CN114792399A - 植物监测方法、装置及设备 - Google Patents
植物监测方法、装置及设备 Download PDFInfo
- Publication number
- CN114792399A CN114792399A CN202210715287.0A CN202210715287A CN114792399A CN 114792399 A CN114792399 A CN 114792399A CN 202210715287 A CN202210715287 A CN 202210715287A CN 114792399 A CN114792399 A CN 114792399A
- Authority
- CN
- China
- Prior art keywords
- spraying
- abnormal
- information
- abnormal information
- area
- 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
Images
Classifications
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01C—PLANTING; SOWING; FERTILISING
- A01C23/00—Distributing devices specially adapted for liquid manure or other fertilising liquid, including ammonia, e.g. transport tanks or sprinkling wagons
- A01C23/04—Distributing under pressure; Distributing mud; Adaptation of watering systems for fertilising-liquids
-
- 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
- A01G25/00—Watering gardens, fields, sports grounds or the like
- A01G25/16—Control of watering
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01M—CATCHING, TRAPPING OR SCARING OF ANIMALS; APPARATUS FOR THE DESTRUCTION OF NOXIOUS ANIMALS OR NOXIOUS PLANTS
- A01M7/00—Special adaptations or arrangements of liquid-spraying apparatus for purposes covered by this subclass
- A01M7/0089—Regulating or controlling systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Landscapes
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Environmental Sciences (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Water Supply & Treatment (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Soil Sciences (AREA)
- Artificial Intelligence (AREA)
- Wood Science & Technology (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Zoology (AREA)
- Pest Control & Pesticides (AREA)
- Physics & Mathematics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Insects & Arthropods (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本申请提供一种植物监测方法、装置及设备,涉及农业相关技术,该方法包括:通过摄像机采集预设区域内的植物图像。通过预设的异常识别模型对植物图像进行识别处理,得到与植物图像对应的识别结果信息;其中,异常识别模型为根据多个正常的植物图像以及多个异常的植物图像训练得到的。若确定识别结果信息包含异常信息,则生成与异常信息对应的喷洒方案,并将喷洒方案发送至调配喷洒设备,以使调配喷洒设备按照喷洒方案向包含异常信息的区域进行喷洒。本申请的方法,与传统管理方式相比极大的节约了现场巡视管理以及人工种植成本,实现了实时监控植物的生长状况,解决了植物在生长周期内需要的人力成本较高的技术问题。
Description
技术领域
本申请涉及农业相关技术,尤其涉及一种植物监测方法、装置及设备。
背景技术
目前,在各地区的种植区中,均需要由大量种植人员去巡查植物的生长状态,并根据种植人员的主观意愿对植物进行施肥、灌溉、去虫害等操作。
然而现有技术中,由于需要大量种植人员去巡查植物的生长状态,并根据种植人员的主观意愿对植物进行施肥、灌溉、去虫害等操作,导致人工巡查、人工施肥等操作的方式费事费力,进而导致需要的人力成本较高。
发明内容
本申请提供一种植物监测方法、装置及设备,用以解决植物在生长周期内需要的人力成本较高的技术问题。
第一方面,本申请提供一种植物监测方法,应用于摄像机,所述方法包括:
通过所述摄像机采集预设区域内的植物图像;
通过预设的异常识别模型对所述植物图像进行识别处理,得到与所述植物图像对应的识别结果信息;其中,所述异常识别模型为根据多个正常的植物图像以及多个异常的植物图像训练得到的;
若确定所述识别结果信息包含异常信息,则生成与所述异常信息对应的喷洒方案,并将所述喷洒方案发送至调配喷洒设备,以使所述调配喷洒设备按照所述喷洒方案向包含异常信息的区域进行喷洒。
进一步地,通过预设的异常识别模型对所述植物图像进行识别处理,得到与所述植物图像对应的识别结果信息,包括:
通过预设的异常识别模型对所述植物图像中的植物的颜色、植物的形状进行识别处理,得到与所述植物图像对应的识别结果信息。
进一步地,若确定所述识别结果信息包含异常信息,则生成与所述异常信息对应的喷洒方案,包括:
若确定所述识别结果信息包含异常信息,则确定与所述异常信息对应的异常等级、以及所述异常信息在预设区域的植物图像内的坐标值;
根据所述异常信息在预设区域的植物图像内的坐标值,确定所述异常信息在所述预设区域中所位于的子区域,并确定所述异常信息所在的子区域对应的喷洒设备的标准转动角度;
根据与所述异常信息对应的异常等级、以及所述异常信息所在的子区域对应的喷洒设备的标准转动角度,生成与所述异常信息对应的喷洒方案;其中,所述喷洒方案包括与所述异常等级对应的药液配比比例、与所述异常等级对应的药液喷洒用量、与所述异常等级对应的药液喷洒频次、所述异常信息所在的子区域对应的喷洒设备、以及所述异常信息所在的子区域对应的喷洒设备的标准转动角度。
进一步地,所述喷洒方案用于指示所述调配喷洒设备按照该喷洒方案中的药液配比比例,对预存的化合物进行配置并得到药液,所述调配喷洒设备包括多个喷洒设备,所述调配喷洒设备分别与多个喷洒设备之间管道连通;按照所述喷洒方案,向异常信息所在的子区域对应的喷洒设备输送并喷洒药液;其中,植物图像对应的预设区域内设置有多个喷洒设备,每一喷洒设备对应一个该预设区域中的子区域。
进一步地,所述喷洒方案用于指示所述调配喷洒设备按照所述喷洒方案中的药液喷洒用量、以及药液喷洒频次,向异常信息所在的子区域对应的喷洒设备输送药液,并通过所述异常信息所在的子区域对应的喷洒设备向异常信息所在的子区域进行喷洒;
或者,所述喷洒方案用于指示所述调配喷洒设备按照所述喷洒方案中的药液喷洒用量、以及药液喷洒频次,向异常信息所在的子区域对应的喷洒设备输送药液;并按照所述喷洒方案中的所述异常信息所在的子区域对应的喷洒设备的标准转动角度,控制所述异常信息所在的子区域对应的喷洒设备的实际角度转动为标准转动角度;通过所述异常信息所在的子区域对应的、且实际角度转动为标准转动角度的喷洒设备,向异常信息所在的子区域进行喷洒。
进一步地,所述喷洒方案还包括所述异常信息所在的子区域对应的喷洒设备,与所述异常信息之间的距离信息。
进一步地,所述喷洒方案中的距离信息用于指示所述调配喷洒设备按照喷洒压强,向异常信息所在的子区域对应的喷洒设备输送并喷洒药液,所述喷洒压强是根据所述喷洒方案中的距离信息确定的。
进一步地,所述方法还包括:
获取预设的算法服务器发送的异常识别模型;其中,所述异常识别模型是所述算法服务器基于自动机器学习,对多个正常的植物图像、多个异常的植物图像、以及多个异常的植物图像对应的异常标注信息进行训练得到的。
进一步地,所述调配喷洒设备用于向客户端发送化合物告警信息,所述化合物告警信息是确定预存的化合物的存量为空时生成的。
进一步地,所述方法还包括:
将所述植物图像、与所述植物图像对应的识别结果信息、以及与植物图像对应的区域范围发送给客户端。
第二方面,本申请提供一种植物监测方法,应用于调配喷洒设备,所述方法包括:
接收摄像机发送的喷洒方案;其中,所述喷洒方案是根据包含异常信息的识别结果信息生成的,所述识别结果信息是通过预设的异常识别模型对植物图像进行识别处理得到的,所述异常识别模型为根据多个正常的植物图像以及多个异常的植物图像训练得到的,所述植物图像是通过摄像机在预设区域内采集得到的;
按照所述喷洒方案向包含异常信息的区域进行喷洒。
进一步地,所述喷洒方案包括与所述异常等级对应的药液配比比例、与所述异常等级对应的药液喷洒用量、与所述异常等级对应的药液喷洒频次、所述异常信息所在的子区域对应的喷洒设备、以及所述异常信息所在的子区域对应的喷洒设备的标准转动角度;
其中,所述喷洒方案是根据与异常信息对应的异常等级、以及所述异常信息所在的子区域对应的喷洒设备的标准转动角度生成的;与所述异常信息对应的异常等级是根据所述识别结果信息包含的异常信息确定的;所述异常信息所在的子区域对应的喷洒设备的标准转动角度,是根据所述异常信息在所述预设区域中所位于的子区域确定的,所述异常信息在所述预设区域中所位于的子区域,是根据所述异常信息在预设区域的植物图像内的坐标值确定的。
进一步地,按照所述喷洒方案向包含异常信息的区域进行喷洒,包括:
按照所述喷洒方案中的药液配比比例,对预存的化合物进行配置并得到药液;其中,所述调配喷洒设备包括多个喷洒设备,所述调配喷洒设备分别与多个喷洒设备之间管道连通;
按照所述喷洒方案,向异常信息所在的子区域对应的喷洒设备输送并喷洒药液;其中,植物图像对应的预设区域内设置有多个喷洒设备,每一喷洒设备对应一个该预设区域中的子区域。
进一步地,按照所述喷洒方案,向异常信息所在的子区域对应的喷洒设备输送并喷洒药液,包括:
按照所述喷洒方案中的药液喷洒用量、以及药液喷洒频次,向异常信息所在的子区域对应的喷洒设备输送药液,并通过所述异常信息所在的子区域对应的喷洒设备向异常信息所在的子区域进行喷洒。
进一步地,按照所述喷洒方案,向异常信息所在的子区域对应的喷洒设备输送并喷洒药液,包括:
