CN115908758A - 基于ar技术的智慧农业大棚全景展示的操作方法及系统 - Google Patents
基于ar技术的智慧农业大棚全景展示的操作方法及系统 Download PDFInfo
- Publication number
- CN115908758A CN115908758A CN202310010246.6A CN202310010246A CN115908758A CN 115908758 A CN115908758 A CN 115908758A CN 202310010246 A CN202310010246 A CN 202310010246A CN 115908758 A CN115908758 A CN 115908758A
- Authority
- CN
- China
- Prior art keywords
- greenhouse
- image
- value
- measured
- images
- 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
-
- 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
- Image Processing (AREA)
Abstract
本发明公开了一种基于AR技术的智慧农业大棚全景展示的操作方法及系统,所述方法包括:在农业大棚内布设拍摄点位,采集农业大棚的全景图像;利用神经网络算法对采集的图像进行识别,并对分散的图像进行拼接;利用基于梯度变化的大棚棚顶检测算法,优化拍摄所得图像的顶部;基于人工智能AI算法,对相互重叠、冗余的图像进行删除,提高图像拼接的融合度;利用内嵌的图像处理软件,根据用户需求对拼接后的图像进行修改完善。本发明提出的基于梯度变化的大棚棚顶检测算法能够优化拍摄所得图像的顶部;此外,本发明还提供一种针对温度测量结果进行检验的方法,能够有效提升农业大棚全景可视化监控操作的便利性和准确性。
Description
技术领域
本发明涉及智慧农业大棚技术领域,特别涉及一种基于AR技术的智慧农业大棚全景展示的操作方法及系统。
背景技术
农业农村部在关于大力发展智慧农业推进农业专业化社会化服务的建议中指出,要推进物联网、人工智能、区块链等新一代信息技术与农业深度融合,加快农业生产经营、管理服务数字化转型。
近年来,随着计算机技术和虚拟现实技术的发展,AR全景技术广泛应用于智慧旅游、智慧校园、数字博物馆等领域。AR全景技术以其强烈的沉浸感和交互性,给用户身临其境的视觉体验来展现目标对象环境。然而,目前在智慧农业领域,AR全景技术的应用较为空白。
因此,基于现有技术,将智慧农业探测装置、信息收集装置、拍照测试装置、遥感无人机装置等融入AR虚拟现实场景,运用传感器和软件通过移动平台或者电脑平台对农业生产进行控制,将物联网技术运用到传统农业中,能够使传统农业更具有“智慧”。
发明内容
本发明的目的在于提供一种基于AR技术的智慧农业大棚全景展示的操作方法及系统,以改进农业大棚的全景可视化监控操作。
为解决上述技术问题,本发明的实施例提供如下方案:
一方面,提供了一种基于AR技术的智慧农业大棚全景展示的操作方法,包括以下步骤:
在农业大棚内布设拍摄点位,采集农业大棚的全景图像;
利用神经网络算法对采集的图像进行识别,并对分散的图像进行拼接;
利用基于梯度变化的大棚棚顶检测算法,优化拍摄所得图像的顶部;
基于人工智能AI算法,对相互重叠、冗余的图像进行删除,提高图像拼接的融合度;
利用内嵌的图像处理软件,根据用户需求对拼接后的图像进行修改完善。
优选地,布设的拍摄点位覆盖传感器所在位置,拍摄时使用三脚架和/或云台作为辅助工具,利用不低于8000万像素的超高清相机进行拍摄。
优选地,所述基于梯度变化的大棚棚顶检测算法包括:
将所获取的图像信息按照垂直方向单个坐标轴从上到下对梯度变化进行检测,梯度变化超过梯度阈值则认为此处存在大棚的棚顶,上下分别为棚顶与大棚内景;通过对所有可能的梯度阈值进行遍历,借助能量函数得出最佳分界线;获取最佳分界线后,则认定该最佳分界线的上半部分为棚顶区域,下半部分为大棚内景区域;
