CN114027052A - 一种植物生殖发育的光照调控系统 - Google Patents
一种植物生殖发育的光照调控系统 Download PDFInfo
- Publication number
- CN114027052A CN114027052A CN202111220780.7A CN202111220780A CN114027052A CN 114027052 A CN114027052 A CN 114027052A CN 202111220780 A CN202111220780 A CN 202111220780A CN 114027052 A CN114027052 A CN 114027052A
- Authority
- CN
- China
- Prior art keywords
- plant
- illumination
- module
- image
- 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.)
- Pending
Links
- 238000005286 illumination Methods 0.000 title claims abstract description 83
- 238000011161 development Methods 0.000 title claims abstract description 26
- 230000001850 reproductive effect Effects 0.000 title claims abstract description 23
- 230000012010 growth Effects 0.000 claims abstract description 31
- 238000012545 processing Methods 0.000 claims abstract description 30
- 230000008635 plant growth Effects 0.000 claims abstract description 26
- 230000018109 developmental process Effects 0.000 claims abstract description 25
- 238000000605 extraction Methods 0.000 claims abstract description 13
- 241000196324 Embryophyta Species 0.000 claims description 187
- 230000035945 sensitivity Effects 0.000 claims description 30
- 239000013598 vector Substances 0.000 claims description 21
- 239000013589 supplement Substances 0.000 claims description 15
- 238000012549 training Methods 0.000 claims description 14
- 238000010586 diagram Methods 0.000 claims description 13
- 238000012360 testing method Methods 0.000 claims description 12
- 238000000034 method Methods 0.000 claims description 11
- 238000007781 pre-processing Methods 0.000 claims description 7
- 230000002708 enhancing effect Effects 0.000 claims description 4
- 238000013527 convolutional neural network Methods 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 230000000877 morphologic effect Effects 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 3
- 230000003595 spectral effect Effects 0.000 claims description 3
- 206010034960 Photophobia Diseases 0.000 claims description 2
- 238000004590 computer program Methods 0.000 claims description 2
- 208000013469 light sensitivity Diseases 0.000 claims description 2
- 238000003860 storage Methods 0.000 claims description 2
- 230000001105 regulatory effect Effects 0.000 claims 2
