CN117522365A - 一种城市园林智能管养系统 - Google Patents

一种城市园林智能管养系统 Download PDF

Info

Publication number
CN117522365A
CN117522365A CN202311152766.7A CN202311152766A CN117522365A CN 117522365 A CN117522365 A CN 117522365A CN 202311152766 A CN202311152766 A CN 202311152766A CN 117522365 A CN117522365 A CN 117522365A
Authority
CN
China
Prior art keywords
maintenance
vegetation
target
disease
strategy
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
Application number
CN202311152766.7A
Other languages
English (en)
Inventor
陈晓景
纪春梅
周丽娜
马靖
李霞
郭建超
贾岩
孔祥兆
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.)
Beijing Xingke Lvyuan Greening Engineering Co ltd
Original Assignee
Beijing Xingke Lvyuan Greening Engineering Co ltd
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 Beijing Xingke Lvyuan Greening Engineering Co ltd filed Critical Beijing Xingke Lvyuan Greening Engineering Co ltd
Priority to CN202311152766.7A priority Critical patent/CN117522365A/zh
Publication of CN117522365A publication Critical patent/CN117522365A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/10—Office automation; Time management
    • G06Q10/109—Time management, e.g. calendars, reminders, meetings or time accounting
    • G06Q10/1093—Calendar-based scheduling for persons or groups
    • G06Q10/1097—Task assignment
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/20—Administration of product repair or maintenance
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/02—Agriculture; Fishing; Mining
    • 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
    • G06V10/765—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects using rules for classification or partitioning the feature space
    • 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
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/188—Vegetation

Abstract

本申请涉及一种城市园林智能管养系统，其属于城市园林绿化管理领域，系统包括处理模块、信息获取模块和移动终端模块，处理模块单元包括养护策略生成单元、养护任务生成单元和任务分配调度单元；信息获取模块用于获取园区内植被的环境信息和种类信息；养护策略生成单元用于根据植被的种类信息、植被的环境信息和养护指南确定目标养护策略；养护任务生成单元用于根据目标养护策略生成多个养护任务；任务分配调度单元用于将养护任务分配给目标养护人员的移动终端。本申请通过对园林进行数字化管理提高了城市园林绿化养护人员工作效率，达到城市园林的精准化管理的效果。

