CN117058607A - 一种基于图像视觉分析的植物生长状态监测系统 - Google Patents
一种基于图像视觉分析的植物生长状态监测系统 Download PDFInfo
- Publication number
- CN117058607A CN117058607A CN202310981974.1A CN202310981974A CN117058607A CN 117058607 A CN117058607 A CN 117058607A CN 202310981974 A CN202310981974 A CN 202310981974A CN 117058607 A CN117058607 A CN 117058607A
- Authority
- CN
- China
- Prior art keywords
- plant
- growth
- information
- data
- image
- 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.)
- Withdrawn
Links
- 230000008635 plant growth Effects 0.000 title claims abstract description 84
- 238000012544 monitoring process Methods 0.000 title claims abstract description 31
- 238000004458 analytical method Methods 0.000 title claims abstract description 26
- 230000000007 visual effect Effects 0.000 title claims abstract description 20
- 230000012010 growth Effects 0.000 claims abstract description 166
- 241000607479 Yersinia pestis Species 0.000 claims abstract description 31
- 241000238631 Hexapoda Species 0.000 claims abstract description 23
- 230000002159 abnormal effect Effects 0.000 claims abstract description 23
- 230000010365 information processing Effects 0.000 claims abstract description 23
- 238000012545 processing Methods 0.000 claims abstract description 23
- 230000005477 standard model Effects 0.000 claims abstract description 22
- 201000010099 disease Diseases 0.000 claims abstract description 21
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims abstract description 21
- 238000004364 calculation method Methods 0.000 claims abstract description 15
- 241000196324 Embryophyta Species 0.000 claims description 164
- 230000005856 abnormality Effects 0.000 claims description 11
- 238000010276 construction Methods 0.000 claims description 5
- 238000001514 detection method Methods 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 4
- 238000003709 image segmentation Methods 0.000 claims description 3
- 230000002015 leaf growth Effects 0.000 claims description 2
- 230000009977 dual effect Effects 0.000 abstract description 4
- 238000005516 engineering process Methods 0.000 description 9
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 241000282414 Homo sapiens Species 0.000 description 3
- 238000012271 agricultural production Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 238000000034 method Methods 0.000 description 3
- 230000011218 segmentation Effects 0.000 description 3
- 239000002689 soil Substances 0.000 description 3
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 2
- 229910002092 carbon dioxide Inorganic materials 0.000 description 2
