CN114581856A - 基于北斗系统的农业机组运动状态识别方法、系统及云平台 - Google Patents
基于北斗系统的农业机组运动状态识别方法、系统及云平台 Download PDFInfo
- Publication number
- CN114581856A CN114581856A CN202210477847.3A CN202210477847A CN114581856A CN 114581856 A CN114581856 A CN 114581856A CN 202210477847 A CN202210477847 A CN 202210477847A CN 114581856 A CN114581856 A CN 114581856A
- Authority
- CN
- China
- Prior art keywords
- operation area
- video
- monitoring
- area monitoring
- motion state
- 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
- 230000033001 locomotion Effects 0.000 title claims abstract description 145
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000012544 monitoring process Methods 0.000 claims abstract description 406
- 238000012216 screening Methods 0.000 claims abstract description 98
- 238000012545 processing Methods 0.000 claims abstract description 19
- 230000004927 fusion Effects 0.000 claims description 15
- 230000002159 abnormal effect Effects 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 9
- 230000008859 change Effects 0.000 claims description 9
- 238000004891 communication Methods 0.000 claims description 7
- 238000005070 sampling Methods 0.000 claims description 5
- DMBHHRLKUKUOEG-UHFFFAOYSA-N diphenylamine Chemical compound C=1C=CC=CC=1NC1=CC=CC=C1 DMBHHRLKUKUOEG-UHFFFAOYSA-N 0.000 claims description 4
- 239000002699 waste material Substances 0.000 abstract description 5
- 238000012512 characterization method Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000007499 fusion processing Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/42—Determining position
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Image Analysis (AREA)
- Closed-Circuit Television Systems (AREA)
Abstract
本发明提供的基于北斗系统的农业机组运动状态识别方法、系统及云平台,涉及图像识别技术领域。在本发明中,确定目标农业机组是否属于运动状态,并在目标农业机组属于运动状态时,获取视频监控终端设备采集的作业区域监控视频;对作业区域监控视频进行筛选得到对应的作业区域监控筛选视频;对作业区域监控筛选视频包括的多帧作业区域监控视频帧进行识别处理,得到作业区域监控筛选视频对应的目标作业区域的区域平整度信息,并基于区域平整度信息和目标农业机组在目标作业区域的机组震动程度信息,确定目标农业机组的运动状态信息。基于上述方法,可以改善现有技术中运动状态识别时存在识别资源浪费的问题。
Description
技术领域
本发明涉及图像识别技术领域,具体而言,涉及一种基于北斗系统的农业机组运动状态识别方法、系统及云平台。
背景技术
在现代化农业中,机械化的农业工具(即农业机组)是一种重要、不可或缺的设备。其中,在进行农业作业时,农业机组的运动状态是否正常或异常直接关系着农业作业的效果,因此,确定农业机组的运动状态是否正常或异常尤为重要。例如,在一种可能的情形中,在农业机组发生故障时,可能会导致农业机组发生异常的震动。
基于此,在一种常规的技术方案中,会对作业区域的平整度进行检测,以确定农业机组发生的震动是否是由于作业区域的平整度不高导致的,即准确确定农业机组的运动状态信息。但是,经研究发现,在现有技术中,在运动状态识别时可能存在识别资源浪费的问题。
发明内容
有鉴于此,本发明的目的在于提供一种基于北斗系统的农业机组运动状态识别方法、系统及云平台,以改善现有技术中运动状态识别时存在识别资源浪费的问题。
为实现上述目的,本发明实施例采用如下技术方案:
一种基于北斗系统的农业机组运动状态识别方法,应用于运动状态识别云平台,所述运动状态识别云平台通信连接有视频监控终端设备和北斗定位设备,所述视频监控终端设备和所述北斗定位设备设置于目标农业机组上,所述农业机组运动状态识别方法包括:
基于所述北斗定位设备发送的机组定位数据确定所述目标农业机组是否属于运动状态,并在所述目标农业机组属于运动状态时,获取所述视频监控终端设备采集的作业区域监控视频;
对所述作业区域监控视频进行筛选得到所述作业区域监控视频对应的作业区域监控筛选视频,其中,所述作业区域监控筛选视频包括的多帧作业区域监控视频帧的数量小于或等于所述作业区域监控视频包括的多帧作业区域监控视频帧的数量;
对所述作业区域监控筛选视频包括的多帧作业区域监控视频帧进行识别处理,得到所述作业区域监控筛选视频对应的目标作业区域的区域平整度信息,并基于所述区域平整度信息和所述目标农业机组在所述目标作业区域的机组震动程度信息,确定所述目标农业机组的运动状态信息,其中,所述运动状态信息用于表征所述目标农业机组的运动是否异常。
在一些优选的实施例中,在上述基于北斗系统的农业机组运动状态识别方法中,所述基于所述北斗定位设备发送的机组定位数据确定所述目标农业机组是否属于运动状态,并在所述目标农业机组属于运动状态时,获取所述视频监控终端设备采集的作业区域监控视频的步骤,包括:
获取所述北斗定位设备发送的机组定位数据,并基于所述机组定位数据确定所述目标农业机组当前所在的第一位置;
基于所述北斗定位设备在历史上发送的与所述机组定位数据对应的定位时间最近的历史机组定位数据,确定所述目标农业机组在对应的历史时刻所在的第二位置,并基于所述第二位置和所述第一位置,确定所述目标农业机组是否属于运动状态,其中,若所述第二位置和所述第一位置相同,则确定所述目标农业机组属于运动状态,若所述第二位置和所述第一位置不相同,则确定所述目标农业机组不属于运动状态;
在所述目标农业机组属于运动状态时,获取所述视频监控终端设备采集的作业区域监控视频。
在一些优选的实施例中,在上述基于北斗系统的农业机组运动状态识别方法中,所述在所述目标农业机组属于运动状态时,获取所述视频监控终端设备采集的作业区域监控视频的步骤,包括:
在所述目标农业机组属于运动状态时,基于所述第一位置和所述第二位置之间的位置距离和位置变化持续时长生成对应的视频监控通知信息;
