CN116997053A - 一种植物灯光照控制方法 - Google Patents
一种植物灯光照控制方法 Download PDFInfo
- Publication number
- CN116997053A CN116997053A CN202311247411.6A CN202311247411A CN116997053A CN 116997053 A CN116997053 A CN 116997053A CN 202311247411 A CN202311247411 A CN 202311247411A CN 116997053 A CN116997053 A CN 116997053A
- Authority
- CN
- China
- Prior art keywords
- plant
- abnormal
- image
- illumination
- illuminated
- 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
- 238000005286 illumination Methods 0.000 title claims abstract description 103
- 238000000034 method Methods 0.000 title claims abstract description 45
- 230000002159 abnormal effect Effects 0.000 claims abstract description 130
- 238000012549 training Methods 0.000 claims description 36
- 238000004458 analytical method Methods 0.000 claims description 29
- 238000012544 monitoring process Methods 0.000 claims description 15
- 230000005856 abnormality Effects 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000012806 monitoring device Methods 0.000 claims description 3
- 241000196324 Embryophyta Species 0.000 description 233
- 230000008569 process Effects 0.000 description 10
- 235000013311 vegetables Nutrition 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000001276 controlling effect Effects 0.000 description 2
- 230000029553 photosynthesis Effects 0.000 description 2
- 238000010672 photosynthesis Methods 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 235000009849 Cucumis sativus Nutrition 0.000 description 1
- 240000008067 Cucumis sativus Species 0.000 description 1
- 235000007688 Lycopersicon esculentum Nutrition 0.000 description 1
- 240000003768 Solanum lycopersicum Species 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000012271 agricultural production Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000010223 real-time analysis Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000017260 vegetative to reproductive phase transition of meristem Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
- H05B—ELECTRIC HEATING; ELECTRIC LIGHT SOURCES NOT OTHERWISE PROVIDED FOR; CIRCUIT ARRANGEMENTS FOR ELECTRIC LIGHT SOURCES, IN GENERAL
- H05B47/00—Circuit arrangements for operating light sources in general, i.e. where the type of light source is not relevant