Description

一种城市园林智能管养系统
技术领域
本申请涉及城市园林绿化管理领域，尤其是涉及一种城市园林智能管养系统。
背景技术
近几年来，随着我国城市化进程的加速，城市园林建设呈现出蓬勃的发展势头，对城市园林建设的投资不断加大，城市园林绿地面积不断增加，绿地系统和城市基础设施不断完善。道路绿化、公园广场、河道绿地、住宅小区绿化，不同程度的体现着城市发展水平，绿化隔离带和绿廊、绿道不仅形成强势绿量，也进一步完善了城市绿地系统。随之而来的，是管理和养护成本大幅度增加、人员和事件管理难度逐渐加大、社会公众对园林绿化服务需求越来越高。
但是，现有技术中，园林养护大多采用人工养护，但是人工养护也有弊端，缺乏必要的数据管理和分析，无法形成全局数据视野，导致园林管养规划及决策过程仍依赖于日常经验，不能科学地进行养护，难以满足现代园林养护的要求。
发明内容
为了提高城市园林绿化养护人员工作效率，提高城市园林的精准化管理，本申请提供一种城市园林智能管养系统。
本申请提供的一种城市园林智能管养系统采用如下的技术方案：
系统包括：处理模块、信息获取模块和移动终端模块，处理模块单元包括养护策略生成单元、养护任务生成单元和任务分配调度单元；
信息获取模块用于获取园区内植被的环境信息和种类信息；
养护策略生成单元用于根据植被的种类信息、植被的环境信息和养护指南确定目标养护策略；养护任务生成单元用于根据养护策略生成多个养护任务；
任务分配调度单元用于将养护任务分配给目标养护人员的移动终端。
通过采用上述技术方案，将信息获取模块实时监测园区内植被的环境信息，然后氧化策略生成单元根据植被的种类信息、植被的环境信息和养护指南确定目标养护策略，接着通过养护任务生成单元根据目标养护策略生成多个养护任务，最后通过任务分配调度单元将养护任务分配给目标养护人员，相较于人工管养，对园区内植被管养，能够更加科学的制定管养策略，确定管养策略，同时也能更为及时对植被进行养护。
可选的，信息获取模块，包括光照监测单元、水质监测单元、土壤环境监测单元、温度监测单元、气象空气监测单元和温度监测单元；
光照监测单元用于监测植被的光照强度和光照时间；
水质监测单元用于监测园区内水的水质数据；
土壤环境监测单元用于监测植物生存环境的土壤情况；
气象空气监测单元用于监测植物生存环境的气象；
温度检测终端用于监测植物生存环境的温度。
通过上述技术方案，通过湿度传感器、土壤养分检测仪和杂草检测单元能够对园区内植被的环境参数进行实时监测，能够对园区内的环境进行更详细的了解，当环境发生变化时，能够及时了解，并且对园区内植被管养更加及时。
可选的，根据养护策略生成养护任务，包括：
将目标养护策略按照步骤划分为多个养护任务。
通过上述技术方案，通过将养护策略拆分为多个步骤，将复杂的养护策略进行拆分使养护过程更加清晰明确。每个步骤都有特定的目标和执行方法，使得养护人员能够更好地理解和执行任务。
可选的，将养护任务分配给目标养护人员的移动终端，包括：
获取各养护人员的养护技能信息和养护工作安排表；
根据养护任务和各养护人员的养护技能信息选出有能力完成该项养护任务的养护人员生成初步分配名单；
基于初步分配名单和养护工作安排表，选取能尽早完成养护任务的养护人员并将养护任务发送到对应养护人员的移动终端通过上述技术方案，将养护任务分配给目标养护人员，并结合养护技能信息和养护工作安排表进行分配，可以最大程度地利用养护人员的专业技能，合理安排工作，筛选合适的人员，提高任务执行效率，促进团队合作和协调。这将有助于提升养护工作的质量和效果。
可选的，处理模块还包括：植被病害识别单元
植被病害识别单元用于对园区内的植被进行病害识别确实是否有病害情况。
通过上述技术方案，通过及时发现植被病害、提高识别准确性、提高养护效率、记录和分析数据以及实时监测和预警，可以保护植被健康，提高养护工作的效果和效率。
可选的，对园区内的植被进行病害识别确实是否有病害情况，包括：
获取待识别植物病害的目标图像；
将待确定植物病害的目标图像输入至植物病害识别模型中，得到植物病害识别模型输出的植物病害识别结果。
通过上述技术方案，通过植物病害识别模型对园区内的植被进行病害识别，可以实现自动化、准确性高的识别，提高处理效率和数据分析能力。这将有助于及时发现植物病害、采取适当的措施进行处理，并为养护决策提供科学依据，从而保护植被的健康和园区的美观。
可选的，植物病害识别模型为基于元学习和集成分类的训练方法训练完备的识别模型。
通过上述技术方案，基于元学习和集成分类的训练方法训练的完备植物病害识别模型具有高准确性、多样性和鲁棒性、泛化能力、可解释性和可靠性等优点。这样的模型可以提供更可靠和准确的植物病害识别结果，为植被养护和保护提供有力支持。
可选的，训练方法，包括：
使用与待识别的目标病害图像相似的一般植物病害的图像集合来训练元学习器，当元学习器的识别的准确性收敛达到预设阈值时得到目标元学习器；
将目标元学习器学习得到的参数作为初始值，构建一组基学习器，并将目标元学习器的参数作为第一个基学习器的初始参数，并使用目标病害图像集合对基学习器进行训练，当基学习器识别的准确性收敛达到预设阈值时得到第一目标基学习器，将第一目标基学习器得到的参数为第二个基学习器的初始参数初始值，并使用目标病害图像集合对基学习器进行训练，直到所有的基学习器训练完成；