将所述视频监控通知信息发送给所述视频监控终端设备,其中,所述视频监控终端设备用于基于所述视频监控通知信息进行视频采集得到对应的作业区域监控视频,其中,所述作业区域监控视频的视频帧率与所述位置距离和所述位置变化持续时长之间的比值之间具有正相关关系,所述作业区域监控视频的视频时间长度与所述位置距离和所述位置变化持续时长之间的比值之间具有负相关关系;
获取所述视频监控终端设备基于所述视频监控通知信息进行视频采集得到并发送的所述作业区域监控视频。
在一些优选的实施例中,在上述基于北斗系统的农业机组运动状态识别方法中,所述对所述作业区域监控视频进行筛选得到所述作业区域监控视频对应的作业区域监控筛选视频的步骤,包括:
针对所述作业区域监控视频包括的每相邻两帧作业区域监控视频帧,对该两帧作业区域监控视频帧执行相似度计算操作,得到该两帧作业区域监控视频帧之间的视频帧相似度;
基于所述作业区域监控视频中每相邻两帧作业区域监控视频帧之间的视频帧相似度,对所述作业区域监控视频进行筛选处理,得到所述作业区域监控视频对应的作业区域监控筛选视频。
在一些优选的实施例中,在上述基于北斗系统的农业机组运动状态识别方法中,所述基于所述作业区域监控视频中每相邻两帧作业区域监控视频帧之间的视频帧相似度,对所述作业区域监控视频进行筛选处理,得到所述作业区域监控视频对应的作业区域监控筛选视频的步骤,包括:
针对所述作业区域监控视频包括的每相邻两帧作业区域监控视频帧,确定该两帧作业区域监控视频帧之间的视频帧相似度与预先确定的视频帧相似度阈值之间的相对大小关系;
针对所述作业区域监控视频包括的每相邻两帧作业区域监控视频帧,若该两帧作业区域监控视频帧之间的视频帧相似度大于或等于所述视频帧相似度阈值,则将该两帧作业区域监控视频帧中的后一帧作业区域监控视频帧筛除,若该两帧作业区域监控视频帧之间的视频帧相似度小于所述视频帧相似度阈值,则不筛除该两帧作业区域监控视频帧;
基于所述作业区域监控视频包括的未被筛除的每一帧作业区域监控视频帧,得到所述作业区域监控视频对应的作业区域监控筛选视。
在一些优选的实施例中,在上述基于北斗系统的农业机组运动状态识别方法中,所述基于所述作业区域监控视频包括的未被筛除的每一帧作业区域监控视频帧,得到所述作业区域监控视频对应的作业区域监控筛选视频的步骤,包括:
在所述作业区域监控视频包括的被筛除的作业区域监控视频帧中确定是否存在至少一个作业区域监控视频片段,其中,每一个所述作业区域监控视频片段包括的多帧候选作业区域监控视频帧的数量大于或等于预先确定的目标视频帧数量,且每一个所述作业区域监控视频片段包括的多帧候选作业区域监控视频帧的帧时序在所述作业区域监控视频中连续;
若所述作业区域监控视频包括的被筛除的作业区域监控视频帧中存在至少一个作业区域监控视频片段,则针对所述至少一个作业区域监控视频片段中的每一个作业区域监控视频片段,则分别确定该作业区域监控视频片段中的每相邻两帧作业区域监控视频帧之间的视频帧相似度与预先确定的第一相似度阈值之间的相对大小关系,其中,所述第一相似度阈值大于所述视频帧相似度阈值;
针对所述至少一个作业区域监控视频片段中的每一个作业区域监控视频片段,若该作业区域监控视频片段中的每相邻两帧作业区域监控视频帧之间的视频帧相似度都大于或等于所述第一相似度阈值,则确定将该作业区域监控视频片段筛除,若该作业区域监控视频片段中的至少有相邻两帧作业区域监控视频帧之间的视频帧相似度小于所述第一相似度阈值,则基于预先确定的采样参数对该作业区域监控视频片段进行采样处理,得到该作业区域监控视频片段对应的至少一帧作业区域监控视频帧,并将该至少一帧作业区域监控视频帧确定为未被筛除的作业区域监控视频帧;
基于所述作业区域监控视频包括的未被筛除的每一帧作业区域监控视频帧,得到所述作业区域监控视频对应的作业区域监控筛选视频。
在一些优选的实施例中,在上述基于北斗系统的农业机组运动状态识别方法中,所述对所述作业区域监控筛选视频包括的多帧作业区域监控视频帧进行识别处理,得到所述作业区域监控筛选视频对应的目标作业区域的区域平整度信息,并基于所述区域平整度信息和所述目标农业机组在所述目标作业区域的机组震动程度信息,确定所述目标农业机组的运动状态信息的步骤,包括:
针对所述作业区域监控筛选视频包括的多帧作业区域监控视频帧中的每一帧作业区域监控视频帧,对该作业区域监控视频帧中的每相邻两个像素点进行差值计算,得到该作业区域监控视频帧中的相邻两个像素点之间的像素差值,并确定该像素差值与预先配置的差值阈值的相对大小关系,以及,将该作业区域监控视频帧中对应的像素差值大于或等于所述差值阈值的每相邻两个像素点确定为目标像素组;
针对每一帧所述作业区域监控视频帧,将该作业区域监控视频帧对应的每一个目标像素组之间的像素分界线确定为该作业区域监控视频帧对应的区域线段,并基于该区域线段将该作业区域监控视频帧进行分割,得到该作业区域监控视频帧对应的至少一个视频帧区域,并统计该作业区域监控视频帧对应的视频帧区域的数量,得到该作业区域监控视频帧对应的第一区域统计数量,其中,每一个所述视频帧区域基于所述区域线段和/或所述作业区域监控视频帧的视频帧边界线围合形成;
针对每一帧所述作业区域监控视频帧,计算该作业区域监控视频帧的各像素点的均值,得到该作业区域监控视频帧对应的第一像素均值,并分别计算该作业区域监控视频帧对应的每一个视频帧区域的各像素点的均值,得到每一个视频帧区域对应的第二像素均值,以及,分别基于每一个视频帧区域对应的第二像素均值和所述第一像素均值之间的差值得到每一个视频帧区域对应的平整度表征系数,并基于该平整度表征系数融合得到该作业区域监控视频帧的平整度融合系数,其中,所述平整度表征系数与所述第二像素均值和所述第一像素均值之间的差值之间具有正相关关系;
针对每一帧所述作业区域监控视频帧,基于该作业区域监控视频帧对应的平整度融合系数和第一区域统计数量确定作业区域监控筛选视频对应的目标作业区域的区域平整度信息,并基于所述区域平整度信息和所述目标农业机组在所述目标作业区域的机组震动程度信息之间的匹配度,确定所述目标农业机组的运动状态信息,其中,所述区域平整度信息分别与所述平整度融合系数和所述第一区域统计数量之间具有正相关关系。
本发明实施例还提供一种基于北斗系统的农业机组运动状态识别系统,应用于运动状态识别云平台,所述运动状态识别云平台通信连接有视频监控终端设备和北斗定位设备,所述视频监控终端设备和所述北斗定位设备设置于目标农业机组上,所述农业机组运动状态识别系统包括:
监控视频获取模块,用于基于所述北斗定位设备发送的机组定位数据确定所述目标农业机组是否属于运动状态,并在所述目标农业机组属于运动状态时,获取所述视频监控终端设备采集的作业区域监控视频;
监控视频筛选模块,用于对所述作业区域监控视频进行筛选得到所述作业区域监控视频对应的作业区域监控筛选视频,其中,所述作业区域监控筛选视频包括的多帧作业区域监控视频帧的数量小于或等于所述作业区域监控视频包括的多帧作业区域监控视频帧的数量;
运动状态识别模块,用于对所述作业区域监控筛选视频包括的多帧作业区域监控视频帧进行识别处理,得到所述作业区域监控筛选视频对应的目标作业区域的区域平整度信息,并基于所述区域平整度信息和所述目标农业机组在所述目标作业区域的机组震动程度信息,确定所述目标农业机组的运动状态信息,其中,所述运动状态信息用于表征所述目标农业机组的运动是否异常。
在一些优选的实施例中,在上述基于北斗系统的农业机组运动状态识别方系统中,所述监控视频筛选模块具体用于:
针对所述作业区域监控视频包括的每相邻两帧作业区域监控视频帧,对该两帧作业区域监控视频帧执行相似度计算操作,得到该两帧作业区域监控视频帧之间的视频帧相似度;
基于所述作业区域监控视频中每相邻两帧作业区域监控视频帧之间的视频帧相似度,对所述作业区域监控视频进行筛选处理,得到所述作业区域监控视频对应的作业区域监控筛选视频。
本发明实施例还提供一种运动状态识别云平台,用于上述的基于北斗系统的农业机组运动状态识别方法。