- 239000001569 carbon dioxide Substances 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000002636 symptomatic treatment Methods 0.000 description 2
- 206010003694 Atrophy Diseases 0.000 description 1
- 206010028980 Neoplasm Diseases 0.000 description 1
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 1
- ZLMJMSJWJFRBEC-UHFFFAOYSA-N Potassium Chemical compound [K] ZLMJMSJWJFRBEC-UHFFFAOYSA-N 0.000 description 1
- 230000037444 atrophy Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 229930002875 chlorophyll Natural products 0.000 description 1
- 235000019804 chlorophyll Nutrition 0.000 description 1
- ATNHDLDRLWWWCB-AENOIHSZSA-M chlorophyll a Chemical compound C1([C@@H](C(=O)OC)C(=O)C2=C3C)=C2N2C3=CC(C(CC)=C3C)=[N+]4C3=CC3=C(C=C)C(C)=C5N3[Mg-2]42[N+]2=C1[C@@H](CCC(=O)OC\C=C(/C)CCC[C@H](C)CCC[C@H](C)CCCC(C)C)[C@H](C)C2=C5 ATNHDLDRLWWWCB-AENOIHSZSA-M 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000001704 evaporation Methods 0.000 description 1
- 230000008020 evaporation Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000003306 harvesting Methods 0.000 description 1
- 230000017074 necrotic cell death Effects 0.000 description 1
- 229910052757 nitrogen Inorganic materials 0.000 description 1
- 239000000575 pesticide Substances 0.000 description 1
- 229910052698 phosphorus Inorganic materials 0.000 description 1
- 239000011574 phosphorus Substances 0.000 description 1
- 230000000243 photosynthetic effect Effects 0.000 description 1
- 239000011591 potassium Substances 0.000 description 1
- 229910052700 potassium Inorganic materials 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000005507 spraying Methods 0.000 description 1
- 235000013619 trace mineral Nutrition 0.000 description 1
- 239000011573 trace mineral Substances 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
- 238000009333 weeding Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
- G01B11/06—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness for measuring thickness ; e.g. of sheet material
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
- G01B11/06—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness for measuring thickness ; e.g. of sheet material
- G01B11/0608—Height gauges
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/28—Measuring arrangements characterised by the use of optical techniques for measuring areas
- G01B11/285—Measuring arrangements characterised by the use of optical techniques for measuring areas using photoelectric detection means