在所有基学习器训练完成后，将它们组合成一个新的集成分类器得到植物病害识别模型。
通过上述技术方案，使用基于元学习和集成分类的训练方法可以实现多层次学习、参数共享和迁移学习以及集成的优势。这种训练方法能够提高植物病害识别模型的准确性、适应性和鲁棒性，使其在实际应用中更可靠和有效
可选的，处理模块还包括病害养护策略生成单元，病害养护策略生成单元用于根据病害识别情况和病害养护指南确定目标病害养护策略。
通过上述技术方案，病害养护策略生成单元根据病害识别情况和病害养护指南确定目标病害养护策略具有个性化和精确性、实时性和及时性、综合性和全面性，以及可操作性和实用性等好处。这样的单元可以为植被养护提供有效的指导和支持，帮助保护植物的健康和生长。
综上，本申请包括以下至少一种有益技术效果：
1.本申请将信息获取模块实时监测园区内植被的环境信息，然后氧化策略生成单元根据植被的种类信息、植被的环境信息和养护指南确定目标养护策略，接着通过养护任务生成单元根据目标养护策略生成多个养护任务，最后通过任务分配调度单元将养护任务分配给目标养护人员，相较于人工管养，对园区内植被管养，能够更加科学的制定管养策略，确定管养策略，同时也能更为及时对植被进行养护。
2.本申请通过将养护策略拆分为多个步骤，将复杂的养护策略进行拆分使养护过程更加清晰明确。每个步骤都有特定的目标和执行方法，使得养护人员能够更好地理解和执行任务。
3.本申请养护策略生成单元根据病害识别情况和养护指南确定目标养护策略具有个性化和精确性、实时性和及时性、综合性和全面性，以及可操作性和实用性等好处。这样的单元可以为植被养护提供有效的指导和支持，帮助保护植物的健康和生长。
附图说明
图1是本申请实施例中一种城市园林智能管养系统的结构示意图；
图2是本申请实施例中的养护策略确定流程示意图；
图3是本申请实施例中的一种病害识别流程示意图。
具体实施方式
为了使本领域的技术人员更好地理解本说明书中的技术方案，下面将结合本说明书实施例中的附图，对本说明书实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。
在本申请实施例的描述中，“例如”或者“举例来说”等词用于表示作例子、例证或说明。本申请实施例中被描述为“例如”或者“举例来说”的任何实施例或设计方案不应被解释为比其他实施例或设计方案更优选或更具优势。确切而言，使用“例如”或者“举例来说”等词旨在以具体方式呈现相关概念。
在本申请实施例的描述中，术语“多个”的含义是指两个或两个以上。例如，多个系统是指两个或两个以上的系统，多个屏幕终端是指两个或两个以上的屏幕终端。此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”，除非是以其他方式另外特别强调。
为了便于理解本申请实施例提供的系统，在介绍本申请实施例之前，先对本申请实施例的背景进行介绍。
随着社会的发展，人们对生活环境的要求越来越高，越来越重视园林绿化建设，园林绿化管理养护是园林建设中一项重要的内容。园林绿化管理养护是指按照不同的观赏区域划分不同管养区域，进行相同内容不同程度的管理养护，园林绿化管理养护的内容包括浇水养护、施肥养护、病虫害防治、树木修建、生长周期监测和建卡立档等内容，其中，浇水养护、施肥养护、生长周期监测等养护内容均需要大量的园林养护人员人工依照经验完成，且如果园林养护人员管养不及时，可能会影响绿植的生长，甚至使绿植产生病虫害，导致绿植死亡，且人工养护缺乏必要的数据管理和分析，无法形成全局数据视野，导致园林规划及决策过程仍依赖于日常经验，不能科学地进行养护，难以满足现代园林养护的要求。
在上述背景技术的基础上，进一步的，下面结合说明书附图对本申请实施例做进一步详细描述。
本申请实施例公开一种城市园林智能管养系统。参照图1，图1为一种城市园林智能管养系统的结构示意图，该系统可依赖于计算机程序实现，具体的，该系统，包括：
处理模块1、信息获取模块2和移动终端模块3，处理模块单元1包括养护策略生成单元11、养护任务生成单元12和任务分配调度单元13；
信息获取模块2用于获取园区内植被的环境信息和种类信息；
具体的，信息获取模块获取信息包括植被环境信息获取和植被的种类信息的获取；
其中，植被环境信息包括土壤分析数据、气象数据、光照情况、水质状况，植被种类信息包括植物的名称、特征、分布情况等。
作为一种可选实施例，信息获取模块2，包括光照监测单元、水质监测单元、土壤环境监测单元、温度监测单元、气象空气监测单元和温度监测单元；
光照监测单元用于监测植被的光照强度和光照时间；
水质监测单元用于监测园区内水的水质数据；
土壤环境监测单元用于监测植物生存环境的土壤情况；
气象空气监测单元用于监测植物生存环境的气象；
温度检测终端用于监测植物生存环境的温度。
具体的，土壤环境监测单元监测植物生存环境的土壤情况，具体包括：对土壤进行采样和分析，了解土壤的pH值、养分含量、质地等信息。
气象空气监测单元：获取园区内的气象数据，包括温度、湿度、降雨量、日照时间等。
光照监测单元：测量植物所接收到的光照强度和光照时间。
