CN114879585B - 一种面向精准农业的网络化大豆低温育种的智能监控系统 - Google Patents

一种面向精准农业的网络化大豆低温育种的智能监控系统 Download PDF

Info

Publication number
CN114879585B
CN114879585B CN202210806985.1A CN202210806985A CN114879585B CN 114879585 B CN114879585 B CN 114879585B CN 202210806985 A CN202210806985 A CN 202210806985A CN 114879585 B CN114879585 B CN 114879585B
Authority
CN
China
Prior art keywords
temperature
breeding
breeding area
data
representing
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.)
Active
Application number
CN202210806985.1A
Other languages
English (en)
Other versions
CN114879585A (zh
Inventor
韩德志
贾鸿昌
闫晓飞
鹿文成
张雷
梁吉利
闫洪睿
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Heilongjiang Academy Of Agricultural Sciences Heihe Branch
Original Assignee
Heilongjiang Academy Of Agricultural Sciences Heihe Branch
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Heilongjiang Academy Of Agricultural Sciences Heihe Branch filed Critical Heilongjiang Academy Of Agricultural Sciences Heihe Branch
Priority to CN202210806985.1A priority Critical patent/CN114879585B/zh
Publication of CN114879585A publication Critical patent/CN114879585A/zh
Application granted granted Critical
Publication of CN114879585B publication Critical patent/CN114879585B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
    • G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
    • G05B19/0428—Safety, monitoring
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/20—Pc systems
    • G05B2219/24—Pc safety
    • G05B2219/24024—Safety, surveillance
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
    • Y02A40/10—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in agriculture
    • Y02A40/25—Greenhouse technology, e.g. cooling systems therefor

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Radiation Pyrometers (AREA)

Abstract

本发明提供了一种面向精准农业的网络化大豆低温育种的智能监控系统，包括育种区、移动控制终端、温度采集检测模块、数码显示模块、预测报警模块；移动控制终端对分布在育种区的各个模块发送控制请求，完成初步参数设置，为智能监控实现提供依据；分时段采集各个育种区的温度数据以及红外图像，并进行融合处理检测分析，根据分析结果移动控制终端制定相关温度调节策略；对整个育种区进行监控，根据检测数据分析结果，构建预测预警模型，进行预测报警。本发明解决了现有技术中独权能解决育种过程监控不够完善，监管反馈速度较慢的技术问题。