- H05B47/10—Controlling the light source
-
- 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
- A01G7/00—Botany in general
- A01G7/04—Electric or magnetic or acoustic treatment of plants for promoting growth
- A01G7/045—Electric or magnetic or acoustic treatment of plants for promoting growth with electric lighting
-
- H—ELECTRICITY
- H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
- H05B—ELECTRIC HEATING; ELECTRIC LIGHT SOURCES NOT OTHERWISE PROVIDED FOR; CIRCUIT ARRANGEMENTS FOR ELECTRIC LIGHT SOURCES, IN GENERAL
- H05B47/00—Circuit arrangements for operating light sources in general, i.e. where the type of light source is not relevant
- H05B47/10—Controlling the light source
- H05B47/105—Controlling the light source in response to determined parameters
- H05B47/115—Controlling the light source in response to determined parameters by determining the presence or movement of objects or living beings
- H05B47/125—Controlling the light source in response to determined parameters by determining the presence or movement of objects or living beings by using cameras
-
- H—ELECTRICITY
- H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
- H05B—ELECTRIC HEATING; ELECTRIC LIGHT SOURCES NOT OTHERWISE PROVIDED FOR; CIRCUIT ARRANGEMENTS FOR ELECTRIC LIGHT SOURCES, IN GENERAL
- H05B47/00—Circuit arrangements for operating light sources in general, i.e. where the type of light source is not relevant
- H05B47/10—Controlling the light source
- H05B47/165—Controlling the light source following a pre-assigned programmed sequence; Logic control [LC]
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Botany (AREA)
- Ecology (AREA)
- Forests & Forestry (AREA)
- Environmental Sciences (AREA)
- Circuit Arrangement For Electric Light Sources In General (AREA)
Abstract
本发明涉及一种植物灯光照控制方法，属于植物光照技术领域，解决了现有技术中植物灯光照如何调节是亟待解决的问题。本发明技术方案主要包括：调整植物灯光照角度，使得灯光投射至待光照的植物区域；通过当前植物灯光照角度，定位被光照的植物区域位置；根据被光照的植物区域位置获取被光照的植物图像；通过所述植物类型识别模型确定所述植物图像中的植物类型；将所述被光照的植物图像输入叶片信息多任务分析模型以识别所述植物图像之中的叶片和各叶片的异常区域占比；建立各项植物异常状态数据库；根据所述叶片数量和所述叶片的异常区域占比计算植物的异常状态等级；根据植物类型、所述异常状态等级和所述异常状态数据库调整光照强度和光照时间。
Description
技术领域
本发明属于植物光照技术领域，具体而言涉及一种植物灯光照控制方法。
背景技术
