CN202904667U - 基于移动终端的作物病害识别系统 - Google Patents
基于移动终端的作物病害识别系统 Download PDFInfo
- Publication number
- CN202904667U CN202904667U CN 201220148730 CN201220148730U CN202904667U CN 202904667 U CN202904667 U CN 202904667U CN 201220148730 CN201220148730 CN 201220148730 CN 201220148730 U CN201220148730 U CN 201220148730U CN 202904667 U CN202904667 U CN 202904667U
- Authority
- CN
- China
- Prior art keywords
- mobile terminal
- crop
- information
- user
- 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.)
- Expired - Fee Related
Links
Images
Abstract
本实用新型提供一种在移动终端上进行农作物病害图像处理及多模式识别的软件系统,其包括移动终端,接收来自田间传感器发送的作物环境信息以及在本地不能诊断时借助的ARM服务器和在线专家。本实用新型解决移动终端对作物病害图片的采集、以及采集后的图像处理、环境信息接收/发送/存储、多模式图像识别、数据更新、数据存储,在移动终端上完成取代传统PC机上专家系统的功能,通过ARM服务器和在线专家又保证了对所有病害的诊断及识别,整个过程用户在田间即可完成,从而缩短了诊断时间,提高处理效率。最大程度方便用户随时随地地实用;同时,用户可根据需要随时更新本地数据资源,从而能方便地进行各种农作物的分析和处理。
Description
技术领域
本实用新型是关于移动终端的图像处理和识别以及借助远程终端识别的作物病害诊断系统。
背景技术
传统专家系统是用户采集作物图片后,通过人工上传的方式传送图片到系统后得到结果。
但是上述方法存在一些问题,在图片质量不好的情况下,诊断错误率较高,如想提高正确率,需要用户本身做相应的图像处理工作,对用户本身有较高的要求。
另一方面,此方法会大大延长诊断时间,从而耽误了最佳防治时间。
实用新型内容
为了克服上述现有技术的不足,本实用新型提供了一种成本较低且不需专业技术背景的基于移动终端的作物病害识别系统。
本实用新型解决技术问题所采用的技术方案是:提供一种基于移动终端的作物病害识别系统,其包括移动终端客户端,接收来自田间传感器发送的作物环境信息以及在本地不能诊断时借助的ARM服务器和在线专家。
本实用新型解决进一步技术问题所采用的方案是:所述的传感器为采集农作物温度、湿度、光照度的节点。所述的服务器是ARM板。所述的在线专家系统是PC机上实现的专家在线系统,简称专家系统。
本实用新型解决进一步技术问题所采用的方案是:所述的移动终端客户端其作用是采集农作物病害图像、对采集后的图像进行分割和增强并且可以结合无线网络接收的农作物环境信息进行多模式图像识别。
本实用新型解决进一步技术问题所采用的方案是:所述图像分割采用最大类间方差法,当类间方差值最大时,得到的灰度级就是所求的最佳阈值。
本实用新型解决进一步技术问题所采用的方案是:所述多模式识别技术采用最近邻域、BP神经网络和支持向量机三种方法,实现对作物叶部病害进行分类识别。
本实用新型解决进一步技术问题所采用的方案是:所述的移动终端客户端在本地不能识别时求助ARM服务器或在线专家。
本实用新型解决进一步技术问题所采用的方案是:所述的移动终端客户端通过WiFi与3G无线路由器配对IP连接至服务器端,和服务器进行数据交互操作,从而定期更新本地数据资源。
不同于现有技术,本实用新型的基于移动终端的作物病害识别系统解决移动终端拍照后的图像处理、环境信息接收/发送/存储、多模式图像识别、数据更新功能,在移动终端上完成取代传统PC机上专家系统的功能,通过ARM服务器和在线专家又保证了对所有病害的诊断及识别,整个过程用户在田间即可完成,从而缩短了诊断时间,提高处理效率。最大程度方便用户随时随地地实用;同时,用户可根据需要随时更新本地数据资源,从而能方便地进行各种农作物的分析和处理。
附图说明
说明书附图1为基于移动终端的作物病害识别系统的结构组成示意图。图像信息采集模块1,图像处理模块2,图像识别模块3,信息传输模块4,数据存储模块5,数据更新模块6,环境信息采集节点7,专家系统8,ARM服务器9
图2为本实用新型的流程图。
具体实施方式
参阅图1、图2,本实用新型提供了一种基于移动终端的作物病害识别系统,其包括移动终端,接收来自田间传感器(1)发送的作物环境信息以及在本地不能诊断时借助的ARM服务器(9)或在线专家(8)。
所述的移动终端指智能移动终端,利用作物图像信息采集模块(1)实现对作物病害图片的采集,采集图片后使用图像处理模块(2)对图片进行图像处理,以便后续的识别。之后移动终端结合由ARM服务器(9)传递的作物环境信息利用模式识别模块(3)进行本地识别,保证了病害信息随时随地识别;如果出现本地识别模块(3)的情况,移动终端发送图片到ARM服务器(9),进行远程诊断或者通过ARM服务器(9)发送给远程专家系统(8)请求专家进行诊断。