由于最佳分界线与图像中垂线垂直,因此算法可以在一维空间里对梯度阈值进行搜索并结合能量函数进行优化;即定义函数为天际线,
H和
W分别为图像的高度与宽度,因此大棚棚顶和大棚内景分为:
其中为所要处理的二维图像中的某点;为大棚顶部约束条件函数表达式,为照片顶部约束条件函数表达式;
在此引入能量函数作为优化目标:
上面公式中,
J表示能量值,与是用RGB值表征的大棚棚顶和大棚内景的协方差矩阵,表示大棚棚顶区域的均匀性,是协方差矩阵的特征值,与分别表示大棚棚顶和大棚内景的协方差矩阵特征值变换。
优选地,图像拼接时,若因天际线不重合导致匹配不自洽的情形,此时自行匹配同名控制点,对图像内不衔接的地方进行删除,并且通过调节图像大小及旋转操作,提高图像拼接的融合度;
之后,利用内嵌的Photoshop软件,根据用户需求对拼接后的图像进行修改完善,包括:运用羽化、增强曝光工具修补残缺,调整光线缺陷。
优选地,所述方法还包括以下步骤:
农业大棚内的温度传感器在不同时间段内,在既定范围内移动测温,并求平均值;具体地,温度传感器每隔20s测一次温度,共测量30次,其中5分钟为一组,也就是按时间测量前后,每测量15次的数值为一组值,每次有效测量共得到两组值;
对于每测量15次为一组得到的每次测量的温度,单位摄氏度;通过以下公式得到每组测量值的温度,其计算公式如下:
对于两组测量值,则分别记作和;
为了使测量结果更准确,通过以下方式对测量的温度值进行检验:
每次测量得到的两组测量值的方差,分别记作和:
其中,指或,指或,为对应测量值的方差,为对应测量值的方差;
定义测量检验因子准确度的的表达式为:
当小于预设值时,认为所测得的结果有效,则采用本次测量的两组值;
进而记最终的测量结果为,其中:
若大于等于预设值,则不采用这两组测量结果,由温度传感器继续重复
上述测量过程,再次测量,直至小于预设值时,再采用测量数据进行计算。
一方面,提供了一种基于AR技术的智慧农业大棚全景展示的操作系统,所述操作系统包括图像采集与处理模块,所述图像采集与处理模块用于:
在农业大棚内布设拍摄点位,采集农业大棚的全景图像;
利用神经网络算法对采集的图像进行识别,并对分散的图像进行拼接;
利用基于梯度变化的大棚棚顶检测算法,优化拍摄所得图像的顶部;
基于人工智能AI算法,对相互重叠、冗余的图像进行删除,提高图像拼接的融合度;
利用内嵌的图像处理软件,根据用户需求对拼接后的图像进行修改完善。
优选地,布设的拍摄点位覆盖传感器所在位置,拍摄时使用三脚架和/或云台作为辅助工具,利用不低于8000万像素的超高清相机进行拍摄。
优选地,所述基于梯度变化的大棚棚顶检测算法包括:
将所获取的图像信息按照垂直方向单个坐标轴从上到下对梯度变化进行检测,梯度变化超过梯度阈值则认为此处存在大棚的棚顶,上下分别为棚顶与大棚内景;通过对所有可能的梯度阈值进行遍历,借助能量函数得出最佳分界线;获取最佳分界线后,则认定该最佳分界线的上半部分为棚顶区域,下半部分为大棚内景区域;
由于最佳分界线与图像中垂线垂直,因此算法可以在一维空间里对梯度阈值进行搜索并结合能量函数进行优化;即定义函数为天际线,
H和
W分别为图像的高度与宽度,因此大棚棚顶和大棚内景分为:
其中为所要处理的二维图像中的某点;为大棚顶部约束条件函数表达式,为照片顶部约束条件函数表达式;
在此引入能量函数作为优化目标:
上面公式中,
J表示能量值,与是用RGB值表征的大棚棚顶和大棚内景的协方差矩阵,表示大棚棚顶区域的均匀性,是协方差矩阵的特征值,与分别表示大棚棚顶和大棚内景的协方差矩阵特征值变换。
优选地,图像拼接时,若因天际线不重合导致匹配不自洽的情形,此时自行匹配同名控制点,对图像内不衔接的地方进行删除,并且通过调节图像大小及旋转操作,提高图像拼接的融合度;
之后,利用内嵌的Photoshop软件,根据用户需求对拼接后的图像进行修改完善,包括:运用羽化、增强曝光工具修补残缺,调整光线缺陷。
优选地,所述系统还包括传感器控制模块,所述传感器控制模块用于:
控制农业大棚内的温度传感器在不同时间段内,在既定范围内移动测温,并求平均值;
具体地,温度传感器每隔20s测一次温度,共测量30次,其中5分钟为一组,也就是按时间测量前后,每测量15次的数值为一组值,每次有效测量共得到两组值;