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
- G01J3/46—Measurement of colour; Colour measuring devices, e.g. colorimeters
- G01J3/50—Measurement of colour; Colour measuring devices, e.g. colorimeters using electric radiation detectors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
- G06V10/12—Details of acquisition arrangements; Constructional details thereof
- G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
- G06V10/143—Sensing or illuminating at different wavelengths
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
- G06T2207/30188—Vegetation; Agriculture
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- General Health & Medical Sciences (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Health & Medical Sciences (AREA)
- Analytical Chemistry (AREA)
- Computing Systems (AREA)
- Biochemistry (AREA)
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Geometry (AREA)
- Quality & Reliability (AREA)
- Catching Or Destruction (AREA)
Abstract
本发明涉及一种基于图像视觉分析的植物生长状态监测系统，包括：植物信息采集模块，用于采集植物图像信息和植物生长环境信息，并发送至植物信息处理模块；植物信息处理模块，用于对植物图像信息和植物生长环境信息分别进行处理，并发送至生长数据计算模块；生长数据计算模块，用于基于处理后的植物图像信息计算植物的生长数据，并发送至生长状态判断模块；生长状态判断模块，用于构建植物生长标准模型，并将植物的生长数据和处理后的植物生长环境信息输入植物生长标准模型中，判断植物的生长状态。本发明能够实现对植物的生长状态和生长环境的双重联合监测，快速判断出植物生长状态异常原因，以及植物表面病虫害状态情况。
Description
技术领域
本发明涉及植物生长状态监测技术领域，特别是涉及一种基于图像视觉分析的植物生长状态监测系统。
背景技术
中国作为全球最大的发展中国家又是一个以农业生产输出排在世界前列的国家，农业生产水平、农作物产量的提升越来越受到国家的重视。然而随着新世纪科技腾飞，一些能源逐渐枯竭，污染日益严重，环境发展失去平衡，这些问题都影响了植物的生长，植物的生长状态影响着之后的果实以及未来几年的收成，加重了中国人民耕地的负担。
传统的植物生长诊断主要靠人力来进行目测，这种方法需要耗费大量的人力来完成，且需要较多的经验知识，只能定性分析，分析结果时效性较差，准确性较低。随着农业物联网逐渐崭露头角，大量的农业传感器被运用的农业生产活动中，基础的传感器例如湿度传感器、光照传感器等敏感度不高；而高精度传感器例如叶绿素仪、微量元素传感器价格又非常昂贵，这就导致植物特征数据获取耗费时间过长，人力成本投入过大，数据的质量和数量都无法得到保证。而计算机视觉和图像处理技术作为当代计算机技术、图像识别以及传感网络等技术结合与发展的产物，已广泛应用于农业领域，在作物采摘，农药喷洒，杂草识别与除草，病虫害检测等领域都有显著作用，并且随着技术的不断提升，将实现智能农业产业的全面建成，对人类的发展起到了非常关键的作用。
因此，亟需一种基于图像视觉分析的植物生长状态监测系统来解决上述技术问题。
发明内容
本发明的目的是为解决上述技术问题，提供一种基于图像视觉分析的植物生长状态监测系统，能够实现对植物的生长状态和生长环境的双重联合监测，快速判断出植物生长状态异常原因，以及植物表面病虫害状态情况。
为实现上述目的，本发明提供了如下方案：
一种基于图像视觉分析的植物生长状态监测系统，包括：植物信息采集模块、植物信息处理模块、生长数据计算模块、生长状态判断模块；
所述植物信息采集模块，用于采集植物图像信息和植物生长环境信息，并发送至所述植物信息处理模块；
所述植物信息处理模块，用于对所述植物图像信息和植物生长环境信息分别进行处理，并发送至所述生长数据计算模块；
所述生长数据计算模块，用于基于处理后的植物图像信息计算植物的生长数据，并发送至所述生长状态判断模块；
所述生长状态判断模块，用于构建植物生长标准模型，并将所述植物的生长数据和处理后的植物生长环境信息输入所述植物生长标准模型中，判断所述植物的生长状态。
进一步地，所述植物信息采集模块包括：植物图像采集单元和生长环境采集单元；
所述植物图像采集单元，用于实时采集不同生长周期内的植物茎叶的生长图像，并发送至植物信息处理模块；
所述生长环境采集单元，用于实时采集植物的生长环境数据，并发送至植物信息处理模块。
进一步地，所述植物信息处理模块包括：植物图像处理单元和生长环境处理单元；
所述植物图像处理单元，用于对不同生长周期内的植物茎叶的生长图像进行图像分割、边缘化处理以及特征提取，获取植物生长状态相关信息；
所述生长环境处理单元，用于对植物的生长环境数据进行初步异常检测和异常值标记，并将所述植物的生长环境数据与所述植物生长状态相关信息按时间一一对应。