按照所述喷洒方案中的药液喷洒用量、以及药液喷洒频次,向异常信息所在的子区域对应的喷洒设备输送药液;并按照所述喷洒方案中的所述异常信息所在的子区域对应的喷洒设备的标准转动角度,控制所述异常信息所在的子区域对应的喷洒设备的实际角度转动为标准转动角度;
通过所述异常信息所在的子区域对应的、且实际角度转动为标准转动角度的喷洒设备,向异常信息所在的子区域进行喷洒。
进一步地,所述喷洒方案还包括所述异常信息所在的子区域对应的喷洒设备,与所述异常信息之间的距离信息。
进一步地,按照所述喷洒方案,向异常信息所在的子区域对应的喷洒设备输送并喷洒药液,包括:
按照所述喷洒方案中的距离信息,确定异常信息所在的子区域对应的喷洒设备的喷洒压强;
按照所述喷洒压强,向异常信息所在的子区域对应的喷洒设备输送并喷洒药液。
进一步地,所述识别结果信息是通过预设的异常识别模型对所述植物图像中的植物的颜色、植物的形状进行识别处理得到的。
进一步地,所述预设的异常识别模型是根据预设的算法服务器得到的,所述异常识别模型是所述算法服务器基于自动机器学习,对多个正常的植物图像、多个异常的植物图像、以及多个异常的植物图像对应的异常标注信息进行训练得到的。
进一步地,所述摄像机用于将植物图像、与所述植物图像对应的识别结果信息、以及与植物图像对应的区域范围发送给客户端。
进一步地,所述方法还包括:
若确定预存的化合物的存量为空时,向客户端发送化合物告警信息。
第三方面,本申请提供一种植物监测装置,应用于摄像机,所述装置包括:
采集单元,用于通过所述摄像机采集预设区域内的植物图像;
识别单元,用于通过预设的异常识别模型对所述植物图像进行识别处理,得到与所述植物图像对应的识别结果信息;其中,所述异常识别模型为根据多个正常的植物图像以及多个异常的植物图像训练得到的;
生成单元,用于若确定所述识别结果信息包含异常信息,则生成与所述异常信息对应的喷洒方案;
第一发送单元,用于将所述喷洒方案发送至调配喷洒设备,以使所述调配喷洒设备按照所述喷洒方案向包含异常信息的区域进行喷洒。
进一步地,所述识别单元,具体用于:
通过预设的异常识别模型对所述植物图像中的植物的颜色、植物的形状进行识别处理,得到与所述植物图像对应的识别结果信息。
进一步地,所述生成单元,包括:
第一确定模块,用于若确定所述识别结果信息包含异常信息,则确定与所述异常信息对应的异常等级、以及所述异常信息在预设区域的植物图像内的坐标值;
第二确定模块,用于根据所述异常信息在预设区域的植物图像内的坐标值,确定所述异常信息在所述预设区域中所位于的子区域,并确定所述异常信息所在的子区域对应的喷洒设备的标准转动角度;
生成模块,用于根据与所述异常信息对应的异常等级、以及所述异常信息所在的子区域对应的喷洒设备的标准转动角度,生成与所述异常信息对应的喷洒方案;其中,所述喷洒方案包括与所述异常等级对应的药液配比比例、与所述异常等级对应的药液喷洒用量、与所述异常等级对应的药液喷洒频次、所述异常信息所在的子区域对应的喷洒设备、以及所述异常信息所在的子区域对应的喷洒设备的标准转动角度。
进一步地,所述喷洒方案用于指示所述调配喷洒设备按照该喷洒方案中的药液配比比例,对预存的化合物进行配置并得到药液,所述调配喷洒设备包括多个喷洒设备,所述调配喷洒设备分别与多个喷洒设备之间管道连通;按照所述喷洒方案,向异常信息所在的子区域对应的喷洒设备输送并喷洒药液;其中,植物图像对应的预设区域内设置有多个喷洒设备,每一喷洒设备对应一个该预设区域中的子区域。
进一步地,所述喷洒方案用于指示所述调配喷洒设备按照所述喷洒方案中的药液喷洒用量、以及药液喷洒频次,向异常信息所在的子区域对应的喷洒设备输送药液,并通过所述异常信息所在的子区域对应的喷洒设备向异常信息所在的子区域进行喷洒;
或者,所述喷洒方案用于指示所述调配喷洒设备按照所述喷洒方案中的药液喷洒用量、以及药液喷洒频次,向异常信息所在的子区域对应的喷洒设备输送药液;并按照所述喷洒方案中的所述异常信息所在的子区域对应的喷洒设备的标准转动角度,控制所述异常信息所在的子区域对应的喷洒设备的实际角度转动为标准转动角度;通过所述异常信息所在的子区域对应的、且实际角度转动为标准转动角度的喷洒设备,向异常信息所在的子区域进行喷洒。
进一步地,所述喷洒方案还包括所述异常信息所在的子区域对应的喷洒设备,与所述异常信息之间的距离信息。
进一步地,所述喷洒方案中的距离信息用于指示所述调配喷洒设备按照喷洒压强,向异常信息所在的子区域对应的喷洒设备输送并喷洒药液,所述喷洒压强是根据所述喷洒方案中的距离信息确定的。
进一步地,所述装置还包括:
获取单元,用于获取预设的算法服务器发送的异常识别模型;其中,所述异常识别模型是所述算法服务器基于自动机器学习,对多个正常的植物图像、多个异常的植物图像、以及多个异常的植物图像对应的异常标注信息进行训练得到的。
进一步地,所述调配喷洒设备用于向客户端发送化合物告警信息,所述化合物告警信息是确定预存的化合物的存量为空时生成的。
进一步地,所述装置还包括:
第二发送单元,用于将所述植物图像、与所述植物图像对应的识别结果信息、以及与植物图像对应的区域范围发送给客户端。
第四方面,本申请提供一种植物监测装置,应用于调配喷洒设备,所述装置包括:
接收单元,用于接收摄像机发送的喷洒方案;其中,所述喷洒方案是根据包含异常信息的识别结果信息生成的,所述识别结果信息是通过预设的异常识别模型对植物图像进行识别处理得到的,所述异常识别模型为根据多个正常的植物图像以及多个异常的植物图像训练得到的,所述植物图像是通过摄像机在预设区域内采集得到的;
喷洒单元,用于按照所述喷洒方案向包含异常信息的区域进行喷洒。
进一步地,所述喷洒方案包括与所述异常等级对应的药液配比比例、与所述异常等级对应的药液喷洒用量、与所述异常等级对应的药液喷洒频次、所述异常信息所在的子区域对应的喷洒设备、以及所述异常信息所在的子区域对应的喷洒设备的标准转动角度;
其中,所述喷洒方案是根据与异常信息对应的异常等级、以及所述异常信息所在的子区域对应的喷洒设备的标准转动角度生成的;与所述异常信息对应的异常等级是根据所述识别结果信息包含的异常信息确定的;所述异常信息所在的子区域对应的喷洒设备的标准转动角度,是根据所述异常信息在所述预设区域中所位于的子区域确定的,所述异常信息在所述预设区域中所位于的子区域,是根据所述异常信息在预设区域的植物图像内的坐标值确定的。
进一步地,所述喷洒单元,包括:
配置模块,用于按照所述喷洒方案中的药液配比比例,对预存的化合物进行配置并得到药液;其中,所述调配喷洒设备包括多个喷洒设备,所述调配喷洒设备分别与多个喷洒设备之间管道连通;
喷洒模块,用于按照所述喷洒方案,向异常信息所在的子区域对应的喷洒设备输送并喷洒药液;其中,植物图像对应的预设区域内设置有多个喷洒设备,每一喷洒设备对应一个该预设区域中的子区域。
进一步地,所述喷洒模块,具体用于:
按照所述喷洒方案中的药液喷洒用量、以及药液喷洒频次,向异常信息所在的子区域对应的喷洒设备输送药液,并通过所述异常信息所在的子区域对应的喷洒设备向异常信息所在的子区域进行喷洒。
进一步地,所述喷洒模块,包括:
转动子模块,用于按照所述喷洒方案中的药液喷洒用量、以及药液喷洒频次,向异常信息所在的子区域对应的喷洒设备输送药液;并按照所述喷洒方案中的所述异常信息所在的子区域对应的喷洒设备的标准转动角度,控制所述异常信息所在的子区域对应的喷洒设备的实际角度转动为标准转动角度;
第一喷洒子模块,用于通过所述异常信息所在的子区域对应的、且实际角度转动为标准转动角度的喷洒设备,向异常信息所在的子区域进行喷洒。
进一步地,所述喷洒方案还包括所述异常信息所在的子区域对应的喷洒设备,与所述异常信息之间的距离信息。
进一步地,喷洒模块,包括:
确定子模块,用于按照所述喷洒方案中的距离信息,确定异常信息所在的子区域对应的喷洒设备的喷洒压强;
第二喷洒子模块,用于按照所述喷洒压强,向异常信息所在的子区域对应的喷洒设备输送并喷洒药液。
进一步地,所述识别结果信息是通过预设的异常识别模型对所述植物图像中的植物的颜色、植物的形状进行识别处理得到的。
进一步地,所述预设的异常识别模型是根据预设的算法服务器得到的,所述异常识别模型是所述算法服务器基于自动机器学习,对多个正常的植物图像、多个异常的植物图像、以及多个异常的植物图像对应的异常标注信息进行训练得到的。
进一步地,所述摄像机用于将植物图像、与所述植物图像对应的识别结果信息、以及与植物图像对应的区域范围发送给客户端。
进一步地,所述装置还包括:
发送单元,用于若确定预存的化合物的存量为空时,向客户端发送化合物告警信息。
第五方面,本申请提供一种摄像机,包括存储器、处理器,所述存储器中存储有可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现第一方面所述的方法。
第六方面,本申请提供一种调配喷送设备,包括存储器、处理器,所述存储器中存储有可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现第二方面所述的方法。
第七方面,本申请提供一种植物监测系统,所述系统包括至少一个如第五方面所述的摄像机和至少一个如第六方面所述的调配喷送设备。
第八方面,本申请提供一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机执行指令,所述计算机执行指令被处理器执行时用于实现第一方面所述的方法,或者,实现如第二方面所述的方法。
第九方面,本申请提供一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现第一方面所述的方法,或者,实现如第二方面所述的方法。
本申请提供的一种植物监测方法、装置及设备,通过摄像机采集预设区域内的植物图像。通过预设的异常识别模型对植物图像进行识别处理,得到与植物图像对应的识别结果信息;其中,异常识别模型为根据多个正常的植物图像以及多个异常的植物图像训练得到的。若确定识别结果信息包含异常信息,则生成与异常信息对应的喷洒方案,并将喷洒方案发送至调配喷洒设备,以使调配喷洒设备按照喷洒方案向包含异常信息的区域进行喷洒。本方案中,通过预设的异常识别模型对采集的植物图像进行识别处理,得到与植物图像对应的识别结果信息,如果确定识别结果信息包含异常信息,说明植物在生长过程中出现了异常情况,则生成与异常信息对应的喷洒方案,并将喷洒方案发送至调配喷洒设备,调配喷洒设备接收到喷洒方案时,按照喷洒方案向包含异常信息的区域进行喷洒。所以,当摄像机抓拍到某个区域植物出现虫害或者植物缺少某种元素生长出现问题时,摄像机就会发送喷洒方案给到调配喷洒设备,调配喷洒设备会根据喷洒方案调配出对应的杀虫剂或营养液,通过管道输送到对应区域进行喷洒,从而实现24小时无人值守,与传统管理方式相比极大的节约了现场巡视管理以及人工种植成本,实现了实时监控植物的生长状况,解决了植物在生长周期内需要的人力成本较高的技术问题。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。
图1为本申请实施例提供的一种植物监测方法的流程示意图;
图2为本申请实施例提供的另一种植物监测方法的流程示意图;
图3为本申请实施例提供的一种训练异常识别模型的流程示意图;
图4为本申请实施例提供的又一种植物监测方法的流程示意图;
图5为本申请实施例提供的再一种植物监测方法的流程示意图;
图6为本申请实施例提供的其他一种植物监测方法的流程示意图;
图7为本申请实施例提供的一种植物监测装置的结构示意图;
图8为本申请实施例提供的另一种植物监测装置的结构示意图;
图9为本申请实施例提供的又一种植物监测装置的结构示意图;
图10为本申请实施例提供的再一种植物监测装置的结构示意图;
图11为本申请实施例提供的一种摄像机的结构示意图;