Description

一种面向精准农业的网络化大豆低温育种的智能监控系统
技术领域
本发明涉及农业种植技术领域，尤其涉及一种面向精准农业的网络化大豆低温育种的智能监控系统。
背景技术
在现代农业种植领域，网络化技术对农作物的灌溉墒情，土壤空气变更、畜禽的环境状况以及大面积的地表检测等方面发挥重要作用，大豆是重要的油料和蛋白质来源，在农业经济中具有非常重要的影响。大豆的种植过程中，育种是一个非常重要的环节，是直接决定大豆品质和产量的重要因素。徐冉等发明人发明的“CN2015102466227”“一种高产大豆的育种方法”针对现有大豆高产育种技术依赖育种经验的盲目性问题，提出对大豆产量构成因素进行逐级剖析，同时分析各产量构成因素的遗传变异和遗传规律，构建大豆杂种后代预期产量公式，利用杂种后代预期产量公式，针对大豆育种的预期产量目标，筛选各产量构成因素的表型值符合要求的品种或种质做杂交亲本，组配杂交组合，选择各产量构成因素符合育种目标的杂种后代，最后育成能够达到目标产量的品种。
但本申请发明人在实现本申请实施例中发明技术方案的过程中，发现上述技术至少存在如下技术问题：对育种过程监控不够完善，监管反馈速度较慢。
发明内容
本发明通过提供一种面向精准农业的网络化大豆低温育种的智能监控系统，解决了现有技术中独权能解决育种过程监控不够完善，监管反馈速度较慢的技术问题，实现了对育种过程精准监控，监管高效反馈的技术效果。
本发明提供了一种面向精准农业的网络化大豆低温育种的智能监控系统，包括以下部分：
育种区、移动控制终端、温度采集检测模块、数码显示模块、预测报警模块；
所述育种区为对大豆进行低温育种的农田区域，所述农田区域为适合大豆生长的土质田地；
所述移动控制终端，是用来对网络化大豆低温育种的监控系统进行随时随地操控的终端控制器，并根据各个模块的反馈信息制定策略，发布指令对育种区进行温度调节；
所述温度采集检测模块包含温度采集组件、温度检测组件以及温度分析组件；所述温度采集检测模块，通过温度采集组件对育种区内的温度进行实时采集，温度检测组件对采集到的温度实时监测，并通过温度分析组件对温度数据进行分析，将分析结果反馈到所述移动控制终端，所述移动控制终端做出对应调整策略进行调整；
所述数码显示模块，对网络化大豆低温育种的监控系统中所需数据进行分析处理并显示标志性参数；
所述预测报警模块，对育种期间的行为活动进行分析处理，评估等级并对危机状况进行预警并反馈到所述移动控制终端。
一种面向精准农业的网络化大豆低温育种的智能监控运行方法，包含以下步骤：
S1. 移动控制终端对分布在育种区的各个模块发送控制请求，完成初步参数设置，为智能监控实现提供依据；
S2.分时段采集各个育种区的温度数据以及红外图像，并进行融合处理检测分析，根据分析结果移动控制终端制定相关温度调节策略；
S3.对整个育种区进行监控，根据检测数据分析结果，构建预测预警模型，进行预测报警。
进一步，所述步骤S1包括：
根据大豆品种将育种区分为N个子育种区域，并在每个子育种区域内设置m个温度传感器，对各育种区不同位置处的温度间隔周期T进行s次温度采集，得到育种区内实时温度并将温度数值转换成可用的输出信号，发送到温度采集检测模块， 进行检测分析；同时各育种区域增加n个红外热像仪，红外热像仪将大豆苗发出的不可见红外能量转变为可见的热图像，将热图像发送到温度采集检测模块，进行检测分析，随后对两种测温分析结果进行融合得到最终分析结果。
进一步，所述步骤S2包括：
对温度传感器采集到的数据进行去除无效数据处理，即去除最大值以及最小值，得到一个新数据向量，随后对数据分别进行加权均值处理以及贡献度均值处理，最后对两次均值处理后的数据进行算术平均处理，得到更为准确的温度数据。
进一步，所述S2包括：
通过引入优化算子对红外热像仪采集到的红外图像进行灰度化处理，随后将灰度化处理后的红外图像的灰度值进行线性拉伸，最后通过现有黑体定标技术确定红外图像的灰度值与成像目标的温度之间的函数关系，计算得到物体的温度。
进一步，所述S3包括：
构建预测预警模型，具体如下：
Figure 447517DEST_PATH_IMAGE001
其中，
Figure 699376DEST_PATH_IMAGE002
表示t-1时刻温度传感器对育种区采集的温度数据三维矩阵，
Figure 98127DEST_PATH_IMAGE003
表示t时刻温度传感器对育种区采集的温度数据三维矩阵，
Figure 42818DEST_PATH_IMAGE004
表示t-1时刻红外热像仪对育种区成像图像计算得到的温度数据三维矩阵，
Figure 25991DEST_PATH_IMAGE005