对于每测量15次为一组得到的每次测量的温度,单位摄氏度;通过以下公式得到每组测量值的温度,其计算公式如下:
对于两组测量值,则分别记作和;
为了使测量结果更准确,通过以下方式对测量的温度值进行检验:
每次测量得到的两组测量值的方差,分别记作和:
其中,指或,指或,为对应测量值的方差,为对应测量值的方差;
定义测量检验因子准确度的的表达式为:
当小于预设值时,认为所测得的结果有效,则采用本次测量的两组值;
进而记最终的测量结果为,其中:
若大于等于预设值,则不采用这两组测量结果,由温度传感器继续重复
上述测量过程,再次测量,直至小于预设值时,再采用测量数据进行计算。
本发明实施例提供的技术方案带来的有益效果至少包括:
本发明针对相机拍摄的角度受限,往往无法拍到大棚顶部的问题,提出了一种创新的基于梯度变化的大棚棚顶检测算法,能够优化拍摄所得图像的顶部;
针对温度传感器移动测温求取平均值的测量过程,独创性地提出了一种测量结果的检验方法,对温度测量结果进行检验;本发明提供的基于AR技术的智慧农业大棚全景展示的操作方法及系统能够有效提升农业大棚全景可视化监控操作的便利性和准确性。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的基于AR技术的智慧农业大棚全景展示的操作方法的流程图;
图2是本发明实施例提供的基于AR技术的智慧农业大棚全景展示的操作系统的结构示意图。
如图所示,为了能明确实现本发明的实施例的结构,在图中标注了特定的结构和器件,但这仅为示意需要,并非意图将本发明限定在该特定结构、器件和环境中,根据具体需要,本领域的普通技术人员可以将这些器件和环境进行调整或者修改,所进行的调整或者修改仍然包括在本发明的保护范围中。
具体实施方式
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,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做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。
本发明的实施例首先提供了一种基于AR技术的智慧农业大棚全景展示的操作方法,如图1所示,所述方法包括以下步骤:
(1)在农业大棚内布设拍摄点位,采集农业大棚的全景图像。
其中,布设的拍摄点位应覆盖传感器所在位置,并对传感器所在位置进行重点拍摄。拍摄时,使用三脚架和/或云台等作为辅助工具,并利用不低于8000万像素的超高清相机进行拍摄。本步骤主要采集各个视角的图像,以供后续处理成AR全景视野。
(2)利用神经网络算法对采集的图像进行识别,并对分散的图像进行拼接。
拍摄的图像通常是较为分散的图像,这里通过采用神经网络算法对图像中的物体进行识别,并根据识别结果,将分散的图像拼接成连续的全景图像。
(3)利用基于梯度变化的大棚棚顶检测算法,优化拍摄所得图像的顶部。
在实际拍摄中,由于相机拍摄的角度受限,往往无法拍到大棚顶部,考虑到三脚架、云台等的稳定性,本发明提出了一种创新算法,以优化拍摄所得的图片的顶部。
具体地,所述基于梯度变化的大棚棚顶检测算法包括:
将所获取的图像信息按照垂直方向单个坐标轴从上到下对梯度变化进行检测,梯度变化超过梯度阈值则认为此处存在大棚的棚顶,上下分别为棚顶与大棚内景;通过对所有可能的梯度阈值进行遍历,借助能量函数得出最佳分界线;获取最佳分界线后,则认定该最佳分界线的上半部分为棚顶区域,下半部分为大棚内景区域;
由于最佳分界线与图像中垂线垂直,因此算法可以在一维空间里对梯度阈值进行搜索并结合能量函数进行优化;即定义函数为天际线,
H和
W分别为图像的高度与宽度,因此大棚棚顶和大棚内景分为:
其中为所要处理的二维图像中的某点;为大棚顶部约束条件函数表达式,为照片顶部约束条件函数表达式;
在此引入能量函数作为优化目标:
上面公式中,
J表示能量值,与是用RGB值表征的大棚棚顶和大棚内景的协方差矩阵,表示大棚棚顶区域的均匀性,是协方差矩阵的特征值,与分别表示大棚棚顶和大棚内景的协方差矩阵特征值变换。
(4)基于人工智能AI算法,对相互重叠、冗余的图像进行删除,提高图像拼接的融合度。