本发明实施例提供的基于北斗系统的农业机组运动状态识别方法、系统及云平台,首先,可以在目标农业机组属于运动状态时,获取视频监控终端设备采集的作业区域监控视频,其次,可以对作业区域监控视频进行筛选得到作业区域监控视频对应的作业区域监控筛选视频,使得可以对作业区域监控筛选视频包括的多帧作业区域监控视频帧进行识别处理,得到作业区域监控筛选视频对应的目标作业区域的区域平整度信息,并基于区域平整度信息和目标农业机组在目标作业区域的机组震动程度信息,确定目标农业机组的运动状态信息,即通过在进行识别处理之前先进行筛选,可以在一定程度上降低识别处理的作业区域监控视频帧的数量,节约识别资源,从而改善现有技术中运动状态识别时存在识别资源浪费的问题。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
图1为本发明实施例提供的运动状态识别云平台的结构框图。
图2为本发明实施例提供的基于北斗系统的农业机组运动状态识别方法包括的各步骤的流程示意图。
图3为本发明实施例提供的基于北斗系统的农业机组运动状态识别系统包括的各模块的示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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,所描述的实施例只是本发明的一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。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。
如图1所示,本发明实施例提供了一种运动状态识别云平台。其中,所述运动状态识别云平台可以包括存储器和处理器。
详细地,所述存储器和处理器之间直接或间接地电性连接,以实现数据的传输或交互。例如,相互之间可通过一条或多条通讯总线或信号线实现电性连接。所述存储器中可以存储有至少一个可以以软件或固件(firmware)的形式,存在的软件功能模块(计算机程序)。所述处理器可以用于执行所述存储器中存储的可执行的计算机程序,从而实现本发明实施例提供的基于北斗系统的农业机组运动状态识别方法。
可以选择的是,在一种可能的实现方式中,所述存储器可以是,但不限于,随机存取存储器(Random Access Memory,RAM),只读存储器(Read Only Memory,ROM),可编程只读存储器(Programmable Read-Only Memory,PROM),可擦除只读存储器(ErasableProgrammable Read-Only Memory,EPROM),电可擦除只读存储器(Electric ErasableProgrammable Read-Only Memory,EEPROM)等。
可以选择的是,在一种可能的实现方式中,所述处理器可以是一种通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)、片上系统(System on Chip,SoC)等;还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
并且,图1所示的结构仅为示意,所述运动状态识别云平台还可包括比图1中所示更多或者更少的组件,或具有与图1所示不同的配置,例如,可以包括用于与其它设备进行信息交互的通信单元。
可以选择的是,在一种可能的实现方式中,所述运动状态识别云平台可以是一种具备数据处理能力的服务器。
结合图2,本发明实施例还提供一种基于北斗系统的农业机组运动状态识别方法,可应用于上述运动状态识别云平台。其中,所述基于北斗系统的农业机组运动状态识别方法有关的流程所定义的方法步骤,可以由所述运动状态识别云平台实现。并且,所述运动状态识别云平台可以通信连接有视频监控终端设备和北斗定位设备,所述视频监控终端设备和所述北斗定位设备可以设置于目标农业机组上。
下面将对图2所示的具体流程,进行详细阐述。
步骤S110,基于所述北斗定位设备发送的机组定位数据确定所述目标农业机组是否属于运动状态,并在所述目标农业机组属于运动状态时,获取所述视频监控终端设备采集的作业区域监控视频。
在本发明实施例中,所述运动状态识别云平台可以基于所述北斗定位设备发送的机组定位数据确定所述目标农业机组是否属于运动状态,并在所述目标农业机组属于运动状态时,获取所述视频监控终端设备采集的作业区域监控视频。
步骤S120,对所述作业区域监控视频进行筛选得到所述作业区域监控视频对应的作业区域监控筛选视频。
在本发明实施例中,所述运动状态识别云平台可以对所述作业区域监控视频进行筛选得到所述作业区域监控视频对应的作业区域监控筛选视频。其中,所述作业区域监控筛选视频包括的多帧作业区域监控视频帧的数量小于或等于所述作业区域监控视频包括的多帧作业区域监控视频帧的数量(如此,可以降低后续识别处理的数据量)。
步骤S130,对所述作业区域监控筛选视频包括的多帧作业区域监控视频帧进行识别处理,得到所述作业区域监控筛选视频对应的目标作业区域的区域平整度信息,并基于所述区域平整度信息和所述目标农业机组在所述目标作业区域的机组震动程度信息,确定所述目标农业机组的运动状态信息。
在本发明实施例中,所述运动状态识别云平台可以对所述作业区域监控筛选视频包括的多帧作业区域监控视频帧进行识别处理,得到所述作业区域监控筛选视频对应的目标作业区域的区域平整度信息,并基于所述区域平整度信息和所述目标农业机组在所述目标作业区域的机组震动程度信息,确定所述目标农业机组的运动状态信息。其中,所述运动状态信息用于表征所述目标农业机组的运动是否异常。
基于上述方法,可以在目标农业机组属于运动状态时,获取视频监控终端设备采集的作业区域监控视频,其次,可以对作业区域监控视频进行筛选得到作业区域监控视频对应的作业区域监控筛选视频,使得可以对作业区域监控筛选视频包括的多帧作业区域监控视频帧进行识别处理,得到作业区域监控筛选视频对应的目标作业区域的区域平整度信息,并基于区域平整度信息和目标农业机组在目标作业区域的机组震动程度信息,确定目标农业机组的运动状态信息,即通过在进行识别处理之前先进行筛选,可以在一定程度上降低识别处理的作业区域监控视频帧的数量,节约识别资源,从而改善现有技术中运动状态识别时存在识别资源浪费的问题。
可以选择的是,在一种可能的实现方式中,步骤S110可以包括以下:
首先,获取所述北斗定位设备发送的机组定位数据,并基于所述机组定位数据确定所述目标农业机组当前所在的第一位置;
其次,基于所述北斗定位设备在历史上发送的与所述机组定位数据对应的定位时间最近的历史机组定位数据,确定所述目标农业机组在对应的历史时刻所在的第二位置,并基于所述第二位置和所述第一位置,确定所述目标农业机组是否属于运动状态,其中,若所述第二位置和所述第一位置相同,则确定所述目标农业机组属于运动状态,若所述第二位置和所述第一位置不相同,则确定所述目标农业机组不属于运动状态;
然后,在所述目标农业机组属于运动状态时,获取所述视频监控终端设备采集的作业区域监控视频。
可以选择的是,在一种可能的实现方式中,对于上述实现方式中的步骤——所述在所述目标农业机组属于运动状态时,获取所述视频监控终端设备采集的作业区域监控视频的步骤,可以包括以下:
首先,在所述目标农业机组属于运动状态时,基于所述第一位置和所述第二位置之间的位置距离和位置变化持续时长(如二者的比值,即移动速度)生成对应的视频监控通知信息;
其次,将所述视频监控通知信息发送给所述视频监控终端设备,其中,所述视频监控终端设备用于基于所述视频监控通知信息进行视频采集得到对应的作业区域监控视频,其中,所述作业区域监控视频的视频帧率与所述位置距离和所述位置变化持续时长之间的比值之间具有正相关关系,所述作业区域监控视频的视频时间长度与所述位置距离和所述位置变化持续时长之间的比值之间具有负相关关系;
然后,获取所述视频监控终端设备基于所述视频监控通知信息进行视频采集得到并发送的所述作业区域监控视频。
可以选择的是,在一种可能的实现方式中,步骤S120可以包括以下:
首先,针对所述作业区域监控视频包括的每相邻两帧作业区域监控视频帧,对该两帧作业区域监控视频帧执行相似度计算操作,得到该两帧作业区域监控视频帧之间的视频帧相似度;
其次,基于所述作业区域监控视频中每相邻两帧作业区域监控视频帧之间的视频帧相似度,对所述作业区域监控视频进行筛选处理,得到所述作业区域监控视频对应的作业区域监控筛选视频。
可以选择的是,在一种可能的实现方式中,对于上述实现方式中的所述相似度计算操作,可以包括以下:
子步骤1,将所述两帧作业区域监控视频帧中的一帧作业区域监控视频帧作为第一监控视频帧、另一帧作为第二监控视频帧;
子步骤2,基于任意分割规则将所述第一监控视频帧分割为多帧第一子监控视频帧;
子步骤3,针对所述多帧第一子监控视频帧中的每两帧第一子监控视频帧,确定该两帧第一子监控视频帧在所述第一监控视频帧中是否相邻,并在该两帧第一子监控视频帧在所述第一监控视频帧中相邻时,确定该两帧第一子监控视频帧之间具有关联关系;
子步骤4,针对所述多帧第一子监控视频帧中具有关联关系的每两帧第一子监控视频帧,基于该两帧第一子监控视频帧之间邻接的像素点的数量,确定该两帧第一子监控视频帧之间的第一关联程度值,其中,所述第一关联程度值与所述两帧第一子监控视频帧之间邻接的像素点的数量之间具有正相关关系;
子步骤5,针对所述多帧第一子监控视频帧中具有关联关系的每两帧第一子监控视频帧,基于该两帧第一子监控视频帧邻接的每两个像素点之间的像素差值的平均值,确定该两帧第一子监控视频帧之间的第二关联程度值,并将该第二关联程度值和该两帧第一子监控视频帧之间的所述第一关联程度值进行加权融合,得到该两帧第一子监控视频帧之间的关联程度值融合值,其中,所述第二关联程度值与所述两帧第一子监控视频帧邻接的像素点之间的像素差值的平均值之间具有负相关关系,且所述第一关联程度值对应的加权系数小于所述第二关联程度值对应的加权系数;
子步骤6,对所述多帧第一子监控视频帧中的每两帧第一子监控视频帧之间的所述关联程度值融合值进行融合处理(如计算平均值),得到所述多帧第一子监控视频帧对应的关联度表征值,并确定所述关联度表征值与预先确定的关联度阈值之间的相对大小关系;
子步骤7,在所述关联度表征值小于或等于所述关联度阈值时,重复依次执行子步骤2、子步骤3、子步骤4、子步骤5和子步骤6,直到在当前得到的关联度表征值大于所述关联度阈值时,将当前分割得到的多帧第一子监控视频帧确定为所述第一监控视频帧对应的多帧目标第一子监控视频帧,并基于所述多帧目标第一子监控视频帧,将所述第二监控视频帧分割为多帧目标第二子监控视频帧,以及,基于包括的像素点的像素坐标,将所述多帧目标第一子监控视频帧和所述多帧目标第二子监控视频帧进行一一对应处理(即具有相同像素坐标的目标第一子监控视频帧和目标第二子监控视频帧之间可以经过一一对应处理形成一一对应关系);
子步骤8,针对对应的每一帧目标第一子监控视频帧和每一帧目标第二子监控视频帧,计算该目标第一子监控视频帧和该目标第二子监控视频帧之间的相似度(图像相似度),并对对应的每一帧目标第一子监控视频帧和每一帧目标第二子监控视频帧之间的相似度进行融合处理(如可以计算均值或加权均值,其中,在计算加权均值时,可以将目标第一子监控视频帧和目标第二子监控视频帧划分为属于目标区域和不属于目标区域,属于目标区域对应的加权系数大于不属于目标区域对应的加权系数,目标区域可以是指农业机组在运动时机组车辆会经过的区域),得到所述两帧作业区域监控视频帧之间的视频帧相似度。
可以选择的是,在一种可能的实现方式中,对于上述实现方式中的步骤——所述基于所述作业区域监控视频中每相邻两帧作业区域监控视频帧之间的视频帧相似度,对所述作业区域监控视频进行筛选处理,得到所述作业区域监控视频对应的作业区域监控筛选视频的步骤,可以包括以下:
首先,针对所述作业区域监控视频包括的每相邻两帧作业区域监控视频帧,确定该两帧作业区域监控视频帧之间的视频帧相似度与预先确定的视频帧相似度阈值之间的相对大小关系;
其次,针对所述作业区域监控视频包括的每相邻两帧作业区域监控视频帧,若该两帧作业区域监控视频帧之间的视频帧相似度大于或等于所述视频帧相似度阈值,则将该两帧作业区域监控视频帧中的后一帧作业区域监控视频帧筛除,若该两帧作业区域监控视频帧之间的视频帧相似度小于所述视频帧相似度阈值,则不筛除该两帧作业区域监控视频帧;
然后,基于所述作业区域监控视频包括的未被筛除的每一帧作业区域监控视频帧,得到所述作业区域监控视频对应的作业区域监控筛选视频。
可以选择的是,在一种可能的实现方式中,对于上述实现方式中的步骤——所述基于所述作业区域监控视频包括的未被筛除的每一帧作业区域监控视频帧,得到所述作业区域监控视频对应的作业区域监控筛选视频的步骤,可以包括以下:
首先,在所述作业区域监控视频包括的被筛除的作业区域监控视频帧中确定是否存在至少一个作业区域监控视频片段,其中,每一个所述作业区域监控视频片段包括的多帧候选作业区域监控视频帧的数量大于或等于预先确定的目标视频帧数量,且每一个所述作业区域监控视频片段包括的多帧候选作业区域监控视频帧的帧时序在所述作业区域监控视频中连续;
其次,若所述作业区域监控视频包括的被筛除的作业区域监控视频帧中存在至少一个作业区域监控视频片段,则针对所述至少一个作业区域监控视频片段中的每一个作业区域监控视频片段,则分别确定该作业区域监控视频片段中的每相邻两帧作业区域监控视频帧之间的视频帧相似度与预先确定的第一相似度阈值之间的相对大小关系,其中,所述第一相似度阈值大于所述视频帧相似度阈值;
然后,针对所述至少一个作业区域监控视频片段中的每一个作业区域监控视频片段,若该作业区域监控视频片段中的每相邻两帧作业区域监控视频帧之间的视频帧相似度都大于或等于所述第一相似度阈值,则确定将该作业区域监控视频片段筛除,若该作业区域监控视频片段中的至少有相邻两帧作业区域监控视频帧之间的视频帧相似度小于所述第一相似度阈值,则基于预先确定的采样参数对该作业区域监控视频片段进行采样处理,得到该作业区域监控视频片段对应的至少一帧作业区域监控视频帧,并将该至少一帧作业区域监控视频帧确定为未被筛除的作业区域监控视频帧;
最后,基于所述作业区域监控视频包括的未被筛除的每一帧作业区域监控视频帧,得到所述作业区域监控视频对应的作业区域监控筛选视频。
可以选择的是,在一种可能的实现方式中,步骤S130可以包括以下:
首先,针对所述作业区域监控筛选视频包括的多帧作业区域监控视频帧中的每一帧作业区域监控视频帧,对该作业区域监控视频帧中的每相邻两个像素点进行差值计算,得到该作业区域监控视频帧中的相邻两个像素点之间的像素差值,并确定该像素差值与预先配置的差值阈值的相对大小关系,以及,将该作业区域监控视频帧中对应的像素差值大于或等于所述差值阈值的每相邻两个像素点确定为目标像素组;
然后,针对每一帧所述作业区域监控视频帧,将该作业区域监控视频帧对应的每一个目标像素组之间的像素分界线确定为该作业区域监控视频帧对应的区域线段,并基于该区域线段将该作业区域监控视频帧进行分割,得到该作业区域监控视频帧对应的至少一个视频帧区域,并统计该作业区域监控视频帧对应的视频帧区域的数量,得到该作业区域监控视频帧对应的第一区域统计数量,其中,每一个所述视频帧区域基于所述区域线段和/或所述作业区域监控视频帧的视频帧边界线围合形成(即全部由所述区域线段围合形成,或全部由所述作业区域监控视频帧的视频帧边界线围合形成,或由所述区域线段和所述作业区域监控视频帧的视频帧边界线围合形成,所述作业区域监控视频帧的视频帧边界线是指位于视频帧的边缘像素点的外侧边形成的界线);
其次,针对每一帧所述作业区域监控视频帧,计算该作业区域监控视频帧的各像素点的均值,得到该作业区域监控视频帧对应的第一像素均值,并分别计算该作业区域监控视频帧对应的每一个视频帧区域的各像素点的均值,得到每一个视频帧区域对应的第二像素均值,以及,分别基于每一个视频帧区域对应的第二像素均值和所述第一像素均值之间的差值得到每一个视频帧区域对应的平整度表征系数,并基于该平整度表征系数融合(如计算平均值等)得到该作业区域监控视频帧的平整度融合系数,其中,所述平整度表征系数与所述第二像素均值和所述第一像素均值之间的差值之间具有正相关关系;