- 230000001276 controlling effect Effects 0.000 claims 1
- 230000008901 benefit Effects 0.000 abstract description 4
- 238000004519 manufacturing process Methods 0.000 abstract description 3
- 230000017260 vegetative to reproductive phase transition of meristem Effects 0.000 abstract description 3
- 206010063385 Intellectualisation Diseases 0.000 abstract description 2
- 238000009395 breeding Methods 0.000 abstract description 2
- 230000001488 breeding effect Effects 0.000 abstract description 2
- 235000013399 edible fruits Nutrition 0.000 description 3
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- 230000029553 photosynthesis Effects 0.000 description 2
- 238000010672 photosynthesis Methods 0.000 description 2
- 241000219112 Cucumis Species 0.000 description 1
- 235000015510 Cucumis melo subsp melo Nutrition 0.000 description 1
- 241000238631 Hexapoda Species 0.000 description 1
- 241000607479 Yersinia pestis Species 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000019552 anatomical structure morphogenesis Effects 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 238000004040 coloring Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 235000012055 fruits and vegetables Nutrition 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010198 maturation time Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000008558 metabolic pathway by substance Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 235000015097 nutrients Nutrition 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
- A01G7/00—Botany in general
- A01G7/04—Electric or magnetic or acoustic treatment of plants for promoting growth
- A01G7/045—Electric or magnetic or acoustic treatment of plants for promoting growth with electric lighting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- Molecular Biology (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Biodiversity & Conservation Biology (AREA)
- Botany (AREA)
- Ecology (AREA)
- Forests & Forestry (AREA)
- Environmental Sciences (AREA)
- Circuit Arrangement For Electric Light Sources In General (AREA)
Abstract
本发明属于植物照明技术领域,公开了一种植物生殖发育的光照调控系统,植物生殖发育的光照调控系统包括:数据采集模块、自然光照采集模块、参数获取模块、中央控制模块、图像数据处理模块、图像特征提取模块、生长时期判断模块、匹配模块、植物生长位置确定模块、判断模块以及光照调控模块。本发明通过分析植物的种类以及所处生长期,智能化的确定植物所需的光照等参数,并分别采用适宜的光照方式、光照强度以及光照时间,能够有效缩短植物的育种周期或生长周期,提前了开花时间,采种周期大大缩短;同时本发明能够最大可能地满足植物对光的需求;真正实现植物生产的规模化、精准化、智能化、大大增加社会和经济效益。