植物灯是采用半导体照明原理，专用于花卉和蔬菜等植物生产结合高精密技术的植物灯，主要原因就是缺少光的照射，通过适合植物所需光谱的LED灯照射，不仅可以促进其生长，而且还可以延长花期，提高花的品质，进一步把这种高效光源系统应用到大棚、温室等设施等农业生产上，一方面可以解决日照不足导致番茄、黄瓜等大棚蔬菜口感下降的弊端，另一方面还可以使冬季大棚茄果类蔬菜提前到春节前后上市，从而达到反季节培植的目的。
在进行植物灯光调控过程中，由于大棚内各个植物所处位置不同，植物灯投射的范围有限，导致部分大棚区域的植物所接收到的灯光强度过低或过高，而植物长时间处于高强度灯光照射会出现脱水而形成边缘干枯或长褐斑，植物长时间处于低强度的灯光照射会导致其光合作用大大降低，促使叶子枯黄。
综上，现有技术中植物灯光照如何调节是亟待解决的问题。
发明内容
鉴于上述的分析，本发明实施例旨在提供一种植物灯光照控制方法，用以解决现有技术中植物灯光照如何调节是亟待解决的问题，包括以下步骤：
S1、调整植物灯光照角度，使得灯光投射至待光照的植物区域；
S2、通过当前植物灯光照角度，定位被光照的植物区域位置；
S3、植物灯配置摄像监控设备，根据被光照的植物区域位置获取被光照的植物图像；
S4、将所述被光照的植物图像输入植物类型识别模型，通过所述植物类型识别模型确定所述植物图像中的植物类型；
S5、将所述被光照的植物图像输入叶片信息多任务分析模型以识别所述植物图像之中的叶片和各叶片的异常区域占比；
S6、建立各项植物异常状态数据库，所述异常状态数据库包括各项植物在不同异常状态等级下需要的光照强度和光照时间；
S7、根据所述叶片数量和所述叶片的异常区域占比计算植物的异常状态等级；
S8、根据植物类型、所述异常状态等级和所述异常状态数据库调整光照强度和光照时间。
在一些实施例中，所述植物类型识别模型包括植物辨识数据库，所述植物辨识数据库包括各植物种类的细节特征；
通过所述植物类型识别模型确定所述植物图像中的植物类型，包括：
获取所述植物图像中的第一细节特征集合；
比对所述第一细节特征集合与植物辨识数据库中的各植物的细节特征，以获取两者重合的细节特征以及重合细节特征的数量；
比较所述重合细节特征的数量与重合细节特征阈值的大小，并且对各种类植物对应的重合细节特征的数量排名，若植物图像与某植物种类的所述重合细节特征的数量超过所述重合细节特征阈值且重合细节特征的数量最多则输出所述植物图像中的植物类型为所述植物种类。
在一些实施例中，所述植物类型识别模型的训练方法包括：
构建第一训练数据集，所述第一训练数据集包括植物图像及对应的植物种类标签；
将所述第一训练数据集输入所述植物类型识别模型进行植物种类分析，基于植物种类标签和种类分析结果之间的差异确定第一损失值；
根据所述第一损失值对植物类型识别模型进行迭代更新训练，训练得到的植物类型识别模型用于根据植物图像判断植物种类。
在一些实施例中，所述叶片信息多任务分析模型的训练方法包括：
构建第二训练数据集，所述第二训练数据集的图像包括完整正常植物叶片、完整异常植物叶片、被遮挡的植物叶片和被遮挡的异常植物叶片，所述第二训练数据集的图像的每个叶片均具有叶片标签以及异常区域占比标签；
将所述第二训练数据集中的图像依次输入所述叶片信息多任务分析模型以获得对图像中的叶片识别结果以及叶片的异常区域占比分析结果，基于所述叶片信息多任务分析模型的多任务分析结果与所述叶片标签以及异常区域占比标签之间的差异确定第二损失值；
基于所述第二损失值对所述叶片信息多任务分析模型进行训练，训练得到的模型用于对识别图像中的叶片以及输出叶片各自的异常区域占比。
在一些实施例中，所述S7中根据所述叶片数量和所述叶片的异常区域占比计算植物的异常状态等级，包括：
S7.1、根据步骤S5中的识别结果获取所述植物图像中的叶片总数；
S7.2、根据所述各叶片的异常区域占比不为零的叶片数量获取植物图像中的异常叶片数量；
S7.3、根据所述叶片总数、异常叶片数量和各叶片的异常区域占比确定植物的异常状态等级。
在一些实施例中，根据所述叶片总数、异常叶片数量和各叶片的异常区域占比确定植物的异常状态等级，计算公式表示为：
；
其中，为植物的异常状态等级，/>为从植物图像识别到的异常叶片数量，/>为从植物图像识别到的叶片总数，/>至/>为植物图像中出现异常的各个叶片的异常区域占比。
在一些实施例中，所述S8中根据所述异常状态等级和所述异常状态数据库调整光照强度和光照时间包括如下步骤：
S8.1、植物灯配置光感传感器，获取当前植物灯光照强度；
S8.2、根据得到的植物类型和异常状态等级从异常状态数据库获取目标光照强度和光照时间；
S8.3、根据获得的当前植物灯光照强度和目标光照强度之间的差异调整植物灯光照强度和光照时间。
在一些实施例中，还包括当植物灯调整光照强度后达到光照时间时，重复执行步骤S3-S8，当异常叶片数量与叶片总数的比值低于预设阈值时，保持该异常等级对应的植物灯光照强度照射。
在一些实施例中，所述S3中实时监控被光照的植物图像的方法包括如下步骤：
S3.1、确定每次植物灯光照角度调整时间点，作为摄像监控设备拍摄触发点；
S3.2、规划单次拍摄图像单位数量，选取清晰的图像作为比对图像。
在一些实施例中，所述S2中定位被光照的植物区域位置的方法包括如下步骤：
S2.1、记录植物灯初始光照角度，确定单次角度调整大小；