最后,针对每一帧所述作业区域监控视频帧,基于该作业区域监控视频帧对应的平整度融合系数和第一区域统计数量确定作业区域监控筛选视频对应的目标作业区域的区域平整度信息,并基于所述区域平整度信息和所述目标农业机组在所述目标作业区域的机组震动程度信息之间的匹配度,确定所述目标农业机组的运动状态信息(如所述区域平整度信息和所述机组震动程度信息之间的匹配度小于阈值时,表征所述目标农业机组的运动存在异常,如所述目标作业区域较为平整时所述目标农机组的震动幅度较大),其中,所述区域平整度信息分别与所述平整度融合系数和所述第一区域统计数量之间具有正相关关系。
结合图3,本发明实施例还提供一种基于北斗系统的农业机组运动状态识别系统,可应用于上述运动状态识别云平台。其中,所述基于北斗系统的农业机组运动状态识别系统可以包括监控视频获取模块(如步骤S110)、监控视频筛选模块(如步骤S120)和运动状态识别模块(如步骤S130)。
可以选择的是,在一种可能的实现方式中,所述监控视频获取模块,用于基于所述北斗定位设备发送的机组定位数据确定所述目标农业机组是否属于运动状态,并在所述目标农业机组属于运动状态时,获取所述视频监控终端设备采集的作业区域监控视频。所述监控视频筛选模块,用于对所述作业区域监控视频进行筛选得到所述作业区域监控视频对应的作业区域监控筛选视频,其中,所述作业区域监控筛选视频包括的多帧作业区域监控视频帧的数量小于或等于所述作业区域监控视频包括的多帧作业区域监控视频帧的数量。所述运动状态识别模块,用于对所述作业区域监控筛选视频包括的多帧作业区域监控视频帧进行识别处理,得到所述作业区域监控筛选视频对应的目标作业区域的区域平整度信息,并基于所述区域平整度信息和所述目标农业机组在所述目标作业区域的机组震动程度信息,确定所述目标农业机组的运动状态信息,其中,所述运动状态信息用于表征所述目标农业机组的运动是否异常。
可以选择的是,在一种可能的实现方式中,所述监控视频筛选模块具体用于:针对所述作业区域监控视频包括的每相邻两帧作业区域监控视频帧,对该两帧作业区域监控视频帧执行相似度计算操作,得到该两帧作业区域监控视频帧之间的视频帧相似度;基于所述作业区域监控视频中每相邻两帧作业区域监控视频帧之间的视频帧相似度,对所述作业区域监控视频进行筛选,得到所述作业区域监控视频对应的作业区域监控筛选视频。
综上所述,本发明提供的基于北斗系统的农业机组运动状态识别方法、系统及云平台,首先,可以在目标农业机组属于运动状态时,获取视频监控终端设备采集的作业区域监控视频,其次,可以对作业区域监控视频进行筛选得到作业区域监控视频对应的作业区域监控筛选视频,使得可以对作业区域监控筛选视频包括的多帧作业区域监控视频帧进行识别处理,得到作业区域监控筛选视频对应的目标作业区域的区域平整度信息,并基于区域平整度信息和目标农业机组在目标作业区域的机组震动程度信息,确定目标农业机组的运动状态信息,即通过在进行识别处理之前先进行筛选,可以在一定程度上降低识别处理的作业区域监控视频帧的数量,节约识别资源,从而改善现有技术中运动状态识别时存在识别资源浪费的问题。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于北斗系统的农业机组运动状态识别方法,其特征在于,应用于运动状态识别云平台,所述运动状态识别云平台通信连接有视频监控终端设备和北斗定位设备,所述视频监控终端设备和所述北斗定位设备设置于目标农业机组上,所述农业机组运动状态识别方法包括:
基于所述北斗定位设备发送的机组定位数据确定所述目标农业机组是否属于运动状态,并在所述目标农业机组属于运动状态时,获取所述视频监控终端设备采集的作业区域监控视频;
对所述作业区域监控视频进行筛选得到所述作业区域监控视频对应的作业区域监控筛选视频,其中,所述作业区域监控筛选视频包括的多帧作业区域监控视频帧的数量小于或等于所述作业区域监控视频包括的多帧作业区域监控视频帧的数量;
对所述作业区域监控筛选视频包括的多帧作业区域监控视频帧进行识别处理,得到所述作业区域监控筛选视频对应的目标作业区域的区域平整度信息,并基于所述区域平整度信息和所述目标农业机组在所述目标作业区域的机组震动程度信息,确定所述目标农业机组的运动状态信息,其中,所述运动状态信息用于表征所述目标农业机组的运动是否异常。
2.如权利要求1所述的基于北斗系统的农业机组运动状态识别方法,其特征在于,所述基于所述北斗定位设备发送的机组定位数据确定所述目标农业机组是否属于运动状态,并在所述目标农业机组属于运动状态时,获取所述视频监控终端设备采集的作业区域监控视频的步骤,包括:
获取所述北斗定位设备发送的机组定位数据,并基于所述机组定位数据确定所述目标农业机组当前所在的第一位置;
基于所述北斗定位设备在历史上发送的与所述机组定位数据对应的定位时间最近的历史机组定位数据,确定所述目标农业机组在对应的历史时刻所在的第二位置,并基于所述第二位置和所述第一位置,确定所述目标农业机组是否属于运动状态,其中,若所述第二位置和所述第一位置相同,则确定所述目标农业机组属于运动状态,若所述第二位置和所述第一位置不相同,则确定所述目标农业机组不属于运动状态;
在所述目标农业机组属于运动状态时,获取所述视频监控终端设备采集的作业区域监控视频。
3.如权利要求2所述的基于北斗系统的农业机组运动状态识别方法,其特征在于,所述在所述目标农业机组属于运动状态时,获取所述视频监控终端设备采集的作业区域监控视频的步骤,包括:
在所述目标农业机组属于运动状态时,基于所述第一位置和所述第二位置之间的位置距离和位置变化持续时长生成对应的视频监控通知信息;
将所述视频监控通知信息发送给所述视频监控终端设备,其中,所述视频监控终端设备用于基于所述视频监控通知信息进行视频采集得到对应的作业区域监控视频,其中,所述作业区域监控视频的视频帧率与所述位置距离和所述位置变化持续时长之间的比值之间具有正相关关系,所述作业区域监控视频的视频时间长度与所述位置距离和所述位置变化持续时长之间的比值之间具有负相关关系;
获取所述视频监控终端设备基于所述视频监控通知信息进行视频采集得到并发送的所述作业区域监控视频。
4.如权利要求1所述的基于北斗系统的农业机组运动状态识别方法,其特征在于,所述对所述作业区域监控视频进行筛选得到所述作业区域监控视频对应的作业区域监控筛选视频的步骤,包括:
针对所述作业区域监控视频包括的每相邻两帧作业区域监控视频帧,对该两帧作业区域监控视频帧执行相似度计算操作,得到该两帧作业区域监控视频帧之间的视频帧相似度;
基于所述作业区域监控视频中每相邻两帧作业区域监控视频帧之间的视频帧相似度,对所述作业区域监控视频进行筛选处理,得到所述作业区域监控视频对应的作业区域监控筛选视频。
5.如权利要求4所述的基于北斗系统的农业机组运动状态识别方法,其特征在于,所述基于所述作业区域监控视频中每相邻两帧作业区域监控视频帧之间的视频帧相似度,对所述作业区域监控视频进行筛选处理,得到所述作业区域监控视频对应的作业区域监控筛选视频的步骤,包括:
针对所述作业区域监控视频包括的每相邻两帧作业区域监控视频帧,确定该两帧作业区域监控视频帧之间的视频帧相似度与预先确定的视频帧相似度阈值之间的相对大小关系;
针对所述作业区域监控视频包括的每相邻两帧作业区域监控视频帧,若该两帧作业区域监控视频帧之间的视频帧相似度大于或等于所述视频帧相似度阈值,则将该两帧作业区域监控视频帧中的后一帧作业区域监控视频帧筛除,若该两帧作业区域监控视频帧之间的视频帧相似度小于所述视频帧相似度阈值,则不筛除该两帧作业区域监控视频帧;
基于所述作业区域监控视频包括的未被筛除的每一帧作业区域监控视频帧,得到所述作业区域监控视频对应的作业区域监控筛选视频。
6.如权利要求5所述的基于北斗系统的农业机组运动状态识别方法,其特征在于,所述基于所述作业区域监控视频包括的未被筛除的每一帧作业区域监控视频帧,得到所述作业区域监控视频对应的作业区域监控筛选视频的步骤,包括:
在所述作业区域监控视频包括的被筛除的作业区域监控视频帧中确定是否存在至少一个作业区域监控视频片段,其中,每一个所述作业区域监控视频片段包括的多帧候选作业区域监控视频帧的数量大于或等于预先确定的目标视频帧数量,且每一个所述作业区域监控视频片段包括的多帧候选作业区域监控视频帧的帧时序在所述作业区域监控视频中连续;
若所述作业区域监控视频包括的被筛除的作业区域监控视频帧中存在至少一个作业区域监控视频片段,则针对所述至少一个作业区域监控视频片段中的每一个作业区域监控视频片段,则分别确定该作业区域监控视频片段中的每相邻两帧作业区域监控视频帧之间的视频帧相似度与预先确定的第一相似度阈值之间的相对大小关系,其中,所述第一相似度阈值大于所述视频帧相似度阈值;
针对所述至少一个作业区域监控视频片段中的每一个作业区域监控视频片段,若该作业区域监控视频片段中的每相邻两帧作业区域监控视频帧之间的视频帧相似度都大于或等于所述第一相似度阈值,则确定将该作业区域监控视频片段筛除,若该作业区域监控视频片段中的至少有相邻两帧作业区域监控视频帧之间的视频帧相似度小于所述第一相似度阈值,则基于预先确定的采样参数对该作业区域监控视频片段进行采样处理,得到该作业区域监控视频片段对应的至少一帧作业区域监控视频帧,并将该至少一帧作业区域监控视频帧确定为未被筛除的作业区域监控视频帧;
基于所述作业区域监控视频包括的未被筛除的每一帧作业区域监控视频帧,得到所述作业区域监控视频对应的作业区域监控筛选视频。
7.如权利要求1-6任意一项所述的基于北斗系统的农业机组运动状态识别方法,其特征在于,所述对所述作业区域监控筛选视频包括的多帧作业区域监控视频帧进行识别处理,得到所述作业区域监控筛选视频对应的目标作业区域的区域平整度信息,并基于所述区域平整度信息和所述目标农业机组在所述目标作业区域的机组震动程度信息,确定所述目标农业机组的运动状态信息的步骤,包括:
针对所述作业区域监控筛选视频包括的多帧作业区域监控视频帧中的每一帧作业区域监控视频帧,对该作业区域监控视频帧中的每相邻两个像素点进行差值计算,得到该作业区域监控视频帧中的相邻两个像素点之间的像素差值,并确定该像素差值与预先配置的差值阈值的相对大小关系,以及,将该作业区域监控视频帧中对应的像素差值大于或等于所述差值阈值的每相邻两个像素点确定为目标像素组;
针对每一帧所述作业区域监控视频帧,将该作业区域监控视频帧对应的每一个目标像素组之间的像素分界线确定为该作业区域监控视频帧对应的区域线段,并基于该区域线段将该作业区域监控视频帧进行分割,得到该作业区域监控视频帧对应的至少一个视频帧区域,并统计该作业区域监控视频帧对应的视频帧区域的数量,得到该作业区域监控视频帧对应的第一区域统计数量,其中,每一个所述视频帧区域基于所述区域线段和/或所述作业区域监控视频帧的视频帧边界线围合形成;
针对每一帧所述作业区域监控视频帧,计算该作业区域监控视频帧的各像素点的均值,得到该作业区域监控视频帧对应的第一像素均值,并分别计算该作业区域监控视频帧对应的每一个视频帧区域的各像素点的均值,得到每一个视频帧区域对应的第二像素均值,以及,分别基于每一个视频帧区域对应的第二像素均值和所述第一像素均值之间的差值得到每一个视频帧区域对应的平整度表征系数,并基于该平整度表征系数融合得到该作业区域监控视频帧的平整度融合系数,其中,所述平整度表征系数与所述第二像素均值和所述第一像素均值之间的差值之间具有正相关关系;
针对每一帧所述作业区域监控视频帧,基于该作业区域监控视频帧对应的平整度融合系数和第一区域统计数量确定作业区域监控筛选视频对应的目标作业区域的区域平整度信息,并基于所述区域平整度信息和所述目标农业机组在所述目标作业区域的机组震动程度信息之间的匹配度,确定所述目标农业机组的运动状态信息,其中,所述区域平整度信息分别与所述平整度融合系数和所述第一区域统计数量之间具有正相关关系。
8.一种基于北斗系统的农业机组运动状态识别系统,其特征在于,应用于运动状态识别云平台,所述运动状态识别云平台通信连接有视频监控终端设备和北斗定位设备,所述视频监控终端设备和所述北斗定位设备设置于目标农业机组上,所述农业机组运动状态识别系统包括:
监控视频获取模块,用于基于所述北斗定位设备发送的机组定位数据确定所述目标农业机组是否属于运动状态,并在所述目标农业机组属于运动状态时,获取所述视频监控终端设备采集的作业区域监控视频;
监控视频筛选模块,用于对所述作业区域监控视频进行筛选得到所述作业区域监控视频对应的作业区域监控筛选视频,其中,所述作业区域监控筛选视频包括的多帧作业区域监控视频帧的数量小于或等于所述作业区域监控视频包括的多帧作业区域监控视频帧的数量;
运动状态识别模块,用于对所述作业区域监控筛选视频包括的多帧作业区域监控视频帧进行识别处理,得到所述作业区域监控筛选视频对应的目标作业区域的区域平整度信息,并基于所述区域平整度信息和所述目标农业机组在所述目标作业区域的机组震动程度信息,确定所述目标农业机组的运动状态信息,其中,所述运动状态信息用于表征所述目标农业机组的运动是否异常。
9.如权利要求8所述的基于北斗系统的农业机组运动状态识别系统,其特征在于,所述监控视频筛选模块具体用于:
针对所述作业区域监控视频包括的每相邻两帧作业区域监控视频帧,对该两帧作业区域监控视频帧执行相似度计算操作,得到该两帧作业区域监控视频帧之间的视频帧相似度;
基于所述作业区域监控视频中每相邻两帧作业区域监控视频帧之间的视频帧相似度,对所述作业区域监控视频进行筛选处理,得到所述作业区域监控视频对应的作业区域监控筛选视频。
10.一种运动状态识别云平台,其特征在于,用于执行权利要求1-7任意一项所述的基于北斗系统的农业机组运动状态识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210477847.3A CN114581856B (zh) | 2022-05-05 | 2022-05-05 | 基于北斗系统的农业机组运动状态识别方法、系统及云平台 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210477847.3A CN114581856B (zh) | 2022-05-05 | 2022-05-05 | 基于北斗系统的农业机组运动状态识别方法、系统及云平台 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114581856A true CN114581856A (zh) | 2022-06-03 |
CN114581856B CN114581856B (zh) | 2022-08-09 |
Family
ID=81783910
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210477847.3A Active CN114581856B (zh) | 2022-05-05 | 2022-05-05 | 基于北斗系统的农业机组运动状态识别方法、系统及云平台 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114581856B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114815857A (zh) * | 2022-06-28 | 2022-07-29 | 广东邦盛北斗科技股份公司 | 基于北斗导航的智能化农机管理方法、系统及云平台 |
CN115830508A (zh) * | 2022-12-13 | 2023-03-21 | 陕西通信规划设计研究院有限公司 | 一种5g消息内容检测方法 |
CN116151521A (zh) * | 2023-04-04 | 2023-05-23 | 四川省自然资源科学研究院(四川省生产力促进中心) | 一种大数据信息采集方法及系统 |
