植物种类的识别方法、识别装置和服务器制造方法及图纸

本发明专利技术提出了一种植物种类的识别方法、识别装置和服务器，其中，所述植物种类的识别方法包括：获取多种植物中的每种植物的特征数据，根据所述每种植物的特征数据，构建出植物种类识别模型；在接收到识别信号时，获取待识别植物的特征数据，根据所述植物种类识别模型，确定与所述待识别植物的特征数据匹配的目标植物种类；将所述目标植物种类作为所述待识别植物的种类。通过本发明专利技术的技术方案，可以有效地提高植物种类识别的准确率，从而根据识别出的植物种类进行智能农业控制。

【技术实现步骤摘要】

本专利技术涉及农业信息处理
，具体而言，涉及一种植物种类的识别方法、一种植物种类的识别装置和一种服务器。
技术介绍
目前的植物种类识别的方案中，通过匹配植物图片的方式来实现植物种类的识别，但是，相关技术中的植物种类识别的效率和准确率并不高，用户的体验不好。因此，如何提高植物种类识别的准确率成为亟待解决的技术问题。
技术实现思路
本专利技术正是基于上述问题，提出了一种新的技术方案，可以有效地提高植物种类识别的准确率。有鉴于此，本专利技术的第一方面提出了一种植物种类的识别方法，包括：获取多种植物中的每种植物的特征数据，根据所述每种植物的特征数据，构建出植物种类识别模型；在接收到识别信号时，获取待识别植物的特征数据，根据所述植物种类识别模型，确定与所述待识别植物的特征数据匹配的目标植物种类；将所述目标植物种类作为所述待识别植物的种类。在该技术方案中，通过构建植物种类识别模型，可以准确、高效地识别出植物种类，从而根据识别出的植物种类进行智能农业控制，进而实现智能种植、智能病虫害分析，有效地减少了人工的操作，降低了人工成本。在上述技术方案中，优选地，所述根据所述每种植物的特征数据，构建出植物种类识别模型的步骤，还包括：按照预设规则，将所述每种植物的特征数据转换成向量数据，以根据所述向量数据构建出所述植物种类识别模型。在该技术方案中，通过将特征数据转换成计算机能够识别的向量数据，以方便计算机识别向量数据来构建植物种类识别模型，而且构建出的植物种类识别模型也是计算机能够识别的。在上述任一技术方案中，优选地，所述根据所述每种植物的特征数据，构建出植物种类识别模型的步骤，具体包括：使用Kmeans算法对所述每种植物的特征数据进行聚类分析，以构建出所述植物种类识别模型。在该技术方案中，由于Kmeans算法具有简单、快捷的优点，因此，使用Kmeans算法可以快速地构建出植物种类识别模型，从而保证了模型构建的速度。在上述任一技术方案中，优选地，所述每种植物的特征数据包括以下之一或多种的组合：叶片颜色、叶片形状、叶片尺寸、萼片颜色、萼片形状、萼片尺寸、花瓣颜色、花瓣形状、花瓣尺寸、植物的株高。在该技术方案中，根据以上的特征数据构建出植物种类识别模型，能够保证植物种植识别时的准确性。本专利技术的第二方面提出了一种植物种类的识别装置，包括：构建单元，用于获取多种植物中的每种植物的特征数据，根据所述每种植物的特征数据，构建出植物种类识别模型；确定单元，用于在接收到识别信号时，获取待识别植物的特征数据，根据所述植物种类识别模型，确定与所述待识别植物的特征数据匹配的目标植物种类；所述确定单元还用于，将所述目标植物种类作为所述待识别植物的种类。在该技术方案中，通过构建植物种类识别模型，可以准确、高效地识别出植物种类，从而根据识别出的植物种类进行智能农业控制，进而实现智能种植、智能病虫害分析，有效地减少了人工的操作，降低了人工成本。在上述技术方案中，优选地，所述构建单元还用于，按照预设规则，将所述每种植物的特征数据转换成向量数据，以根据所述向量数据构建出所述植物种类识别模型。在该技术方案中，通过将特征数据转换成计算机能够识别的向量数据，以方便计算机识别向量数据来构建植物种类识别模型，而且构建出的植物种类识别模型也是计算机能够识别的。在上述任一技术方案中，优选地，所述构建单元具体用于，使用Kmeans算法对所述每种植物的特征数据进行聚类分析，以构建出所述植物种类识别模型。在该技术方案中，由于Kmeans算法具有简单、快捷的优点，因此，使用Kmeans算法可以快速地构建出植物种类识别模型，从而保证了模型构建的速度。在上述任一技术方案中，优选地，所述每种植物的特征数据包括以下之一或多种的组合：叶片颜色、叶片形状、叶片尺寸、萼片颜色、萼片形状、萼片尺寸、花瓣颜色、花瓣形状、花瓣尺寸、植物的株高。在该技术方案中，根据以上的特征数据构建出植物种类识别模型，能够保证植物种植识别时的准确性。本专利技术的第三方面提出了一种服务器，包括上述技术方案中任一项所述的植物种类的识别装置，因此，该服务器具有和上述技术方案中任一项所述的植物种类的识别装置相同的技术效果，在此不再赘述。通过本专利技术的技术方案，可以有效地提高植物种类识别的准确率。附图说明图1示出了根据本专利技术的实施例的植物种类的识别方法的流程示意图；图2示出了根据本专利技术的实施例的植物种类的识别装置的结构示意图；图3示出了根据本专利技术的实施例的服务器的结构示意图。具体实施方式为了可以更清楚地理解本专利技术的上述目的、特征和优点，下面结合附图和具体实施方式对本专利技术进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。在下面的描述中阐述了很多具体细节以便于充分理解本专利技术，但是，本专利技术还可以采用其他不同于在此描述的其他方式来实施，因此，本专利技术的保护范围并不受下面公开的具体实施例的限制。图1示出了根据本专利技术的实施例的植物种类的识别方法的流程示意图。如图1所示，根据本专利技术的实施例的植物种类的识别方法，包括：步骤102，获取多种植物中的每种植物的特征数据，根据所述每种植物的特征数据，构建出植物种类识别模型。步骤104，在接收到识别信号时，获取待识别植物的特征数据，根据所述植物种类识别模型，确定与所述待识别植物的特征数据匹配的目标植物种类。步骤106，将所述目标植物种类作为所述待识别植物的种类。在该技术方案中，通过构建植物种类识别模型，可以准确、高效地识别出植物种类，从而根据识别出的植物种类进行智能农业控制，进而实现智能种植、智能病虫害分析，有效地减少了人工的操作，降低了人工成本。在上述技术方案中，优选地，步骤102还包括：按照预设规则，将所述每种植物的特征数据转换成向量数据，以根据所述向量数据构建出所述植物种类识别模型。在该技术方案中，通过将特征数据转换成计算机能够识别的向量数据，以方便计算机识别向量数据来构建植物种类识别模型，而且构建出的植物种类识别模型也是计算机能够识别的。例如，获取三种鸢尾花的特征数据(在本实施例中，特征数据为：萼片的长度和宽度、花瓣的长度和宽度)，三种鸢尾花的种类分别为：A、B和C。该三种鸢尾花的特征数据如表1所示。表1萼片的长度萼片的宽度花瓣的长度花瓣的宽度种类5.13.51.40.2A4.931.40.2A4.73.21.30.2A4.63.11.50.2A53.61.40.2A5.43.91.70.4A4.63.41.40.3A73.24.71.4B6.43.24.51.5B6.93.14.91.5B5.52.341.3B6.52.84.61.5B5.72.84.51.3B6.33.362.5C5.82.75.11.9C7.135.92.1C6.32.95.61.8C6.535.82.2C7.636.62.1C4.92.54.51.7C7.32.96.31.8C按照预设规则(1代表：A种类的鸢尾花、2代表：B种类的鸢尾花、3代表：C种类的鸢尾花，向量数据的格式为：萼片的长度萼片的宽度花瓣的长度花瓣的宽度种类)，将每种植物的特征数据转换成如下的向量数据。以上的每一行就是一个向量数据，例如5.13.51.40.21就是一个向量数据。在上述任一技术方案中，优选地，所本文档来自技高网...