S2.2、记录植物灯光照角度调整次数，通过调整次数确定当前被光照的植物区域位置调整角度。
本发明实施例至少具有以下有益效果：
1、通过调整植物灯的光照角度定位监控设备的拍摄范围，以获取到该植物灯的光照区域的植物图像，然后通过预先设置好的植物类型识别模型对植物图像之中的植物类型进行识别，以获取后续的植物种类、异常等级的匹配的先决条件，然后通过叶片信息多任务分析模型识别植物图像中的叶片和各叶片的异常区域占比，根据识别结果进行异常状态等级的计算并根据计算结果向异常状态数据库获取需要调整的光照强度数据。
附图说明
为了更清楚地说明本说明书实施例或现有技术中的技术方案，下面将对实施例或现有技术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说明书实施例中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。
图1为本发明提供的植物灯光照控制方法流程示意图。
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。需要说明的是，在不冲突的情况下，本公开中的实施方式及实施方式中的特征可以相互组合、分离、互换和/或重新布置。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。
这里使用的术语是为了描述具体实施例的目的，而不意图是限制性的。如这里所使用的，除非上下文另外清楚地指出，否则单数形式“一个(种、者)”和“所述(该)”也意图包括复数形式。此外，当在本说明书中使用术语“包含”和/或“包括”以及它们的变型时，说明存在所陈述的特征、整体、步骤、操作、部件、组件和/或它们的组，但不排除存在或附加一个或更多个其它特征、整体、步骤、操作、部件、组件和/或它们的组。还要注意的是，如这里使用的，术语“基本上”、“大约”和其它类似的术语被用作近似术语而不用作程度术语，如此，它们被用来解释本领域普通技术人员将认识到的测量值、计算值和/或提供的值的固有偏差。
请参阅图1所示，提供了一种植物灯光照控制方法，用以解决现有技术中植物灯光照如何调节是亟待解决的问题，包括以下步骤：
S1、调整植物灯光照角度，使得灯光投射至待光照的植物区域；
S2、通过当前植物灯光照角度，定位被光照的植物区域位置；
S3、植物灯配置摄像监控设备，根据被光照的植物区域位置获取被光照的植物图像；
S4、将所述被光照的植物图像输入植物类型识别模型，通过所述植物类型识别模型确定所述植物图像中的植物类型；
S5、将所述被光照的植物图像输入叶片信息多任务分析模型以识别所述植物图像之中的叶片和各叶片的异常区域占比；
S6、建立各项植物异常状态数据库，所述异常状态数据库包括各项植物在不同异常状态等级下需要的光照强度和光照时间；
S7、根据所述叶片数量和所述叶片的异常区域占比计算植物的异常状态等级；
S8、根据植物类型、所述异常状态等级和所述异常状态数据库调整光照强度和光照时间。
具体使用时，在进行植物灯光调控过程中，由于大棚内各个植物所处位置不同，植物灯投射的范围有限，导致部分大棚区域的植物所接收到的灯光强度过低或过高，而植物长时间处于高强度灯光照射会出现脱水而形成边缘干枯或长褐斑，植物长时间处于低强度的灯光照射会导致其光合作用大大降低，促使叶子枯黄。
为了应对上述问题，首先调整植物灯光照角度，保证灯光投射至待光照的植物区域，使得光照区域植物处于亮度充足状态，而植物灯配置摄像监控设备，通过摄像监控设备实时监控被光照的植物图像，此时确定植物灯光照角度，通过植物灯光照角度定位当前被光照的植物区域位置。
优选地，在一些实施例中，所述S2中定位被光照的植物区域位置的方法包括如下步骤：
S2.1、记录植物灯初始光照角度，确定单次角度调整大小；
S2.2、记录植物灯光照角度调整次数，通过调整次数确定当前被光照的植物区域位置调整角度。
具体使用时，在进行定位被光照的植物区域位置的过程中，首先记录植物灯初始光照角度，确定单次角度调整大小，即每次调整的单位角度，当初始角度为，单位角度为，每调整一次角度为/>，记录植物灯光照角度调整次数，通过调整次数确定当前被光照的植物区域位置调整角度。
优选地，在一些实施例中，所述S3中实时监控被光照的植物图像的方法包括如下步骤：
S3.1、确定每次植物灯光照角度调整时间点，作为摄像监控设备拍摄触发点；
S3.2、规划单次拍摄图像单位数量，选取清晰的图像作为比对图像。
具体使用时，在进行被光照的植物图像监控过程中，首先确定每次植物灯光照角度调整时间点，作为摄像监控设备拍摄触发点，即每次植物灯调整角度时，表明光照区域发生改变，此时摄像监控设备启动响应，同时规划单次拍摄图像单位数量，即每次植物灯调整角度后，对调整后的光照区域进行拍摄的次数，随后对拍摄的相同区域的各个图像进行图像分析，选取清晰的图像作为比对图像，剔除其中存在噪声的图像，从而避免系统内存过载。
当摄像监控设备捕捉的植物图像出现异常时，通过系统先前建立的植物辨识数据库，确定各个植物细节特征，采集各个大棚植物图像，分析各个大棚植物的细节特征，通过细节特征定位大棚植物类型，比对监控图像反馈的植物图像信息与植物辨识数据，即比对监控图像反馈的植物图像细节特征与植物辨识数据库中的各个植物图像细节特征，确定当前被光照的植物类型。