水质监测单元：对园区内水体进行水质采样和分析，了解水质的硬度、PH值、溶解氧含量等，这对于水生植物的生长和健康至关重要。
养护策略生成单元11用于根据植被的种类信息、植被的环境信息和养护指南确定目标养护策略；
具体的，结合植被种类、环境信息和养护指南，制定目标养护策略，通过植被种类查询养护指南中的该植被养护策略，根据该植被的生长情况和环境条件，匹配养护指南中的养护策略得到目标养护策略。
作为一种可选实施例，请参阅图2，图2是本申请实施例中的养护策略确定流程示意图，根据植被的种类信息、植被的环境信息和养护指南确定目标养护策略，包括以下步骤：步骤101，根据植被的种类信息确定植被的养护指南；
具体的，植被的种类信息提供了关于每种植物的特征、习性和生长要求的重要线索。根据这些信息，可以制定针对每种植物的养护指南。例如，某些植物可能需要较高的日照和排水良好的土壤，而另一些植物可能更适应阴凉和湿润的环境。
根据植被种类信息，收集和整理特定植物的养护指南。这可以包括针对每种植物的浇水频率和水量、施肥方法和频率、修剪要求和时机、病虫害防治措施等。这些指南通常是基于植物的特性和对环境的适应性制定的，可以提供有针对性的养护建议。
步骤102，根据植被的环境信息确定植被的生长环境，并根据生长环境与养护指南中的不同环境下植被的养护策略进行匹配，将匹配度最高的养护策略作为目标养护策略。
具体的，植被的环境信息包括土壤分析、气象数据、光照情况和水质状况等。这些信息提供了植物所处环境的关键特征和限制条件。将植被的环境信息与养护指南中的不同环境下的植被养护策略进行匹配。比较植被的生长环境与养护指南中的不同环境要求和养护措施之间的一致性和匹配度。根据匹配度最高的养护策略，确定目标养护策略。选择与植被的生长环境最匹配的养护指南，以确保植物在最适宜的环境条件下得到养护。
养护任务生成单元12用于根据目标养护策略生成多个养护任务；
具体的，根据目标养护策略生成多个养护任务，将养护策略细分为具体的操作任务。
作为一种可选实施中，根据目标养护策略生成多个养护任务，包括：将目标养护策略按照步骤划分为多个养护任务。
具体的，将一个目标养护策略按照养护策略中的步骤进行划分，划分为多个养护任务，例如，槐树的养护策略包括：按照灌溉技术进行浇水，对槐树进行液肥注射和定期修枝，槐树的养护策略就可以包括灌溉任务、施肥任务和修枝任务。
任务分配调度单元13用于将养护任务分配给目标养护人员的移动终端。
作为一种可选实施例中，将养护任务分配给目标养护人员移动终端，包括：
获取各养护人员的养护技能信息和养护工作安排表；
根据养护任务和各养护人员的养护技能信息选出有能力完成该项养护任务的养护人员生成初步分配名单；
基于初步分配名单和养护工作安排表，选取能尽早完成养护任务的养护人员并将养护任务发送至对应养护人员的移动终端。
具体的，将养护任务分配给目标养护人员的移动终端，可以按照以下步骤进行：
步骤201，获取养护人员的养护技能信息和养护工作安排表：收集每个养护人员的养护技能信息，包括其专业背景、培训经历和相关工作经验。同时，获取养护人员的养护工作安排表，了解他们的可用时间和排班情况。
步骤201，初步分配名单：根据养护任务的要求和各养护人员的养护技能信息，初步筛选出具备完成该项养护任务能力的养护人员。这可以通过匹配养护任务所需的技能和养护人员的技能信息进行筛选，生成一个初步的分配名单。
步骤201，选取能尽早完成任务的养护人员：结合养护工作安排表，评估每个养护人员的可用时间和排班情况。选择能够尽早完成养护任务的养护人员，并将任务分配给他们。这可以通过比较各养护人员的可用时间和任务的截止日期来确定。
步骤201，发送任务至移动终端：将养护任务详细信息发送到被选中养护人员的移动终端。这可以通过任务管理系统、移动应用程序或者电子邮件等方式进行。确保任务信息包括任务描述、任务要求、任务截止日期和任何其他相关的信息。
通过以上步骤，可以根据养护人员的养护技能信息、养护工作安排表和养护任务的要求，选择合适的养护人员并将任务分配给他们的移动终端。这样可以确保任务能够按时完成，并且充分利用养护人员的技能和可用时间。
作为一种可选实施例中，处理模块还包括：植被病害识别单元；
植被病害识别单元用于对园区内的植被进行病害识别确实是否有病害情况。
具体的，通过植被病害识别单元，可以对园区内的植被进行自动化的病害识别，帮助及早发现和处理植物病害问题，从而保护植被的健康和生长。
作为一种可选实施例，请参阅图3，图3是本申请实施例中的一种病害识别流程示意图，对园区内的植被进行病害识别确实是否有病害情况，以下步骤包括：
步骤301，获取待识别植物病害的目标图像；
步骤302，将待确定植物病害的目标图像输入至植物病害识别模型中，得到植物病害识别模型输出的植物病害识别结果。
具体的，通过摄像机等拍摄设备拍摄植被图片，然后将图片输入植物病害识别模型得到识别结果，其中识别结果包括植被是否存在病害，若存在识别结果还包括病害种类。
作为一种可选实施例，训练方法，包括：
使用与待识别的目标病害图像相似的一般植物病害的图像集合来训练元学习器，当元学习器的识别的准确性收敛达到预设阈值时得到目标元学习器；
