CN116721236A - 一种基于数字孪生大棚种植监测方法、系统及存储介质 - Google Patents
一种基于数字孪生大棚种植监测方法、系统及存储介质 Download PDFInfo
- Publication number
- CN116721236A CN116721236A CN202310873504.3A CN202310873504A CN116721236A CN 116721236 A CN116721236 A CN 116721236A CN 202310873504 A CN202310873504 A CN 202310873504A CN 116721236 A CN116721236 A CN 116721236A
- Authority
- CN
- China
- Prior art keywords
- equipment
- information
- real
- growth
- greenhouse
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 68
- 238000000034 method Methods 0.000 title claims abstract description 49
- 241000196324 Embryophyta Species 0.000 claims abstract description 82
- 241000592344 Spermatophyta Species 0.000 claims abstract description 50
- 230000001360 synchronised effect Effects 0.000 claims abstract description 31
- 238000013507 mapping Methods 0.000 claims abstract description 20
- 230000000875 corresponding effect Effects 0.000 claims description 100
- 238000012545 processing Methods 0.000 claims description 35
- 230000002159 abnormal effect Effects 0.000 claims description 22
- 238000001514 detection method Methods 0.000 claims description 11
- 239000002689 soil Substances 0.000 claims description 9
- 238000010276 construction Methods 0.000 claims description 7
- 238000010191 image analysis Methods 0.000 claims description 6
- 230000010365 information processing Effects 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 5
- 230000002596 correlated effect Effects 0.000 claims description 5
- 230000003993 interaction Effects 0.000 claims description 5
- 238000005507 spraying Methods 0.000 claims description 4
- 230000007613 environmental effect Effects 0.000 claims description 3
- 230000035784 germination Effects 0.000 claims description 3
- 238000005286 illumination Methods 0.000 claims description 3
- 238000003702 image correction Methods 0.000 claims description 3
- 238000003709 image segmentation Methods 0.000 claims description 3
- 238000007619 statistical method Methods 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 230000017260 vegetative to reproductive phase transition of meristem Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 7
- 238000010586 diagram Methods 0.000 description 5
- 230000005856 abnormality Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- QGZKDVFQNNGYKY-UHFFFAOYSA-N Ammonia Chemical compound N QGZKDVFQNNGYKY-UHFFFAOYSA-N 0.000 description 2
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 2