图像拼接时,若因天际线不重合导致匹配不自洽的情形,此时自行匹配同名控制点,对图像内不衔接的地方进行删除,并且通过调节图像大小及旋转操作,提高图像拼接的融合度。
(5)利用内嵌的图像处理软件,根据用户需求对拼接后的图像进行修改完善。
作为本发明的一种具体实施方式,系统内嵌Photoshop软件,利用内嵌的Photoshop软件,根据用户需求对拼接后的图像进行修改完善,包括:运用羽化、增强曝光工具修补残缺,调整光线缺陷等。
进一步地,所述方法还包括以下步骤:
农业大棚内的温度传感器在不同时间段内,在既定范围内移动测温,并求平均值。
具体地,温度传感器每隔20s测一次温度,共测量30次,其中5分钟为一组,也就是按时间测量前后,每测量15次的数值为一组值,每次有效测量共得到两组值。
对于每测量15次为一组得到的每次测量的温度,单位摄氏度;通过以下公式得到每组测量值的温度,其计算公式如下:
对于两组测量值,则分别记作和。
为了使测量结果更准确,通过以下方式对测量的温度值进行检验:
每次测量得到的两组测量值的方差,分别记作和:
其中,指或,指或,为对应测量值的方差,为对应测量值的方差;
定义测量检验因子准确度的的表达式为:
当小于预设值时,认为所测得的结果有效,则采用本次测量的两组值;
进而记最终的测量结果为,其中:
若大于等于预设值,则不采用这两组测量结果,由温度传感器继续重复
上述测量过程,再次测量,直至小于预设值时,再采用测量数据进行计算。
作为本发明的一种具体实施方式,通过查验检验量表,所述预设值取值为4.600。当<4.600时,说明所测得的结果有效,则采用本次测量的2组值;若≥4.600,则不采用这2组测量结果,由温度传感器继续重复上述测量过程,直至<4.600时,再采用测量数据进行计算。
本发明针对相机拍摄的角度受限,往往无法拍到大棚顶部的问题,提出了一种创新的基于梯度变化的大棚棚顶检测算法,能够优化拍摄所得图像的顶部;
针对温度传感器移动测温求取平均值的测量过程,独创性地提出了一种测量结果的检验方法,对温度测量结果进行检验;本发明提供的基于AR技术的智慧农业大棚全景展示的操作方法及系统能够有效提升农业大棚全景可视化监控操作的便利性和准确性。
相应地,本发明的实施例还提供了一种基于AR技术的智慧农业大棚全景展示的操作系统,如图2所示,所述系统包括:图像采集与处理模块和传感器控制模块。
所述图像采集与处理模块用于:
在农业大棚内布设拍摄点位,采集农业大棚的全景图像;
利用神经网络算法对采集的图像进行识别,并对分散的图像进行拼接;
利用基于梯度变化的大棚棚顶检测算法,优化拍摄所得图像的顶部;
基于人工智能AI算法,对相互重叠、冗余的图像进行删除,提高图像拼接的融合度;
利用内嵌的图像处理软件,根据用户需求对拼接后的图像进行修改完善。
其中,所述基于梯度变化的大棚棚顶检测算法包括:
将所获取的图像信息按照垂直方向单个坐标轴从上到下对梯度变化进行检测,梯度变化超过梯度阈值则认为此处存在大棚的棚顶,上下分别为棚顶与大棚内景;通过对所有可能的梯度阈值进行遍历,借助能量函数得出最佳分界线;获取最佳分界线后,则认定该最佳分界线的上半部分为棚顶区域,下半部分为大棚内景区域;
由于最佳分界线与图像中垂线垂直,因此算法可以在一维空间里对梯度阈值进行搜索并结合能量函数进行优化;即定义函数为天际线,
H和
W分别为图像的高度与宽度,因此大棚棚顶和大棚内景分为:
其中为所要处理的二维图像中的某点;为大棚顶部约束条件函数表达式,为照片顶部约束条件函数表达式;
在此引入能量函数作为优化目标:
上面公式中,
J表示能量值,与是用RGB值表征的大棚棚顶和大棚内景的协方差矩阵,表示大棚棚顶区域的均匀性,是协方差矩阵的特征值,与分别表示大棚棚顶和大棚内景的协方差矩阵特征值变换。
所述传感器控制模块用于:
控制农业大棚内的温度传感器在不同时间段内,在既定范围内移动测温,并求平均值。
具体地,温度传感器每隔20s测一次温度,共测量30次,其中5分钟为一组,也就是按时间测量前后,每测量15次的数值为一组值,每次有效测量共得到两组值。
对于每测量15次为一组得到的每次测量的温度,单位摄氏度;通过以下公式得到每组测量值的温度,其计算公式如下:
对于两组测量值,则分别记作和。
为了使测量结果更准确,通过以下方式对测量的温度值进行检验:
每次测量得到的两组测量值的方差,分别记作和:
其中,指或,指或,为对应测量值的方差,为对应测量值的方差;
定义测量检验因子准确度的的表达式为:
当小于预设值时,认为所测得的结果有效,则采用本次测量的两组值;
进而记最终的测量结果为,其中:
若大于等于预设值,则不采用这两组测量结果,由温度传感器继续重复
上述测量过程,再次测量,直至小于预设值时,再采用测量数据进行计算。
本实施例的系统,可以用于执行图1所示方法实施例的技术方案,其实现原理和技术效果类似,此处不再赘述。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
在说明书中提到“一个实施例”、“实施例”、“示例性实施例”、“一些实施例”等指示所述的实施例可以包括特定特征、结构或特性,但未必每个实施例都包括该特定特征、结构或特性。另外,在结合实施例描述特定特征、结构或特性时,结合其它实施例(无论是否明确描述)实现这种特征、结构或特性应在相关领域技术人员的知识范围内。
通常,可以至少部分从上下文中的使用来理解术语。例如,至少部分取决于上下文,本文中使用的术语“一个或多个”可以用于描述单数意义的任何特征、结构或特性,或者可以用于描述复数意义的特征、结构或特性的组合。另外,术语“基于”可以被理解为不一定旨在传达一组排他性的因素,而是可以替代地,至少部分地取决于上下文,允许存在不一定明确描述的其他因素。
本发明涵盖任何在本发明的精髓和范围上做的替代、修改、等效方法以及方案。为了使公众对本发明有彻底的了解,在以下本发明优选实施例中详细说明了具体的细节,而对本领域技术人员来说没有这些细节的描述也可以完全理解本发明。另外,为了避免对本发明的实质造成不必要的混淆,并没有详细说明众所周知的方法、过程、流程、元件和电路等。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于计算机可读取存储介质中,如:ROM/RAM、磁碟、光盘等。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,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AR技术的智慧农业大棚全景展示的操作方法,其特征在于,包括以下步骤:
在农业大棚内布设拍摄点位,采集农业大棚的全景图像;
利用神经网络算法对采集的图像进行识别,并对分散的图像进行拼接;
利用基于梯度变化的大棚棚顶检测算法,优化拍摄所得图像的顶部;
基于人工智能AI算法,对相互重叠、冗余的图像进行删除,提高图像拼接的融合度;
利用内嵌的图像处理软件,根据用户需求对拼接后的图像进行修改完善。
2.根据权利要求1所述的基于AR技术的智慧农业大棚全景展示的操作方法,其特征在于,布设的拍摄点位覆盖传感器所在位置,拍摄时使用三脚架和/或云台作为辅助工具,利用不低于8000万像素的超高清相机进行拍摄。
3.根据权利要求1所述的基于AR技术的智慧农业大棚全景展示的操作方法,其特征在于,所述基于梯度变化的大棚棚顶检测算法包括:
将所获取的图像信息按照垂直方向单个坐标轴从上到下对梯度变化进行检测,梯度变化超过梯度阈值则认为此处存在大棚的棚顶,上下分别为棚顶与大棚内景;通过对所有可能的梯度阈值进行遍历,借助能量函数得出最佳分界线;获取最佳分界线后,则认定该最佳分界线的上半部分为棚顶区域,下半部分为大棚内景区域;
由于最佳分界线与图像中垂线垂直,因此算法可以在一维空间里对梯度阈值进行搜索并结合能量函数进行优化;即定义函数天际线,H和W分别为图像的高度与宽度,因此大棚棚顶和大棚内景分为:
其中为所要处理的二维图像中的某点;为大棚顶部约束条件函数表达式,为照片顶部约束条件函数表达式;
在此引入能量函数作为优化目标:
上面公式中,J表示能量值,与是用RGB值表征的大棚棚顶和大棚内景的协方差矩阵,表示大棚棚顶区域的均匀性,是协方差矩阵的特征值,与分别表示大棚棚顶和大棚内景的协方差矩阵特征值变换。
4.根据权利要求1所述的基于AR技术的智慧农业大棚全景展示的操作方法,其特征在于,图像拼接时,若因天际线不重合导致匹配不自洽的情形,此时自行匹配同名控制点,对图像内不衔接的地方进行删除,并且通过调节图像大小及旋转操作,提高图像拼接的融合度;