将目标元学习器学习得到的参数作为初始值，构建一组基学习器，并将目标元学习器的参数作为第一个基学习器的初始参数，并使用目标病害图像集合对基学习器进行训练，当基学习器识别的准确性收敛达到预设阈值时得到第一目标基学习器，将第一目标基学习器得到的参数为第二个基学习器的初始参数初始值，并使用目标病害图像集合对基学习器进行训练，直到所有的基学习器训练完成；
在所有基学习器训练完成后，将它们组合成一个新的集成分类器得到植物病害识别模型。
具体的，首先通过在一般植物病害集合(Stv)上的学习，训练出元学习器，元学习器反映了对一般植物病害的特征提取和识别能力；其次再将元学习器学习到的经验赋予一组识别器，这组识别器在目标病害集合(Sde)进行二次训练学习，在实际识别时，这组识别器中每个识别器分别给出一个属于某病害的得分，将各识别器的得分乘以各自权重相加后最高得分的那个病害类型就是该组识别器最终的输出。元学习器学习到的经验体现在其网络参数中，将该参数作为识别器中第一个识别器的初始参数。元学习过程所起作用就能凭借少量数据(Stv)的识别任务和几次的训练快速适应新的识别任务(Sde)，此外，元学习的过程中还学习一组基学习器(也是实际识别器)的权重。
本申请并不是并行地学习一组基学习器，而是学习一组基学习器，因为一组并行学习器的容易造成过拟合。的含义指在训练过程中各基学习器是依次训练的，后一个基学习器以前一个已训练的基学习器参数作为初始值进行训练。因此本发明总体包括两个过程：
(1)元学习器训练过程：其最终结果是得到元学习器的模型参数以及一组学习器中各基学习器(也是各实际识别器)的权重；
(2)实际病害识别器训练过程。
整个过程的关键在于元学习器的训练，它学习到的经验体现在其网络参数中。这些参数会被用作识别器中第一个识别器的初始参数。元学习的过程使得系统能够通过少量数据和少次训练迅速适应新的识别任务。同时，元学习过程还会学习一组基学习器的权重，这些基学习器也是实际的识别器。
总体而言，这种方法通过元学习和识别器的组合来实现植物病害的识别。通过这种方式，系统能够在不同的病害识别任务中快速适应和学习，并提高植物病害识别的准确性和鲁棒性。
作为一种可选实施例，处理模块还包括病害养护策略生成单元，病害养护策略生成单元用于根据病害识别情况和病害养护指南确定目标病害养护策略。
具体的，病害养护策略生成单元在植物病害识别的基础上，基于病害识别结果和养护指南，病害养护策略生成单元会生成适用于目标病害的养护策略。这些策略可能包括病害的处理方法、药物或化学物品的使用、适当的灌溉和养分供应、温度和湿度控制等方面。
具体而言，病害养护策略生成单元包括以下功能：
病害识别结果分析：该单元会分析植物病害识别的结果，确定目标植物所患的具体病害类型和严重程度。这可以基于先前训练的植物病害识别模型的输出或其他相关算法进行。
养护指南获取：该单元会获取与植物病害相关的养护指南或专业知识数据库。这些养护指南可能包含了对特定病害的诊断、治疗和预防方法，以及其他相关的养护建议。
病害养护策略生成：基于病害识别结果和养护指南，该单元会生成适用于目标植物的养护策略。这些策略可能涉及病害治疗、药物或化学物品的使用、适当的灌溉和养分供应、温度和湿度控制等方面。
病害养护策略输出：生成的养护策略可以通过各种形式输出，例如文字说明、图像或图表等。这样，用户(例如园艺师或农民)可以根据养护策略进行相应的操作和管理。
病害养护策略生成单元的存在可以帮助用户更好地应对植物病害问题，并提供针对性的养护建议。这有助于保护植物的健康和生长，减少病害对植物产量和品质的影响。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几种实施方式中，应该理解到，所披露的系统，可通过其他的方式实现。例如，以上所描述的系统实施例仅仅是示意性的，例如单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些服务接口，系统或单元的间接耦合或通信连接，可以是电性或其他的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储器中。基于这样的理解，本申请的技术方案本质上或者说对现有技术作出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储器中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例方法的全部或部分步骤。而前述的存储器包括：U盘、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上者，仅为本公开的示例性实施例，不能以此限定本公开的范围。即但凡依本公开教导所作的等效变化与修饰，皆仍属本公开涵盖的范围内。本领域技术人员在考虑说明书及实践真理的公开后，将容易想到本公开的其他实施方案。
本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未记载的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的范围和精神由权利要求限定。