- NINIDFKCEFEMDL-UHFFFAOYSA-N Sulfur Chemical compound [S] NINIDFKCEFEMDL-UHFFFAOYSA-N 0.000 description 2
- XKMRRTOUMJRJIA-UHFFFAOYSA-N ammonia nh3 Chemical compound N.N XKMRRTOUMJRJIA-UHFFFAOYSA-N 0.000 description 2
- 229910052698 phosphorus Inorganic materials 0.000 description 2
- 239000011574 phosphorus Substances 0.000 description 2
- 229910052717 sulfur Inorganic materials 0.000 description 2
- 239000011593 sulfur Substances 0.000 description 2
- QJZYHAIUNVAGQP-UHFFFAOYSA-N 3-nitrobicyclo[2.2.1]hept-5-ene-2,3-dicarboxylic acid Chemical compound C1C2C=CC1C(C(=O)O)C2(C(O)=O)[N+]([O-])=O QJZYHAIUNVAGQP-UHFFFAOYSA-N 0.000 description 1
- MMDJDBSEMBIJBB-UHFFFAOYSA-N [O-][N+]([O-])=O.[O-][N+]([O-])=O.[O-][N+]([O-])=O.[NH6+3] Chemical compound [O-][N+]([O-])=O.[O-][N+]([O-])=O.[O-][N+]([O-])=O.[NH6+3] MMDJDBSEMBIJBB-UHFFFAOYSA-N 0.000 description 1
- 229910021529 ammonia Inorganic materials 0.000 description 1
- PPBAJDRXASKAGH-UHFFFAOYSA-N azane;urea Chemical compound N.NC(N)=O PPBAJDRXASKAGH-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- UBAZGMLMVVQSCD-UHFFFAOYSA-N carbon dioxide;molecular oxygen Chemical compound O=O.O=C=O UBAZGMLMVVQSCD-UHFFFAOYSA-N 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000003337 fertilizer Substances 0.000 description 1
- 239000004021 humic acid Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T19/00—Manipulating 3D models or images for computer graphics
- G06T19/006—Mixed reality
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T13/00—Animation
- G06T13/80—2D [Two Dimensional] animation, e.g. using sprites
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Graphics (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种基于数字孪生大棚种植监测方法、系统及存储介质，包括获取物理实体设备的第一设备信息，并在数字孪生大棚内设置与物理实体设备相对应的虚拟模型设备；获取物理实体设备的实时运行状态信息以及对应的种植物实时图像信息；将实时运行状态信息映射至对应的虚拟模型设备，并进行虚实同步动画展示；根据种植物实时图像信息，确定种植物当前的生长节点信息，获取对应的生长节点动画并进行展示；获取种植物日常种植任务时间表，根据日常种植任务时间表，以及虚实同步动画展示与生长节点动画展示，对种植物的生长状态进行实时监测。通过虚实同步动画展示与生长节点动画展示，实现真实大棚与数字孪生大棚的虚实同步效果，提高了监测的准确性与实时性。
Description
技术领域
本发明涉及数字孪生技术领域，特别是一种基于数字孪生大棚种植监测方法、系统及存储介质。
背景技术
数字孪生是充分利用物理模型、传感器更新、运行历史等数据，集成多学科、多物理量、多尺度、多概率的仿真过程，在虚拟空间中完成映射，从而反映相对应的实体装备的全生命周期过程。数字孪生是一种超越现实的概念，可以被视为一个或多个重要的、彼此依赖的装备系统的数字映射系统。
数字孪生是个普遍适应的理论技术体系，可以在众多领域应用，在产品设计、产品制造、医学分析、工程建设等领域应用较多。在智能农业领域，通过对生产农业产品的农业基地中的生长环境进行监测，可以实现智能化的管理与农业数据的分析。
但是，现有技术中存在无法实现真实大棚与数字孪生大棚的虚实同步效果，导致监测系统的准确性与实时性并不高，影响监测结果。
发明内容
本发明的主要目的在于提供了一种基于数字孪生大棚种植监测方法、系统及存储介质，旨在解决现有的基于数字孪生大棚种植监测方法无法实现真实大棚与数字孪生大棚的虚实同步效果，导致监测系统的准确性与实时性并不高，影响监测结果的技术问题。