之后,利用内嵌的Photoshop软件,根据用户需求对拼接后的图像进行修改完善,包括:运用羽化、增强曝光工具修补残缺,调整光线缺陷。
5.根据权利要求1所述的基于AR技术的智慧农业大棚全景展示的操作方法,其特征在于,所述方法还包括以下步骤:
农业大棚内的温度传感器在不同时间段内,在既定范围内移动测温,并求平均值;具体地,温度传感器每隔20s测一次温度,共测量30次,其中5分钟为一组,也就是按时间测量前后,每测量15次的数值为一组值,每次有效测量共得到两组值;
对于每测量15次为一组得到的每次测量的温度,单位摄氏度;通过以下公式得到每组测量值的温度,其计算公式如下:
对于两组测量值,则分别记作和;
为了使测量结果更准确,通过以下方式对测量的温度值进行检验:
每次测量得到的两组测量值的方差,分别记作和:
其中,指或,指或,为对应测量值的方差,为对应测量值的方差;
定义测量检验因子准确度的的表达式为:
当小于预设值时,认为所测得的结果有效,则采用本次测量的两组值;
进而记最终的测量结果为,其中:
若大于等于预设值,则不采用这两组测量结果,由温度传感器继续重复
上述测量过程,再次测量,直至小于预设值时,再采用测量数据进行计算。
6.一种基于AR技术的智慧农业大棚全景展示的操作系统,其特征在于,所述操作系统包括图像采集与处理模块,所述图像采集与处理模块用于:
在农业大棚内布设拍摄点位,采集农业大棚的全景图像;
利用神经网络算法对采集的图像进行识别,并对分散的图像进行拼接;
利用基于梯度变化的大棚棚顶检测算法,优化拍摄所得图像的顶部;
基于人工智能AI算法,对相互重叠、冗余的图像进行删除,提高图像拼接的融合度;
利用内嵌的图像处理软件,根据用户需求对拼接后的图像进行修改完善。
7.根据权利要求6所述的基于AR技术的智慧农业大棚全景展示的操作系统,其特征在于,布设的拍摄点位覆盖传感器所在位置,拍摄时使用三脚架和/或云台作为辅助工具,利用不低于8000万像素的超高清相机进行拍摄。
8.根据权利要求6所述的基于AR技术的智慧农业大棚全景展示的操作系统,其特征在于,所述基于梯度变化的大棚棚顶检测算法包括:
将所获取的图像信息按照垂直方向单个坐标轴从上到下对梯度变化进行检测,梯度变化超过梯度阈值则认为此处存在大棚的棚顶,上下分别为棚顶与大棚内景;通过对所有可能的梯度阈值进行遍历,借助能量函数得出最佳分界线;获取最佳分界线后,则认定该最佳分界线的上半部分为棚顶区域,下半部分为大棚内景区域;
由于最佳分界线与图像中垂线垂直,因此算法可以在一维空间里对梯度阈值进行搜索并结合能量函数进行优化;即定义函数为天际线,H和W分别为图像的高度与宽度,因此大棚棚顶和大棚内景分为:
其中为所要处理的二维图像中的某点;为大棚顶部约束条件函数表达式,为照片顶部约束条件函数表达式;
在此引入能量函数作为优化目标:
上面公式中,J表示能量值,与是用RGB值表征的大棚棚顶和大棚内景的协方差矩阵,表示大棚棚顶区域的均匀性,是协方差矩阵的特征值,与分别表示大棚棚顶和大棚内景的协方差矩阵特征值变换。
9.根据权利要求6所述的基于AR技术的智慧农业大棚全景展示的操作系统,其特征在于,图像拼接时,若因天际线不重合导致匹配不自洽的情形,此时自行匹配同名控制点,对图像内不衔接的地方进行删除,并且通过调节图像大小及旋转操作,提高图像拼接的融合度;
之后,利用内嵌的Photoshop软件,根据用户需求对拼接后的图像进行修改完善,包括:运用羽化、增强曝光工具修补残缺,调整光线缺陷。
10.根据权利要求6所述的基于AR技术的智慧农业大棚全景展示的操作系统,其特征在于,所述系统还包括传感器控制模块,所述传感器控制模块用于:
控制农业大棚内的温度传感器在不同时间段内,在既定范围内移动测温,并求平均值;
具体地,温度传感器每隔20s测一次温度,共测量30次,其中5分钟为一组,也就是按时间测量前后,每测量15次的数值为一组值,每次有效测量共得到两组值;
对于每测量15次为一组得到的每次测量的温度,单位摄氏度;通过以下公式得到每组测量值的温度,其计算公式如下:
对于两组测量值,则分别记作和 ;
为了使测量结果更准确,通过以下方式对测量的温度值进行检验:
每次测量得到的两组测量值的方差,分别记作和:
其中,指或,指或,为对应测量值的方差,为对应测量值的方差;
定义测量检验因子准确度的的表达式为:
当小于预设值时,认为所测得的结果有效,则采用本次测量的两组值;
进而记最终的测量结果为,其中:
若大于等于预设值,则不采用这两组测量结果,由温度传感器继续重复
上述测量过程,再次测量,直至小于预设值时,再采用测量数据进行计算。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310010246.6A CN115908758B (zh) | 2023-01-05 | 2023-01-05 | 基于ar技术的智慧农业大棚全景展示的操作方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310010246.6A CN115908758B (zh) | 2023-01-05 | 2023-01-05 | 基于ar技术的智慧农业大棚全景展示的操作方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115908758A true CN115908758A (zh) | 2023-04-04 |
CN115908758B CN115908758B (zh) | 2023-07-14 |
Family
ID=86497010
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310010246.6A Active CN115908758B (zh) | 2023-01-05 | 2023-01-05 | 基于ar技术的智慧农业大棚全景展示的操作方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115908758B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010011106A (ja) * | 2008-06-27 | 2010-01-14 | Nyuurii Kk | 壁面、天井面を高精細に再現できる撮影方法 |
CN106980671A (zh) * | 2017-03-27 | 2017-07-25 | 周睿 | 基于vr虚拟实景的农作物品种技术网络展示平台 |
CN109493353A (zh) * | 2018-10-06 | 2019-03-19 | 中国航空工业集团公司洛阳电光设备研究所 | 一种海天背景下海天分界线的检出方法 |
CN112085659A (zh) * | 2020-09-11 | 2020-12-15 | 中德(珠海)人工智能研究院有限公司 | 一种基于球幕相机的全景拼接融合方法、系统及存储介质 |
US20210385378A1 (en) * | 2020-06-05 | 2021-12-09 | Zillow, Inc. | Automated Generation On Mobile Devices Of Panorama Images For Building Locations And Subsequent Use |
-
2023
- 2023-01-05 CN CN202310010246.6A patent/CN115908758B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010011106A (ja) * | 2008-06-27 | 2010-01-14 | Nyuurii Kk | 壁面、天井面を高精細に再現できる撮影方法 |
CN106980671A (zh) * | 2017-03-27 | 2017-07-25 | 周睿 | 基于vr虚拟实景的农作物品种技术网络展示平台 |
CN109493353A (zh) * | 2018-10-06 | 2019-03-19 | 中国航空工业集团公司洛阳电光设备研究所 | 一种海天背景下海天分界线的检出方法 |