进一步地，所述植物生长状态相关信息包括：植物种类、主干直径、叶片个数、叶片面积、叶片厚度、叶片颜色、叶片枯萎情况、害虫情况。
进一步地，基于处理后的植物图像信息计算植物的生长数据包括：
基于不同生长周期内的植物生长状态相关信息，计算植物的生长速度、生长高度、叶片增长率和叶片的面积、厚度、颜色变化情况。
进一步地，所述生长状态判断模块包括：标准模型构建单元和生长状态判断单元；
所述标准模型构建单元，用于根据植物类型获取植物标准生长数据和标准生长环境数据，并基于所述植物标准生长数据和标准生长环境数据构建所述植物生长标准模型；
所述生长状态判断单元，用于根据植物生长周期，将所述植物的生长数据与所述植物生长标准模型中的植物标准生长数据进行对比，判断植物的生长状态是否异常；若所述植物的生长状态异常，则将植物的生长环境数据与所述植物生长标准模型中的植物标准生长环境数据进行对比，判断植物的生长环境是否存在异常，并确定异常因素。
进一步地，所述生长状态判断模块还包括病虫害分析单元，用于对叶片枯萎情况、害虫情况进行特征提取和识别，获取病虫害分析结果，所述病虫害分析结果包括患病类型和害虫类型。
进一步地，所述系统还包括监测异常报警模块，用于根据植物的生长状态异常情况、生长环境的异常因素和病虫害分析结果进行报警。
本发明的有益效果为：
本发明应用计算机视觉技术，通过红外摄像仪和图像处理获取植物的图像信息，进而获取植物的生长状态相关信息，并通过传感器获取植物的生长环境信息，实现对植物的生长状态和生长环境的双重联合监测，能够根据生长环境对植物生长状态的影响，快速判断出植物生长状态异常的原因，从未为植物构建更合适的生长环境；还通过图像处理对植物表面病虫害状态进行了分析，能够确定植物患病情况和害虫类型，便于对症治疗，保证植物的正常生长。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例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性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例的一种基于图像视觉分析的植物生长状态监测系统结果示意图。
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。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
本实施例提供了一种基于图像视觉分析的植物生长状态监测系统，如图1所示，包括：植物信息采集模块、植物信息处理模块、生长数据计算模块、生长状态判断模块。
植物信息采集模块，用于采集植物图像信息和植物生长环境信息，并发送至植物信息处理模块；
植物信息处理模块，用于对植物图像信息和植物生长环境信息分别进行处理，并发送至生长数据计算模块；
生长数据计算模块，用于基于处理后的植物图像信息计算植物的生长数据，并发送至生长状态判断模块；
生长状态判断模块，用于构建植物生长标准模型，并将植物的生长数据和处理后的植物生长环境信息输入植物生长标准模型中，判断植物的生长状态。
植物信息采集模块包括：
植物图像采集单元，用于基于红外摄像仪实时采集不同生长周期内的植物茎叶的生长图像，并发送至植物信息处理模块。主要通过安装红外摄像仪对一定区域内植物进行拍摄，基于计算机视觉技术对植物进行精准测量，计算机发出拍摄命令，红外摄像仪接收到拍摄指令后对植物进行自动调焦并进行拍照，然后通过无线网络将图片信息传输回计算机中。
生长环境采集单元，用于基于传感器实时采集植物的生长环境数据，并发送至植物信息处理模块。主要包括通过光照传感器、温湿度传感器、二氧化碳浓度传感器、PH值传感器、气压传感器等实时采集光照度、光合有效辐射值、紫外线值、温湿度、二氧化碳浓度、土壤EC值、土壤PH值、土壤氮磷钾值、蒸发量和大气压力值等生长环境数据。
植物信息处理模块包括：
植物图像处理单元，用于对不同生长周期内的植物茎叶的生长图像进行图像分割、边缘化处理以及特征提取，获取植物生长状态相关信息，主要包括植物种类、主干直径、叶片个数、叶片面积、叶片厚度、叶片颜色，以及叶片枯萎情况、害虫情况等。
以叶片面积为例，将植株叶片面积提取出来的实现流程如下：
利用YOLOV3目标检测框架，对输入的同一个体植株不同生长周期的图像进行识别，识别出叶片信息后并判断其位置；根据叶片位置截取出同一个体植株不同生长周期的图像中的叶片部分；使用KNN算法对截取出来的叶片图像进行聚类背景分割；根据聚类背景分割结果去除叶片图像中的背景部分；将去除背景部分的叶片图像进行边缘信息融合补全操作；根据图像像素梯度值，使用阈值计算对融合补全后的叶片图像进行锐化，突出叶片边缘；对锐化后的叶片图像进行实例分割，按照图像中分割实例的不同方向角和形状大小标记实例不同序号；利用Canny算子检测出分割后的实例叶片图像边缘，并绘制分割后的实例叶片图像边缘的轮廓；根据分割后的实例叶片图像边缘的轮廓信息，计算出contour拟合出的多边形的叶片面积。
生长环境处理单元，用于对植物的生长环境数据进行初步异常值检测，并将植物的生长环境数据与植物生长状态相关信息按时间一一对应，若存在明显异常，则进行标记。
生长数据计算模块，
生长数据计算单元，用于根据不同生长周期内的植物生长状态相关信息计算植物的生长数据，包括生长速度、生长高度、叶片增长率和叶片的面积、厚度、颜色变化情况等。
生长状态判断模块包括：
标准模型构建单元，用于根据植物类型获取植物标准生长数据和标准生长环境数据，构建植物生长标准模型；
生长状态判断单元，用于根据植物生长周期，将植物的生长数据与植物生长标准模型中的植物标准生长数据进行对比，判断植物的生长状态是否异常；若所述植物的生长状态异常，则将植物的生长环境数据与植物生长标准模型中的植物标准生长环境数据进行对比，判断植物的生长环境是否存在异常，并确定异常因素。
标准生长数据和标准生长环境数据通常为范围值，只需判断植物的生长数据和植物的生长环境数据是否在范围内，即可判断植物的生长状态以及生长环境是否存在异常。
