预警方法及其系统 | |
Kelly et al. | An opinion on imaging challenges in phenotyping field crops | |
CN113792667A (zh) | 基于三维遥感影像进行村镇建筑性质自动分类方法及装置 | |
CN104036235A (zh) | 基于叶片hog特征和智能终端平台的植物物种识别方法 | |
CN104679827A (zh) | 一种基于大数据的公开信息关联方法及挖掘引擎 | |
CN106210513A (zh) | 一种基于移动终端的拍照预览方法及移动终端 | |
CN112766155A (zh) | 一种基于深度学习的海水养殖区提取方法 | |
Yancho et al. | Fine-scale spatial and spectral clustering of UAV-acquired digital aerial photogrammetric (DAP) point clouds for individual tree crown detection and segmentation | |
CN113744226A (zh) | 一种农业害虫智能识别与定位方法及系统 | |
CN109491994B (zh) | Landsat-8卫星精选遥感数据集最简化筛选方法 | |
CN113537293A (zh) | 基于无人机和全卷积神经网络的小麦倒伏区域识别方法 | |
CN112084989A (zh) | 基于无人机与cnn的大范围松材线虫病枯立木智能检测方法 | |
CN113033386B (zh) | 一种基于高分辨率遥感影像的输电线路通道隐患识别方法及系统 | |
CN202815869U (zh) | 一种车载微机图像视频数据提取装置 | |
CN114067311A (zh) | 一种基于智能识别众源数据的茶树病虫害预测预报方法 | |
CN113554610A (zh) | 一种光伏组件运行状态检测方法及其应用装置 | |
CN113722519B (zh) | 一种作物表型云平台分析系统及方法 | |
CN111598874A (zh) | 一种基于智能移动端的红树林郁闭度调查方法 | |
CN116363536A (zh) | 一种基于无人机巡查数据的电网基建设备缺陷归档方法 | |
CN109902607A (zh) | 一种基于倾斜相机的城市自动优化建模系统 | |
CN114529721B (zh) | 一种基于深度学习的城市遥感影像植被覆盖识别方法 |
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 |