表示t时刻红外热像仪对育种区成像图像计算得到的温度数据三维矩阵，QW表示温度数据矩阵W的权重矩阵，QTH表示温度数据矩阵TH的权重矩阵，Out表示预测预警模型输出
本发明至少具有如下技术效果或优点：
1、本发明通过将育种区进行划分，针对不同大豆品种进行分区域监控，实现了全方面精准监控，使得大豆低温育种的智能监控系统更加精准。
2、本发明通过利用温度传感器和红外热像仪同时对育种区的温度进行测量，并对分析结果进行融合处理，得到更准确的温度结果，进一步对大豆育种更精准的进行监控，提高监控反馈速度。
3、本发明通过对温度传感器采集到的温度进行权重均值以及贡献度均值处理，使得获得更为准确的温度数据，进一步更精准的对大豆育种温度进行监控，增加系统高效性。
4、本发明通过引入优化算子，将图像代表分量平均值以及加权平均值来对图像进行灰度化处理，使得该过程更准确，图像轮廓更清晰，为后面处理做好准备，同时使得处理过程更加准确。
5、本发明通过对比度拉伸之后的图像更加清楚，降低无效部分的噪声，图像之间的对比度增加，为后面图像分析提供了很好的条件。
6、本发明通过引入融合因子，对温度传感器温度处理结果以及最终红外热像仪温度处理结果进行融合处理，得到更为准确的温度数据，进一步制定更有效的处理策略，提高了大豆低温育种智能监控的系统效率。
7、本发明通过构建预测预警模型，对育种区进行监控，将预测预警结果反馈至移动控制终端，进一步制定对应策略，有效的保障了大豆持续保持低温育种，提高监控系统效率。
附图说明
图1为本发明所述一种面向精准农业的网络化大豆低温育种的智能监控系统的模块图；
图2为本发明所述一种面向精准农业的网络化大豆低温育种的智能监控系统的流程图。
具体实施方式
本申请实施例中的技术方案为解决上述技术问题，总体思路如下：
首先，移动控制终端对分布在育种区的各个模块发送控制请求，完成初步参数设置，为智能监控实现提供依据；随后，分时段采集各个育种区的温度数据以及红外图像，通过利用加权均值以及贡献度均值对温度数据的处理得到分析结果以及利用引入优化因子以及新型拉伸对温度图像处理得到分析结果，随后将两结果进行融合处理检测分析，根据分析结果移动控制终端制定相关温度调节策略；对整个育种区进行监控，根据检测数据分析结果，构建预测预警模型，进行预测报警。通过对将育种区进行划分，针对不同大豆品种进行分区域监控，实现了全方面精准监控，使得大豆低温育种的智能监控系统更加精准；通过利用温度传感器和红外热像仪同时对育种区的温度进行测量，并对分析结果进行融合处理，得到更准确的温度结果，进一步对大豆育种更精准的进行监控，提高监控反馈速度；通过对温度传感器采集到的温度进行权重均值以及贡献度均值处理，使得获得更为准确的温度数据，进一步更精准的对大豆育种温度进行监控，增加系统高效性；通过引入优化算子，将图像代表分量平均值以及加权平均值来对图像进行灰度化处理，使得该过程更准确，图像轮廓更清晰，为后面处理做好准备，同时使得处理过程更加准确；通过对比度拉伸之后的图像更加清楚，降低无效部分的噪声，图像之间的对比度增加，为后面图像分析提供了很好的条件；通过引入融合因子，对温度传感器温度处理结果以及最终红外热像仪温度处理结果进行融合处理，得到更为准确的温度数据，进一步制定更有效的处理策略，提高了大豆低温育种智能监控的系统效率；通过构建预测预警模型，对育种区进行监控，将预测预警结果反馈至移动控制终端，进一步制定对应策略，有效的保障了大豆持续保持低温育种，提高监控系统效率。为了更好的理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。
参照附图1，一种面向精准农业的网络化大豆低温育种的智能监控系统，包括以下部分：
育种区，移动控制终端，温度采集检测模块，数码显示模块、预测报警模块；
所述育种区为对大豆进行低温育种的农田区域，所述农田区域为适合大豆生长的土质田地。
所述移动控制终端，用来对网络化大豆低温育种的监控系统进行随时随地操控的终端控制器，并根据各个模块的反馈信息制定策略，发布指令对育种区进行温度调节；
优选地，所述温度调节，是指通过温度传感器检测温度，进而控制暖气、空调、通风口、放风机以及其他温度调节组件进行调节，从而实现温度调节；
所述温度采集检测模块，通过温度采集组件对育种区内的温度进行实时采集，温度检测组件对采集到的温度实时监测，并通过温度分析组件对温度数据进行分析，将分析结果反馈到移动控制终端，移动控制终端做出对应调整策略进行调整。
进一步，温度采集检测模块包含温度采集组件，温度检测组件以及温度分析组件；
所述数码显示模块，对网络化大豆低温育种的监控系统中所需数据进行分析处理并显示标志性参数；