生长状态判断模块还包括病虫害分析单元，用于基于图像处理所获得的叶片枯萎情况、害虫情况进行分析，获取病虫害分析结果，包括腐烂、坏死、萎蔫、肿瘤、黄花萎缩等，并利用特征提取进一步提取害虫特征，根据植物的种类与害虫数据库进行匹配，获取害虫信息。
为进一步优化技术方案，本实施例提供的一种基于图像视觉分析的植物生长状态监测系统还包括监测异常报警模块，用于根据植物的生长状态异常情况、生长环境的异常因素和病虫害分析情况进行报警。
为进一步优化技术方案，本实施例提供的一种基于图像视觉分析的植物生长状态监测系统还包括远程终端，用于将监测信息发送至远程终端进行显示，可以采用APP、微信小程序、电脑网页等。
为进一步优化技术方案，本实施例提供的一种基于图像视觉分析的植物生长状态监测系统还包括通讯模块，用于植物信息采集模块、植物信息处理模块、生长数据计算模块、生长状态判断模块、监测异常报警模块以及远程终端之间的信息传输，可以采用无线通信、5G通信等技术。
本发明应用计算机视觉技术，通过红外摄像仪和图像处理获取植物的图像信息，进而获取植物的生长状态相关信息，并通过传感器获取植物的生长环境信息，实现对植物的生长状态和生长环境的双重联合监测，能够根据生长环境对植物生长状态的影响，快速判断出植物生长状态异常的原因，从未为植物构建更合适的生长环境；还通过图像处理对植物表面病虫害状态进行了分析，能够确定植物患病情况和害虫类型，便于对症治疗，保证植物的正常生长。
以上所述的实施例仅是对本发明优选方式进行的描述，并非对本发明的范围进行限定，在不脱离本发明设计精神的前提下，本领域普通技术人员对本发明的技术方案做出的各种变形和改进，均应落入本发明权利要求书确定的保护范围内。
Claims (8)
1.一种基于图像视觉分析的植物生长状态监测系统，其特征在于，包括：植物信息采集模块、植物信息处理模块、生长数据计算模块、生长状态判断模块；
所述植物信息采集模块，用于采集植物图像信息和植物生长环境信息，并发送至所述植物信息处理模块；
所述植物信息处理模块，用于对所述植物图像信息和植物生长环境信息分别进行处理，并发送至所述生长数据计算模块；
所述生长数据计算模块，用于基于处理后的植物图像信息计算植物的生长数据，并发送至所述生长状态判断模块；
所述生长状态判断模块，用于构建植物生长标准模型，并将所述植物的生长数据和处理后的植物生长环境信息输入所述植物生长标准模型中，判断所述植物的生长状态。
2.根据权利要求1所述的基于图像视觉分析的植物生长状态监测系统，其特征在于，所述植物信息采集模块包括：植物图像采集单元和生长环境采集单元；
所述植物图像采集单元，用于实时采集不同生长周期内的植物茎叶的生长图像，并发送至植物信息处理模块；
所述生长环境采集单元，用于实时采集植物的生长环境数据，并发送至植物信息处理模块。
3.根据权利要求1所述的基于图像视觉分析的植物生长状态监测系统，其特征在于，所述植物信息处理模块包括：植物图像处理单元和生长环境处理单元；
所述植物图像处理单元，用于对不同生长周期内的植物茎叶的生长图像进行图像分割、边缘化处理以及特征提取，获取植物生长状态相关信息；
所述生长环境处理单元，用于对植物的生长环境数据进行初步异常检测和异常值标记，并将所述植物的生长环境数据与所述植物生长状态相关信息按时间一一对应。
4.根据权利要求3所述的基于图像视觉分析的植物生长状态监测系统，其特征在于，所述植物生长状态相关信息包括：植物种类、主干直径、叶片个数、叶片面积、叶片厚度、叶片颜色、叶片枯萎情况、害虫情况。
5.根据权利要求1所述的基于图像视觉分析的植物生长状态监测系统，其特征在于，基于处理后的植物图像信息计算植物的生长数据包括：
基于不同生长周期内的植物生长状态相关信息，计算植物的生长速度、生长高度、叶片增长率和叶片的面积、厚度、颜色变化情况。
6.根据权利要求1所述的基于图像视觉分析的植物生长状态监测系统，其特征在于，所述生长状态判断模块包括：标准模型构建单元和生长状态判断单元；
所述标准模型构建单元，用于根据植物类型获取植物标准生长数据和标准生长环境数据，并基于所述植物标准生长数据和标准生长环境数据构建所述植物生长标准模型；
所述生长状态判断单元，用于根据植物生长周期，将所述植物的生长数据与所述植物生长标准模型中的植物标准生长数据进行对比，判断植物的生长状态是否异常；若所述植物的生长状态异常，则将植物的生长环境数据与所述植物生长标准模型中的植物标准生长环境数据进行对比，判断植物的生长环境是否存在异常，并确定异常因素。
7.根据权利要求6所述的基于图像视觉分析的植物生长状态监测系统，其特征在于，所述生长状态判断模块还包括病虫害分析单元，用于对叶片枯萎情况、害虫情况进行特征提取和识别，获取病虫害分析结果，所述病虫害分析结果包括患病类型和害虫类型。
8.根据权利要求1所述的基于图像视觉分析的植物生长状态监测系统，其特征在于，所述系统还包括监测异常报警模块，用于根据植物的生长状态异常情况、生长环境的异常因素和病虫害分析结果进行报警。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310981974.1A CN117058607A (zh) | 2023-08-07 | 2023-08-07 | 一种基于图像视觉分析的植物生长状态监测系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310981974.1A CN117058607A (zh) | 2023-08-07 | 2023-08-07 | 一种基于图像视觉分析的植物生长状态监测系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117058607A true CN117058607A (zh) | 2023-11-14 |
Family
ID=88658216