US20210385378A1 (en) * | 2020-06-05 | 2021-12-09 | Zillow, Inc. | Automated Generation On Mobile Devices Of Panorama Images For Building Locations And Subsequent Use |
CN112085659A (zh) * | 2020-09-11 | 2020-12-15 | 中德(珠海)人工智能研究院有限公司 | 一种基于球幕相机的全景拼接融合方法、系统及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN115908758B (zh) | 2023-07-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109978755B (zh) | 全景图像合成方法、装置、设备与存储介质 | |
CN109285145B (zh) | 基于智能手机的多株立木高度测量方法 | |
CN113345019B (zh) | 一种输电线路通道隐患目标测距方法、设备及介质 | |
CN108564065B (zh) | 一种基于ssd的电缆隧道明火识别方法 | |
CN104484648A (zh) | 基于轮廓识别的机器人可变视角障碍物检测方法 | |
CN107687841A (zh) | 一种测距方法及装置 | |
US20160133008A1 (en) | Crack data collection method and crack data collection program | |
EP3023912A1 (en) | Crack data collection apparatus and server apparatus to collect crack data | |
CN112686938A (zh) | 基于双目图像测距的输电线路净距计算与安全告警方法 | |
CN110930382A (zh) | 基于标定板特征点提取的点云拼接精度评估方法及系统 | |
CN112288848A (zh) | 无人机航拍三维建模计算工程量的方法 | |
WO2020093631A1 (zh) | 一种基于深度实例分割网络的天线下倾角测量方法 | |
CN112116637B (zh) | 基于无人机3d激光扫描技术的电力塔自动检测方法及系统 | |
Knyaz et al. | Joint geometric calibration of color and thermal cameras for synchronized multimodal dataset creating | |
CN113947724A (zh) | 一种基于双目视觉的线路覆冰厚度自动测量方法 | |
CN109883400A (zh) | 基于yolo-sitcol的固定站自动目标检测与空间定位方法 | |
CN117078624A (zh) | 一种基于多维注意力模块的轻量化混凝土裂缝检测方法及装置 | |
CN115908758A (zh) | 基于ar技术的智慧农业大棚全景展示的操作方法及系统 | |
CN114608522B (zh) | 一种基于视觉的障碍物识别与测距方法 | |
CN115272815A (zh) | 一种基于图像的电缆隧道环境异常识别方法 | |
CN113884017B (zh) | 一种基于三目视觉的绝缘子的非接触形变检测方法及系统 | |
CN117994737B (zh) | 一种智慧工地管控平台的监控报警系统及方法 | |
CN116704138B (zh) | 倾斜摄影三维模型的建立方法及装置 | |
Berveglieri et al. | A feasibility study on the measurement of tree trunks in forests using multi-scale vertical images | |
CN117911907B (zh) | 基于无人机的幕墙启闭状态检测方法、巡检系统及介质 |
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 |