优选地，在一些实施例中，所述植物类型识别模型包括植物辨识数据库，所述植物辨识数据库包括各植物种类的细节特征；
通过所述植物类型识别模型确定所述植物图像中的植物类型，包括：
获取所述植物图像中的第一细节特征集合；
比对所述第一细节特征集合与植物辨识数据库中的各植物的细节特征，以获取两者重合的细节特征以及重合细节特征的数量；
比较所述重合细节特征的数量与重合细节特征阈值的大小，并且对各种类植物对应的重合细节特征的数量排名，若植物图像与某植物种类的所述重合细节特征的数量超过所述重合细节特征阈值且重合细节特征的数量最多则输出所述植物图像中的植物类型为所述植物种类。
本实施例通过比对监控图像反馈的植物图像信息与植物辨识数据，确定当前被光照的植物类型，结合确定的被光照植物的异常状态，确定当前被光照植物所属异常等级，结合被光照植物所属异常等级实时调整植物灯光照强度，根据监控到的不同状态的植物图像，实时分析确定出当前植物类型以及异常类型，并根据其异常等级规划对应的光照强度，根据植物需求进行光照补充或者降低，为大棚不同区域的植物提供适应的光照强度，保证其正常的生长状态。
由于不同植物在生长过程中，表现出的生长特点不同，其区分其余植物的特征也会有所差异，所以在进行植物类型识别过程中，首先需要参考植物生长周期变化，确定各个植物不同周期的生长特点，结合各个植物不同周期的生长特点，作为后期比对的细节特征，确定不同生长周期的植物表现出的细节特征，提高植物辨识数据库数据完整度，减少后期比对过程中出现的误差。
在上述植物种类辨识的实施例中，需要由人工完成大量的细节特征的梳理和统计工作，耗时耗力而且结果不够精确，为了解决该问题本发明提供了一下优选实施例。
优选地，在一些实施例中，所述植物类型识别模型的训练方法包括：
构建第一训练数据集，所述第一训练数据集包括植物图像及对应的植物种类标签；
将所述第一训练数据集输入所述植物类型识别模型进行植物种类分析，基于植物种类标签和种类分析结果之间的差异确定第一损失值；
根据所述第一损失值对植物类型识别模型进行迭代更新训练，训练得到的植物类型识别模型用于根据植物图像判断植物种类。
优选地，在一些实施例中，所述叶片信息多任务分析模型的训练方法包括：
构建第二训练数据集，所述第二训练数据集的图像包括完整正常植物叶片、完整异常植物叶片、被遮挡的植物叶片和被遮挡的异常植物叶片，所述第二训练数据集的图像的每个叶片均具有叶片标签以及异常区域占比标签；
将所述第二训练数据集中的图像依次输入所述叶片信息多任务分析模型以获得对图像中的叶片识别结果以及叶片的异常区域占比分析结果，基于所述叶片信息多任务分析模型的多任务分析结果与所述叶片标签以及异常区域占比标签之间的差异确定第二损失值；
基于所述第二损失值对所述叶片信息多任务分析模型进行训练，训练得到的模型用于对识别图像中的叶片以及输出叶片各自的异常区域占比。
优选地，建立各项植物异常状态数据库过程中，首先确定当前被光照的植物的异常叶片量，即同一植物图像中显示出异常的叶片，由于异常叶片上的异常区域不同，需要确定被光照的植物异常叶片的平均异常区域占比，例如叶片A的异常区域占比为20%，叶片B的异常区域占比为30%，叶片C的异常区域占比为10%，其平均异常区域占比为20%，随后计算异常叶片量与平均异常区域占比和，得出被光照植物的异常状态，并按照计算异常叶片量与平均异常区域占比乘积大小规划对应的异常等级。根据经验统计数据为不同的植物的不同的异常等级分配适当的光照强度和光照时间。作为后续调整植物灯的参考，优选地，在一些实施例中，可以通过调整过程中的光照强度和光照时间以及植物异常等级的变化结果反馈调整植物异常状态数据库中的光照强度和光照时间。
优选地，在一些实施例中，所述S7中根据所述叶片数量和所述叶片的异常区域占比计算植物的异常状态等级，包括：
S7.1、根据步骤S5中的识别结果获取所述植物图像中的叶片总数；
S7.2、根据所述各叶片的异常区域占比不为零的叶片数量获取植物图像中的异常叶片数量；
S7.3、根据所述叶片总数、异常叶片数量和各叶片的异常区域占比确定植物的异常状态等级。
具体地，在一些实施例中，根据所述叶片总数、异常叶片数量和各叶片的异常区域占比确定植物的异常状态等级，计算公式表示为：
；
其中，为植物的异常状态等级，/>为从植物图像识别到的异常叶片数量，/>为从植物图像识别到的叶片总数，/>至/>为植物图像中出现异常的各个叶片的异常区域占比。
优选地，在一些实施例中，所述S8中根据所述异常状态等级和所述异常状态数据库调整光照强度和光照时间包括如下步骤：
S8.1、植物灯配置光感传感器，获取当前植物灯光照强度；
S8.2、根据得到的植物类型和异常状态等级从异常状态数据库获取目标光照强度和光照时间；
S8.3、根据获得的当前植物灯光照强度和目标光照强度之间的差异调整植物灯光照强度和光照时间。
在一些实施例中，还包括当植物灯调整光照强度后达到光照时间时，重复执行步骤S3-S8，当异常叶片数量与叶片总数的比值低于预设阈值时，保持该异常等级对应的植物灯光照强度照射。