【技术保护点】
一种植物种类的识别方法，其特征在于，包括：获取多种植物中的每种植物的特征数据，根据所述每种植物的特征数据，构建出植物种类识别模型；在接收到识别信号时，获取待识别植物的特征数据，根据所述植物种类识别模型，确定与所述待识别植物的特征数据匹配的目标植物种类；将所述目标植物种类作为所述待识别植物的种类。

【技术特征摘要】
1.一种植物种类的识别方法，其特征在于，包括：获取多种植物中的每种植物的特征数据，根据所述每种植物的特征数据，构建出植物种类识别模型；在接收到识别信号时，获取待识别植物的特征数据，根据所述植物种类识别模型，确定与所述待识别植物的特征数据匹配的目标植物种类；将所述目标植物种类作为所述待识别植物的种类。2.根据权利要求1所述的植物种类的识别方法，其特征在于，所述根据所述每种植物的特征数据，构建出植物种类识别模型的步骤，还包括：按照预设规则，将所述每种植物的特征数据转换成向量数据，以根据所述向量数据构建出所述植物种类识别模型。3.根据权利要求1所述的植物种类的识别方法，其特征在于，所述根据所述每种植物的特征数据，构建出植物种类识别模型的步骤，具体包括：使用Kmeans算法对所述每种植物的特征数据进行聚类分析，以构建出所述植物种类识别模型。4.根据权利要求1至3中任一项所述的植物种类的识别方法，其特征在于，所述每种植物的特征数据包括以下之一或多种的组合：叶片颜色、叶片形状、叶片尺寸、萼片颜色、萼片形状、萼片尺寸、花瓣颜色、花瓣形状、花瓣尺寸、植物的株高。5.一种植物种类...

【专利技术属性】
技术研发人员：王刚，
申请(专利权)人：深圳前海弘稼科技有限公司，
类型：发明
国别省市：广东;44