为实现上述目的，本发明提供了一种基于数字孪生大棚种植监测方法，其包括以下步骤：获取物理实体设备的第一设备信息，并在数字孪生大棚内设置与物理实体设备相对应的虚拟模型设备；数字孪生大棚是根据真实大棚构造信息建立的，数字孪生大棚内包括种植物虚拟模型；获取物理实体设备的实时运行状态信息以及对应的种植物实时图像信息；将实时运行状态信息映射至对应的虚拟模型设备，并进行虚实同步动画展示；根据种植物实时图像信息，确定种植物当前的生长节点信息，获取生长节点信息对应的生长节点动画并进行展示；获取种植物日常种植任务时间表，根据日常种植任务时间表，以及虚实同步动画展示与生长节点动画展示，对种植物的生长状态进行实时监测。
可选的，获取物理实体设备的第一设备信息，并在数字孪生大棚内设置与物理实体设备相对应的虚拟模型设备，至少包括以下步骤：获取物理实体设备的第一设备信息，根据第一设备信息确定与物理实体设备相对应的虚拟模型设备的第二设备信息；第一设备信息至少包括物理实体设备的设备类型、设备型号、设备规格、设备性能指标、操作方式其中一种或多种；第二设备信息至少包括虚拟模型设备的设备类型、设备型号、设备规格、设备性能指标、操作方式其中一种或多种；根据第二设备信息建立虚拟模型设备，用于模拟物理实体设备；对建立的虚拟模型设备进行验证与测试，确定虚拟模型设备是否需要优化，若否，则直接将虚拟模型设备设置于数字孪生大棚内；若是，则对虚拟模型设备进行优化后，再将其设置于数字孪生大棚内。
可选的，将虚拟模型设备设置于数字孪生大棚内，具体包括以下步骤：获取物理实体设备的位置信息，并根据位置信息确定虚拟模型设备在数字孪生大棚中的设置位置；位置信息至少包括物理实体设备在数字孪生大棚中的虚拟坐标信息、方位角信息、俯仰角信息其中一种或多种；获取每个物理实体设备的物理设备编号，并根据物理设备编号对与该物理实体设备对应的虚拟模型设备进行虚拟设备编号设置，具体为建立物理设备编号与虚拟设备编号的关联关系；根据虚拟模型设备在数字孪生大棚中的设置位置以及设置数量，将带有虚拟设备编号的虚拟模型设备设置于数字孪生大棚内。
可选的，物理实体设备至少包括智能喷洒设备、环控设备、图像采集设备、土壤检测设备、光照设备其中一种或多种。
可选的，将实时运行状态信息映射至对应的虚拟模型设备，并进行虚实同步动画展示，具体包括以下步骤：将实时运行状态信息映射至对应的虚拟模型设备，虚拟模型设备获取与实时运行状态信息对应的虚拟运行状态动画；根据实时运行状态信息，同步展示虚拟运行状态动画，实现虚实同步动画展示；根据种植物实时图像信息，确定种植物当前的生长节点信息，获取生长节点信息对应的生长节点动画并进行展示，具体包括以下步骤：根据种植物实时图像信息，确定种植物当前的生长节点信息；获取生长节点信息对应的生长节点动画，并将该生长节点动画映射至数字孪生大棚中的种植物虚拟模型，实现生长节点动画展示。
可选的，生长节点动画根据以下步骤生成：采集种植物不同生长节点对应的生长图像数据，生长节点至少包括破土、发芽、长高、开花、结果其中一种或多种；对生长图像数据进行图像分析，提取种植物的生长节点信息，生长节点信息至少包括种植物的高度、形态、颜色其中一种或多种；根据生长节点信息对生长图像数据进行分类，将属于相同生长节点的图像数据分为一类；对同类生长节点内的每张生长图像数据进行虚拟建模，得到对应的虚拟生长图像数据；根据所有的虚拟生长图像数据，生成该生长节点对应的生长节点动画，并将生长节点与对应的生长节点动画进行关联存储。
可选的，对生长图像数据进行图像分析，提取种植物的生长节点信息，至少包括以下步骤：对生长图像数据进行预处理，得到第一图像数据，预处理至少包括图像增强、图像去噪、图像矫正处理；对第一图像数据进行图像分割处理，得到种植物图像区域；对植物图像区域进行特征提取，得到生长节点初步信息；对生长节点初步信息进行信息处理，得到生长节点信息，信息处理至少包括统计分析、异常检测、信息分类其中一种或多种。
可选的，获取种植物日常种植任务时间表，根据日常种植任务时间表，以及虚实同步动画展示与生长节点动画展示，对种植物进行实时监测，至少包括以下步骤：获取种植物日常种植任务时间表，确定日常种植任务；根据虚实同步动画展示与生长节点动画展示，对种植物的生长状态进行实时监测，依次判断每个日常种植任务是否已完成；若日常种植任务均已完成，则继续对种植物的生长状态进行实时监测；若存在未完成的日常种植任务，则发下任务处理指令至对应的虚拟模型设备，虚拟模型设备根据任务处理指令在数字孪生大棚内执行任务处理指令，并映射至物理实体设备，控制其完成对应的日常种植任务后，再继续对种植物的生长状态进行实时监测；对种植物的生长状态进行实时监测，具体为实时获取种植物的生长状态数据，并将生长状态数据与对应的标准生长状态数据进行比对分析，确定种植物的生长状态是否存在异常情况；若不存在异常情况，则继续对种植物的生长状态进行实时监测；若存在异常情况，则下发预警信息和/或执行对应的异常处理操作。
与所述基于数字孪生大棚种植监测方法相对应的，本发明提供一种基于数字孪生大棚种植监测系统，其包括：信息获取模块，用于获取物理实体设备的第一设备信息、获取物理实体设备的实时运行状态信息，以及获取种植物日常种植任务时间表；虚拟模型设备设置模块，用于在数字孪生大棚内设置与物理实体设备相对应的虚拟模型设备；数字孪生大棚是根据真实大棚构造信息建立的，数字孪生大棚内包括种植物虚拟模型；图像采集模块，用于获取物理实体设备的实时运行状态信息对应的种植物实时图像信息；虚实交互模块，用于将实时运行状态信息映射至对应的虚拟模型设备，并进行虚实同步动画展示；根据种植物实时图像信息，确定种植物当前的生长节点信息，获取生长节点信息对应的生长节点动画并进行展示；实时监测模块，根据日常种植任务时间表，以及虚实同步动画展示与生长节点动画展示，对种植物的生长状态进行实时监测。