Claims (10)

1.一种城市园林智能管养系统，其特征在于，所述系统包括：处理模块、信息获取模块和移动终端模块，所述处理器单元包括养护策略生成单元、养护任务生成单元和任务分配调度单元；
所述信息获取模块用于获取园区内植被的环境信息和种类信息；
所述养护策略生成单元用于根据所述植被的种类信息、所述植被的环境信息和养护指南确定目标养护策略；
所述养护任务生成单元用于根据目标养护策略生成多个养护任务；
所述任务分配调度单元用于将养护任务分配给目标养护人员的移动终端。
2.根据权利要求1所述的一种城市园林智能管养系统，其特征在于，所述信息获取模块，包括光照监测单元、水质监测单元、土壤环境监测单元、温度监测单元、气象空气监测单元和温度监测单元；
所述光照监测单元用于监测植被的光照强度和光照时间；
所述水质监测单元用于监测园区内水的水质数据；
所述土壤环境监测单元用于监测植物生存环境的土壤情况；
所述气象空气监测单元用于监测植物生存环境的气象；
所述温度检测终端用于监测植物生存环境的温度。
3.根据权利要求1所述的一种城市园林智能管养系统，其特征在于，所述根据所述植被的种类信息、所述植被的环境信息和养护指南确定目标养护策略，包括：
根据所述植被的种类信息确定植被的养护指南；
根据所述植被的环境信息确定植被的生长环境，并根据所述生长环境与所述养护指南中的不同环境下植被的养护策略进行匹配，将匹配度最高的养护策略作为目标养护策略。
4.根据权利要求1所述的一种城市园林智能管养系统，其特征在于，所述根据目标养护策略生成多个养护任务，包括：
将目标养护策略按照步骤划分为多个养护任务。
5.根据权利要求1所述的一种城市园林智能管养系统，其特征在于，所述将养护任务分配给目标养护人员移动终端，包括：
获取各养护人员的养护技能信息和养护工作安排表；
根据所述养护任务和所述各养护人员的养护技能信息选出有能力完成该项养护任务的养护人员生成初步分配名单；
基于所述初步分配名单和养护工作安排表，选取能尽早完成养护任务的养护人员并将养护任务发送至对应养护人员的移动终端。
6.根据权利要求1所述的一种城市园林智能管养系统，其特征在于，所述处理模块还包括：植被病害识别单元；
所述植被病害识别单元用于对园区内的植被进行病害识别确实是否有病害情况。
7.根据权利要求6所述的一种城市园林智能管养系统，其特征在于，所述对园区内的植被进行病害识别确实是否有病害情况，包括：
获取待识别植物病害的目标图像；
将所述待确定植物病害的目标图像输入至植物病害识别模型中，得到所述植物病害识别模型输出的植物病害识别结果。
8.根据权利要求7所述的一种城市园林智能管养系统，其特征在于，所述植物病害识别模型为基于元学习和集成分类的训练方法训练完备的识别模型。
9.根据权利要求8所述的一种城市园林智能管养系统，其特征在于，所述训练方法，包括：
使用与待识别的目标病害图像相似的一般植物病害的图像集合来训练元学习器，当元学习器的识别的准确性收敛达到预设阈值时得到目标元学习器；
将目标元学习器学习得到的参数作为初始值，构建一组基学习器，并将目标元学习器的参数作为第一个基学习器的初始参数，并使用目标病害图像集合对基学习器进行训练，当基学习器识别的准确性收敛达到预设阈值时得到第一目标基学习器，将所述第一目标基学习器得到的参数为第二个基学习器的初始参数初始值，并使用目标病害图像集合对基学习器进行训练，直到所有的基学习器训练完成；
在所有基学习器训练完成后，将它们组合成一个新的集成分类器得到植物病害识别模型。
10.根据权利要求6所述的一种城市园林智能管养系统，其特征在于，处理模块还包括病害养护策略生成单元，所述病害养护策略生成单元用于根据病害识别情况和病害养护指南确定目标病害养护策略。
CN202311152766.7A 2023-09-07 2023-09-07 一种城市园林智能管养系统 Pending CN117522365A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311152766.7A CN117522365A (zh) 2023-09-07 2023-09-07 一种城市园林智能管养系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311152766.7A CN117522365A (zh) 2023-09-07 2023-09-07 一种城市园林智能管养系统