所述预测报警模块，对育种期间的行为活动进行分析处理，评估等级并对危机状况进行预警并反馈到移动控制终端；
参照附图2，一种面向精准农业的网络化大豆低温育种的智能监控系统的执行方法，具体包含以下步骤：
S1. 移动控制终端对分布在育种区的各个模块发送控制请求，完成初步参数设置，为智能监控实现提供依据。
S11.根据大豆品种在育种区进行分区域种植，并在各个育种区域安置好温度传感器，对不同区域的大豆生长温度进行实时采集。
作为一个具体实施例，在本发明中，根据大豆品种将育种区分为N个子育种区域，并在每个子育种区域内设置m个温度传感器，对各育种区不同位置处的温度间隔周期T进行s次温度采集，得到育种区内实时温度并将温度数值转换成可用的输出信号，发送到温度采集检测模块， 进行检测分析；同时各育种区域增加n个红外热像仪，红外热像仪将大豆苗发出的不可见红外能量转变为可见的热图像，将热图像发送到温度采集检测模块，进行检测分析，随后对两种测温分析结果进行融合得到最终分析结果。
本发明通过对将育种区进行划分，针对不同大豆品种进行分区域监控，实现了全方面精准监控，使得大豆低温育种的智能监控系统更加精准。
本发明通过利用温度传感器和红外热像仪同时对育种区的温度进行测量，并对分析结果进行融合处理，得到更准确的温度结果，进一步对大豆育种更精准的进行监控，提高监控反馈速度。
优选地，通过温度传感器对育种区采集温度，得到温度数据集合W，
Figure 878278DEST_PATH_IMAGE006
Figure 131536DEST_PATH_IMAGE007
，其中N表示育种区划分的个数，即子育种区的总数，
Figure 247128DEST_PATH_IMAGE008
表示第k个育种区的温度数据集合,
Figure 287634DEST_PATH_IMAGE009
，针对每个育种区在不同时刻的温度采集集合
Figure 5929DEST_PATH_IMAGE010
，
Figure 441590DEST_PATH_IMAGE011
，其中
Figure 619761DEST_PATH_IMAGE012
表示第k个育种区中第j个温度传感器上第i次采集到的温度数据，
Figure 773662DEST_PATH_IMAGE013
。
优选地，在与温度传感器采集温度的相同时刻通过红外热像仪对大豆苗进行红外成像，得到红外图像集合P，
Figure 826807DEST_PATH_IMAGE014
，其中N表示育种区划分的个数，即子育种区的总数，
Figure 320236DEST_PATH_IMAGE015
表示第k个育种区的红外图像集合，
Figure 200467DEST_PATH_IMAGE016
Figure 543462DEST_PATH_IMAGE017
，针对每个育种区在不同时刻的红外图像生成集合
Figure 901762DEST_PATH_IMAGE015
，
Figure 780856DEST_PATH_IMAGE018
Figure 64945DEST_PATH_IMAGE019
，其中
Figure 131121DEST_PATH_IMAGE020
表示第k个育种区中第j个红外热像仪上第i次生成的红外图像，
Figure 293112DEST_PATH_IMAGE021
。
S12. 根据不同大豆品种，设置好适宜生长的低温温度，通过移动控制终端对各个育种区进行设置；
不同大豆品种适宜生长的低温温度不同，通过移动控制终端，对各个育种区进行温度区间设置，设置温度区间，同时设置报警温度门限区间
Figure 525248DEST_PATH_IMAGE022
，为预测报警模块提供数据依据，更好的实现对大豆低温育种的智能监控。
S2. 随后，分时段采集各个育种区的温度数据以及红外图像，并进行融合处理检测分析，根据分析结果移动控制终端制定相关温度调节策略。
通过对各个育种区的温度数据以及温度图像分别处理，得到处理结果，将处理结果进行融合处理，特别地，以第k个育种区为例，具体处理过程如下：
S21. 通过温度传感器对各育种区的温度进行实时采集，得到温度数据集合，并对其进行数据处理。
作为一个具体实施例，通过温度传感器对第k个育种区的温度采集的数据矩阵为：
Figure 481702DEST_PATH_IMAGE023
首先，对数据矩阵
Figure 566333DEST_PATH_IMAGE024
列向量进行处理，即对同一育种区域中不同温度传感器以及不同时刻的温度数据进行处理，将数据矩阵用以下形式表示
Figure 499392DEST_PATH_IMAGE025