此外，为实现上述目的，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有基于数字孪生大棚种植监测程序，所述基于数字孪生大棚种植监测程序被处理器执行时实现如上文所述的基于数字孪生大棚种植监测方法的步骤。
本发明的有益效果是：
（1）与现有技术相比，本发明通过建立数字孪生大棚，并在数字孪生大棚内设置与物理实体设备相对应的虚拟模型设备，将实时运行状态信息映射至对应的虚拟模型设备，实现了对真实的物理实体设备的远程控制能够映射至对应的虚拟模型设备，实现了虚实同步动画展示；并且，根据种植物实时图像信息，确定种植物当前的生长节点信息，进一步实现了生长节点动画展示，提高了监测系统的准确性与实时性；还根据日常种植任务时间表，以及虚实同步动画展示与生长节点动画展示，对种植物的生长状态进行实时监测，确保种植物的生长状态正常；
（2）与现有技术相比，本发明通过根据第一设备信息确定与物理实体设备相对应的虚拟模型设备的第二设备信息，并建立模型设备，能够模拟物理实体设备的操作，进一步提高虚实交互的效果以及实时同步性；并且，还对虚拟模型设备进行验证与测试，确保虚拟模型设备能够准确模拟物理实体设备的操作；
（3）与现有技术相比，本发明通过根据位置信息确定虚拟模型设备在数字孪生大棚中的设置位置以及设置数量，使得数字孪生大棚能够准确模拟真实大棚内的物理实体设备设置细节，进一步提高监测系统的准确性与实时性；
（4）与现有技术相比，本发明通过采集种植物不同生长节点对应的生长图像数据，对同类生长节点内的每张生长图像数据进行虚拟建模，得到对应的虚拟生长图像数据，进一步生成对应的生长节点动画，并将生长节点动画与生长节点进行关联存储，为生长节点动画展示打下基础，便于快速确定某个生长节点对应的生长节点动画，并进行展示；
（5）与现有技术相比，本发明通过对植物图像区域进行特征提取，得到生长节点初步信息，以及对生长节点初步信息进行信息处理，能够得到更加精确的生长节点信息，便于生成更加准确的生长节点动画，实现更佳的虚实同步效果；
（6）与现有技术相比，本发明通过获取种植物日常种植任务时间表，根据日常种植任务时间表，以及虚实同步动画展示与生长节点动画展示，对种植物进行实时监测，能够判断每个日常种植任务是否已完成，确保日常种植任务的完成进度，并对种植物的生长状态进行实时监测，确定种植物的生长状态是否存在异常情况，对于异常情况，自动下发预警信息和/或执行对应的异常处理操作，提高了检测系统的自动化能力以及安全性。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本发明的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1为本发明基于数字孪生大棚种植监测方法的流程简图；
图2为本发明基于数字孪生大棚种植监测系统的框架图；
图3为本发明基于数字孪生大棚种植监测系统的监测画面示意图。
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，所描述的实施例是本发明一部分实施例，而不是全部的实施例。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。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，本发明的一种基于数字孪生大棚种植监测方法，其包括以下步骤：获取物理实体设备的第一设备信息，并在数字孪生大棚内设置与物理实体设备相对应的虚拟模型设备；数字孪生大棚是根据真实大棚构造信息建立的，数字孪生大棚内包括种植物虚拟模型；获取物理实体设备的实时运行状态信息以及对应的种植物实时图像信息；将实时运行状态信息映射至对应的虚拟模型设备，并进行虚实同步动画展示；根据种植物实时图像信息，确定种植物当前的生长节点信息，获取生长节点信息对应的生长节点动画并进行展示；获取种植物日常种植任务时间表，根据日常种植任务时间表，以及虚实同步动画展示与生长节点动画展示，对种植物的生长状态进行实时监测。
在本实施例中，种植物日常种植任务时间表中记录有种植物每天的种植任务执行时间或执行时间段。
本发明通过建立数字孪生大棚，并在数字孪生大棚内设置与物理实体设备相对应的虚拟模型设备，将实时运行状态信息映射至对应的虚拟模型设备，实现了对真实的物理实体设备的远程控制能够映射至对应的虚拟模型设备，实现了虚实同步动画展示；并且，根据种植物实时图像信息，确定种植物当前的生长节点信息，进一步实现了生长节点动画展示，提高了监测系统的准确性与实时性；还根据日常种植任务时间表，以及虚实同步动画展示与生长节点动画展示，对种植物的生长状态进行实时监测，确保种植物的生长状态正常。
在本实施例中，获取物理实体设备的实时运行状态信息后，对其进行数据解析，具体解析为易理解、可读性高的json数据。并且，对不同物理实体设备类型的数据进行分表格管理与存储。
在本实施例中，获取物理实体设备的第一设备信息，并在数字孪生大棚内设置与物理实体设备相对应的虚拟模型设备，至少包括以下步骤：获取物理实体设备的第一设备信息，根据第一设备信息确定与物理实体设备相对应的虚拟模型设备的第二设备信息；第一设备信息至少包括物理实体设备的设备类型、设备型号、设备规格、设备性能指标、操作方式其中一种或多种；第二设备信息至少包括虚拟模型设备的设备类型、设备型号、设备规格、设备性能指标、操作方式其中一种或多种；根据第二设备信息建立虚拟模型设备，用于模拟物理实体设备；对建立的虚拟模型设备进行验证与测试，确定虚拟模型设备是否需要优化，若否，则直接将虚拟模型设备设置于数字孪生大棚内；若是，则对虚拟模型设备进行优化后，再将其设置于数字孪生大棚内。