Description
技术领域
本发明属于植物照明技术领域,尤其涉及一种植物生殖发育的光照调控系统。
背景技术
目前,植物生长发育受光照、温度、水分、养分及二氧化碳浓度等环境因素的影响,而光照在植物的整个生命周期中起重要作用。其机理是:植物通过外界光子的激发完成光合作用过程,从而影响其生长发育形态建成、果实着色、物质代谢积累及基因表达等。光调控是一种科学有效精准智能绿色无公害的调控手段,植物在人工光环境下的光合速率往往比在自然光下高;因此,采用人工光调控手段对植物生产有着积极促进作用,可满足植物正常的生长发育对光照的需求,缩短瓜果蔬菜的成熟时间,减少病虫害及畸形果,增加果实单重和产量,还可提升观赏花卉的鲜艳度,控制开花时间,满足人们需求。
然而现有技术主要集中于灯光装置的研究,却忽略了如何智能化的利用现有装置进行自适应的光照调控。
通过上述分析,现有技术存在的问题及缺陷为:现有技术没有智能化的利用现有装置进行自适应的光照调控方法。
发明内容
针对现有技术存在的问题,本发明提供了一种植物生殖发育的光照调控系统。
本发明是这样实现的,一种植物生殖发育的光照调控系统,所述植物生殖发育的光照调控系统包括:
数据采集模块、自然光照采集模块、参数获取模块、中央控制模块、图像数据处理模块、图像特征提取模块、生长时期判断模块、匹配模块、植物生长位置确定模块、判断模块以及光照调控模块;
数据采集模块,与中央控制模块连接,用于采集植物的种类信息;同时用于利用摄像设备采集植物的图像信息;
生长时期判断模块,与中央控制模块连接,用于基于提取的植物高度信息或叶片、枝干特征信息进行植物当前生长期的判断;
所述基于提取的植物高度信息或叶片、枝干特征信息进行植物当前生长期的判断包括:
获取提取的植物图像的叶片、枝干特征向量;对得到的所述植物的叶片、枝干特征向量进行归一化处理;获取权威数据库中有关植物各个生长期的叶片、枝干图像数据构建数据集,并将所述数据集划分为训练集与测试集;构建基于卷积神经网络的植物生长期识别模型,并利用所述训练集训练构成的所述植物生长期识别模型;基于所述训练结果进行参数的优化与调整;同时利用测试集进行优化后的识别模型的测试;将所述归一化处理的植物特征向量输入到通过测试的识别模型中,并进行植物生长期的识别;获取采集的植物高度数据以及其他特征数据与数据库中预先存储的对应植物对应生长期的高度以及其他特征图进行对比,验证所述识别结果是否准确;
匹配模块,与中央控制模块连接,用于基于植物当前生长期的判断结果匹配参数库中对应植物、对应生长期的相应光照、温湿度参数;
植物生长位置确定模块,与中央控制模块连接,用于确定植物的种植区域为温室或室外;同时用于确定植物距离地面的高度位置以及上方是否有遮挡物;所述遮挡物可为其他植物;
判断模块,与中央控制模块连接,用于基于标准光照参数,当前自然环境参数以及确定的植物生长时期、生长位置确定植物是否需要补光或遮阴;同时若需要补光确定具体的补光位置以及补光参数;
光照调控模块,与中央控制模块连接,用于基于判断结果利用可调节式无极灯进行植物的定点、大面积补光。
进一步,所述植物生殖发育的光照调控系统还包括:
自然光照采集模块,与中央控制模块连接,用于采集植物生长区域的自然光照参数;
参数获取模块,与中央控制模块连接,用于基于采集的植物种类信息从权威数据库中获取各个生长时期适宜光照、温湿度数据,并构建参数库;
中央控制模块,与数据采集模块、自然光照采集模块、参数获取模块、图像数据处理模块、图像特征提取模块、生长时期判断模块、匹配模块、植物生长位置确定模块、判断模块以及光照调控模块;用于利用单片机或控制器控制各个模块正常工作;
图像数据处理模块,与中央控制模块连接,用于对采集的植物图像数据进行预处理以及增强处理;
图像特征提取模块,与中央控制模块连接,用于基于采集的植物图像进行植物高度或叶片、枝干或其他特征提取。
进一步,所述光照参数包括:光照方式为连续光照或间隙光照、光环境中光谱特征、光照强度以及光照时间。
进一步,所述对得到的植物的叶片、枝干特征向量进行归一化处理包括:
首先,分别获取叶片、枝干的颜色特征、纹理特征、边缘特征以及其他明显特征;
其次,将所述叶片、枝干的颜色特征、纹理特征、边缘特征以及其他明显特征写入同一个特征向量中,并对所述特征向量进行归一化处理即可。
进一步,所述图像数据处理模块对采集的植物图像数据进行预处理以及增强处理包括:
(1)用平稳小波变换去除植物图像的高频信息,用primal sketch算法提取植物图像的结构信息,将所述植物图像划分为结构区域、纹理区域以及光滑区域;
(2)分别对结构区域、纹理区域以及光滑区域进行去噪,并将去噪结果合并,得到去噪后的植物图像;确定去噪后的植物图像的感光度信息;
(3)根据所述去噪后植物图像的感光度信息,确定所述去噪后植物图像对应的目标感光度特征图;
(4)将所述待去噪后植物图像和所述目标感光度特征图输入图像增强模型,得到增强处理后的植物图像。
进一步,步骤(3)中,所述根据所述去噪后植物图像的感光度信息,确定所述去噪后植物图像对应的目标感光度特征图包括:
将所述去噪后植物图像的感光度信息作为目标感光度信息;
根据所述目标感光度信息,生成所述目标感光度特征图。
进一步,所述图像特征提取模块基于采集的植物图像进行植物叶片特征提取包括:
获取植物叶片图像,并对植物叶片图像进行灰度值处理,提取相应的纹理特征;
将植物叶片灰度图经过阈值分割、形态学处理得到二值图像,提取植物叶片的形状特征;
采用植物叶片的狭长度、圆形度、矩形度以及矩向量作为植物叶片的形状特征,采用灰度共生矩阵法提取植物叶片的纹理特征。
本发明的另一目的在于提供一种信息数据处理终端,其特征在于,所述信息数据处理终端用于实现所述植物生殖发育的光照调控系统。
本发明的另一目的在于提供一种存储在计算机可读介质上的计算机程序产品,包括计算机可读程序,供于电子装置上执行时,提供用户输入接口以应用所述植物生殖发育的光照调控系统。
本发明的另一目的在于提供一种计算机可读存储介质,储存有指令,当所述指令在计算机上运行时,使得计算机应用所述植物生殖发育的光照调控系统。
结合上述的所有技术方案,本发明所具备的优点及积极效果为:本发明通过分析植物的种类以及所处生长期,智能化的确定植物所需的光照等参数,并分别采用适宜的光照方式、光照强度以及光照时间,能够有效缩短植物的育种周期或生长周期,提前了开花时间,采种周期大大缩短;同时本发明能够最大可能地满足植物对光的需求;真正实现植物生产的规模化、精准化、智能化、大大增加社会和经济效益。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图做简单的介绍,显而易见地,下面所描述的附图仅仅是本申请的一些实施例,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是本发明实施例提供的植物生殖发育的光照调控系统结构示意图;
图中:1、数据采集模块;2、自然光照采集模块;3、参数获取模块;4、中央控制模块;5、图像数据处理模块;6、图像特征提取模块;7、生长时期判断模块;8、匹配模块;9、植物生长位置确定模块;10、判断模块;11、光照调控模块。
图2是本发明实施例提供的图像数据处理模块对采集的植物图像数据进行预处理以及增强处理的方法流程图。
图3是本发明实施例提供的根据所述去噪后植物图像的感光度信息,确定所述去噪后植物图像对应的目标感光度特征图的方法流程图。
图4是本发明实施例提供的图像特征提取模块基于采集的植物图像进行植物叶片特征提取的方法流程图。
图5是本发明实施例提供的基于提取的植物高度信息或叶片、枝干特征信息进行植物当前生长期的判断的方法流程图。
具体实施方式
为了使本发明的目的、技术方案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。
针对现有技术存在的问题,本发明提供了一种植物生殖发育的光照调控系统,下面结合附图对本发明作详细的描述。
如图1所示,本发明实施例提供的植物生殖发育的光照调控系统包括:
数据采集模块1,与中央控制模块4连接,用于采集植物的种类信息;同时用于利用摄像设备采集植物的图像信息;
自然光照采集模块2,与中央控制模块4连接,用于采集植物生长区域的自然光照参数;
参数获取模块3,与中央控制模块4连接,用于基于采集的植物种类信息从权威数据库中获取各个生长时期适宜光照、温湿度数据,并构建参数库;
中央控制模块4,与数据采集模块1、自然光照采集模块2、参数获取模块3、图像数据处理模块5、图像特征提取模块6、生长时期判断模块7、匹配模块8、植物生长位置确定模块9、判断模块10以及光照调控模块11;用于利用单片机或控制器控制各个模块正常工作;
图像数据处理模块5,与中央控制模块4连接,用于对采集的植物图像数据进行预处理以及增强处理;
图像特征提取模块6,与中央控制模块4连接,用于基于采集的植物图像进行植物高度或叶片、枝干或其他特征提取;
生长时期判断模块7,与中央控制模块4连接,用于基于提取的植物高度信息或叶片、枝干特征信息进行植物当前生长期的判断;
匹配模块8,与中央控制模块4连接,用于基于植物当前生长期的判断结果匹配参数库中对应植物、对应生长期的相应光照、温湿度参数;
植物生长位置确定模块9,与中央控制模块4连接,用于确定植物的种植区域为温室或室外;同时用于确定植物距离地面的高度位置以及上方是否有遮挡物;所述遮挡物可为其他植物;
判断模块10,与中央控制模块4连接,用于基于标准光照参数,当前自然环境参数以及确定的植物生长时期、生长位置确定植物是否需要补光或遮阴;同时若需要补光确定具体的补光位置以及补光参数;
光照调控模块11,与中央控制模块4连接,用于基于判断结果利用可调节式无极灯进行植物的定点、大面积补光。
本发明实施例提供的光照参数包括:光照方式为连续光照或间隙光照、光环境中光谱特征、光照强度以及光照时间。
如图2所示,本发明实施例提供的图像数据处理模块对采集的植物图像数据进行预处理以及增强处理包括:
S101,用平稳小波变换去除植物图像的高频信息,用primal sketch算法提取植物图像的结构信息,将所述植物图像划分为结构区域、纹理区域以及光滑区域;
S102,分别对结构区域、纹理区域以及光滑区域进行去噪,并将去噪结果合并,得到去噪后的植物图像;确定去噪后的植物图像的感光度信息;