Figure 353078DEST_PATH_IMAGE026
，其中
Figure 323177DEST_PATH_IMAGE027
表示数据矩阵的第j列，
Figure 629525DEST_PATH_IMAGE028
，
Figure 366274DEST_PATH_IMAGE029
Figure 808888DEST_PATH_IMAGE030
，
Figure 107145DEST_PATH_IMAGE031
表示矩阵或向量的转置；对
Figure 664903DEST_PATH_IMAGE032
进行去除无效数据处理，即去除最大值以及最小值，得到新一个数据向量，
Figure 910071DEST_PATH_IMAGE033
，随后对数据分别进行加权均值处理以及贡献度均值处理，具体过程如下：
加权均值处理：
Figure 738350DEST_PATH_IMAGE034
其中，
Figure 440464DEST_PATH_IMAGE035
表示权重矩阵中的元素，所述权重矩阵表示每个温度传感器在不同时刻的权重值，
Figure 455825DEST_PATH_IMAGE036
，其中，
Figure 35842DEST_PATH_IMAGE037
表示第i次第j个温度传感器采集温度数据的权重值，
Figure 482742DEST_PATH_IMAGE038
，所述权重值根据温度传感器所在位置对温度测量影响来定义；
贡献度均值处理：
Figure 326064DEST_PATH_IMAGE039
其中，
Figure 94300DEST_PATH_IMAGE040
表示贡献度矩阵中的元素，所述贡献度矩阵表示每个温度传感器在不同时刻的贡献度，
Figure 976543DEST_PATH_IMAGE041
，其中，
Figure 248255DEST_PATH_IMAGE042
表示第第i次第j个温度传感器采集温度数据的贡献度，
Figure 315610DEST_PATH_IMAGE043
，所述贡献度根据温度传感器工作准确度进行定义；
本发明通过对温度传感器采集到的温度进行权重均值以及贡献度均值处理，使得获得更为准确的温度数据，进一步更精准的对大豆育种温度进行监控，增加系统高效性。
通过对权重均值以及贡献度均值进行算术平均，得到各个温度传感器的温度数据，最后对各个温度传感器的温度数据进行算术平均得到最终温度传感器温度处理结果
Figure 571142DEST_PATH_IMAGE044
。
S22. 通过红外热像仪对各育种区的温度进行实时成像，得到温度图像集合，并对其进行图像处理。
作为一个具体实施例，通过红外热像仪对第k个育种区的温度采集的图像矩阵为：
Figure 492961DEST_PATH_IMAGE045
每个红外图像都可以分为R、G、B三种分量，其中R为红色分量，G为绿色分量，B为蓝色分量。灰度大小为0~255之间，灰度图像每个像素点都有对应的灰度值。
将每个图像的进行灰度化处理，具体实现过程如下：令R、G、B三个分量的大小取三个值的平均大小，即
Figure 383295DEST_PATH_IMAGE046
，同时令R、G、B三个分量的大小取三个值的加权平均值，即
Figure 99578DEST_PATH_IMAGE047
Figure 842406DEST_PATH_IMAGE048
，其中
Figure 535293DEST_PATH_IMAGE049
为R，G，B三个分量的加权值。
本发明引入优化算子，
Figure 312756DEST_PATH_IMAGE050
最后有：
Figure 199941DEST_PATH_IMAGE051
本发明通过引入优化算子，将图像代表分量平均值以及加权平均值来对图像进行灰度化处理，使得该过程更准确，图像轮廓更清晰，为后面处理做好准备，同时使得处理过程更加准确。
随后对灰度化处理后的红外图像进行拉抻处理，定义原图像中任意点
Figure 663021DEST_PATH_IMAGE052
的灰度为h，灰度值的区间为
Figure 192223DEST_PATH_IMAGE053
，变换后的图像灰度值为d，变换后的灰度区间范围为[0，255]，对比度拉伸后原灰度图像中灰度值为
Figure 293034DEST_PATH_IMAGE054
处的期望灰度值为
Figure 115234DEST_PATH_IMAGE055
，原灰度图像中灰度值为
Figure 301496DEST_PATH_IMAGE056
处的期望灰度值为
Figure 368809DEST_PATH_IMAGE057