本发明通过根据第一设备信息确定与物理实体设备相对应的虚拟模型设备的第二设备信息，并建立模型设备，能够模拟物理实体设备的操作，进一步提高虚实交互的效果以及实时同步性；并且，还对虚拟模型设备进行验证与测试，确保虚拟模型设备能够准确模拟物理实体设备的操作。
在本实施例中，将虚拟模型设备设置于数字孪生大棚内，具体包括以下步骤：获取物理实体设备的位置信息，并根据位置信息确定虚拟模型设备在数字孪生大棚中的设置位置，以便能够准确物理实体设备的位置和方向；位置信息至少包括物理实体设备在数字孪生大棚中的虚拟坐标信息、方位角信息、俯仰角信息其中一种或多种；获取每个物理实体设备的物理设备编号，并根据物理设备编号对与该物理实体设备对应的虚拟模型设备进行虚拟设备编号设置，具体为建立物理设备编号与虚拟设备编号的关联关系；根据虚拟模型设备在数字孪生大棚中的设置位置以及设置数量，将带有虚拟设备编号的虚拟模型设备设置于数字孪生大棚内，实现虚拟设备模型与物理实体设备的无缝衔接。
本发明通过根据位置信息确定虚拟模型设备在数字孪生大棚中的设置位置以及设置数量，使得数字孪生大棚能够准确模拟真实大棚内的物理实体设备设置细节，进一步提高监测系统的准确性与实时性。
进一步的，为每个物理实体设备建立一份设备档案，用于记录物理实体设备的类型、型号、规格、编号等信息，以便能够快速进行管理和查询，提高监测效率；还用记录物理实体设备的维护和管理信息，以及对应的虚拟设备模型的更新与优化信息，以确保物理实体设备的正常运行以及虚拟模型设备与物理实体设备的对应关系准确无误。
在本实施例中，物理实体设备至少包括智能喷洒设备、环控设备、图像采集设备、土壤检测设备、光照设备其中一种或多种。
在本实施例中，将实时运行状态信息映射至对应的虚拟模型设备，并进行虚实同步动画展示，具体包括以下步骤：将实时运行状态信息映射至对应的虚拟模型设备，虚拟模型设备获取与实时运行状态信息对应的虚拟运行状态动画；根据实时运行状态信息，同步展示虚拟运行状态动画，实现虚实同步动画展示；根据种植物实时图像信息，确定种植物当前的生长节点信息，获取生长节点信息对应的生长节点动画并进行展示，具体包括以下步骤：根据种植物实时图像信息，确定种植物当前的生长节点信息；获取生长节点信息对应的生长节点动画，并将该生长节点动画映射至数字孪生大棚中的种植物虚拟模型，实现生长节点动画展示。
在本实施例中，生长节点动画根据以下步骤生成：采集种植物不同生长节点对应的生长图像数据，生长节点至少包括破土、发芽、长高、开花、结果其中一种或多种；对生长图像数据进行图像分析，提取种植物的生长节点信息，生长节点信息至少包括种植物的高度、形态、颜色其中一种或多种；根据生长节点信息对生长图像数据进行分类，将属于相同生长节点的图像数据分为一类；对同类生长节点内的每张生长图像数据进行虚拟建模，得到对应的虚拟生长图像数据；根据所有的虚拟生长图像数据，生成该生长节点对应的生长节点动画，并将生长节点与对应的生长节点动画进行关联存储。
优选的，在采集种植物不同生长节点对应的生长图像数据时，根据需要调整图像采集设备的参数，例如高度、拍摄角度、图像分辨率等。
本发明通过采集种植物不同生长节点对应的生长图像数据，对同类生长节点内的每张生长图像数据进行虚拟建模，得到对应的虚拟生长图像数据，进一步生成对应的生长节点动画，并将生长节点动画与生长节点进行关联存储，为生长节点动画展示打下基础，便于快速确定某个生长节点对应的生长节点动画，并进行展示。
在本实施例中，对生长图像数据进行图像分析，提取种植物的生长节点信息，至少包括以下步骤：对生长图像数据进行预处理，得到第一图像数据，预处理至少包括图像增强、图像去噪、图像矫正处理；对第一图像数据进行图像分割处理，得到种植物图像区域；对植物图像区域进行特征提取，得到生长节点初步信息；对生长节点初步信息进行信息处理，得到生长节点信息，信息处理至少包括统计分析、异常检测、信息分类其中一种或多种。
本发明通过对植物图像区域进行特征提取，得到生长节点初步信息，以及对生长节点初步信息进行信息处理，能够得到更加精确的生长节点信息，便于生成更加准确的生长节点动画，实现更佳的虚实同步效果。
在本实施例中，获取种植物日常种植任务时间表，根据日常种植任务时间表，以及虚实同步动画展示与生长节点动画展示，对种植物进行实时监测，至少包括以下步骤：获取种植物日常种植任务时间表，确定日常种植任务；根据虚实同步动画展示与生长节点动画展示，对种植物的生长状态进行实时监测，依次判断每个日常种植任务是否已完成；若日常种植任务均已完成，则继续对种植物的生长状态进行实时监测；若存在未完成的日常种植任务，则发下任务处理指令至对应的虚拟模型设备，虚拟模型设备根据任务处理指令在数字孪生大棚内执行任务处理指令，并映射至物理实体设备，控制其完成对应的日常种植任务后，再继续对种植物的生长状态进行实时监测；对种植物的生长状态进行实时监测，具体为实时获取种植物的生长状态数据，并将生长状态数据与对应的标准生长状态数据进行比对分析，确定种植物的生长状态是否存在异常情况；若不存在异常情况，则继续对种植物的生长状态进行实时监测；若存在异常情况，则下发预警信息和/或执行对应的异常处理操作。
优选的，任务处理指令为实时处理指令或定时处理指令，能够避免人为操作造成疏忽。
在本实施例中，虚拟模型设备根据任务处理指令在数字孪生大棚内执行任务处理指令，并映射至物理实体设备，例如打开关闭智能喷洒设备，调节灯光等。
在本实施例中，标准生长状态数据存储于种植物数据库中，该数据库中存储有种植物标准生长状态数据以及不同生长节点所需要的生长条件。该数据库通过前期的数据采集建立，通过物理实体设备获取种植物不同生长节点所需的生长条件，例如空气参数（氧气、二氧化碳、氨气、温度、湿度等）土壤参数（铵态氮、速效磷、有效硫、有机质等），以及硝态氮、尿素氨、水溶性腐殖酸等肥料参数。因此，通过将生长状态数据与对应的标准生长状态数据进行比对分析，确定种植物的生长状态是否存在异常情况，能够引导大棚种植。