图12为本申请实施例提供的一种调配喷洒设备的结构示意图;
图13为本申请实施例提供的一种电子设备的框图。
通过上述附图,已示出本公开明确的实施例,后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本公开构思的范围,而是通过参考特定实施例为本领域技术人员说明本公开的概念。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。
目前,在大面积的种植区中,为了更好地对植物的生长状况进行管理,通常需要大量的种植人员去维护,但在种植人员的维护过程中,存在诸多问题。
一个示例中,在各地区的种植区中,均需要由大量种植人员去巡查植物的生长状态,并根据种植人员的主观意愿对植物进行施肥、灌溉、去虫害等操作。然而现有技术中,由于需要大量种植人员去巡查植物的生长状态,并根据种植人员的主观意愿对植物进行施肥、灌溉、去虫害等操作,导致人工巡查、人工施肥等操作的方式费事费力,进而导致需要的人力成本较高。
本申请提供的一种植物监测方法、装置及设备,旨在解决现有技术的如上技术问题。
下面以具体地实施例对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图,对本申请的实施例进行描述。
图1为本申请实施例提供的一种植物监测方法的流程示意图,如图1所示,应用于摄像机,该方法包括:
101、通过摄像机采集预设区域内的植物图像。
示例性地,本实施例的执行主体可以为摄像机,摄像机包括人工智能(ArtificialIntelligence,AI)摄像机等,摄像机可以24小时全天对植物进行监控,以及摄像机可对监控画面进行区域划分和区域识别。首先,需要通过摄像机采集预设区域内的植物图像。例如,一个摄像机对应一处预设区域,进而可以根据摄像机采集预设区域内的植物图像。
102、通过预设的异常识别模型对植物图像进行识别处理,得到与植物图像对应的识别结果信息;其中,异常识别模型为根据多个正常的植物图像以及多个异常的植物图像训练得到的。
示例性地,摄像机内预先部署有异常识别模型,异常识别模型是算法服务器基于自动机器学习,对多个正常的植物图像、多个异常的植物图像、以及多个异常的植物图像对应的异常标注信息进行训练得到的。所以,摄像机可以调用预设的异常识别模型对植物图像中的植物的颜色、植物的形状等进行识别处理,得到与植物图像对应的识别结果信息。
举例来说,植物在正常状态下是绿色的,且叶子是完整的,如果植物缺少磷,则植物叶子的颜色是浅褐色、褐色或黑色等深色,此时得到的识别结果信息为植物叶子的颜色是褐色或黑色等深色;如果植物缺少钾,则植物叶子的边缘颜色是黄色或橙色等,此时得到的识别结果信息为植物叶子的边缘颜色是黄色或橙色等;如果植物的叶子有缺口,则说明植物出现了虫害,此时得到的识别结果信息为植物出现了虫害。
103、若确定识别结果信息包含异常信息,则生成与异常信息对应的喷洒方案,并将喷洒方案发送至调配喷洒设备,以使调配喷洒设备按照喷洒方案向包含异常信息的区域进行喷洒。
示例性地,如果确定识别结果信息包含异常信息,摄像机则可以确定与异常信息对应的异常等级,并根据与异常信息对应的异常等级,生成与异常信息对应的喷洒方案,并通过无线通讯装置将喷洒方案发送至调配喷洒设备,进而调配喷洒设备可以按照喷洒方案向包含异常信息的区域进行喷洒。其中,喷洒方案包括与异常等级对应的药液配比比例、与异常等级对应的药液喷洒用量、与异常等级对应的药液喷洒频次、异常信息所在的子区域对应的喷洒设备、以及异常信息所在的子区域对应的喷洒设备的标准转动角度。
举例来说,识别结果信息包含的异常信息为植物叶子的颜色是浅褐色,则说明植物缺少磷,摄像机会确定与浅褐色对应的异常等级为轻微级别,并根据与浅褐色对应的轻微级别,生成与植物缺少磷对应的喷洒方案,即并将喷洒方案发送至调配喷洒设备,进而调配喷洒设备可以根据喷洒方案对应的阈值调配营养液或杀虫剂,定时定量给该区域的植物进行喷洒,直至植物恢复正常生长。其中,喷洒方式包括全面喷砂、专项喷洒、自定义喷洒等,喷洒方式可以由用户在客户端自定义设置,也可以由摄像机根据异常信息确定。
本申请实施例中,通过摄像机采集预设区域内的植物图像。通过预设的异常识别模型对植物图像进行识别处理,得到与植物图像对应的识别结果信息;其中,异常识别模型为根据多个正常的植物图像以及多个异常的植物图像训练得到的。若确定识别结果信息包含异常信息,则生成与异常信息对应的喷洒方案,并将喷洒方案发送至调配喷洒设备,以使调配喷洒设备按照喷洒方案向包含异常信息的区域进行喷洒。本方案中,通过预设的异常识别模型对采集的植物图像进行识别处理,得到与植物图像对应的识别结果信息,如果确定识别结果信息包含异常信息,说明植物在生长过程中出现了异常情况,则生成与异常信息对应的喷洒方案,并将喷洒方案发送至调配喷洒设备,调配喷洒设备接收到喷洒方案时,按照喷洒方案向包含异常信息的区域进行喷洒。所以,当摄像机抓拍到某个区域植物出现虫害或者植物缺少某种元素生长出现问题时,摄像机就会发送喷洒方案给到调配喷洒设备,调配喷洒设备会根据喷洒方案调配出对应的杀虫剂或营养液,通过管道输送到对应区域进行喷洒,从而实现24小时无人值守,与传统管理方式相比极大的节约了现场巡视管理以及人工种植成本,实现了实时监控植物的生长状况,解决了植物在生长周期内需要的人力成本较高的技术问题。
图2为本申请实施例提供的另一种植物监测方法的流程示意图,如图2所示,该方法包括:
201、获取预设的算法服务器发送的异常识别模型;其中,异常识别模型是算法服务器基于自动机器学习,对多个正常的植物图像、多个异常的植物图像、以及多个异常的植物图像对应的异常标注信息进行训练得到的。
示例性地,图3为本申请实施例提供的一种训练异常识别模型的流程示意图,根据图3可知,预设的算法服务器包括AutoML算法服务器,摄像机包括AI-摄像机,用户通过监控应用拍摄植物异常时的图片,在拍摄过程中,尽可能的从多角度拍摄,照片越多精度越高,并在图片上标注异常点,用户通过监控应用将图片上传到AutoML算法服务器,AutoML算法服务器接收监控应用拍摄的植物异常时的图片,通过核心AutoML技术,进行虫害识别算法、植物生长缺少元素识别算法学习,全自动化地完成了从预处理、模型结构设计到训练调参的整个环节,实现零代码定制化高精度模型,训练完成后得到异常识别模型,将异常识别模型部署至AI-摄像机,让摄像机具有针对该植物的AI识别能力,例如,植物虫害识别的AI识别能力,能够及时发现种植场内的安全隐患,及时除去害虫。
202、通过摄像机采集预设区域内的植物图像。
示例性地,本步骤可以参见图1中的步骤101,不再赘述。
203、通过预设的异常识别模型对植物图像中的植物的颜色、植物的形状进行识别处理,得到与植物图像对应的识别结果信息;其中,异常识别模型为根据多个正常的植物图像以及多个异常的植物图像训练得到的。
示例性地,由于异常识别模型为根据多个正常的植物图像以及多个异常的植物图像训练得到的,摄像机可以通过预设的异常识别模型对植物图像中的植物的颜色、植物的形状进行识别处理,得到与植物图像对应的识别结果信息。
204、若确定识别结果信息包含异常信息,则确定与异常信息对应的异常等级、以及异常信息在预设区域的植物图像内的坐标值。
示例性地,在训练异常识别模型的过程中,可以根据植物异常时的图片以及标注的异常点,对异常点进行分级,例如,异常等级包括轻微、较严重、非常严重等多个级别。所以,如果确定识别结果信息包含异常信息,摄像机则可以确定与异常信息对应的异常等级、以及异常信息在预设区域的植物图像内的坐标值。
205、根据异常信息在预设区域的植物图像内的坐标值,确定异常信息在预设区域中所位于的子区域,并确定异常信息所在的子区域对应的喷洒设备的标准转动角度。
示例性地,调配喷洒设备包括多个喷洒设备,调配喷洒设备分别与多个喷洒设备之间管道连通,管道用于输送营养液、杀虫剂、水等到对应的区域,并且植物图像对应的预设区域已预先划分为多个子区域,植物图像对应的预设区域内设置有多个喷洒设备,每一喷洒设备对应一个该预设区域中的子区域。所以,摄像机可以根据异常信息在预设区域的植物图像内的坐标值,确定异常信息在预设区域中所位于的子区域,然后根据异常信息在预设区域中所位于的子区域的位置,确定异常信息所在的子区域对应的喷洒设备的标准转动角度,以使异常信息所在的子区域对应的喷洒设备可以准确的向异常信息进行喷洒。
206、根据与异常信息对应的异常等级、以及异常信息所在的子区域对应的喷洒设备的标准转动角度,生成与异常信息对应的喷洒方案;其中,喷洒方案包括与异常等级对应的药液配比比例、与异常等级对应的药液喷洒用量、与异常等级对应的药液喷洒频次、异常信息所在的子区域对应的喷洒设备、以及异常信息所在的子区域对应的喷洒设备的标准转动角度。
一个示例中,喷洒方案还包括异常信息所在的子区域对应的喷洒设备,与异常信息之间的距离信息。
示例性地,摄像机根据与异常信息对应的异常等级、以及异常信息所在的子区域对应的喷洒设备的标准转动角度,生成与异常信息对应的喷洒方案,喷洒方案包括与异常等级对应的药液配比比例、与异常等级对应的药液喷洒用量、与异常等级对应的药液喷洒频次、异常信息所在的子区域对应的喷洒设备、以及异常信息所在的子区域对应的喷洒设备的标准转动角度。摄像机还能确定异常信息所在的子区域对应的喷洒设备,与异常信息之间的距离信息,所以,喷洒方案还包括异常信息所在的子区域对应的喷洒设备,与异常信息之间的距离信息。
207、将喷洒方案发送至调配喷洒设备,以使调配喷洒设备按照喷洒方案向包含异常信息的区域进行喷洒。
一个示例中,喷洒方案用于指示调配喷洒设备按照该喷洒方案中的药液配比比例,对预存的化合物进行配置并得到药液,调配喷洒设备包括多个喷洒设备,调配喷洒设备分别与多个喷洒设备之间管道连通;按照喷洒方案,向异常信息所在的子区域对应的喷洒设备输送并喷洒药液;其中,植物图像对应的预设区域内设置有多个喷洒设备,每一喷洒设备对应一个该预设区域中的子区域。
一个示例中,喷洒方案用于指示调配喷洒设备按照喷洒方案中的药液喷洒用量、以及药液喷洒频次,向异常信息所在的子区域对应的喷洒设备输送药液,并通过异常信息所在的子区域对应的喷洒设备向异常信息所在的子区域进行喷洒;或者,喷洒方案用于指示调配喷洒设备按照喷洒方案中的药液喷洒用量、以及药液喷洒频次,向异常信息所在的子区域对应的喷洒设备输送药液;并按照喷洒方案中的异常信息所在的子区域对应的喷洒设备的标准转动角度,控制异常信息所在的子区域对应的喷洒设备的实际角度转动为标准转动角度;通过异常信息所在的子区域对应的、且实际角度转动为标准转动角度的喷洒设备,向异常信息所在的子区域进行喷洒。
一个示例中,喷洒方案中的距离信息用于指示调配喷洒设备按照喷洒压强,向异常信息所在的子区域对应的喷洒设备输送并喷洒药液,喷洒压强是根据喷洒方案中的距离信息确定的。
一个示例中,调配喷洒设备用于向客户端发送化合物告警信息,化合物告警信息是确定预存的化合物的存量为空时生成的。
示例性地,摄像机识别算法学习完成后,抓拍识别到虫害或植物缺少某些元素生长异常时,将喷洒方案发送至调配喷洒设备,调配喷洒设备接收到喷洒方案,根据喷洒方案中的与异常等级对应的药液配比比例配置营养液和/或杀虫剂,将营养液和/或杀虫剂通过管道输送到对应的子区域的喷洒装置,控制对应的子区域的喷洒装置按照喷洒方案中的与异常等级对应的药液喷洒用量、与异常等级对应的药液喷洒频次、以及异常信息所在的子区域对应的喷洒设备的标准转动角度进行喷洒,实现了自动化输送喷洒,当接收到摄像机传送过来的喷洒方案后,可自动化的调整喷洒营养液或杀虫剂的用量和频次,知道植物恢复到正常状态,也可通过手机客户端调整控制。调配喷洒设备还可以在确定调配营养液或杀虫剂的可溶化合物用完时,通过无线通讯装置(例如互联网等)向客户端发送化合物告警信息,以及时提醒用户及时补充,避免造成损失。