专业人员应该还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器（RAM）、内存、只读存储器（ROM）、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (9)
1.一种植物灯光照控制方法，其特征在于，包括以下步骤：
S1、调整植物灯光照角度，使得灯光投射至待光照的植物区域；
S2、通过当前植物灯光照角度，定位被光照的植物区域位置；
S3、植物灯配置摄像监控设备，根据被光照的植物区域位置获取被光照的植物图像；
S4、将所述被光照的植物图像输入植物类型识别模型，通过所述植物类型识别模型确定所述植物图像中的植物类型；
S5、将所述被光照的植物图像输入叶片信息多任务分析模型以识别所述植物图像之中的叶片和各叶片的异常区域占比；
S6、建立各项植物异常状态数据库，所述异常状态数据库包括各项植物在不同异常状态等级下需要的光照强度和光照时间；
S7、根据所述叶片数量和所述叶片的异常区域占比计算植物的异常状态等级；
S8、根据植物类型、所述异常状态等级和所述异常状态数据库调整光照强度和光照时间。
2.根据权利要求1所述的植物灯光照控制方法，其特征在于：所述植物类型识别模型包括植物辨识数据库，所述植物辨识数据库包括各植物种类的细节特征；
通过所述植物类型识别模型确定所述植物图像中的植物类型，包括：
获取所述植物图像中的第一细节特征集合；
比对所述第一细节特征集合与植物辨识数据库中的各植物的细节特征，以获取两者重合的细节特征以及重合细节特征的数量；
比较所述重合细节特征的数量与重合细节特征阈值的大小，并且对各种类植物对应的重合细节特征的数量排名，若植物图像与某植物种类的所述重合细节特征的数量超过所述重合细节特征阈值且重合细节特征的数量最多则输出所述植物图像中的植物类型为所述植物种类。
3.根据权利要求1所述的植物灯光照控制方法，其特征在于：所述植物类型识别模型的训练方法包括：
构建第一训练数据集，所述第一训练数据集包括植物图像及对应的植物种类标签；
将所述第一训练数据集输入所述植物类型识别模型进行植物种类分析，基于植物种类标签和种类分析结果之间的差异确定第一损失值；
根据所述第一损失值对植物类型识别模型进行迭代更新训练，训练得到的植物类型识别模型用于根据植物图像判断植物种类。
4.根据权利要求1所述的植物灯光照控制方法，其特征在于：所述叶片信息多任务分析模型的训练方法包括：
构建第二训练数据集，所述第二训练数据集的图像包括完整正常植物叶片、完整异常植物叶片、被遮挡的植物叶片和被遮挡的异常植物叶片，所述第二训练数据集的图像的每个叶片均具有叶片标签以及异常区域占比标签；
将所述第二训练数据集中的图像依次输入所述叶片信息多任务分析模型以获得对图像中的叶片识别结果以及叶片的异常区域占比分析结果，基于所述叶片信息多任务分析模型的多任务分析结果与所述叶片标签以及异常区域占比标签之间的差异确定第二损失值；
基于所述第二损失值对所述叶片信息多任务分析模型进行训练，训练得到的模型用于对识别图像中的叶片以及输出叶片各自的异常区域占比。
5.根据权利要求1所述的植物灯光照控制方法，其特征在于：所述S7中根据所述叶片数量和所述叶片的异常区域占比计算植物的异常状态等级，包括：
S7.1、根据步骤S5中的识别结果获取所述植物图像中的叶片总数；
S7.2、根据所述各叶片的异常区域占比不为零的叶片数量获取植物图像中的异常叶片数量；
S7.3、根据所述叶片总数、异常叶片数量和各叶片的异常区域占比确定植物的异常状态等级。
6.根据权利要求5所述的植物灯光照控制方法，其特征在于：根据所述叶片总数、异常叶片数量和各叶片的异常区域占比确定植物的异常状态等级，计算公式表示为：
；
其中，为植物的异常状态等级，/>为从植物图像识别到的异常叶片数量，/>为从植物图像识别到的叶片总数，/>至/>为植物图像中出现异常的各个叶片的异常区域占比。
7.根据权利要求1所述的植物灯光照控制方法，其特征在于：所述S8中根据所述异常状态等级和所述异常状态数据库调整光照强度和光照时间包括如下步骤：
S8.1、植物灯配置光感传感器，获取当前植物灯光照强度；
S8.2、根据得到的植物类型和异常状态等级从异常状态数据库获取目标光照强度和光照时间；
S8.3、根据获得的当前植物灯光照强度和目标光照强度之间的差异调整植物灯光照强度和光照时间。
8.根据权利要求1所述的植物灯光照控制方法，其特征在于：所述S2中定位被光照的植物区域位置的方法包括如下步骤：
S2.1、记录植物灯初始光照角度，确定单次角度调整大小；
S2.2、记录植物灯光照角度调整次数，通过调整次数确定当前被光照的植物区域位置调整角度。
9.根据权利要求1所述的植物灯光照控制方法，其特征在于：所述S3中根据被光照的植物区域位置获取被光照的植物图像，包括如下步骤：
S3.1、确定每次植物灯光照角度调整时间点，作为摄像监控设备拍摄触发点；