在本实施例中，若存在异常情况，则下发预警信息和/或执行对应的异常处理操作。例如，对于土壤检测设备，设置铵态氮、速效磷、有效硫、有机质对应的安全阈值范围，当物理实体设备中的土壤检测设备发送的实时运行状态信息不在该范围内，数字孪生大棚会下发预警信息和/或执行对应的异常处理操作。
例如，对于温度检测设备，设置温度安全阈值范围（18-28度之间），因此，若温度低于18度，数字孪生大棚则会下发预警信息预警大棚温度过低，若温度高于28度，则下发预警信息预警大棚温度过高。同时，还设置预设危险警报范围，当处于该范围时，数字孪生大棚自动执行对应的异常处理操作（例如改变物理实体设备的运行状态或者进行关闭操作）；并且数字孪生大棚会展示下发预警信息动画和/或异常处理操作动画，例如温度过低，则展示数字孪生大棚内发出绿色光闪烁预警的预警信息动画，温度过高，则展示数字孪生大棚内发出红色光芒闪烁预警的预警信息动画，更加形象直观地展示对大棚进行监测以及异常处理操作。
本发明通过获取种植物日常种植任务时间表，根据日常种植任务时间表，以及虚实同步动画展示与生长节点动画展示，对种植物进行实时监测，能够判断每个日常种植任务是否已完成，确保日常种植任务的完成进度，并对种植物的生长状态进行实时监测，确定种植物的生长状态是否存在异常情况，对于异常情况，自动下发预警信息和/或执行对应的异常处理操作，提高了检测系统的自动化能力以及安全性。
如图2所示，本发明还对应提供一种基于数字孪生大棚种植监测系统，其包括：信息获取模块10，用于获取物理实体设备的第一设备信息、获取物理实体设备的实时运行状态信息，以及获取种植物日常种植任务时间表；虚拟模型设备设置模块20，用于在数字孪生大棚内设置与物理实体设备相对应的虚拟模型设备；数字孪生大棚是根据真实大棚构造信息建立的，数字孪生大棚内包括种植物虚拟模型；图像采集模块30，用于获取物理实体设备的实时运行状态信息对应的种植物实时图像信息；虚实交互模块40，用于将实时运行状态信息映射至对应的虚拟模型设备，并进行虚实同步动画展示；根据种植物实时图像信息，确定种植物当前的生长节点信息，获取生长节点信息对应的生长节点动画并进行展示；实时监测模块50，根据日常种植任务时间表，以及虚实同步动画展示与生长节点动画展示，对种植物的生长状态进行实时监测。
如图3所示，为本发明基于数字孪生大棚种植监测系统的监测画面示意图，从图中可以看出，数字孪生大棚中包括种植物虚拟模型、虚拟设备模型，能够很直观地看出农作物的生长状态以及监控状态。
本发明实施例还提供了一种计算机可读存储介质，该计算机可读存储介质可以是上述实施例中的存储器中所包含的计算机可读存储介质；也可以是单独存在，未装配入设备中的计算机可读存储介质。该计算机可读存储介质中存储有至少一条指令，所述指令由处理器加载并执行以实现图1所示的基于数字孪生大棚种植监测方法。所述计算机可读存储介质可以是只读存储器，磁盘或光盘等。
需要说明的是，本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。对于装置实施例、设备实施例及存储介质实施例而言，由于其与方法实施例基本相似，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。
并且，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、物品或者设备中还存在另外的相同要素。
上述说明示出并描述了本发明的优选实施例，应当理解本发明并非局限于本文所披露的形式，不应看作是对其他实施例的排除，而可用于各种其他组合、修改和环境，并能够在本文发明构想范围内，通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围，则都应在本发明所附权利要求的保护范围内。
Claims (10)
1.一种基于数字孪生大棚种植监测方法，其特征在于，包括以下步骤：
获取物理实体设备的第一设备信息，并在数字孪生大棚内设置与物理实体设备相对应的虚拟模型设备；数字孪生大棚是根据真实大棚构造信息建立的，数字孪生大棚内包括种植物虚拟模型；
获取物理实体设备的实时运行状态信息以及对应的种植物实时图像信息；
将实时运行状态信息映射至对应的虚拟模型设备，并进行虚实同步动画展示；根据种植物实时图像信息，确定种植物当前的生长节点信息，获取生长节点信息对应的生长节点动画并进行展示；
获取种植物日常种植任务时间表，根据日常种植任务时间表，以及虚实同步动画展示与生长节点动画展示，对种植物的生长状态进行实时监测。
2.根据权利要求1所述的基于数字孪生大棚种植监测方法，其特征在于：获取物理实体设备的第一设备信息，并在数字孪生大棚内设置与物理实体设备相对应的虚拟模型设备，至少包括以下步骤：
获取物理实体设备的第一设备信息，根据第一设备信息确定与物理实体设备相对应的虚拟模型设备的第二设备信息；第一设备信息至少包括物理实体设备的设备类型、设备型号、设备规格、设备性能指标、操作方式其中一种或多种；第二设备信息至少包括虚拟模型设备的设备类型、设备型号、设备规格、设备性能指标、操作方式其中一种或多种；
根据第二设备信息建立虚拟模型设备，用于模拟物理实体设备；
对建立的虚拟模型设备进行验证与测试，确定虚拟模型设备是否需要优化，若否，则直接将虚拟模型设备设置于数字孪生大棚内；若是，则对虚拟模型设备进行优化后，再将其设置于数字孪生大棚内。
3.根据权利要求2所述的基于数字孪生大棚种植监测方法，其特征在于：将虚拟模型设备设置于数字孪生大棚内，具体包括以下步骤：