Citations (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040250249A1 (en) * | 2003-06-03 | 2004-12-09 | Chiho Fukunari | Job status monitoring method, system and program |
US20100263167A1 (en) * | 2009-04-16 | 2010-10-21 | Seymour Ian Fox | Counter-balance apparatus and method for providing a stabilizing force |
CN204028616U (zh) * | 2014-08-06 | 2014-12-17 | 北京二十一世纪科技发展有限公司 | 一种农机监控终端及农机监控系统 |
CN104865874A (zh) * | 2015-05-15 | 2015-08-26 | 山东省计算中心(国家超级计算济南中心) | 基于北斗导航的智能化农机管理系统及方法 |
JP2015221610A (ja) * | 2014-05-22 | 2015-12-10 | 株式会社クボタ | クローラ走行装置 |
CN106340083A (zh) * | 2016-08-30 | 2017-01-18 | 江苏艾倍科科技股份有限公司 | 一种基于北斗定位的车辆监控系统 |
JP2018116518A (ja) * | 2017-01-19 | 2018-07-26 | 富士通株式会社 | ジョブ監視プログラム、ジョブ監視装置及びジョブ監視方法 |
CN208026252U (zh) * | 2017-11-27 | 2018-10-30 | 北京博创联动科技有限公司 | 一种农机检测设备 |
EP3409088A1 (de) * | 2017-06-02 | 2018-12-05 | PÖTTINGER Landtechnik GmbH | Vorrichtung zum aufzeichnen von fahrwegdaten eines landwirtschaftlichen arbeitsgeräts |
US10255670B1 (en) * | 2017-01-08 | 2019-04-09 | Dolly Y. Wu PLLC | Image sensor and module for agricultural crop improvement |
CN109870456A (zh) * | 2019-02-01 | 2019-06-11 | 上海智能交通有限公司 | 一种路面健康状况快速检测系统及方法 |
CN110264420A (zh) * | 2019-06-13 | 2019-09-20 | Oppo广东移动通信有限公司 | 基于多帧图像的图像处理方法和装置 |
CN209624066U (zh) * | 2018-12-14 | 2019-11-12 | 山东科翔软件科技有限公司 | 一种基于卫星定位技术的农机车辆制动性能检测系统 |
CN111275363A (zh) * | 2020-03-27 | 2020-06-12 | 山东智路信息科技有限公司 | 一种基于车辆振动数据的路网平整度评估系统及方法 |
WO2021048558A1 (en) * | 2019-09-10 | 2021-03-18 | Small Robot Company Limited | Autonomous farming devices, systems and methods |
CN112584135A (zh) * | 2020-12-15 | 2021-03-30 | 平安国际智慧城市科技股份有限公司 | 监控设备故障识别方法、装置、设备及存储介质 |
CN112651593A (zh) * | 2020-11-30 | 2021-04-13 | 东北农业大学 | 一种基于北斗系统的农业机组作业参数测试及分析决策系统及方法 |
JP2021068380A (ja) * | 2019-10-28 | 2021-04-30 | 松山株式会社 | 農作業機異常検知システム |
CN113139410A (zh) * | 2020-01-19 | 2021-07-20 | 杭州海康威视系统技术有限公司 | 路面检测方法、装置、设备及存储介质 |
CN113553942A (zh) * | 2021-07-20 | 2021-10-26 | 李旭昆 | 一种图像处理方法 |
CN113879231A (zh) * | 2021-10-26 | 2022-01-04 | 北京汇通天下物联科技有限公司 | 车载物品震动的预警方法、系统、电子设备以及存储介质 |
CN113902993A (zh) * | 2021-10-12 | 2022-01-07 | 李薇薇 | 一种基于环境监测的环境状态分析方法及系统 |
CN114139016A (zh) * | 2021-11-08 | 2022-03-04 | 钟丹 | 一种智慧小区的数据处理方法及系统 |
-
2022
- 2022-05-05 CN CN202210477847.3A patent/CN114581856B/zh active Active
Patent Citations (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040250249A1 (en) * | 2003-06-03 | 2004-12-09 | Chiho Fukunari | Job status monitoring method, system and program |
US20100263167A1 (en) * | 2009-04-16 | 2010-10-21 | Seymour Ian Fox | Counter-balance apparatus and method for providing a stabilizing force |
JP2015221610A (ja) * | 2014-05-22 | 2015-12-10 | 株式会社クボタ | クローラ走行装置 |
CN204028616U (zh) * | 2014-08-06 | 2014-12-17 | 北京二十一世纪科技发展有限公司 | 一种农机监控终端及农机监控系统 |
CN104865874A (zh) * | 2015-05-15 | 2015-08-26 | 山东省计算中心(国家超级计算济南中心) | 基于北斗导航的智能化农机管理系统及方法 |
CN106340083A (zh) * | 2016-08-30 | 2017-01-18 | 江苏艾倍科科技股份有限公司 | 一种基于北斗定位的车辆监控系统 |
US10255670B1 (en) * | 2017-01-08 | 2019-04-09 | Dolly Y. Wu PLLC | Image sensor and module for agricultural crop improvement |
JP2018116518A (ja) * | 2017-01-19 | 2018-07-26 | 富士通株式会社 | ジョブ監視プログラム、ジョブ監視装置及びジョブ監視方法 |
EP3409088A1 (de) * | 2017-06-02 | 2018-12-05 | PÖTTINGER Landtechnik GmbH | Vorrichtung zum aufzeichnen von fahrwegdaten eines landwirtschaftlichen arbeitsgeräts |
CN208026252U (zh) * | 2017-11-27 | 2018-10-30 | 北京博创联动科技有限公司 | 一种农机检测设备 |