S103,根据所述去噪后植物图像的感光度信息,确定所述去噪后植物图像对应的目标感光度特征图;
S104,将所述待去噪后植物图像和所述目标感光度特征图输入图像增强模型,得到增强处理后的植物图像。
如图3所示,本发明实施例提供的根据所述去噪后植物图像的感光度信息,确定所述去噪后植物图像对应的目标感光度特征图包括:
S201,将所述去噪后植物图像的感光度信息作为目标感光度信息;
S202,根据所述目标感光度信息,生成所述目标感光度特征图。
如图4所示,本发明实施例提供的图像特征提取模块基于采集的植物图像进行植物叶片特征提取包括:
S301,获取植物叶片图像,并对植物叶片图像进行灰度值处理,提取相应的纹理特征;
S302,将植物叶片灰度图经过阈值分割、形态学处理得到二值图像,提取植物叶片的形状特征;
S303,采用植物叶片的狭长度、圆形度、矩形度以及矩向量作为植物叶片的形状特征,采用灰度共生矩阵法提取植物叶片的纹理特征。
如图5所示,本发明实施例提供的基于提取的植物高度信息或叶片、枝干特征信息进行植物当前生长期的判断包括:
S401,获取提取的植物图像的叶片、枝干特征向量;对得到的所述植物的叶片、枝干特征向量进行归一化处理;获取权威数据库中有关植物各个生长期的叶片、枝干图像数据构建数据集,并将所述数据集划分为训练集与测试集;
S402,构建基于卷积神经网络的植物生长期识别模型,并利用所述训练集训练构成的所述植物生长期识别模型;基于所述训练结果进行参数的优化与调整;同时利用测试集进行优化后的识别模型的测试;
S403,将所述归一化处理的植物特征向量输入到通过测试的识别模型中,并进行植物生长期的识别;
S404,获取采集的植物高度数据以及其他特征数据与数据库中预先存储的对应植物对应生长期的高度以及其他特征图进行对比,验证所述识别结果是否准确。
本发明实施例提供的对得到的植物的叶片、枝干特征向量进行归一化处理包括:
首先,分别获取叶片、枝干的颜色特征、纹理特征、边缘特征以及其他明显特征;
其次,将所述叶片、枝干的颜色特征、纹理特征、边缘特征以及其他明显特征写入同一个特征向量中,并对所述特征向量进行归一化处理即可。
以上所述,仅为本发明较优的具体的实施方式,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,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种植物生殖发育的光照调控系统,其特征在于,所述植物生殖发育的光照调控系统包括:
数据采集模块,与中央控制模块连接,用于采集植物的种类信息;同时用于利用摄像设备采集植物的图像信息;
生长时期判断模块,与中央控制模块连接,用于基于提取的植物高度信息或叶片、枝干特征信息进行植物当前生长期的判断;
所述基于提取的植物高度信息或叶片、枝干特征信息进行植物当前生长期的判断包括:
获取提取的植物图像的叶片、枝干特征向量;对得到的所述植物的叶片、枝干特征向量进行归一化处理;获取权威数据库中有关植物各个生长期的叶片、枝干图像数据构建数据集,并将所述数据集划分为训练集与测试集;构建基于卷积神经网络的植物生长期识别模型,并利用所述训练集训练构成的所述植物生长期识别模型;基于所述训练结果进行参数的优化与调整;同时利用测试集进行优化后的识别模型的测试;将所述归一化处理的植物特征向量输入到通过测试的识别模型中,并进行植物生长期的识别;获取采集的植物高度数据以及其他特征数据与数据库中预先存储的对应植物对应生长期的高度以及其他特征图进行对比,验证所述识别结果是否准确;
匹配模块,与中央控制模块连接,用于基于植物当前生长期的判断结果匹配参数库中对应植物、对应生长期的相应光照、温湿度参数;
植物生长位置确定模块,与中央控制模块连接,用于确定植物的种植区域为温室或室外;同时用于确定植物距离地面的高度位置以及上方是否有遮挡物;所述遮挡物可为其他植物;
判断模块,与中央控制模块连接,用于基于标准光照参数,当前自然环境参数以及确定的植物生长时期、生长位置确定植物是否需要补光或遮阴;同时若需要补光确定具体的补光位置以及补光参数;
光照调控模块,与中央控制模块连接,用于基于判断结果利用可调节式无极灯进行植物的定点、大面积补光。
2.如权利要求1所述植物生殖发育的光照调控系统,其特征在于,所述植物生殖发育的光照调控系统还包括:
自然光照采集模块,与中央控制模块连接,用于采集植物生长区域的自然光照参数;
参数获取模块,与中央控制模块连接,用于基于采集的植物种类信息从权威数据库中获取各个生长时期适宜光照、温湿度数据,并构建参数库;
中央控制模块,与数据采集模块、自然光照采集模块、参数获取模块、图像数据处理模块、图像特征提取模块、生长时期判断模块、匹配模块、植物生长位置确定模块、判断模块以及光照调控模块;用于利用单片机或控制器控制各个模块正常工作;
图像数据处理模块,与中央控制模块连接,用于对采集的植物图像数据进行预处理以及增强处理;
图像特征提取模块,与中央控制模块连接,用于基于采集的植物图像进行植物高度或叶片、枝干或其他特征提取。
3.如权利要求1所述植物生殖发育的光照调控系统,其特征在于,所述光照参数包括:光照方式为连续光照或间隙光照、光环境中光谱特征、光照强度以及光照时间。
4.如权利要求1所述植物生殖发育的光照调控系统,其特征在于,所述对得到的植物的叶片、枝干特征向量进行归一化处理包括:
首先,分别获取叶片、枝干的颜色特征、纹理特征、边缘特征以及其他明显特征;
其次,将所述叶片、枝干的颜色特征、纹理特征、边缘特征以及其他明显特征写入同一个特征向量中,并对所述特征向量进行归一化处理即可。
5.如权利要求2所述植物生殖发育的光照调控系统,其特征在于,所述图像数据处理模块对采集的植物图像数据进行预处理以及增强处理包括:
(1)用平稳小波变换去除植物图像的高频信息,用primal sketch算法提取植物图像的结构信息,将所述植物图像划分为结构区域、纹理区域以及光滑区域;
(2)分别对结构区域、纹理区域以及光滑区域进行去噪,并将去噪结果合并,得到去噪后的植物图像;确定去噪后的植物图像的感光度信息;
(3)根据所述去噪后植物图像的感光度信息,确定所述去噪后植物图像对应的目标感光度特征图;
(4)将所述待去噪后植物图像和所述目标感光度特征图输入图像增强模型,得到增强处理后的植物图像。
6.如权利要求5所述植物生殖发育的光照调控系统,其特征在于,步骤(3)中,所述根据所述去噪后植物图像的感光度信息,确定所述去噪后植物图像对应的目标感光度特征图包括:
将所述去噪后植物图像的感光度信息作为目标感光度信息;
根据所述目标感光度信息,生成所述目标感光度特征图。
7.如权利要求2所述植物生殖发育的光照调控系统,其特征在于,所述图像特征提取模块基于采集的植物图像进行植物叶片特征提取包括:
获取植物叶片图像,并对植物叶片图像进行灰度值处理,提取相应的纹理特征;
将植物叶片灰度图经过阈值分割、形态学处理得到二值图像,提取植物叶片的形状特征;
采用植物叶片的狭长度、圆形度、矩形度以及矩向量作为植物叶片的形状特征,采用灰度共生矩阵法提取植物叶片的纹理特征。
8.一种信息数据处理终端,其特征在于,所述信息数据处理终端用于实现如权利要求1-7任意一项所述植物生殖发育的光照调控系统。
9.一种存储在计算机可读介质上的计算机程序产品,包括计算机可读程序,供于电子装置上执行时,提供用户输入接口以应用如权利要求1-7任意一项所述植物生殖发育的光照调控系统。
10.一种计算机可读存储介质,储存有指令,当所述指令在计算机上运行时,使得计算机应用如权利要求1-7任意一项所述植物生殖发育的光照调控系统。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111220780.7A CN114027052A (zh) | 2021-10-20 | 2021-10-20 | 一种植物生殖发育的光照调控系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111220780.7A CN114027052A (zh) | 2021-10-20 | 2021-10-20 | 一种植物生殖发育的光照调控系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114027052A true CN114027052A (zh) | 2022-02-11 |
Family
ID=80142185
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111220780.7A Pending CN114027052A (zh) | 2021-10-20 | 2021-10-20 | 一种植物生殖发育的光照调控系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114027052A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114565846A (zh) * | 2022-02-24 | 2022-05-31 | 杭州睿胜软件有限公司 | 植物生长环境的识别方法、设备及计算机可读存储介质 |
CN115443826A (zh) * | 2022-09-05 | 2022-12-09 | 江苏里下河地区农业科学研究所 | 一种用于健苗培育的精细化光调控方法及系统 |
CN115530066A (zh) * | 2022-10-14 | 2022-12-30 | 合肥创农生物科技有限公司 | 一种基于无土栽培的灯光自动调节系统 |
CN116997053A (zh) * | 2023-09-26 | 2023-11-03 | 北京猫猫狗狗科技有限公司 | 一种植物灯光照控制方法 |
CN117152620A (zh) * | 2023-10-30 | 2023-12-01 | 江西立盾光电科技有限公司 | 一种跟随植物状态变化的植物生长控制方法及系统 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101398898A (zh) * | 2008-10-20 | 2009-04-01 | 中国科学院合肥物质科学研究院 | 基于流形学习的植物叶片识别方法 |
CN102622755A (zh) * | 2012-02-28 | 2012-08-01 | 中国农业大学 | 植物枝干识别方法 |
CN107223454A (zh) * | 2017-06-08 | 2017-10-03 | 中国农业大学 | 一种基于卷积神经网络的金针菇不同生长期智能补光的装置与方法 |