，则对比度拉伸曲线的线性变换函数表达式为
Figure 353820DEST_PATH_IMAGE058
本发明通过对比度拉伸之后的图像更加清楚，降低无效部分的噪声，图像之间的对比度增加，为后面图像分析提供了很好的条件。
优选地，通过现有黑体定标技术确定红外图像的灰度值与成像目标的温度之间的函数关系，进一步，计算得到物体的温度，图像矩阵
Figure 113966DEST_PATH_IMAGE059
中第i行第j列的图像对应的物体温度表示为：
Figure 318682DEST_PATH_IMAGE060
其中，
Figure 625905DEST_PATH_IMAGE061
表示拉伸后灰度值的最小值，
Figure 232466DEST_PATH_IMAGE062
表示拉伸后的灰度值的最大值，a，b，c表示三次函数的系数，所述系数a，b，c通过多次仿真实验获得，
Figure 163513DEST_PATH_IMAGE063
表示当前标准红外图像的灰度值。
通过对所有红外图像的温度进行计算，得到温度数据矩阵：
Figure 822903DEST_PATH_IMAGE064
随后对上述温度数据矩阵T进行步骤S21的处理，得到最终红外热像仪的温度处理结果
Figure 232018DEST_PATH_IMAGE066
。
S23. 将步骤S21和步骤S22的温度处理结果进行融合处理，得到最终高温度分许结果，将结果反馈到移动控制终端，制定相应温度调节策略，并进行温度调节。
对最终温度传感器温度处理结果
Figure 693087DEST_PATH_IMAGE067
以及最终红外热像仪的温度处理结果
Figure 795035DEST_PATH_IMAGE069
通过引入融合因子进行处理：
Figure 676141DEST_PATH_IMAGE070
所述融合因子定义为：
Figure 154527DEST_PATH_IMAGE071
将最终温度结果T反馈到移动控制终端，根据温度结果制定相应温度调节策略，并进行温度调节，同时将温度T在数码显示模块进行展示。
本发明通过引入融合因子，对温度传感器温度处理结果以及最终红外热像仪温度处理结果进行融合处理，得到更为准确的温度数据，进一步制定更有效的处理策略，提高了大豆低温育种智能监控的系统效率。
S3.对整个育种区进行监控，根据检测数据分析结果，构建预警模型，进行预测报警。
构建预测预警模型，对育种区进行监控，将预测预警结果反馈至移动控制终端，随即做出应对策略，模型构建具体如下：
Figure 204522DEST_PATH_IMAGE072
其中，
Figure 975907DEST_PATH_IMAGE073
表示t-1时刻温度传感器对育种区采集的温度数据三维矩阵，
Figure 376932DEST_PATH_IMAGE074
表示t时刻温度传感器对育种区采集的温度数据三维矩阵，
Figure 659009DEST_PATH_IMAGE075
表示t-1时刻红外热像仪对育种区成像图像计算得到的温度数据三维矩阵，
Figure 327626DEST_PATH_IMAGE076
表示t时刻红外热像仪对育种区成像图像计算得到的温度数据三维矩阵，QW表示温度数据矩阵W的权重矩阵，QTH表示温度数据矩阵TH的权重矩阵，Out表示预测预警模型输出。
首先通过
Figure 771376DEST_PATH_IMAGE077
利用线性预测分别对下一时刻温度传感器以及红外热像仪对应的温度进行预测，得到温度传感器对育种区采集的温度数据矩阵W以及红外热像仪对育种区成像图像计算得到的温度数据矩阵HT，最后计算得到最终预测温度为：
Figure 659698DEST_PATH_IMAGE078
最后，与步骤S1中设置的报警门限区间
Figure 214307DEST_PATH_IMAGE079
进行比较，若
Figure 737430DEST_PATH_IMAGE080
时，则报警，若
Figure DEST_PATH_IMAGE081
时，则不报警。
特别地，将预测报警模型输出结果在数码显示模块进行显示，为育种区工作人员进行提示，同时将结果反馈至移动控制终端，若报警则采取应对措施。
本发明通过构建预测预警模型，对育种区进行监控，将预测预警结果反馈至移动控制终端，进一步制定对应策略，有效的保障了大豆持续保持低温育种，提高监控系统效率。
综上所述，便完成了本发明所述的一种面向精准农业的网络化大豆低温育种的智能监控系统。
本发明是参照根据本发明实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (3)