所述的移动终端通过信息传输模块(4)实现与环境信息采集节点(7)、远程专家系统(8)以及ARM服务器(9)的信息交互。
所述的环境信息采集节点(7)利用物联网技术对作物的温度、湿度、光照度的数据获取,之后通过ZigBee无线网络将数据发送到ARM服务器(9)。
所述物联网技术是将所有物品通过各种信息传感设备与互联网结合起来,实现数据采集、融合、处理,并通过操作终端,实现智能化识别和管理。
所述的ARM服务器(9)主要功能是数据的存储和转发、提供远程诊断和结果反馈。
所述的图像信息采集模块(1)主要是采集作物的病害图片。
所述的图像处理模块(2),是对采集的图像信息进行一系列的去噪、增强、分割操作,以便提高图像识别率。
所述的多模式识别模块(3)结合ARM服务器(9)发送的作物环境信息对病害进行本地识别,从而避免了传统专家在线系统的滞后性。
所述的信息传输模块(4)在移动终端不能进行本地不能识别(2)时,发送图片到ARM服务器(9),服务器(9)做远程诊断,并将结果及时反馈给用户。
所述的ARM服务器(9)无法识别时,把环境信息和图片信息发送给远程专家系统(8),邀请专家进行诊断。专家诊断后将结果反馈ARM服务器(9),服务器(9)接收到结果后将结果反馈用户,同时更新数据库,将病害信息入库。
所述的数据存储模块(5)利用手机SD卡实现,存储作物高发病害的信息,为图像识别模块(3)提供依据。
所述的数据更新模块(6)可根据ARM服务器端(9)的病害信息,针对高发病害信息或者新的病害信息,进行本地数据库更新,以便快速的识别。
所述的信息传递由ZigBee无线网络、WiFi网络和3G网络完成。作物环境信息利用低能量消耗、低成本特点的ZigBee无线传感器网络传输,从而为系统降低能耗,适应环境能量供应相对短缺的情况;移动终端与ARM服务器(9)的动态信息交互利用WiFi或3G网络进行。
所述无线网络技术具有低成本、低功耗、方便扩展等优点,它的网络结构灵活多变,传感监测范围广,无需接线即可随时增加监测点。
本系统使用方法:用户进入农田后利用采集模块(1)对作物进行拍照,之后利用图像处理模块(2)对图片进行相应的处理,以便进行图像识别。移动终端结合接收到的环境信息和病害图像信息通过多源特征融合算法,之后利用图像识别模块(3)进行多模式图像识别,既可以提高识别效率,又能有效地避免通信盲区带来的通信的问题。当本地能够识别时,进行及时的本地识别,此时说明此病害信息ARM服务器端已有相应的记录;当本地不能识别时,移动终端通过数据传输模块(4)发送图片到ARM服务器(9),服务器(9)根据数据库信息结合相应的环境信息进行远程诊断;当出现新的病害信息或者ARM服务器(9)无法诊断时,服务器(9)发送信息邀请在线专家(8)在线诊断。从而克服了当前农业信息化系统存在的对操作人员的专业要求和远程专家不及时性的缺陷。
实施过程中所用到具体实现过程如下:
本实用新型的连接方式如附图1所示,利用环境信息采集节点、ARM服务器、移动终端、在线专家来构建基于移动终端的作物病害识别系统。在进行了大量实验和研究后,提出了从作物生长环境和病害图片采集到病害分类识别的技术,实现了病害本地识别、远程诊断和专家咨询三种方法。
环境信息采集节点主要采用ZigBee的星型网,中心节点为连接ARM服务器的节点,采用RS232接口与服务器连接,其余为端节点,从而实现了环境信息的收集。
ARM服务器主要是由RS232数据服务、TCP/IP服务、www服务等构成。RS232数据服务用来实现大田环境的温湿度和光照度信息的采集,ARM服务器打开COM口接收中心节点发来的数据包,分析处理绘制相应的数据曲线。TCP/IP服务用来实现ARM服务器与移动终端之间的数据传送,移动终端可通过此接收环境物理信息并向ARM服务器发送作物病斑图片。www服务用来实现专家对ARM服务器的访问,达到专家对作物病害的诊断,并将结果返回服务器。最后ARM服务器将结果以短信形式反馈用户。
智能移动终端主要是TCP/IP客户端,通过图像采集模块采集作物病害图片,同时通过WiFi获取作物当时的环境因素,并将图片信息通过TCP/IP协议传输到ARM服务器。本实用新型使移动终端客户端便于多用户使用,不同用户都能使用已存储信息并记录自己的信息,可以通过不同的诊断模式对作物病害进行诊断,得出相应诊断结果,并记录下病害信息。其中图像分析模块对病害叶面的图像进行分析分析并结合基层无线节点采集到的环境数据运用数据融合技术对作物病害进行诊断。
本实用新型采用的数据融合方法为加权平均法:采用多个传感器对目标同一特征进行测量,将得到的冗余信息进行加权平均,并将加权平均后的值做为信息融合的值,只是一种最简单、最直观的多传感器层次数据融合方法。
植物叶片图像采集过程中,会有简单或者复杂的背景,针对这些不同背景下的图像,本实用新型采用主动轮廓模型算法和分水岭算法来对图像进行分割处理,分割出植物病斑特征。
本实用新型采用全天候实时监测系统,收集一天中不同时间内物理环境参数,用多个无线数据传感器模块将收集到的信息汇聚发送至无线数据传感器中心节点,中心节点将数据发送至ARM服务器端,服务器端通过WiFi或3G网络将当前环境的物理信息发送至移动终端客户端。
Claims (6)