S3.2、规划单次拍摄图像单位数量，选取清晰的图像作为比对图像。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311247411.6A CN116997053B (zh) | 2023-09-26 | 2023-09-26 | 一种植物灯光照控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311247411.6A CN116997053B (zh) | 2023-09-26 | 2023-09-26 | 一种植物灯光照控制方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116997053A true CN116997053A (zh) | 2023-11-03 |
| CN116997053B CN116997053B (zh) | 2023-12-26 |
Family
ID=88521710
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311247411.6A Active CN116997053B (zh) | 2023-09-26 | 2023-09-26 | 一种植物灯光照控制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116997053B (zh) |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104766152A (zh) * | 2015-01-30 | 2015-07-08 | 安徽大学 | 一种作物病害识别与病情评估装置 |
| CN107145879A (zh) * | 2017-06-23 | 2017-09-08 | 依通（北京）科技有限公司 | 一种植物种类自动识别方法及系统 |
| CN112413449A (zh) * | 2020-11-13 | 2021-02-26 | 北国之光(深圳)科技有限公司 | 一种植物生长灯的智能配光系统及植物智能配光方法 |
| CN112867194A (zh) * | 2021-01-18 | 2021-05-28 | 天一智能科技(东莞)有限公司 | 一种led光源的控制方法、控制装置、服务器及介质 |
| WO2021223607A1 (zh) * | 2020-05-07 | 2021-11-11 | 杭州睿琪软件有限公司 | 植物状态评估方法、系统及计算机可读存储介质 |
| KR20220004491A (ko) * | 2020-07-03 | 2022-01-11 | 국민대학교산학협력단 | 인공지능 기반 수목 데이터 관리 시스템 및 수목 데이터 관리 방법 |
| CN114027052A (zh) * | 2021-10-20 | 2022-02-11 | 华南农业大学 | 一种植物生殖发育的光照调控系统 |
| CN114051869A (zh) * | 2020-08-10 | 2022-02-18 | 鸿富锦精密电子(天津)有限公司 | 植物栽培系统及植物栽培箱的控制方法 |
| CN114092680A (zh) * | 2021-11-20 | 2022-02-25 | 湖北农稷九九科技有限公司 | 一种可根据自识别植物品种而调节照射参数的植物灯照射系统 |
| CN114757891A (zh) * | 2022-03-23 | 2022-07-15 | 江苏友开软件技术服务有限公司 | 一种基于机器视觉技术的植物生长状态的识别方法 |
| CN115294518A (zh) * | 2022-07-18 | 2022-11-04 | 广东省农业科学院环境园艺研究所 | 一种园艺植物温室精准栽培的智能监控方法及系统 |
| CN115462254A (zh) * | 2021-06-11 | 2022-12-13 | 云南中商正晓农业科技有限公司 | 一种植物种植自动化光照系统及方法 |
| CN116627193A (zh) * | 2023-07-21 | 2023-08-22 | 山东梦芯信息科技有限公司 | 一种温室大棚智能管控平台及方法 |
-
2023
- 2023-09-26 CN CN202311247411.6A patent/CN116997053B/zh active Active
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104766152A (zh) * | 2015-01-30 | 2015-07-08 | 安徽大学 | 一种作物病害识别与病情评估装置 |
| CN107145879A (zh) * | 2017-06-23 | 2017-09-08 | 依通（北京）科技有限公司 | 一种植物种类自动识别方法及系统 |
| WO2021223607A1 (zh) * | 2020-05-07 | 2021-11-11 | 杭州睿琪软件有限公司 | 植物状态评估方法、系统及计算机可读存储介质 |
| KR20220004491A (ko) * | 2020-07-03 | 2022-01-11 | 국민대학교산학협력단 | 인공지능 기반 수목 데이터 관리 시스템 및 수목 데이터 관리 방법 |
| CN114051869A (zh) * | 2020-08-10 | 2022-02-18 | 鸿富锦精密电子(天津)有限公司 | 植物栽培系统及植物栽培箱的控制方法 |