1.一种面向精准农业的网络化大豆低温育种的智能监控系统的运行方法，其特征在于,所述运行方法基于一种面向精准农业的网络化大豆低温育种的智能监控系统，所述智能监控系统包括以下部分：
育种区、移动控制终端、温度采集检测模块、数码显示模块、预测报警模块；
所述育种区为对大豆进行低温育种的农田区域，所述农田区域为适合大豆生长的土质田地；
所述移动控制终端，是用来对网络化大豆低温育种的监控系统进行随时随地操控的终端控制器，并根据各个模块的反馈信息制定策略，发布指令对育种区进行温度调节；
所述温度采集检测模块包含温度采集组件、温度检测组件以及温度分析组件；所述温度采集检测模块，通过温度采集组件对育种区内的温度进行实时采集，温度检测组件对采集到的温度实时监测，并通过温度分析组件对温度数据进行分析，将分析结果反馈到所述移动控制终端，所述移动控制终端做出对应调整策略进行调整；
所述数码显示模块，对网络化大豆低温育种的监控系统中所需数据进行分析处理并显示标志性参数；
所述预测报警模块，对育种期间的行为活动进行分析处理，评估等级并对危机状况进行预警并反馈到所述移动控制终端；
所述运行方法包括以下步骤：
S1. 移动控制终端对分布在育种区的各个模块发送控制请求，完成初步参数设置，为智能监控实现提供依据；
S2.分时段采集各个育种区的温度数据以及红外图像，并进行融合处理检测分析，根据分析结果移动控制终端制定相关温度调节策略；
S3.对整个育种区进行监控，根据检测数据分析结果，构建预测预警模型，进行预测报警；
所述步骤S2包括：
通过温度传感器对第k个育种区的温度采集的数据矩阵为：
Figure 207379DEST_PATH_IMAGE002
首先，对数据矩阵
Figure 983574DEST_PATH_IMAGE004
列向量进行处理，即对同一育种区域中不同温度传感器以及不同时刻的温度数据进行处理，将数据矩阵用以下形式表示
Figure 858251DEST_PATH_IMAGE006
，其中
Figure 846936DEST_PATH_IMAGE008
表示数据矩阵的第j列，
Figure 723625DEST_PATH_IMAGE010
，
Figure 169256DEST_PATH_IMAGE012
，
Figure 29765DEST_PATH_IMAGE014
表示矩阵或向量的转置；对
Figure 526867DEST_PATH_IMAGE016
进行去除无效数据处理，即去除最大值以及最小值，得到新一个数据向量，
Figure 320380DEST_PATH_IMAGE018
，随后对数据分别进行加权均值处理以及贡献度均值处理，具体过程如下：
加权均值处理：
Figure 907219DEST_PATH_IMAGE020
其中，
Figure 42576DEST_PATH_IMAGE022
表示权重矩阵中的元素，所述权重矩阵表示每个温度传感器在不同时刻的权重值，
Figure 576325DEST_PATH_IMAGE024
，其中，
Figure 958765DEST_PATH_IMAGE026
表示第i次第j个温度传感器采集温度数据的权重值，
Figure 483549DEST_PATH_IMAGE028
，所述权重值根据温度传感器所在位置对温度测量影响来定义；
贡献度均值处理：
Figure 521913DEST_PATH_IMAGE030
其中，
Figure 390512DEST_PATH_IMAGE032
表示贡献度矩阵中的元素，所述贡献度矩阵表示每个温度传感器在不同时刻的贡献度，
Figure 391572DEST_PATH_IMAGE034
，其中，
Figure 320214DEST_PATH_IMAGE036
表示第i次第j个温度传感器采集温度数据的贡献度，
Figure 845873DEST_PATH_IMAGE038
，所述贡献度根据温度传感器工作准确度进行定义；
所述步骤S3包括：
构建预测预警模型，对育种区进行监控，将预测预警结果反馈至移动控制终端，随即做出应对策略，模型构建具体如下：
Figure 19628DEST_PATH_IMAGE040
其中，
Figure 376660DEST_PATH_IMAGE042
表示t-1时刻温度传感器对育种区采集的温度数据三维矩阵，
Figure 945044DEST_PATH_IMAGE044
表示t时刻温度传感器对育种区采集的温度数据三维矩阵，
Figure 315589DEST_PATH_IMAGE046
表示t-1时刻红外热像仪对育种区成像图像计算得到的温度数据三维矩阵，
Figure 525991DEST_PATH_IMAGE048
表示t时刻红外热像仪对育种区成像图像计算得到的温度数据三维矩阵，QW表示温度数据矩阵W的权重矩阵，QTH表示温度数据矩阵TH的权重矩阵，Out表示预测预警模型输出；
首先通过
Figure 238994DEST_PATH_IMAGE050
利用线性预测分别对下一时刻温度传感器以及红外热像仪对应的温度进行预测，得到温度传感器对育种区采集的温度数据矩阵W以及红外热像仪对育种区成像图像计算得到的温度数据矩阵HT，最后计算得到最终预测温度为：
Figure 775018DEST_PATH_IMAGE052
最后，与步骤S1中设置的报警门限区间
Figure 9690DEST_PATH_IMAGE054
进行比较，若
Figure 787897DEST_PATH_IMAGE056
时，则报警，若
Figure 385100DEST_PATH_IMAGE058
时，则不报警。
2.根据权利要求1所述的一种面向精准农业的网络化大豆低温育种的智能监控系统的运行方法，其特征在于，所述步骤S1包括：
根据大豆品种将育种区分为N个子育种区域，并在每个子育种区域内设置m个温度传感器，对各育种区不同位置处的温度间隔周期T进行s次温度采集，得到育种区内实时温度并将温度数值转换成可用的输出信号，发送到温度采集检测模块， 进行检测分析；同时各育种区域增加n个红外热像仪，红外热像仪将大豆苗发出的不可见红外能量转变为可见的热图像，将热图像发送到温度采集检测模块，进行检测分析，随后对两种测温分析结果进行融合得到最终分析结果。
3.根据权利要求1所述的一种面向精准农业的网络化大豆低温育种的智能监控系统的运行方法，其特征在于，所述S2包括：
通过红外热像仪对各育种区的温度进行实时成像，得到温度图像集合，并对其进行图像处理：
通过红外热像仪对第k个育种区的温度采集的图像矩阵为：
Figure 593490DEST_PATH_IMAGE060
每个红外图像都可以分为R、G、B三种分量，其中R为红色分量，G为绿色分量，B为蓝色分量；灰度大小为0~255之间，灰度图像每个像素点都有对应的灰度值；
将每个图像的进行灰度化处理，随后对灰度化处理后的红外图像进行拉抻处理，确定红外图像的灰度值与成像目标的温度之间的函数关系，计算得到物体的温度，图像矩阵
Figure 112196DEST_PATH_IMAGE062
中第i行第j列的图像对应的物体温度表示为：
Figure 929979DEST_PATH_IMAGE064
其中，
Figure DEST_PATH_IMAGE066
表示拉伸后灰度值的最小值，
Figure DEST_PATH_IMAGE068
表示拉伸后的灰度值的最大值，a，b，c表示三次函数的系数，所述系数a，b，c通过多次仿真实验获得，
Figure DEST_PATH_IMAGE070
表示当前标准红外图像的灰度值。
CN202210806985.1A 2022-07-11 2022-07-11 一种面向精准农业的网络化大豆低温育种的智能监控系统 Active CN114879585B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210806985.1A CN114879585B (zh) 2022-07-11 2022-07-11 一种面向精准农业的网络化大豆低温育种的智能监控系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210806985.1A CN114879585B (zh) 2022-07-11 2022-07-11 一种面向精准农业的网络化大豆低温育种的智能监控系统