1.基于移动终端的作物病害识别系统的特征在于:包括环境信息采集设备,接收从该采集设备发送环境信息的ARM服务器以及与ARM服务器相连的识别终端。
2.根据权利要求1所述的基于移动终端的作物病害识别系统,其特征在于:所述的识别终端为移动终端和PC机终端。
3.根据权利要求1所述的基于移动终端的作物病害识别系统,其特征在于:包括图像信息采集模块采集图片信息,通过数据传输模块与ARM服务器以及在线专家相连。
4.根据权利要求1所述的移动终端,其特征在于:包括对拍照后图片进行图像处理的图像处理模块。
5.根据权利要求1所述的移动终端,其特征在于:包括综合环境信息和图片进行模式识别的模式识别模块。
6.根据权利要求1所述的基于移动终端的作物病害识别系统,其特征在于:包括及时更新数据的数据更新模块。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201220148730 CN202904667U (zh) | 2012-03-29 | 2012-03-29 | 基于移动终端的作物病害识别系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201220148730 CN202904667U (zh) | 2012-03-29 | 2012-03-29 | 基于移动终端的作物病害识别系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN202904667U true CN202904667U (zh) | 2013-04-24 |
Family
ID=48125307
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 201220148730 Expired - Fee Related CN202904667U (zh) | 2012-03-29 | 2012-03-29 | 基于移动终端的作物病害识别系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN202904667U (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104376497A (zh) * | 2014-12-10 | 2015-02-25 | 绵阳青山森腾信息科技有限公司 | 基于智慧无线网络的农业实时咨询系统 |
CN104376496A (zh) * | 2014-12-10 | 2015-02-25 | 绵阳青山森腾信息科技有限公司 | 便于农产品病症查询的无线问诊系统 |
CN104751368A (zh) * | 2015-03-04 | 2015-07-01 | 昆明日晟农业科技有限公司 | 植物智能保护系统及其实现方法 |
CN104899787A (zh) * | 2015-05-22 | 2015-09-09 | 中国农业大学 | 一种水生动物的疾病诊断结果的获取方法及系统 |
CN105208344A (zh) * | 2015-09-28 | 2015-12-30 | 中国水稻研究所 | 分布式移动农业病虫害信息采集与诊断系统及嵌入式相机 |
WO2018068143A1 (en) * | 2016-10-13 | 2018-04-19 | Mccain Foods Limited | Method, medium, and system for detecting potato virus in a crop image |
CN109752376A (zh) * | 2018-12-28 | 2019-05-14 | 佛山科学技术学院 | 一种基于计算机视觉的皇帝柑健康监测系统 |
CN112149562A (zh) * | 2020-09-23 | 2020-12-29 | 深圳市路桥建设集团有限公司 | 基于多功能杆的道路智慧养护系统及方法 |
CN112464688A (zh) * | 2019-09-09 | 2021-03-09 | 云南天质弘耕科技有限公司 | 一种无人机飞防及病虫害智能识别系统 |
-
2012
- 2012-03-29 CN CN 201220148730 patent/CN202904667U/zh not_active Expired - Fee Related
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104376497A (zh) * | 2014-12-10 | 2015-02-25 | 绵阳青山森腾信息科技有限公司 | 基于智慧无线网络的农业实时咨询系统 |
CN104376496A (zh) * | 2014-12-10 | 2015-02-25 | 绵阳青山森腾信息科技有限公司 | 便于农产品病症查询的无线问诊系统 |
CN104751368A (zh) * | 2015-03-04 | 2015-07-01 | 昆明日晟农业科技有限公司 | 植物智能保护系统及其实现方法 |
CN104899787A (zh) * | 2015-05-22 | 2015-09-09 | 中国农业大学 | 一种水生动物的疾病诊断结果的获取方法及系统 |