Publications (1)

Publication Number Publication Date
CN117522365A true CN117522365A (zh) 2024-02-06

Family

ID=89763303

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311152766.7A Pending CN117522365A (zh) 2023-09-07 2023-09-07 一种城市园林智能管养系统

Country Status (1)

Country Link
CN (1) CN117522365A (zh)

Similar Documents

Publication Publication Date Title
US11432470B2 (en) Information processing apparatus, information processing method, and vegetation management system
CN110545531A (zh) 一种基于大数据和云计算的农作物长势监控方法与系统
CN111476149A (zh) 一种植物培育控制方法和系统
CN113657751A (zh) 一种智慧农业产融综合服务平台
CN113627216B (zh) 植物状态评估方法、系统及计算机可读存储介质
WO2019081567A1 (de) Ertragsabschätzung beim anbau von kulturpflanzen
CN115204689B (zh) 一种基于图像处理的智慧农业管理系统
CN108140118A (zh) 用于识别至少一株种植在耕地上的植物的方法和信息系统
CN109934464A (zh) 一种基于植物生命体征的水肥药决策系统及方法
EP3673425A1 (de) Ertragsabschätzung beim anbau von kulturpflanzen
CN115294518B (zh) 一种园艺植物温室精准栽培的智能监控方法及系统
CN111062358A (zh) 基于区块链的无人机智能农田信息采集和监控系统及方法
WO2021005589A1 (en) Automated plant monitoring systems and methods
CN115292753A (zh) 一种基于区块链的农业大棚数据溯源与管理方法
Mortensen et al. The oil radish growth dataset for semantic segmentation and yield estimation
CN113377141A (zh) 一种人工智能农业自动管理系统
CN115250887B (zh) 农作物灌溉方法、系统、设备及介质
CN117522365A (zh) 一种城市园林智能管养系统
CN116300608A (zh) 一种基于大数据的智慧农业远程监控系统
Jain et al. Ubiquitous sensor based intelligent system for net houses
CN114070862B (zh) 基于物联网的畜牧控制方法、系统和可读存储介质
AU2021105327A4 (en) A computer implemented and IoT based method for increasing crop production using machine learning model
CN115660236B (zh) 作物物候期预测方法、装置、电子设备和存储介质
CN115004994B (zh) 一种基于数字地图的果树病虫害防控系统
AU2021100096A4 (en) Ai-based crop recommendation system for smart farming towards agriculture 5.0

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