CN209624066U (zh) * | 2018-12-14 | 2019-11-12 | 山东科翔软件科技有限公司 | 一种基于卫星定位技术的农机车辆制动性能检测系统 |
CN109870456A (zh) * | 2019-02-01 | 2019-06-11 | 上海智能交通有限公司 | 一种路面健康状况快速检测系统及方法 |
CN110264420A (zh) * | 2019-06-13 | 2019-09-20 | Oppo广东移动通信有限公司 | 基于多帧图像的图像处理方法和装置 |
WO2021048558A1 (en) * | 2019-09-10 | 2021-03-18 | Small Robot Company Limited | Autonomous farming devices, systems and methods |
JP2021068380A (ja) * | 2019-10-28 | 2021-04-30 | 松山株式会社 | 農作業機異常検知システム |
CN113139410A (zh) * | 2020-01-19 | 2021-07-20 | 杭州海康威视系统技术有限公司 | 路面检测方法、装置、设备及存储介质 |
CN111275363A (zh) * | 2020-03-27 | 2020-06-12 | 山东智路信息科技有限公司 | 一种基于车辆振动数据的路网平整度评估系统及方法 |
CN112651593A (zh) * | 2020-11-30 | 2021-04-13 | 东北农业大学 | 一种基于北斗系统的农业机组作业参数测试及分析决策系统及方法 |
CN112584135A (zh) * | 2020-12-15 | 2021-03-30 | 平安国际智慧城市科技股份有限公司 | 监控设备故障识别方法、装置、设备及存储介质 |
CN113553942A (zh) * | 2021-07-20 | 2021-10-26 | 李旭昆 | 一种图像处理方法 |
CN113902993A (zh) * | 2021-10-12 | 2022-01-07 | 李薇薇 | 一种基于环境监测的环境状态分析方法及系统 |
CN113879231A (zh) * | 2021-10-26 | 2022-01-04 | 北京汇通天下物联科技有限公司 | 车载物品震动的预警方法、系统、电子设备以及存储介质 |
CN114139016A (zh) * | 2021-11-08 | 2022-03-04 | 钟丹 | 一种智慧小区的数据处理方法及系统 |
Non-Patent Citations (1)
Title |
---|
王家兵等: "高速公路智能监控系统设计", 《测控技术》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114815857A (zh) * | 2022-06-28 | 2022-07-29 | 广东邦盛北斗科技股份公司 | 基于北斗导航的智能化农机管理方法、系统及云平台 |
CN114815857B (zh) * | 2022-06-28 | 2022-10-11 | 广东邦盛北斗科技股份公司 | 基于北斗导航的智能化农机管理方法、系统及云平台 |
CN115830508A (zh) * | 2022-12-13 | 2023-03-21 | 陕西通信规划设计研究院有限公司 | 一种5g消息内容检测方法 |
CN115830508B (zh) * | 2022-12-13 | 2024-03-08 | 陕西通信规划设计研究院有限公司 | 一种5g消息内容检测方法 |
CN116151521A (zh) * | 2023-04-04 | 2023-05-23 | 四川省自然资源科学研究院(四川省生产力促进中心) | 一种大数据信息采集方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN114581856B (zh) | 2022-08-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114581856B (zh) | 基于北斗系统的农业机组运动状态识别方法、系统及云平台 | |
CN114140713A (zh) | 一种图像识别系统、图像识别方法 | |
CN115018840B (zh) | 精密铸件裂纹检测方法、系统及装置 | |
CN114155459A (zh) | 一种基于数据分析的智慧城市监控方法及系统 | |
CN114140712A (zh) | 一种自动图像识别分发系统及方法 | |
CN114697618A (zh) | 一种基于移动终端的楼宇控制方法及系统 | |
CN114140710A (zh) | 一种基于数据处理的监控数据传输方法及系统 | |
CN114139016A (zh) | 一种智慧小区的数据处理方法及系统 | |
CN114189535A (zh) | 一种基于智慧城市数据的业务请求方法及系统 | |
CN113949881A (zh) | 一种基于智慧城市数据的业务处理方法及系统 | |
CN113902993A (zh) | 一种基于环境监测的环境状态分析方法及系统 | |
CN114173088A (zh) | 一种基于智慧城市监控的业务调整方法及系统 | |
CN114677615A (zh) | 一种环境检测方法和检测系统 | |
CN116245865A (zh) | 一种图像质量的检测方法、装置、电子设备及存储介质 | |
CN115457467A (zh) | 一种基于数据挖掘的建筑质量隐患定位方法及系统 | |
CN115375886A (zh) | 一种基于云计算服务的数据采集方法及系统 | |
CN115424193A (zh) | 一种训练图像信息处理的方法及系统 | |
CN114095734A (zh) | 一种基于数据处理的用户数据压缩方法及系统 | |
CN114815857B (zh) | 基于北斗导航的智能化农机管理方法、系统及云平台 | |
CN114879621B (zh) | 一种家具喷涂加工控制方法、系统及装置 | |
CN114827538B (zh) | 一种智慧工地的施工进度监控方法及系统 | |
CN113923413A (zh) | 一种基于数据处理的监控设备关系确定方法 | |
CN114156495B (zh) | 基于大数据的叠层电池装配处理方法及系统 | |
CN115082709B (zh) | 遥感大数据处理方法、系统及云平台 | |
CN115424194A (zh) | 一种数控机床状态数据采集方法及系统 |
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 | ||
PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: Method, System, and Cloud Platform for Identification of Agricultural Unit Movement Status Based on Beidou System Effective date of registration: 20231113 Granted publication date: 20220809 Pledgee: Shunde Guangdong rural commercial bank Limited by Share Ltd. Daliang branch Pledgor: Guangdong Bangsheng Beidou Technology Co.,Ltd. Registration number: Y2023980065299 |
|
PE01 | Entry into force of the registration of the contract for pledge of patent right |