CN105208344A (zh) * | 2015-09-28 | 2015-12-30 | 中国水稻研究所 | 分布式移动农业病虫害信息采集与诊断系统及嵌入式相机 |
WO2018068143A1 (en) * | 2016-10-13 | 2018-04-19 | Mccain Foods Limited | Method, medium, and system for detecting potato virus in a crop image |
US10964009B2 (en) | 2016-10-13 | 2021-03-30 | Mccain Foods Limited | Method, medium, and system for detecting potato virus in a crop image |
US11645743B2 (en) | 2016-10-13 | 2023-05-09 | Resson Aerospace Corporation | Method, medium, and system for detecting potato virus in a crop image |
CN109752376A (zh) * | 2018-12-28 | 2019-05-14 | 佛山科学技术学院 | 一种基于计算机视觉的皇帝柑健康监测系统 |
CN112464688A (zh) * | 2019-09-09 | 2021-03-09 | 云南天质弘耕科技有限公司 | 一种无人机飞防及病虫害智能识别系统 |
CN112149562A (zh) * | 2020-09-23 | 2020-12-29 | 深圳市路桥建设集团有限公司 | 基于多功能杆的道路智慧养护系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN202904667U (zh) | 基于移动终端的作物病害识别系统 | |
Lin et al. | Energy-optimal data collection for unmanned aerial vehicle-aided industrial wireless sensor network-based agricultural monitoring system: A clustering compressed sampling approach | |
CN209605863U (zh) | 农业环境监测系统 | |
US8078711B2 (en) | Front-end gateway unit for remote ecological environment monitoring system | |
CN101894220A (zh) | 一种畜禽健康状况数据采集系统 | |
CN204613795U (zh) | 一种基于移动终端的土壤肥力集成管理系统 | |
Peres et al. | An autonomous intelligent gateway infrastructure for in-field processing in precision viticulture | |
CN107317859A (zh) | 一种果园生态环境智能监测系统 | |
CN202512124U (zh) | 基于rfid和无线传感网络的水质监测预警系统 | |
CN201967144U (zh) | 基于ZigBee、3G网络的温室无线远程植物生理生态监测系统 | |
CN103905558A (zh) | 基于物联网的奶牛场无线监测系统 | |
CN106161646A (zh) | 一种基于物联网的智能农业系统 | |
CN102130942A (zh) | 一种基于ZigBee、3G网络的温室无线远程植物生理生态监测系统 | |
CN101848240A (zh) | 西瓜育苗环境参数监测系统及方法 | |
CN107027651A (zh) | 一种智能化监控宠物的可穿戴设备 | |
CN105632108A (zh) | 一种结合GPRS和ZigBee网络的泥石流监测及预警系统 | |
CN107492244A (zh) | 一种基于无线传感器网络的农田环境监测系统 | |
CN105510610A (zh) | 一种基于无线传感器网络的远程水质监测系统及控制方法 | |
CN205175997U (zh) | 一种奶牛乳腺炎无线监测系统 | |
CN106170020A (zh) | 一种基于物联网的智能农业监测系统 | |
CN106303925A (zh) | 一种智能农业系统 | |
CN209002233U (zh) | 一种农业物联网低成本低功耗超远距离无线传输系统 | |
CN207752324U (zh) | 一种基于LoRa的长距离农业信息采集网关系统 | |
CN103868552A (zh) | 实用性强的无线传感器网络节点 | |
CN112362102A (zh) | 一种用于即时监控农业生产环境的监测系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20130424 Termination date: 20150329 |
|
EXPY | Termination of patent right or utility model |