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310981974.1A Withdrawn CN117058607A (zh) | 2023-08-07 | 2023-08-07 | 一种基于图像视觉分析的植物生长状态监测系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117058607A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117357928A (zh) * | 2023-12-08 | 2024-01-09 | 广州泽力医药科技有限公司 | 一种基于物联网的植物提取方法及系统 |
-
2023
- 2023-08-07 CN CN202310981974.1A patent/CN117058607A/zh not_active Withdrawn
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117357928A (zh) * | 2023-12-08 | 2024-01-09 | 广州泽力医药科技有限公司 | 一种基于物联网的植物提取方法及系统 |
| CN117357928B (zh) * | 2023-12-08 | 2024-04-12 | 广州泽力医药科技有限公司 | 一种基于物联网的植物提取方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Fu et al. | Kiwifruit detection in field images using Faster R-CNN with ZFNet | |
| US10568316B2 (en) | Apparatus and methods for in-field data collection and sampling | |
| CN106126920B (zh) | 农作物雹灾受灾面积遥感评估方法 | |
| CN111727457B (zh) | 一种基于计算机视觉的棉花作物行检测方法、装置及存储介质 | |
| CN113468964B (zh) | 一种基于高光谱的农业病虫害监测方法及设备 | |
| Selvi et al. | Weed detection in agricultural fields using deep learning process | |
| CN117058607A (zh) | 一种基于图像视觉分析的植物生长状态监测系统 | |
| Changyi et al. | Apple detection from apple tree image based on BP neural network and Hough transform | |
| CN110188657A (zh) | 基于卷曲叶片检测的玉米干旱识别方法 | |
| Ozdemir et al. | Precision Viticulture tools to production of high quality grapes. | |
| CN115661650A (zh) | 一种基于物联网数据监测的农场管理系统 | |
| CN116030343A (zh) | 一种基于机器视觉识别的农作物病虫害监管系统 | |
| CN116129260A (zh) | 基于深度学习的牧草图像识别方法 | |
| CN114460080A (zh) | 一种水稻病虫智能监控系统 | |
| Yang et al. | Cotton hail disaster classification based on drone multispectral images at the flowering and boll stage | |
| CN114239756A (zh) | 一种虫害检测方法及系统 | |
| Miao et al. | Crop weed identification system based on convolutional neural network | |
| CN117057946A (zh) | 一种智慧农业园区数据监控装置及方法 | |
| CN116681929A (zh) | 一种麦类作物病害图像识别方法 | |
| CN115661647A (zh) | 一种树木栽种生长状况的定时巡检方法 | |
| Reis et al. | A low-cost system to detect bunches of grapes in natural environment from color images | |
| de Ocampo et al. | Integrated Weed Estimation and Pest Damage Detection in Solanum melongena Plantation via Aerial Vision-based Proximal Sensing. | |
| CN114972347A (zh) | 农作物病虫害检测方法、系统、设备及介质 | |
| CN112329697B (zh) | 一种基于改进YOLOv3的树上果实识别方法 | |
| Balram et al. | Crop field monitoring and disease detection of plants in smart agriculture using internet of things |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| WW01 | Invention patent application withdrawn after publication | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20231114 |