CN108280811A (zh) * | 2018-01-23 | 2018-07-13 | 哈尔滨工业大学深圳研究生院 | 一种基于神经网络的图像去噪方法和系统 |
CN109121809A (zh) * | 2018-09-26 | 2019-01-04 | 济南新吉纳远程测控股份有限公司 | 一种通过人工光源培育植物的省电方法及其装置、应用 |
CN109241918A (zh) * | 2018-09-13 | 2019-01-18 | 樊江岩 | 一种基于植物信息的植物管控方法、装置及系统 |
CN110533595A (zh) * | 2019-09-03 | 2019-12-03 | 北京麦飞科技有限公司 | 一种作物病虫害空间动态分布监测的方法和系统 |
CN112215082A (zh) * | 2020-09-17 | 2021-01-12 | 广东技术师范大学 | 一种植物叶片图像识别方法 |
CN112287779A (zh) * | 2020-10-19 | 2021-01-29 | 华南农业大学 | 一种低光照度图像自然光照度补强方法及应用 |
CN112800665A (zh) * | 2021-01-13 | 2021-05-14 | 电凯(常州)新能源技术研究院有限公司 | 一种基于人工智能的植物生长自反馈学习培育方法 |
CN112867196A (zh) * | 2021-01-12 | 2021-05-28 | 广东技术师范大学 | 一种基于人工智能的植物光配方补光系统的实现方法和装置 |
CN112930926A (zh) * | 2021-01-28 | 2021-06-11 | 电凯(常州)新能源技术研究院有限公司 | 一种基于深度学习的植物生产参数调优方法 |
CN113438771A (zh) * | 2021-06-18 | 2021-09-24 | 深圳市朗科智能电气股份有限公司 | 植物生长照明控制装置、方法和灯具 |
-
2021
- 2021-10-20 CN CN202111220780.7A patent/CN114027052A/zh active Pending
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101398898A (zh) * | 2008-10-20 | 2009-04-01 | 中国科学院合肥物质科学研究院 | 基于流形学习的植物叶片识别方法 |
CN102622755A (zh) * | 2012-02-28 | 2012-08-01 | 中国农业大学 | 植物枝干识别方法 |
CN107223454A (zh) * | 2017-06-08 | 2017-10-03 | 中国农业大学 | 一种基于卷积神经网络的金针菇不同生长期智能补光的装置与方法 |
CN108280811A (zh) * | 2018-01-23 | 2018-07-13 | 哈尔滨工业大学深圳研究生院 | 一种基于神经网络的图像去噪方法和系统 |
CN109241918A (zh) * | 2018-09-13 | 2019-01-18 | 樊江岩 | 一种基于植物信息的植物管控方法、装置及系统 |
CN109121809A (zh) * | 2018-09-26 | 2019-01-04 | 济南新吉纳远程测控股份有限公司 | 一种通过人工光源培育植物的省电方法及其装置、应用 |
CN110533595A (zh) * | 2019-09-03 | 2019-12-03 | 北京麦飞科技有限公司 | 一种作物病虫害空间动态分布监测的方法和系统 |
CN112215082A (zh) * | 2020-09-17 | 2021-01-12 | 广东技术师范大学 | 一种植物叶片图像识别方法 |
CN112287779A (zh) * | 2020-10-19 | 2021-01-29 | 华南农业大学 | 一种低光照度图像自然光照度补强方法及应用 |
CN112867196A (zh) * | 2021-01-12 | 2021-05-28 | 广东技术师范大学 | 一种基于人工智能的植物光配方补光系统的实现方法和装置 |
CN112800665A (zh) * | 2021-01-13 | 2021-05-14 | 电凯(常州)新能源技术研究院有限公司 | 一种基于人工智能的植物生长自反馈学习培育方法 |
CN112930926A (zh) * | 2021-01-28 | 2021-06-11 | 电凯(常州)新能源技术研究院有限公司 | 一种基于深度学习的植物生产参数调优方法 |
CN113438771A (zh) * | 2021-06-18 | 2021-09-24 | 深圳市朗科智能电气股份有限公司 | 植物生长照明控制装置、方法和灯具 |
Non-Patent Citations (2)
Title |
---|
张芸德等: "基于深度卷积特征的玉米生长期识别", 《电子测量技术》 * |
杨玮等: "温室黄瓜叶片近红外图像消噪算法与含氮量快速检测", 《农业机械学报》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114565846A (zh) * | 2022-02-24 | 2022-05-31 | 杭州睿胜软件有限公司 | 植物生长环境的识别方法、设备及计算机可读存储介质 |