获取物理实体设备的位置信息，并根据位置信息确定虚拟模型设备在数字孪生大棚中的设置位置；位置信息至少包括物理实体设备在数字孪生大棚中的虚拟坐标信息、方位角信息、俯仰角信息其中一种或多种；
获取每个物理实体设备的物理设备编号，并根据物理设备编号对与该物理实体设备对应的虚拟模型设备进行虚拟设备编号设置，具体为建立物理设备编号与虚拟设备编号的关联关系；
根据虚拟模型设备在数字孪生大棚中的设置位置以及设置数量，将带有虚拟设备编号的虚拟模型设备设置于数字孪生大棚内。
4.根据权利要求1所述的基于数字孪生大棚种植监测方法，其特征在于：物理实体设备至少包括智能喷洒设备、环控设备、图像采集设备、土壤检测设备、光照设备其中一种或多种。
5.根据权利要求1所述的基于数字孪生大棚种植监测方法，其特征在于：将实时运行状态信息映射至对应的虚拟模型设备，并进行虚实同步动画展示，具体包括以下步骤：
将实时运行状态信息映射至对应的虚拟模型设备，虚拟模型设备获取与实时运行状态信息对应的虚拟运行状态动画；
根据实时运行状态信息，同步展示虚拟运行状态动画，实现虚实同步动画展示；
根据种植物实时图像信息，确定种植物当前的生长节点信息，获取生长节点信息对应的生长节点动画并进行展示，具体包括以下步骤：
根据种植物实时图像信息，确定种植物当前的生长节点信息；
获取生长节点信息对应的生长节点动画，并将该生长节点动画映射至数字孪生大棚中的种植物虚拟模型，实现生长节点动画展示。
6.根据权利要求1所述的基于数字孪生大棚种植监测方法，其特征在于：生长节点动画根据以下步骤生成：
采集种植物不同生长节点对应的生长图像数据，生长节点至少包括破土、发芽、长高、开花、结果其中一种或多种；
对生长图像数据进行图像分析，提取种植物的生长节点信息，生长节点信息至少包括种植物的高度、形态、颜色其中一种或多种；
根据生长节点信息对生长图像数据进行分类，将属于相同生长节点的图像数据分为一类；
对同类生长节点内的每张生长图像数据进行虚拟建模，得到对应的虚拟生长图像数据；
根据所有的虚拟生长图像数据，生成该生长节点对应的生长节点动画，并将生长节点与对应的生长节点动画进行关联存储。
7.根据权利要求6所述的基于数字孪生大棚种植监测方法，其特征在于：对生长图像数据进行图像分析，提取种植物的生长节点信息，至少包括以下步骤：
对生长图像数据进行预处理，得到第一图像数据，预处理至少包括图像增强、图像去噪、图像矫正处理；
对第一图像数据进行图像分割处理，得到种植物图像区域；
对植物图像区域进行特征提取，得到生长节点初步信息；
对生长节点初步信息进行信息处理，得到生长节点信息，信息处理至少包括统计分析、异常检测、信息分类其中一种或多种。
8.根据权利要求1所述的基于数字孪生大棚种植监测方法，其特征在于：获取种植物日常种植任务时间表，根据日常种植任务时间表，以及虚实同步动画展示与生长节点动画展示，对种植物进行实时监测，至少包括以下步骤：
获取种植物日常种植任务时间表，确定日常种植任务；
根据虚实同步动画展示与生长节点动画展示，对种植物的生长状态进行实时监测，依次判断每个日常种植任务是否已完成；
若日常种植任务均已完成，则继续对种植物的生长状态进行实时监测；若存在未完成的日常种植任务，则发下任务处理指令至对应的虚拟模型设备，虚拟模型设备根据任务处理指令在数字孪生大棚内执行任务处理指令，并映射至物理实体设备，控制其完成对应的日常种植任务后，再继续对种植物的生长状态进行实时监测；
对种植物的生长状态进行实时监测，具体为实时获取种植物的生长状态数据，并将生长状态数据与对应的标准生长状态数据进行比对分析，确定种植物的生长状态是否存在异常情况；
若不存在异常情况，则继续对种植物的生长状态进行实时监测；若存在异常情况，则下发预警信息和/或执行对应的异常处理操作。
9.一种基于数字孪生大棚种植监测系统，其特征在于，包括：
信息获取模块，用于获取物理实体设备的第一设备信息、获取物理实体设备的实时运行状态信息，以及获取种植物日常种植任务时间表；
虚拟模型设备设置模块，用于在数字孪生大棚内设置与物理实体设备相对应的虚拟模型设备；数字孪生大棚是根据真实大棚构造信息建立的，数字孪生大棚内包括种植物虚拟模型；
图像采集模块，用于获取物理实体设备的实时运行状态信息对应的种植物实时图像信息；
虚实交互模块，用于将实时运行状态信息映射至对应的虚拟模型设备，并进行虚实同步动画展示；根据种植物实时图像信息，确定种植物当前的生长节点信息，获取生长节点信息对应的生长节点动画并进行展示；
实时监测模块，根据日常种植任务时间表，以及虚实同步动画展示与生长节点动画展示，对种植物的生长状态进行实时监测。
10.一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上存储有基于数字孪生大棚种植监测程序，所述基于数字孪生大棚种植监测程序被处理器执行时实现如权利要求1至8任一项所述的基于数字孪生大棚种植监测方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310873504.3A CN116721236A (zh) | 2023-07-17 | 2023-07-17 | 一种基于数字孪生大棚种植监测方法、系统及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310873504.3A CN116721236A (zh) | 2023-07-17 | 2023-07-17 | 一种基于数字孪生大棚种植监测方法、系统及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116721236A true CN116721236A (zh) | 2023-09-08 |