Publications (2)

Publication Number Publication Date
CN114879585A CN114879585A (zh) 2022-08-09
CN114879585B true CN114879585B (zh) 2022-10-25

Family

ID=82683144

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210806985.1A Active CN114879585B (zh) 2022-07-11 2022-07-11 一种面向精准农业的网络化大豆低温育种的智能监控系统

Country Status (1)

Country Link
CN (1) CN114879585B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117541177B (zh) * 2023-11-09 2024-08-06 南京邮电大学 一种基于大数据的智慧农业监控管理方法及系统
CN117972613B (zh) * 2024-03-20 2024-08-30 湖南鸿熙电力科技有限公司 一种应用数据分析技术的配电柜数据管理系统及方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN205507511U (zh) * 2016-01-04 2016-08-24 哈尔滨理工大学 一种面向精准农业的网络化育种催芽监控系统
CN113449917A (zh) * 2021-06-29 2021-09-28 深圳七号家园信息技术有限公司 一种农业精准种植预警管理方法及系统
WO2022032614A1 (zh) * 2020-08-14 2022-02-17 江苏天人工业互联网研究院有限公司 基于5g的智慧农业大棚监控系统

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10234439B2 (en) * 2012-11-07 2019-03-19 Airscout Inc. Methods and systems for analyzing a field
CN104406636A (zh) * 2014-12-02 2015-03-11 福建工程学院 育种基地温室监测装置
CN111344738B (zh) * 2017-11-15 2024-03-29 日本电气方案创新株式会社 在农场中收集育种数据、分析育种特征的设备、方法
CN113298280A (zh) * 2020-02-21 2021-08-24 贵州航天智慧农业有限公司 农业育种大数据的深度挖掘与智能决策算法
CN112710661B (zh) * 2020-12-25 2022-07-22 河北北方学院 一种马铃薯育种监测分析方法及系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN205507511U (zh) * 2016-01-04 2016-08-24 哈尔滨理工大学 一种面向精准农业的网络化育种催芽监控系统
WO2022032614A1 (zh) * 2020-08-14 2022-02-17 江苏天人工业互联网研究院有限公司 基于5g的智慧农业大棚监控系统
CN113449917A (zh) * 2021-06-29 2021-09-28 深圳七号家园信息技术有限公司 一种农业精准种植预警管理方法及系统

Also Published As

Publication number Publication date
CN114879585A (zh) 2022-08-09

Similar Documents

Publication Publication Date Title
CN114879585B (zh) 一种面向精准农业的网络化大豆低温育种的智能监控系统
CN106406403B (zh) 一种基于增强现实的农业管控系统
CN111328735B (zh) 基于大数据的智能化养殖场管理方法和系统
Jiang et al. Three-dimensional time-lapse analysis reveals multiscale relationships in maize root systems with contrasting architectures
CN111008733B (zh) 一种作物生长管控方法和系统
CN108739052A (zh) 一种食用菌生长参数寻优的系统和方法
KR102095539B1 (ko) 인삼의 영상 이미지 분석을 통한 생육량 측정 방법
CN108919768A (zh) 一种农业管理系统及方法
CN114269041A (zh) 一种基于led植物补光智能控制方法及其系统
CN117391482A (zh) 一种基于大数据监测的大棚温度智能预警方法及系统
CN115880433A (zh) 一种基于数字孪生的农作物培育优化方法
CN116108318B (zh) 基于无人机多光谱影像的油菜氮肥推荐追施量计算的方法
CN115793756A (zh) 用于调节植物生长周期的种植柜环境控制系统
CN116452358B (zh) 基于物联网的智慧农业管理系统
CN117354988A (zh) 基于环境光传感的温室led照明闭环控制方法及系统
KR102039744B1 (ko) 식물공장용 작물 생육 환경 조건 제어값 산출을 위한 피드백 제어 데이터를 수집하고 분석하기 위한 제어 방법
CN111160250A (zh) 一种基于人工神经网络的蓝莓生长期检测方法及装置
JP6943725B2 (ja) 生長状態予測装置
CN116702584A (zh) 一种用于养殖集装箱的水质监测系统
CN113796228B (zh) 一种基于数字孪生的植物培育系统及方法
Santhosh Kumar et al. Review on disease detection of plants using image processing and machine learning techniques
CN115545962A (zh) 一种基于多传感器系统的作物生长周期管控方法及系统
CN115203979A (zh) 一种生物环境仿真模拟控制方法和系统
CN118411060B (zh) 一种智慧农业5g平台系统
Watawana et al. Automated microgreen phenotyping for yield estimation using a consumer-grade depth camera

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