举例来说,调配喷洒设备按照喷洒方案,向异常信息所在的子区域对应的喷洒设备输送并喷洒药液时,包括多种喷洒方式。
在第一种喷洒方式中,按照喷洒方案中的药液喷洒用量、以及药液喷洒频次,向异常信息所在的子区域对应的喷洒设备输送药液后,通过异常信息所在的子区域对应的喷洒设备向异常信息所在的子区域进行喷洒,无需准确的瞄准异常植物。
在第二种喷洒方式中,按照喷洒方案中的药液喷洒用量、以及药液喷洒频次,向异常信息所在的子区域对应的喷洒设备输送药液,并按照喷洒方案中的异常信息所在的子区域对应的喷洒设备的标准转动角度,控制异常信息所在的子区域对应的喷洒设备的实际角度转动为标准转动角度,使得异常信息所在的子区域对应的喷洒设备可以准确的瞄准异常植物。最后通过异常信息所在的子区域对应的、且实际角度转动为标准转动角度的喷洒设备,向异常信息所在的子区域进行喷洒。
在第三种喷洒方式中,喷洒方案还包括异常信息所在的子区域对应的喷洒设备,与异常信息之间的距离信息。调配喷洒设备按照喷洒方案中的距离信息,确定异常信息所在的子区域对应的喷洒设备的喷洒压强,按照喷洒压强,向异常信息所在的子区域对应的喷洒设备输送并喷洒药液,进而将营养液或杀虫剂精准的喷洒到异常植物的位置。
208、将植物图像、与植物图像对应的识别结果信息、以及与植物图像对应的区域范围发送给客户端。
示例性地,摄像机抓拍识别到虫害或植物缺少某些元素生长异常时,会通过无线通讯装置与客户端进行通讯,将对应区域信息、植物信息、异常照片发送给手机客户端,进而用户可以在客户端24小时实时远程查看植物生长状态,实现远程管理、监控、查看告警等。用户还可以在客户端设置摄像机监控画面的区域、设置调配喷送装置调配营养液时与每一喷洒方案对应的各元素的用量和杀虫剂用量、设置调配喷洒装置喷洒营养液或杀虫剂时与每一喷洒方案对应的用量及设置定时喷洒时间,还可通过客户端远程控制摄像机转动和远程控制调配喷洒装置喷洒营养液或杀虫剂。
本申请实施例中,获取预设的算法服务器发送的异常识别模型;其中,异常识别模型是算法服务器基于自动机器学习,对多个正常的植物图像、多个异常的植物图像、以及多个异常的植物图像对应的异常标注信息进行训练得到的。通过摄像机采集预设区域内的植物图像。通过预设的异常识别模型对植物图像中的植物的颜色、植物的形状进行识别处理,得到与植物图像对应的识别结果信息。其中,异常识别模型为根据多个正常的植物图像以及多个异常的植物图像训练得到的。若确定识别结果信息包含异常信息,则确定与异常信息对应的异常等级、以及异常信息在预设区域的植物图像内的坐标值。根据异常信息在预设区域的植物图像内的坐标值,确定异常信息在预设区域中所位于的子区域,并确定异常信息所在的子区域对应的喷洒设备的标准转动角度。根据与异常信息对应的异常等级、以及异常信息所在的子区域对应的喷洒设备的标准转动角度,生成与异常信息对应的喷洒方案;其中,喷洒方案包括与异常等级对应的药液配比比例、与异常等级对应的药液喷洒用量、与异常等级对应的药液喷洒频次、异常信息所在的子区域对应的喷洒设备、以及异常信息所在的子区域对应的喷洒设备的标准转动角度。将喷洒方案发送至调配喷洒设备,以使调配喷洒设备按照喷洒方案向包含异常信息的区域进行喷洒。将植物图像、与植物图像对应的识别结果信息、以及与植物图像对应的区域范围发送给客户端。所以,当摄像机抓拍到某个区域植物出现虫害或者植物缺少某种元素生长出现问题时,摄像机就会发送喷洒方案给到调配喷洒设备,调配喷洒设备会根据喷洒方案调配出对应的杀虫剂或营养液,通过管道输送到对应区域进行喷洒,从而实现24小时无人值守,与传统管理方式相比极大的节约了现场巡视管理以及人工种植成本,实现了实时监控植物的生长状况,解决了植物在生长周期内需要的人力成本较高的技术问题。
图4为本申请实施例提供的又一种植物监测方法的流程示意图,应用于调配喷洒设备,如图4所示,该方法包括:
301、接收摄像机发送的喷洒方案;其中,喷洒方案是根据包含异常信息的识别结果信息生成的,识别结果信息是通过预设的异常识别模型对植物图像进行识别处理得到的,异常识别模型为根据多个正常的植物图像以及多个异常的植物图像训练得到的,植物图像是通过摄像机在预设区域内采集得到的。
302、按照喷洒方案向包含异常信息的区域进行喷洒。
示例性地,本实施例的方法可以参见上述方法中的技术方案,其具体实现过程和技术原理相同,此处不再赘述。
图5为本申请实施例提供的再一种植物监测方法的流程示意图,应用于调配喷洒设备,如图5所示,该方法包括:
401、接收摄像机发送的喷洒方案;其中,喷洒方案是根据包含异常信息的识别结果信息生成的,识别结果信息是通过预设的异常识别模型对植物图像进行识别处理得到的,异常识别模型为根据多个正常的植物图像以及多个异常的植物图像训练得到的,植物图像是通过摄像机在预设区域内采集得到的。
一个示例中,喷洒方案包括与异常等级对应的药液配比比例、与异常等级对应的药液喷洒用量、与异常等级对应的药液喷洒频次、异常信息所在的子区域对应的喷洒设备、以及异常信息所在的子区域对应的喷洒设备的标准转动角度;其中,喷洒方案是根据与异常信息对应的异常等级、以及异常信息所在的子区域对应的喷洒设备的标准转动角度生成的;与异常信息对应的异常等级是根据识别结果信息包含的异常信息确定的;异常信息所在的子区域对应的喷洒设备的标准转动角度,是根据异常信息在预设区域中所位于的子区域确定的,异常信息在预设区域中所位于的子区域,是根据异常信息在预设区域的植物图像内的坐标值确定的。
一个示例中,喷洒方案还包括异常信息所在的子区域对应的喷洒设备,与异常信息之间的距离信息。
一个示例中,识别结果信息是通过预设的异常识别模型对植物图像中的植物的颜色、植物的形状进行识别处理得到的。
一个示例中,预设的异常识别模型是根据预设的算法服务器得到的,异常识别模型是算法服务器基于自动机器学习,对多个正常的植物图像、多个异常的植物图像、以及多个异常的植物图像对应的异常标注信息进行训练得到的。
一个示例中,摄像机用于将植物图像、与植物图像对应的识别结果信息、以及与植物图像对应的区域范围发送给客户端。
402、按照喷洒方案中的药液配比比例,对预存的化合物进行配置并得到药液;其中,调配喷洒设备包括多个喷洒设备,调配喷洒设备分别与多个喷洒设备之间管道连通。
403、按照喷洒方案,向异常信息所在的子区域对应的喷洒设备输送并喷洒药液;其中,植物图像对应的预设区域内设置有多个喷洒设备,每一喷洒设备对应一个该预设区域中的子区域。
步骤403包括三种实现方式:
步骤403的第一种实现方式:按照喷洒方案中的药液喷洒用量、以及药液喷洒频次,向异常信息所在的子区域对应的喷洒设备输送药液,并通过异常信息所在的子区域对应的喷洒设备向异常信息所在的子区域进行喷洒。
步骤403的第二种实现方式:按照喷洒方案中的药液喷洒用量、以及药液喷洒频次,向异常信息所在的子区域对应的喷洒设备输送药液;并按照喷洒方案中的异常信息所在的子区域对应的喷洒设备的标准转动角度,控制异常信息所在的子区域对应的喷洒设备的实际角度转动为标准转动角度;通过异常信息所在的子区域对应的、且实际角度转动为标准转动角度的喷洒设备,向异常信息所在的子区域进行喷洒。
步骤403的第三种实现方式:按照喷洒方案中的距离信息,确定异常信息所在的子区域对应的喷洒设备的喷洒压强;按照喷洒压强,向异常信息所在的子区域对应的喷洒设备输送并喷洒药液。
404、若确定预存的化合物的存量为空时,向客户端发送化合物告警信息。
示例性地,本实施例的方法可以参见上述方法中的技术方案,其具体实现过程和技术原理相同,此处不再赘述。
示例性地,图6为本申请实施例提供的其他一种植物监测方法的流程示意图,根据图6可知,AI-摄像机可以通过互联网与监控应用交互、与调配喷洒装置交互,进而调配喷洒装置通过管道控制喷洒装置喷洒杀虫剂或营养液。
图7为本申请实施例提供的一种植物监测装置的结构示意图,应用于摄像机,如图7所示,该装置包括:
采集单元51,用于通过摄像机采集预设区域内的植物图像。
识别单元52,用于通过预设的异常识别模型对植物图像进行识别处理,得到与植物图像对应的识别结果信息;其中,异常识别模型为根据多个正常的植物图像以及多个异常的植物图像训练得到的。
生成单元53,用于若确定识别结果信息包含异常信息,则生成与异常信息对应的喷洒方案。
第一发送单元54,用于将喷洒方案发送至调配喷洒设备,以使调配喷洒设备按照喷洒方案向包含异常信息的区域进行喷洒。
本实施例的装置,可以执行上述方法中的技术方案,其具体实现过程和技术原理相同,此处不再赘述。
图8为本申请实施例提供的另一种植物监测装置的结构示意图,在图7所示实施例的基础上,如图8所示,识别单元52,具体用于:
通过预设的异常识别模型对植物图像中的植物的颜色、植物的形状进行识别处理,得到与植物图像对应的识别结果信息。
一个示例中,生成单元53,包括:
第一确定模块531,用于若确定识别结果信息包含异常信息,则确定与异常信息对应的异常等级、以及异常信息在预设区域的植物图像内的坐标值。
第二确定模块532,用于根据异常信息在预设区域的植物图像内的坐标值,确定异常信息在预设区域中所位于的子区域,并确定异常信息所在的子区域对应的喷洒设备的标准转动角度。
生成模块533,用于根据与异常信息对应的异常等级、以及异常信息所在的子区域对应的喷洒设备的标准转动角度,生成与异常信息对应的喷洒方案;其中,喷洒方案包括与异常等级对应的药液配比比例、与异常等级对应的药液喷洒用量、与异常等级对应的药液喷洒频次、异常信息所在的子区域对应的喷洒设备、以及异常信息所在的子区域对应的喷洒设备的标准转动角度。
一个示例中,喷洒方案用于指示调配喷洒设备按照该喷洒方案中的药液配比比例,对预存的化合物进行配置并得到药液,调配喷洒设备包括多个喷洒设备,调配喷洒设备分别与多个喷洒设备之间管道连通;按照喷洒方案,向异常信息所在的子区域对应的喷洒设备输送并喷洒药液;其中,植物图像对应的预设区域内设置有多个喷洒设备,每一喷洒设备对应一个该预设区域中的子区域。
一个示例中,喷洒方案用于指示调配喷洒设备按照喷洒方案中的药液喷洒用量、以及药液喷洒频次,向异常信息所在的子区域对应的喷洒设备输送药液,并通过异常信息所在的子区域对应的喷洒设备向异常信息所在的子区域进行喷洒;
或者,喷洒方案用于指示调配喷洒设备按照喷洒方案中的药液喷洒用量、以及药液喷洒频次,向异常信息所在的子区域对应的喷洒设备输送药液;并按照喷洒方案中的异常信息所在的子区域对应的喷洒设备的标准转动角度,控制异常信息所在的子区域对应的喷洒设备的实际角度转动为标准转动角度;通过异常信息所在的子区域对应的、且实际角度转动为标准转动角度的喷洒设备,向异常信息所在的子区域进行喷洒。
一个示例中,喷洒方案还包括异常信息所在的子区域对应的喷洒设备,与异常信息之间的距离信息。
一个示例中,喷洒方案中的距离信息用于指示调配喷洒设备按照喷洒压强,向异常信息所在的子区域对应的喷洒设备输送并喷洒药液,喷洒压强是根据喷洒方案中的距离信息确定的。
一个示例中,该装置还包括:
获取单元61,用于获取预设的算法服务器发送的异常识别模型;其中,异常识别模型是算法服务器基于自动机器学习,对多个正常的植物图像、多个异常的植物图像、以及多个异常的植物图像对应的异常标注信息进行训练得到的。
一个示例中,调配喷洒设备用于向客户端发送化合物告警信息,化合物告警信息是确定预存的化合物的存量为空时生成的。
一个示例中,该装置还包括:
第二发送单元62,用于将植物图像、与植物图像对应的识别结果信息、以及与植物图像对应的区域范围发送给客户端。本实施例的装置,可以执行上述方法中的技术方案,其具体实现过程和技术原理相同,此处不再赘述。