| CN112413449A (zh) * | 2020-11-13 | 2021-02-26 | 北国之光(深圳)科技有限公司 | 一种植物生长灯的智能配光系统及植物智能配光方法 |
| CN112867194A (zh) * | 2021-01-18 | 2021-05-28 | 天一智能科技(东莞)有限公司 | 一种led光源的控制方法、控制装置、服务器及介质 |
| CN115462254A (zh) * | 2021-06-11 | 2022-12-13 | 云南中商正晓农业科技有限公司 | 一种植物种植自动化光照系统及方法 |
| CN114027052A (zh) * | 2021-10-20 | 2022-02-11 | 华南农业大学 | 一种植物生殖发育的光照调控系统 |
| CN114092680A (zh) * | 2021-11-20 | 2022-02-25 | 湖北农稷九九科技有限公司 | 一种可根据自识别植物品种而调节照射参数的植物灯照射系统 |
| CN114757891A (zh) * | 2022-03-23 | 2022-07-15 | 江苏友开软件技术服务有限公司 | 一种基于机器视觉技术的植物生长状态的识别方法 |
| CN115294518A (zh) * | 2022-07-18 | 2022-11-04 | 广东省农业科学院环境园艺研究所 | 一种园艺植物温室精准栽培的智能监控方法及系统 |
| CN116627193A (zh) * | 2023-07-21 | 2023-08-22 | 山东梦芯信息科技有限公司 | 一种温室大棚智能管控平台及方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116997053B (zh) | 2023-12-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112197819A (zh) | 一种基于生产基地的植物生长精准控制方法 | |
| Burks et al. | Classification of weed species using color texture features and discriminant analysis | |
| CN114418040B (zh) | 一种园林绿化养护监测及预警的方法与系统 | |
| JP5593255B2 (ja) | 植生制御装置、植物育成システム | |
| JP2012191903A (ja) | 植物選別装置、ロボット、植物栽培システム、植物選別方法、及びプログラム | |
| CN112930926A (zh) | 一种基于深度学习的植物生产参数调优方法 | |
| KR20200063500A (ko) | 모듈형 스마트팜 버섯재배 시스템 | |
| CN115604301A (zh) | 一种基于人工智能的种植环境监测系统 | |
| CN114269041A (zh) | 一种基于led植物补光智能控制方法及其系统 | |
| EP4104671A1 (en) | Controlled environment agriculture method and system for plant cultivation | |
| CN117011706A (zh) | 植物组织生长状况的研判系统及方法 | |
| CN113711798A (zh) | 植物生长的控制方法、控制设备、植物生长灯及控制系统 | |
| CN113221723A (zh) | 可溯源的自反馈学习城市植物工厂 | |
| CN116997053B (zh) | 一种植物灯光照控制方法 | |
| KR20210065607A (ko) | 식물 생육 상태 판단 방법 및 이를 이용한 식물 생육 장치 | |
| CN115292334A (zh) | 基于视觉智能种植方法、系统、电子设备及存储介质 | |
| US20230196560A1 (en) | Systems and methods for automatically grading cannabis plants and adjusting control parameters | |
| CN109324509A (zh) | 信息调控方法、装置及系统 | |
| CN111436296A (zh) | 一种用于植物生长和发育的人工智能生长方法 | |
| CN111869532A (zh) | 一种兰花自动化培植系统及培植方法 | |
| JP7134428B2 (ja) | 植物栽培装置 | |
| CN103499313A (zh) | 一种穴盘苗检测系统和方法 | |
| CN115530066A (zh) | 一种基于无土栽培的灯光自动调节系统 | |
| CN116795157A (zh) | 基于物联网的温室大棚环境监测与调整方法和系统 | |
| CN212208065U (zh) | 一种基于bim可视化的温室环境监控装置 |
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 |