Family
ID=87871631
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310873504.3A Pending CN116721236A (zh) | 2023-07-17 | 2023-07-17 | 一种基于数字孪生大棚种植监测方法、系统及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116721236A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117315113A (zh) * | 2023-10-20 | 2023-12-29 | 广东省农业科学院设施农业研究所 | 作物生长周期信息处理方法和系统 |
| CN117530164A (zh) * | 2024-01-09 | 2024-02-09 | 四川省农业机械科学研究院 | 一种基于机器视觉的智能决策立体循环育秧方法和系统 |
-
2023
- 2023-07-17 CN CN202310873504.3A patent/CN116721236A/zh active Pending
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117315113A (zh) * | 2023-10-20 | 2023-12-29 | 广东省农业科学院设施农业研究所 | 作物生长周期信息处理方法和系统 |
| CN117315113B (zh) * | 2023-10-20 | 2024-02-13 | 广东省农业科学院设施农业研究所 | 作物生长周期信息处理方法和系统 |
| CN117530164A (zh) * | 2024-01-09 | 2024-02-09 | 四川省农业机械科学研究院 | 一种基于机器视觉的智能决策立体循环育秧方法和系统 |
| CN117530164B (zh) * | 2024-01-09 | 2024-04-02 | 四川省农业机械科学研究院 | 一种基于机器视觉的智能决策立体循环育秧方法和系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116721236A (zh) | 一种基于数字孪生大棚种植监测方法、系统及存储介质 | |
| JP6261492B2 (ja) | 情報処理装置及び情報処理方法及びプログラム | |
| CN115984028B (zh) | 基于ai技术的智慧农业生产数据决策管理系统 | |
| CN115185220B (zh) | 一种基于物联网的农林病虫害监控系统 | |
| CN110705182B (zh) | 耦合作物模型和机器学习的作物育种适应时间预测方法 | |
| CN107103395B (zh) | 一种农作物虫害短期预警方法 | |
| CN109598215A (zh) | 一种基于无人机定位拍摄的果园建模分析系统和方法 | |
| Yimwadsana et al. | An IoT controlled system for plant growth | |
| CN112215522A (zh) | 农作物长势监测系统、方法、计算机设备及存储介质 | |
| US11185007B1 (en) | Methods and systems for prioritizing management of agricultural fields | |
| CN105869061A (zh) | 一种计算机分析植物生长状态的方法 | |
| CN117770106A (zh) | 一种基于数字孪生的农田灌溉方法 | |
| CN111488910B (zh) | 一种农田土壤有机碳时空数据获取方法 | |
| CN115797764B (zh) | 一种应用于耕地非农化监测的遥感大数据解译方法及系统 | |
| CN116046687A (zh) | 一种农作物生长过程监测方法、设备及介质 | |
| CN115690609A (zh) | 一种作物生育期长势监测的方法 | |
| CN117315113B (zh) | 作物生长周期信息处理方法和系统 | |
| CN118296843A (zh) | 一种基于数字孪生的农作物病虫害防治方法及系统 | |
| CN115004994B (zh) | 一种基于数字地图的果树病虫害防控系统 | |
| CN116844075B (zh) | 一种耕地环境判定方法及系统 | |
| CN113762768B (zh) | 基于天气发生器和作物模型的农业旱灾动态风险评估方法 | |
| Taylor et al. | Improving spatial predictions of Eucalypt plantation growth by combining interpretable machine learning with the 3-PG model | |
| Reddy et al. | Modeling and validating cotton leaf area development and stem elongation | |
| Simanungkalit et al. | Smart Garden on Chili Plants Based on IoT | |
| CN116823040A (zh) | 一种棉花产量计算方法、装置、电子设备及存储介质 |
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 |