图9为本申请实施例提供的又一种植物监测装置的结构示意图,应用于调配喷洒设备,如图9所示,该装置包括:
接收单元71,用于接收摄像机发送的喷洒方案;其中,喷洒方案是根据包含异常信息的识别结果信息生成的,识别结果信息是通过预设的异常识别模型对植物图像进行识别处理得到的,异常识别模型为根据多个正常的植物图像以及多个异常的植物图像训练得到的,植物图像是通过摄像机在预设区域内采集得到的。
喷洒单元72,用于按照喷洒方案向包含异常信息的区域进行喷洒。
本实施例的装置,可以执行上述方法中的技术方案,其具体实现过程和技术原理相同,此处不再赘述。
图10为本申请实施例提供的再一种植物监测装置的结构示意图,在图9所示实施例的基础上,如图10所示,喷洒方案包括与异常等级对应的药液配比比例、与异常等级对应的药液喷洒用量、与异常等级对应的药液喷洒频次、异常信息所在的子区域对应的喷洒设备、以及异常信息所在的子区域对应的喷洒设备的标准转动角度;
其中,喷洒方案是根据与异常信息对应的异常等级、以及异常信息所在的子区域对应的喷洒设备的标准转动角度生成的;与异常信息对应的异常等级是根据识别结果信息包含的异常信息确定的;异常信息所在的子区域对应的喷洒设备的标准转动角度,是根据异常信息在预设区域中所位于的子区域确定的,异常信息在预设区域中所位于的子区域,是根据异常信息在预设区域的植物图像内的坐标值确定的。
一个示例中,喷洒单元72,包括:
配置模块721,用于按照喷洒方案中的药液配比比例,对预存的化合物进行配置并得到药液;其中,调配喷洒设备包括多个喷洒设备,调配喷洒设备分别与多个喷洒设备之间管道连通;
喷洒模块722,用于按照喷洒方案,向异常信息所在的子区域对应的喷洒设备输送并喷洒药液;其中,植物图像对应的预设区域内设置有多个喷洒设备,每一喷洒设备对应一个该预设区域中的子区域。
一个示例中,喷洒模块722,具体用于:
按照喷洒方案中的药液喷洒用量、以及药液喷洒频次,向异常信息所在的子区域对应的喷洒设备输送药液,并通过异常信息所在的子区域对应的喷洒设备向异常信息所在的子区域进行喷洒。
一个示例中,喷洒模块722,包括:
转动子模块7221,用于按照喷洒方案中的药液喷洒用量、以及药液喷洒频次,向异常信息所在的子区域对应的喷洒设备输送药液;并按照喷洒方案中的异常信息所在的子区域对应的喷洒设备的标准转动角度,控制异常信息所在的子区域对应的喷洒设备的实际角度转动为标准转动角度。
第一喷洒子模块7222,用于通过异常信息所在的子区域对应的、且实际角度转动为标准转动角度的喷洒设备,向异常信息所在的子区域进行喷洒。
一个示例中,喷洒方案还包括异常信息所在的子区域对应的喷洒设备,与异常信息之间的距离信息。
一个示例中,喷洒模块722,包括:
确定子模块7223,用于按照喷洒方案中的距离信息,确定异常信息所在的子区域对应的喷洒设备的喷洒压强。
第二喷洒子模块7224,用于按照喷洒压强,向异常信息所在的子区域对应的喷洒设备输送并喷洒药液。
一个示例中,识别结果信息是通过预设的异常识别模型对植物图像中的植物的颜色、植物的形状进行识别处理得到的。
一个示例中,预设的异常识别模型是根据预设的算法服务器得到的,异常识别模型是算法服务器基于自动机器学习,对多个正常的植物图像、多个异常的植物图像、以及多个异常的植物图像对应的异常标注信息进行训练得到的。
一个示例中,摄像机用于将植物图像、与植物图像对应的识别结果信息、以及与植物图像对应的区域范围发送给客户端。
一个示例中,该装置还包括:
发送单元81,用于若确定预存的化合物的存量为空时,向客户端发送化合物告警信息。
本实施例的装置,可以执行上述方法中的技术方案,其具体实现过程和技术原理相同,此处不再赘述。
图11为本申请实施例提供的一种摄像机的结构示意图,如图11所示,摄像机包括:存储器91,处理器92。
存储器91中存储有可在处理器92上运行的计算机程序。
处理器92被配置为执行如上述实施例提供的方法。
摄像机还包括接收器93和发送器94。接收器93用于接收外部设备发送的指令和数据,发送器94用于向外部设备发送指令和数据。
图12为本申请实施例提供的一种调配喷送设备的结构示意图,如图12所示,调配喷送设备包括:存储器101,处理器102。
存储器101中存储有可在处理器102上运行的计算机程序。
处理器102被配置为执行如上述实施例提供的方法。
调配喷送设备还包括接收器103和发送器104。接收器103用于接收外部设备发送的指令和数据,发送器104用于向外部设备发送指令和数据。
一个示例中,本申请实施例提供的一种植物监测系统,该系统包括至少一个如上述实施例提供的摄像机和至少一个如上述实施例提供的调配喷送设备。
图13是本申请实施例提供的一种电子设备的框图,该电子设备可以是移动电话,计算机,数字广播终端,消息收发设备,游戏控制台,平板设备,医疗设备,健身设备,个人数字助理等。
装置1100可以包括以下一个或多个组件:处理组件1102,存储器1104,电源组件1106,多媒体组件1108,音频组件1110,输入/输出(I/ O)接口1112,传感器组件1114,以及通信组件1116。
处理组件1102通常控制装置600的整体操作,诸如与显示,电话呼叫,数据通信,相机操作和记录操作相关联的操作。处理组件1102可以包括一个或多个处理器1120来执行指令,以完成上述的方法的全部或部分步骤。此外,处理组件1102可以包括一个或多个模块,便于处理组件1102和其他组件之间的交互。例如,处理组件1102可以包括多媒体模块,以方便多媒体组件1108和处理组件1102之间的交互。
存储器1104被配置为存储各种类型的数据以支持在装置1100的操作。这些数据的示例包括用于在装置1100上操作的任何应用程序或方法的指令,联系人数据,电话簿数据,消息,图片,视频等。存储器1104可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
电源组件1106为装置1100的各种组件提供电力。电源组件1106可以包括电源管理系统,一个或多个电源,及其他与为装置1100生成、管理和分配电力相关联的组件。
多媒体组件1108包括在装置1100和用户之间的提供一个输出接口的屏幕。在一些实施例中,屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板,屏幕可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与触摸或滑动操作相关的持续时间和压力。在一些实施例中,多媒体组件1108包括一个前置摄像头和/或后置摄像头。当装置1100处于操作模式,如拍摄模式或视频模式时,前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件1110被配置为输出和/或输入音频信号。例如,音频组件1110包括一个麦克风(MIC),当装置1100处于操作模式,如呼叫模式、记录模式和语音识别模式时,麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器1104或经由通信组件1116发送。在一些实施例中,音频组件1110还包括一个扬声器,用于输出音频信号。
I/ O接口1112为处理组件1102和外围接口模块之间提供接口,上述外围接口模块可以是键盘,点击轮,按钮等。这些按钮可包括但不限于:主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件1114包括一个或多个传感器,用于为装置1100提供各个方面的状态评估。例如,传感器组件1114可以检测到装置1100的打开/关闭状态,组件的相对定位,例如组件为装置1100的显示器和小键盘,传感器组件1114还可以检测装置1100或装置1100一个组件的位置改变,用户与装置1100接触的存在或不存在,装置1100方位或加速/减速和装置1100的温度变化。传感器组件1114可以包括接近传感器,被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件1114还可以包括光传感器,如CMOS或CCD图像传感器,用于在成像应用中使用。在一些实施例中,该传感器组件1114还可以包括加速度传感器,陀螺仪传感器,磁传感器,压力传感器或温度传感器。
通信组件1116被配置为便于装置1100和其他设备之间有线或无线方式的通信。装置1100可以接入基于通信标准的无线网络,如WiFi,2G或3G,或它们的组合。在一个示例性实施例中,通信组件1116经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中,通信组件1116还包括近场通信(NFC)模块,以促进短程通信。例如,在NFC模块可基于射频识别(RFID)技术,红外数据协会(IrDA)技术,超宽带(UWB)技术,蓝牙(BT)技术和其他技术来实现。
在示例性实施例中,装置1100可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述方法。
在示例性实施例中,还提供了一种包括指令的非临时性计算机可读存储介质,例如包括指令的存储器1104,上述指令可由装置1100的处理器1120执行以完成上述方法。例如,非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
本申请实施例还提供了一种非临时性计算机可读存储介质,当该存储介质中的指令由电子设备的处理器执行时,使得电子设备能够执行上述实施例提供的方法。
本申请实施例还提供了一种计算机程序产品,计算机程序产品包括:计算机程序,计算机程序存储在可读存储介质中,电子设备的至少一个处理器可以从可读存储介质读取计算机程序,至少一个处理器执行计算机程序使得电子设备执行上述任一实施例提供的方案。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。
Claims (46)
1.一种植物监测方法,其特征在于,应用于摄像机,所述方法包括:
通过所述摄像机采集预设区域内的植物图像;
通过预设的异常识别模型对所述植物图像进行识别处理,得到与所述植物图像对应的识别结果信息;其中,所述异常识别模型为根据多个正常的植物图像以及多个异常的植物图像训练得到的;
若确定所述识别结果信息包含异常信息,则生成与所述异常信息对应的喷洒方案,并将所述喷洒方案发送至调配喷洒设备,以使所述调配喷洒设备按照所述喷洒方案向包含异常信息的区域进行喷洒。
2.根据权利要求1所述的方法,其特征在于,通过预设的异常识别模型对所述植物图像进行识别处理,得到与所述植物图像对应的识别结果信息,包括:
通过预设的异常识别模型对所述植物图像中的植物的颜色、植物的形状进行识别处理,得到与所述植物图像对应的识别结果信息。
3.根据权利要求1所述的方法,其特征在于,若确定所述识别结果信息包含异常信息,则生成与所述异常信息对应的喷洒方案,包括:
若确定所述识别结果信息包含异常信息,则确定与所述异常信息对应的异常等级、以及所述异常信息在预设区域的植物图像内的坐标值;
根据所述异常信息在预设区域的植物图像内的坐标值,确定所述异常信息在所述预设区域中所位于的子区域,并确定所述异常信息所在的子区域对应的喷洒设备的标准转动角度;
根据与所述异常信息对应的异常等级、以及所述异常信息所在的子区域对应的喷洒设备的标准转动角度,生成与所述异常信息对应的喷洒方案;其中,所述喷洒方案包括与所述异常等级对应的药液配比比例、与所述异常等级对应的药液喷洒用量、与所述异常等级对应的药液喷洒频次、所述异常信息所在的子区域对应的喷洒设备、以及所述异常信息所在的子区域对应的喷洒设备的标准转动角度。