CN115443826A (zh) * | 2022-09-05 | 2022-12-09 | 江苏里下河地区农业科学研究所 | 一种用于健苗培育的精细化光调控方法及系统 |
CN115443826B (zh) * | 2022-09-05 | 2023-11-07 | 江苏里下河地区农业科学研究所 | 一种用于健苗培育的精细化光调控方法及系统 |
CN115530066A (zh) * | 2022-10-14 | 2022-12-30 | 合肥创农生物科技有限公司 | 一种基于无土栽培的灯光自动调节系统 |
CN116997053A (zh) * | 2023-09-26 | 2023-11-03 | 北京猫猫狗狗科技有限公司 | 一种植物灯光照控制方法 |
CN116997053B (zh) * | 2023-09-26 | 2023-12-26 | 北京猫猫狗狗科技有限公司 | 一种植物灯光照控制方法 |
CN117152620A (zh) * | 2023-10-30 | 2023-12-01 | 江西立盾光电科技有限公司 | 一种跟随植物状态变化的植物生长控制方法及系统 |
CN117152620B (zh) * | 2023-10-30 | 2024-02-13 | 江西立盾光电科技有限公司 | 一种跟随植物状态变化的植物生长控制方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114027052A (zh) | 一种植物生殖发育的光照调控系统 | |
WO2022253057A1 (zh) | 一种用于日光温室果菜栽培的智能水分精准灌溉控制系统及方法 | |
US11775828B2 (en) | AI-powered autonomous plant-growth optimization system that automatically adjusts input variables to yield desired harvest traits | |
CN111709489B (zh) | 一种基于改进YOLOv4的柑橘识别方法 | |
CN109558467B (zh) | 用电用户类别识别方法及系统 | |
US11978210B1 (en) | Light regulation method, system, and apparatus for growth environment of leafy vegetables | |
CN114821321A (zh) | 一种基于多尺度级联卷积神经网络的叶片高光谱图像分类和回归方法 | |
CN113919443A (zh) | 一种基于图像分析烟叶成熟度状态概率计算方法 | |
CN116129260A (zh) | 基于深度学习的牧草图像识别方法 | |
CN111199192A (zh) | 一种采用平行线取样的田间红提葡萄整体成熟度检测方法 | |
WO2023024615A1 (zh) | 一种基于植株萎蔫程度进行精准灌溉的系统及方法 | |
Chen et al. | A surface defect detection system for golden diamond pineapple based on CycleGAN and YOLOv4 | |
CN112329506A (zh) | 枸杞采摘机器人的果实识别方法及系统、定位方法及系统 | |
CN114898364B (zh) | 一种葡萄的高效栽培方法及系统 | |
CN112329697B (zh) | 一种基于改进YOLOv3的树上果实识别方法 | |
CN115453868A (zh) | 基于番茄光响应差分特征的全生长期光强调控方法 | |
CN114463322A (zh) | 一种蔬菜种植用病害识别及补光调节方法 | |
Yihang et al. | Automatic recognition of rape seeding emergence stage based on computer vision technology | |
CN117789095B (zh) | 一种切花开放周期优化方法、系统、设备及存储介质 | |
CN114548220B (zh) | 基于手持式分光辐射谱仪的水稻颖花开花状态检测方法 | |
CN110400327B (zh) | 一种基于改进pcnn的番茄植株夜间图像分割方法 | |
Yao | Identification of Grape Leaf Diseases and Insect Pests Based on Artificial Intelligence | |
CN113988465A (zh) | 一种基于机器学习的香蕉植物营养判断方法 | |
CN117975143A (zh) | 一种基于深度学习的水果识别与采摘方法 | |
CN118072295A (zh) | 一种烟叶识别方法、系统、存储介质、设备及程序产品 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220211 |