4.根据权利要求3所述的方法,其特征在于,所述喷洒方案用于指示所述调配喷洒设备按照该喷洒方案中的药液配比比例,对预存的化合物进行配置并得到药液,所述调配喷洒设备包括多个喷洒设备,所述调配喷洒设备分别与多个喷洒设备之间管道连通;按照所述喷洒方案,向异常信息所在的子区域对应的喷洒设备输送并喷洒药液;其中,植物图像对应的预设区域内设置有多个喷洒设备,每一喷洒设备对应一个该预设区域中的子区域。
5.根据权利要求4所述的方法,其特征在于,所述喷洒方案用于指示所述调配喷洒设备按照所述喷洒方案中的药液喷洒用量、以及药液喷洒频次,向异常信息所在的子区域对应的喷洒设备输送药液,并通过所述异常信息所在的子区域对应的喷洒设备向异常信息所在的子区域进行喷洒;
或者,所述喷洒方案用于指示所述调配喷洒设备按照所述喷洒方案中的药液喷洒用量、以及药液喷洒频次,向异常信息所在的子区域对应的喷洒设备输送药液;并按照所述喷洒方案中的所述异常信息所在的子区域对应的喷洒设备的标准转动角度,控制所述异常信息所在的子区域对应的喷洒设备的实际角度转动为标准转动角度;通过所述异常信息所在的子区域对应的、且实际角度转动为标准转动角度的喷洒设备,向异常信息所在的子区域进行喷洒。
6.根据权利要求3所述的方法,其特征在于,所述喷洒方案还包括所述异常信息所在的子区域对应的喷洒设备,与所述异常信息之间的距离信息。
7.根据权利要求6所述的方法,其特征在于,所述喷洒方案中的距离信息用于指示所述调配喷洒设备按照喷洒压强,向异常信息所在的子区域对应的喷洒设备输送并喷洒药液,所述喷洒压强是根据所述喷洒方案中的距离信息确定的。
8.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取预设的算法服务器发送的异常识别模型;其中,所述异常识别模型是所述算法服务器基于自动机器学习,对多个正常的植物图像、多个异常的植物图像、以及多个异常的植物图像对应的异常标注信息进行训练得到的。
9.根据权利要求1-8任一项所述的方法,其特征在于,所述调配喷洒设备用于向客户端发送化合物告警信息,所述化合物告警信息是确定预存的化合物的存量为空时生成的。
10.根据权利要求1-8任一项所述的方法,其特征在于,所述方法还包括:
将所述植物图像、与所述植物图像对应的识别结果信息、以及与植物图像对应的区域范围发送给客户端。
11.一种植物监测方法,其特征在于,应用于调配喷洒设备,所述方法包括:
接收摄像机发送的喷洒方案;其中,所述喷洒方案是根据包含异常信息的识别结果信息生成的,所述识别结果信息是通过预设的异常识别模型对植物图像进行识别处理得到的,所述异常识别模型为根据多个正常的植物图像以及多个异常的植物图像训练得到的,所述植物图像是通过摄像机在预设区域内采集得到的;
按照所述喷洒方案向包含异常信息的区域进行喷洒。
12.根据权利要求11所述的方法,其特征在于,所述喷洒方案包括与所述异常等级对应的药液配比比例、与所述异常等级对应的药液喷洒用量、与所述异常等级对应的药液喷洒频次、所述异常信息所在的子区域对应的喷洒设备、以及所述异常信息所在的子区域对应的喷洒设备的标准转动角度;
其中,所述喷洒方案是根据与异常信息对应的异常等级、以及所述异常信息所在的子区域对应的喷洒设备的标准转动角度生成的;与所述异常信息对应的异常等级是根据所述识别结果信息包含的异常信息确定的;所述异常信息所在的子区域对应的喷洒设备的标准转动角度,是根据所述异常信息在所述预设区域中所位于的子区域确定的,所述异常信息在所述预设区域中所位于的子区域,是根据所述异常信息在预设区域的植物图像内的坐标值确定的。
13.根据权利要求12所述的方法,其特征在于,按照所述喷洒方案向包含异常信息的区域进行喷洒,包括:
按照所述喷洒方案中的药液配比比例,对预存的化合物进行配置并得到药液;其中,所述调配喷洒设备包括多个喷洒设备,所述调配喷洒设备分别与多个喷洒设备之间管道连通;
按照所述喷洒方案,向异常信息所在的子区域对应的喷洒设备输送并喷洒药液;其中,植物图像对应的预设区域内设置有多个喷洒设备,每一喷洒设备对应一个该预设区域中的子区域。
14.根据权利要求13所述的方法,其特征在于,按照所述喷洒方案,向异常信息所在的子区域对应的喷洒设备输送并喷洒药液,包括:
按照所述喷洒方案中的药液喷洒用量、以及药液喷洒频次,向异常信息所在的子区域对应的喷洒设备输送药液,并通过所述异常信息所在的子区域对应的喷洒设备向异常信息所在的子区域进行喷洒。
15.根据权利要求13所述的方法,其特征在于,按照所述喷洒方案,向异常信息所在的子区域对应的喷洒设备输送并喷洒药液,包括:
按照所述喷洒方案中的药液喷洒用量、以及药液喷洒频次,向异常信息所在的子区域对应的喷洒设备输送药液;并按照所述喷洒方案中的所述异常信息所在的子区域对应的喷洒设备的标准转动角度,控制所述异常信息所在的子区域对应的喷洒设备的实际角度转动为标准转动角度;
通过所述异常信息所在的子区域对应的、且实际角度转动为标准转动角度的喷洒设备,向异常信息所在的子区域进行喷洒。
16.根据权利要求12所述的方法,其特征在于,所述喷洒方案还包括所述异常信息所在的子区域对应的喷洒设备,与所述异常信息之间的距离信息。
17.根据权利要求16所述的方法,其特征在于,按照所述喷洒方案,向异常信息所在的子区域对应的喷洒设备输送并喷洒药液,包括:
按照所述喷洒方案中的距离信息,确定异常信息所在的子区域对应的喷洒设备的喷洒压强;
按照所述喷洒压强,向异常信息所在的子区域对应的喷洒设备输送并喷洒药液。
18.根据权利要求11所述的方法,其特征在于,所述识别结果信息是通过预设的异常识别模型对所述植物图像中的植物的颜色、植物的形状进行识别处理得到的。
19.根据权利要求11所述的方法,其特征在于,所述预设的异常识别模型是根据预设的算法服务器得到的,所述异常识别模型是所述算法服务器基于自动机器学习,对多个正常的植物图像、多个异常的植物图像、以及多个异常的植物图像对应的异常标注信息进行训练得到的。
20.根据权利要求11-19任一项所述的方法,其特征在于,所述摄像机用于将植物图像、与所述植物图像对应的识别结果信息、以及与植物图像对应的区域范围发送给客户端。
21.根据权利要求11-19任一项所述的方法,其特征在于,所述方法还包括:
若确定预存的化合物的存量为空时,向客户端发送化合物告警信息。
22.一种植物监测装置,其特征在于,应用于摄像机,所述装置包括:
采集单元,用于通过所述摄像机采集预设区域内的植物图像;
识别单元,用于通过预设的异常识别模型对所述植物图像进行识别处理,得到与所述植物图像对应的识别结果信息;其中,所述异常识别模型为根据多个正常的植物图像以及多个异常的植物图像训练得到的;
生成单元,用于若确定所述识别结果信息包含异常信息,则生成与所述异常信息对应的喷洒方案;
第一发送单元,用于将所述喷洒方案发送至调配喷洒设备,以使所述调配喷洒设备按照所述喷洒方案向包含异常信息的区域进行喷洒。
23.根据权利要求22所述的装置,其特征在于,所述识别单元,具体用于:
通过预设的异常识别模型对所述植物图像中的植物的颜色、植物的形状进行识别处理,得到与所述植物图像对应的识别结果信息。
24.根据权利要求22所述的装置,其特征在于,所述生成单元,包括:
第一确定模块,用于若确定所述识别结果信息包含异常信息,则确定与所述异常信息对应的异常等级、以及所述异常信息在预设区域的植物图像内的坐标值;
第二确定模块,用于根据所述异常信息在预设区域的植物图像内的坐标值,确定所述异常信息在所述预设区域中所位于的子区域,并确定所述异常信息所在的子区域对应的喷洒设备的标准转动角度;
生成模块,用于根据与所述异常信息对应的异常等级、以及所述异常信息所在的子区域对应的喷洒设备的标准转动角度,生成与所述异常信息对应的喷洒方案;其中,所述喷洒方案包括与所述异常等级对应的药液配比比例、与所述异常等级对应的药液喷洒用量、与所述异常等级对应的药液喷洒频次、所述异常信息所在的子区域对应的喷洒设备、以及所述异常信息所在的子区域对应的喷洒设备的标准转动角度。
25.根据权利要求24所述的装置,其特征在于,所述喷洒方案用于指示所述调配喷洒设备按照该喷洒方案中的药液配比比例,对预存的化合物进行配置并得到药液,所述调配喷洒设备包括多个喷洒设备,所述调配喷洒设备分别与多个喷洒设备之间管道连通;按照所述喷洒方案,向异常信息所在的子区域对应的喷洒设备输送并喷洒药液;其中,植物图像对应的预设区域内设置有多个喷洒设备,每一喷洒设备对应一个该预设区域中的子区域。
26.根据权利要求25所述的装置,其特征在于,所述喷洒方案用于指示所述调配喷洒设备按照所述喷洒方案中的药液喷洒用量、以及药液喷洒频次,向异常信息所在的子区域对应的喷洒设备输送药液,并通过所述异常信息所在的子区域对应的喷洒设备向异常信息所在的子区域进行喷洒;
或者,所述喷洒方案用于指示所述调配喷洒设备按照所述喷洒方案中的药液喷洒用量、以及药液喷洒频次,向异常信息所在的子区域对应的喷洒设备输送药液;并按照所述喷洒方案中的所述异常信息所在的子区域对应的喷洒设备的标准转动角度,控制所述异常信息所在的子区域对应的喷洒设备的实际角度转动为标准转动角度;通过所述异常信息所在的子区域对应的、且实际角度转动为标准转动角度的喷洒设备,向异常信息所在的子区域进行喷洒。
27.根据权利要求24所述的装置,其特征在于,所述喷洒方案还包括所述异常信息所在的子区域对应的喷洒设备,与所述异常信息之间的距离信息。
28.根据权利要求27所述的装置,其特征在于,所述喷洒方案中的距离信息用于指示所述调配喷洒设备按照喷洒压强,向异常信息所在的子区域对应的喷洒设备输送并喷洒药液,所述喷洒压强是根据所述喷洒方案中的距离信息确定的。
29.根据权利要求22所述的装置,其特征在于,所述装置还包括:
获取单元,用于获取预设的算法服务器发送的异常识别模型;其中,所述异常识别模型是所述算法服务器基于自动机器学习,对多个正常的植物图像、多个异常的植物图像、以及多个异常的植物图像对应的异常标注信息进行训练得到的。
30.根据权利要求22-29任一项所述的装置,其特征在于,所述调配喷洒设备用于向客户端发送化合物告警信息,所述化合物告警信息是确定预存的化合物的存量为空时生成的。
31.根据权利要求22-29任一项所述的装置,其特征在于,所述装置还包括:
第二发送单元,用于将所述植物图像、与所述植物图像对应的识别结果信息、以及与植物图像对应的区域范围发送给客户端。
32.一种植物监测装置,其特征在于,应用于调配喷洒设备,所述装置包括:
接收单元,用于接收摄像机发送的喷洒方案;其中,所述喷洒方案是根据包含异常信息的识别结果信息生成的,所述识别结果信息是通过预设的异常识别模型对植物图像进行识别处理得到的,所述异常识别模型为根据多个正常的植物图像以及多个异常的植物图像训练得到的,所述植物图像是通过摄像机在预设区域内采集得到的;
喷洒单元,用于按照所述喷洒方案向包含异常信息的区域进行喷洒。
33.根据权利要求32所述的装置,其特征在于,所述喷洒方案包括与所述异常等级对应的药液配比比例、与所述异常等级对应的药液喷洒用量、与所述异常等级对应的药液喷洒频次、所述异常信息所在的子区域对应的喷洒设备、以及所述异常信息所在的子区域对应的喷洒设备的标准转动角度;
其中,所述喷洒方案是根据与异常信息对应的异常等级、以及所述异常信息所在的子区域对应的喷洒设备的标准转动角度生成的;与所述异常信息对应的异常等级是根据所述识别结果信息包含的异常信息确定的;所述异常信息所在的子区域对应的喷洒设备的标准转动角度,是根据所述异常信息在所述预设区域中所位于的子区域确定的,所述异常信息在所述预设区域中所位于的子区域,是根据所述异常信息在预设区域的植物图像内的坐标值确定的。
34.根据权利要求33所述的装置,其特征在于,所述喷洒单元,包括:
配置模块,用于按照所述喷洒方案中的药液配比比例,对预存的化合物进行配置并得到药液;其中,所述调配喷洒设备包括多个喷洒设备,所述调配喷洒设备分别与多个喷洒设备之间管道连通;
喷洒模块,用于按照所述喷洒方案,向异常信息所在的子区域对应的喷洒设备输送并喷洒药液;其中,植物图像对应的预设区域内设置有多个喷洒设备,每一喷洒设备对应一个该预设区域中的子区域。
35.根据权利要求34所述的装置,其特征在于,所述喷洒模块,具体用于:
按照所述喷洒方案中的药液喷洒用量、以及药液喷洒频次,向异常信息所在的子区域对应的喷洒设备输送药液,并通过所述异常信息所在的子区域对应的喷洒设备向异常信息所在的子区域进行喷洒。
36.根据权利要求34所述的装置,其特征在于,所述喷洒模块,包括:
转动子模块,用于按照所述喷洒方案中的药液喷洒用量、以及药液喷洒频次,向异常信息所在的子区域对应的喷洒设备输送药液;并按照所述喷洒方案中的所述异常信息所在的子区域对应的喷洒设备的标准转动角度,控制所述异常信息所在的子区域对应的喷洒设备的实际角度转动为标准转动角度;
第一喷洒子模块,用于通过所述异常信息所在的子区域对应的、且实际角度转动为标准转动角度的喷洒设备,向异常信息所在的子区域进行喷洒。
37.根据权利要求33所述的装置,其特征在于,所述喷洒方案还包括所述异常信息所在的子区域对应的喷洒设备,与所述异常信息之间的距离信息。
38.根据权利要求37所述的装置,其特征在于,喷洒模块,包括:
确定子模块,用于按照所述喷洒方案中的距离信息,确定异常信息所在的子区域对应的喷洒设备的喷洒压强;
第二喷洒子模块,用于按照所述喷洒压强,向异常信息所在的子区域对应的喷洒设备输送并喷洒药液。
39.根据权利要求32所述的装置,其特征在于,所述识别结果信息是通过预设的异常识别模型对所述植物图像中的植物的颜色、植物的形状进行识别处理得到的。
40.根据权利要求32所述的装置,其特征在于,所述预设的异常识别模型是根据预设的算法服务器得到的,所述异常识别模型是所述算法服务器基于自动机器学习,对多个正常的植物图像、多个异常的植物图像、以及多个异常的植物图像对应的异常标注信息进行训练得到的。
41.根据权利要求32-40任一项所述的装置,其特征在于,所述摄像机用于将植物图像、与所述植物图像对应的识别结果信息、以及与植物图像对应的区域范围发送给客户端。
42.根据权利要求32-40任一项所述的装置,其特征在于,所述装置还包括:
发送单元,用于若确定预存的化合物的存量为空时,向客户端发送化合物告警信息。
43.一种摄像机,其特征在于,包括存储器、处理器,所述存储器中存储有可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述权利要求1-10中任一项所述的方法。
44.一种调配喷送设备,其特征在于,包括存储器、处理器,所述存储器中存储有可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述权利要求11-21中任一项所述的方法。
45.一种植物监测系统,其特征在于,所述系统包括至少一个如权利要求43所述的摄像机和至少一个如权利要求44所述的调配喷送设备。
46.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机执行指令,所述计算机执行指令被处理器执行时用于实现如权利要求1-7任一项所述的方法,或者,实现如权利要求7-14任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210715287.0A CN114792399B (zh) | 2022-06-23 | 2022-06-23 | 植物监测方法、装置及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210715287.0A CN114792399B (zh) | 2022-06-23 | 2022-06-23 | 植物监测方法、装置及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114792399A true CN114792399A (zh) | 2022-07-26 |
CN114792399B CN114792399B (zh) | 2023-01-06 |
Family
ID=82462962
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210715287.0A Active CN114792399B (zh) | 2022-06-23 | 2022-06-23 | 植物监测方法、装置及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114792399B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116868740A (zh) * | 2023-06-30 | 2023-10-13 | 广东环境保护工程职业学院 | 一种植物的养护方法、装置、系统和介质 |
CN117079140A (zh) * | 2023-10-13 | 2023-11-17 | 金埔园林股份有限公司 | 一种景观植物种植管理方法 |
Citations (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU2002228772A1 (en) * | 2000-11-02 | 2002-07-18 | Sloan Kettering Institute For Cancer Research | Methods for enhancing the efficacy of cytotoxic agents through the use of HSP90 inhibitors |
WO2002060236A1 (de) * | 2001-01-30 | 2002-08-08 | Arno Drechsel | Beregnungsanlage |
US20150131867A1 (en) * | 2013-11-08 | 2015-05-14 | Institute For Information Industry | Treatment recommending system of plant symptoms, method and non-transitory computer-readable medium |
CN106791619A (zh) * | 2016-12-02 | 2017-05-31 | 北京小米移动软件有限公司 | 监测植物状态的方法及装置 |
CN108111614A (zh) * | 2017-12-27 | 2018-06-01 | 北京工业大学 | 农林业病虫害监测管理系统 |
CN108536203A (zh) * | 2018-05-11 | 2018-09-14 | 北京农业智能装备技术研究中心 | 一种无人机施药控制方法及系统 |
CN108549869A (zh) * | 2018-04-13 | 2018-09-18 | 哈尔滨理工大学 | 一种基于专家系统的植保无人机自适应作业方法 |
CN108684282A (zh) * | 2018-04-11 | 2018-10-23 | 北京麦飞科技有限公司 | 一种农业察打一体机系统及喷洒控制方法 |
CN109635802A (zh) * | 2018-12-30 | 2019-04-16 | 北京工业大学 | 农林业病害孢子图像信息远程监测系统 |
CN110113577A (zh) * | 2019-05-21 | 2019-08-09 | 陆军军 | 一种轨道分布式农业种植区域自动化监控平台及其方法 |
CN110178605A (zh) * | 2019-06-28 | 2019-08-30 | 重庆文理学院 | 一种针对猕猴桃叶片病害的精准农药自动喷洒系统 |
CN110432129A (zh) * | 2019-09-06 | 2019-11-12 | 马鞍山问鼎网络科技有限公司 | 一种基于大数据的智能化灌溉施肥系统 |
CN110915782A (zh) * | 2019-11-15 | 2020-03-27 | 西安和光明宸科技有限公司 | 一种可调节植物农药喷洒系统及农药喷洒方法 |
CN110940636A (zh) * | 2019-12-05 | 2020-03-31 | 华南农业大学 | 柑橘林病虫害智能识别与林间信息监测系统 |
JP2020060419A (ja) * | 2018-10-09 | 2020-04-16 | 三菱電機株式会社 | 異物監視装置および異物監視方法 |
CN111460998A (zh) * | 2020-03-31 | 2020-07-28 | 北京伟杰东博信息科技有限公司 | 一种动态喷洒方法及其系统 |
CN111665864A (zh) * | 2020-06-12 | 2020-09-15 | 张玉红 | 一种基于大数据物联网的农业种植植保作业智慧管理系统 |
IT201900006564A1 (it) * | 2019-05-06 | 2020-11-06 | Arno Drechsel | Dispositivo diffusore di un liquido di irrigazione e metodo di diffusione mediante tale dispositivo diffusore |
CN111971439A (zh) * | 2018-03-30 | 2020-11-20 | 骊住株式会社 | 喷水控制装置、喷水控制系统以及喷水控制方法 |
CN112416036A (zh) * | 2020-10-23 | 2021-02-26 | 重庆电子工程职业学院 | 温室大棚环境监控系统 |
CN113325872A (zh) * | 2021-06-10 | 2021-08-31 | 广州极飞科技股份有限公司 | 植物的巡查方法及装置、系统、飞行器 |
CN113598148A (zh) * | 2021-08-05 | 2021-11-05 | 苏州极目机器人科技有限公司 | 一种弥雾喷洒方法及装置 |
CN113870044A (zh) * | 2021-08-23 | 2021-12-31 | 湖北工程学院 | 园林智能管控方法、装置、设备及存储介质 |
CN113925039A (zh) * | 2021-10-12 | 2022-01-14 | 一鼎(福建)生态园林建设有限公司 | 一种基于物联网的园林病虫害智能防护系统及防控方法 |
CN114128532A (zh) * | 2021-11-17 | 2022-03-04 | 广东省农业科学院植物保护研究所 | 一种应用于温室大棚的虫害智能监测及防治系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1337275A4 (en) * | 2000-11-02 | 2007-05-09 | Sloan Kettering Inst Cancer | METHOD FOR ENHANCING THE EFFICACY OF CYTOTOXIC AGENTS USING HSP 90 INHIBITORS |
-
2022
- 2022-06-23 CN CN202210715287.0A patent/CN114792399B/zh active Active
Patent Citations (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU2002228772A1 (en) * | 2000-11-02 | 2002-07-18 | Sloan Kettering Institute For Cancer Research | Methods for enhancing the efficacy of cytotoxic agents through the use of HSP90 inhibitors |
WO2002060236A1 (de) * | 2001-01-30 | 2002-08-08 | Arno Drechsel | Beregnungsanlage |
US20150131867A1 (en) * | 2013-11-08 | 2015-05-14 | Institute For Information Industry | Treatment recommending system of plant symptoms, method and non-transitory computer-readable medium |
CN106791619A (zh) * | 2016-12-02 | 2017-05-31 | 北京小米移动软件有限公司 | 监测植物状态的方法及装置 |
CN108111614A (zh) * | 2017-12-27 | 2018-06-01 | 北京工业大学 | 农林业病虫害监测管理系统 |
CN111971439A (zh) * | 2018-03-30 | 2020-11-20 | 骊住株式会社 | 喷水控制装置、喷水控制系统以及喷水控制方法 |
CN108684282A (zh) * | 2018-04-11 | 2018-10-23 | 北京麦飞科技有限公司 | 一种农业察打一体机系统及喷洒控制方法 |
CN108549869A (zh) * | 2018-04-13 | 2018-09-18 | 哈尔滨理工大学 | 一种基于专家系统的植保无人机自适应作业方法 |
CN108536203A (zh) * | 2018-05-11 | 2018-09-14 | 北京农业智能装备技术研究中心 | 一种无人机施药控制方法及系统 |
JP2020060419A (ja) * | 2018-10-09 | 2020-04-16 | 三菱電機株式会社 | 異物監視装置および異物監視方法 |
CN109635802A (zh) * | 2018-12-30 | 2019-04-16 | 北京工业大学 | 农林业病害孢子图像信息远程监测系统 |
IT201900006564A1 (it) * | 2019-05-06 | 2020-11-06 | Arno Drechsel | Dispositivo diffusore di un liquido di irrigazione e metodo di diffusione mediante tale dispositivo diffusore |
CN110113577A (zh) * | 2019-05-21 | 2019-08-09 | 陆军军 | 一种轨道分布式农业种植区域自动化监控平台及其方法 |
CN110178605A (zh) * | 2019-06-28 | 2019-08-30 | 重庆文理学院 | 一种针对猕猴桃叶片病害的精准农药自动喷洒系统 |
CN110432129A (zh) * | 2019-09-06 | 2019-11-12 | 马鞍山问鼎网络科技有限公司 | 一种基于大数据的智能化灌溉施肥系统 |
CN110915782A (zh) * | 2019-11-15 | 2020-03-27 | 西安和光明宸科技有限公司 | 一种可调节植物农药喷洒系统及农药喷洒方法 |
CN110940636A (zh) * | 2019-12-05 | 2020-03-31 | 华南农业大学 | 柑橘林病虫害智能识别与林间信息监测系统 |
CN111460998A (zh) * | 2020-03-31 | 2020-07-28 | 北京伟杰东博信息科技有限公司 | 一种动态喷洒方法及其系统 |
CN111665864A (zh) * | 2020-06-12 | 2020-09-15 | 张玉红 | 一种基于大数据物联网的农业种植植保作业智慧管理系统 |
CN112416036A (zh) * | 2020-10-23 | 2021-02-26 | 重庆电子工程职业学院 | 温室大棚环境监控系统 |
CN113325872A (zh) * | 2021-06-10 | 2021-08-31 | 广州极飞科技股份有限公司 | 植物的巡查方法及装置、系统、飞行器 |
CN113598148A (zh) * | 2021-08-05 | 2021-11-05 | 苏州极目机器人科技有限公司 | 一种弥雾喷洒方法及装置 |
CN113870044A (zh) * | 2021-08-23 | 2021-12-31 | 湖北工程学院 | 园林智能管控方法、装置、设备及存储介质 |
CN113925039A (zh) * | 2021-10-12 | 2022-01-14 | 一鼎(福建)生态园林建设有限公司 | 一种基于物联网的园林病虫害智能防护系统及防控方法 |
CN114128532A (zh) * | 2021-11-17 | 2022-03-04 | 广东省农业科学院植物保护研究所 | 一种应用于温室大棚的虫害智能监测及防治系统 |
Non-Patent Citations (4)
Title |
---|
DEBAUCHE OLIVIER 等: ""Edge AI-IoT Pivot Irrigation, Plant Diseases, and Pests Identification"", 《PROCEDIA COMPUTER SCIENCE》 * |
张菡: ""植保无人机变量喷药系统研制"", 《中国优秀硕士学位论文全文数据库 (农业科技辑)》 * |
汪海等: "基于智能视觉的监控识别系统设计", 《自动化与仪器仪表》 * |
郑继亭等: "基于WMSNs的温室植物病害远程监测系统", 《计算机技术与发展》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116868740A (zh) * | 2023-06-30 | 2023-10-13 | 广东环境保护工程职业学院 | 一种植物的养护方法、装置、系统和介质 |
CN116868740B (zh) * | 2023-06-30 | 2024-08-13 | 广东环境保护工程职业学院 | 一种植物的养护方法、装置、系统和介质 |
CN117079140A (zh) * | 2023-10-13 | 2023-11-17 | 金埔园林股份有限公司 | 一种景观植物种植管理方法 |
CN117079140B (zh) * | 2023-10-13 | 2024-01-23 | 金埔园林股份有限公司 | 一种景观植物种植管理方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114792399B (zh) | 2023-01-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114792399B (zh) | 植物监测方法、装置及设备 | |
JP6626215B2 (ja) | インテリジェント散水ポンプ | |
CN106395198B (zh) | 智能垃圾桶的控制方法及装置 | |
CN203433329U (zh) | 一种智能温室大棚物联网远程监控装置 | |
CN108700894A (zh) | 无人机控制方法、装置、基站和无人机 | |
US11026399B2 (en) | Automated animal feeding system and method of use | |
CN106354183A (zh) | 一种基于云服务器的农业大棚智能控制方法 | |
CN105163090B (zh) | 基于4g的家庭庭院智能看护装置 | |
WO2016045355A1 (zh) | 一种植物浇水提醒系统 | |
CN105955158A (zh) | 一种基于手机的害虫自动监测系统及方法 | |
KR20200043801A (ko) | 인공지능 식물 관리 시스템 | |
CN105163089A (zh) | 基于wifi的家庭庭院智能看护装置 | |
CN106162086A (zh) | 植物生长状态的监控系统和监控方法 | |
CN106303434A (zh) | 种植设备的控制方法、服务器和种植设备 | |
US20190113495A1 (en) | Remote Control and Monitoring Apparatus and Method for Plant Growth | |
CN109156229A (zh) | 一种水肥一体化浇灌控制方法、装置和电子设备 | |
US12026803B2 (en) | Rendering images stored with grow protocol along with conditions per growth stage | |
JP6820365B2 (ja) | 散水システムにおける簡略化されたインタフェースおよび動作 | |
CN105613211A (zh) | 一种基于无线网络的空气取水灌溉系统 | |
CN108940686B (zh) | 用于喷水装置的除垢方法、装置、存储介质及喷水装置 | |
KR20170028660A (ko) | 복수의 사용자가 식물의 상태를 공유할 수 있는 화분 및 시스템 | |
CN203735195U (zh) | 农田浇灌系统 | |
CN112506104A (zh) | 一种湿地资源与生态环境监管方法及系统 | |
CN105100621B (zh) | 输出拍摄视频的方法、装置及终端 | |
JP7301895B2 (ja) | インテリジェント散水ポンプ |
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 | ||
CP01 | Change in the name or title of a patent holder | ||
CP01 | Change in the name or title of a patent holder |
Address after: 518100 Guangdong Shenzhen Baoan District Xixiang street, Wutong Development Zone, Taihua Indus Industrial Park 8, 3 floor. Patentee after: Shenzhen Haiqing Zhiyuan Technology Co.,Ltd. Address before: 518100 Guangdong Shenzhen Baoan District Xixiang street, Wutong Development Zone, Taihua Indus Industrial Park 8, 3 floor. Patentee before: SHENZHEN HIVT TECHNOLOGY Co.,Ltd. |