一种用于汉麻种植的数字化管理方法技术

一种用于汉麻种植的数字化管理方法，属于机器视觉领域。汉麻种植企业没有在关键控制点上进行监控，人工作业经常产生一些滞后性的信息，影响决策与纠偏行动的及时性。为实现汉麻叶片外观特征自动提取，利用SVM对已知类别信息的叶片图像进行建模，利用建成的模型识别待测叶片，系统能够实现批量汉麻叶片图像预处理，然后提取颜色、形状和纹理等外观特征，并采用支持向量机和流行学习方法进行训练与品种识别，将复杂的农业生产与汉麻种植管理简单化，使其操作快捷，覆盖面广。并构建汉麻长势监测图像视频库、模型库和知识库等数据库，系统通过参数设置可以实现批量叶片图像处理与识别。

【技术实现步骤摘要】
一种用于汉麻种植的数字化管理方法
本专利技术涉及一种用于汉麻种植的数字化管理方法。
技术介绍
黑龙江省拥有全国最大的汉麻种植面积，这里的地理气候条件特别适合于麻类种植，汉麻从头到尾都是宝，皮可以纺织长麻，它的杆芯粉可以做建筑材料、做板材、做建材，它的籽可以榨油，它剩下的油果完全可以做蛋白粉。我省具备汉麻种植的自然条件，汉麻纤维品质优于其他省份，发展汉麻种植对我省有效利用土地资源，调整优化种植结构，持续增加农民收入，提高资源利用加工水平具有重要作用，因此，发展汉麻产业顺应时代发展趋势。2017年8月3日由黑龙江省人民政府，中国纺织工业联合会主办，由黑龙江省科学院等单位承办的汉麻产业国际会议在哈尔滨市召开，本次会议主要内容为汉麻的研究和应用并为专家、学者、企业提供了一次交流和展示的平台。以农业为头，以工业为尾，当农业的产品作为工业原料的时候，它的附加值就能够得到提升。所以充分利用我省地域优势，结合农业种植结构调整，运用科技自动化数字管理，大力发展汉麻这一特殊高价值经济作物种植，对其种植面积、过程进行数字管理、跟踪、回收与统一监管是政策管控需要，更是深加工汉麻产业，推进培育汉麻产业发展的需要。汉麻是一个全新特殊的高经济作物，对于这种高值特色的生物资源，国家需要对其监控监管，并划分区域块，所以对它的特殊性需要建立数字化管理系统进行监控。而对区域性的汉麻种植研究探讨，数据分析汉麻的主要生物形状，生长动态和产量；数据分析栽培模式，对什么样的品种适合什么样地域生长高产，高效提供理论数据支撑；对不同种类汉麻作物适合纤维用还是籽用进行数据统计分析；运用汉麻数字化系统指导管理，对其生长期的THC含量进行监管，实现汉麻产业的全链条管理。从汉麻种植开始，一直到回收，实现移动数字系统的统一监控监管，所以研究开发应用龙江汉麻产业中种植部分数字化管理关键技术。现有的汉麻种植企业没有在关键控制点上进行监控，人工作业经常产生一些滞后性的信息，影响决策与纠偏行动的及时性。
技术实现思路
本专利技术的目的是为了解决现有的汉麻种植企业没有在关键控制点上进行监控，人工作业经常产生一些滞后性的信息，影响决策与纠偏行动的及时性的问题，而提出一种用于汉麻种植的数字化管理方法。一种用于汉麻种植的数字化管理方法，其特征在于：所述方法通过以下步骤实现：步骤一、通过视频监控系统获取汉麻植物的图像和视频信息；步骤二、提取叶片图像的分类特征；步骤三、利用支持向量机作为分类器对叶片图像进行训练和测试，建立识别模型；步骤四、流形学习算法加权局部线性嵌入算法WLLE与支持向量机SVM分类器结合，形成基于差异性值监督局部线性嵌入算法的多特征植物叶片图像识别方法，具体为：提取待测叶片的颜色、形状和纹理作为叶片多特征，之后在加权局部线性嵌入算法中引入样本的差异性值构成差异性值监督算法，以对叶片高维特征进行降维，之后在低维空间采用最近邻分类器实现叶片的识别；步骤五、针对汉麻叶片的图像信息,利用PCA进行降维和ICA提取叶片图像的特征信息，对叶片营亏与环境因素的预测；步骤六、利用机器视觉技术和现代物理元件传感器，组合数码照片、数字视频、识别方法以及其他文本信息的技术，构建汉麻长势监测图像视频库、模型库和知识库、汉麻信息服务数据库、汉麻技术研究数据库、汉麻生产监控数据库项目、多遥感系统空间决策支持系统、精准肥水药作业装备和土地精平装备系统、农田精准信息即时服务集成系统数据库；并通过大屏显示系统、移动终端应用软件展示实时监测的现场数据和图像。本专利技术的有益效果为：本专利技术是为实现汉麻叶片外观特征自动提取，基于Matlab环境构建了一个汉麻叶片外观特征提取与识别系统。利用SVM对已知类别信息的叶片图像进行建模，利用建成的模型识别待测叶片，系统能够实现批量汉麻叶片图像预处理，然后提取颜色、形状和纹理等外观特征，并采用支持向量机和流行学习方法进行训练与品种识别，将复杂的农业生产与汉麻种植管理简单化，使其操作快捷，覆盖面广。并构建汉麻长势监测图像视频库、模型库和知识库等数据库，系统通过参数设置可以实现批量叶片图像处理与识别。本专利技术能够实现如下功能：1)可完成野外种植环境的实时数据监测2)针对性闸值警报3)可视化界面及远程监管4)环境因子采集。具体实施方式具体实施方式一：本实施方式的一种用于汉麻种植的数字化管理方法，整合黑龙江省农业区域优势、汉麻产品种源选育、智能温室、田间示范栽培、汉麻产品加工处理、精深加工等技术，结合管理服务数字系统应用和规模优势，建立政府、企业、科研单位、示范基地联合的政产学研数字服务系统，打造龙江汉麻智能数字服务系统的农业基地，形成标准化龙江汉麻产业的产业化示范基地，为未来数据化云系统，引领先驱；解决阻碍现代汉麻发展的瓶颈问题，探索现代汉麻发展新途径，开展物联网技术的集成技术与应用，建立优化智能汉麻工厂化生产标准与示范基地；根据市场需求，深度开发具有自主知识产权的高附加值系列汉麻产品，以综合集成生产示范基地为龙头，带动现代汉麻产业持续高效发展，提升黑龙江省现代汉麻产业的整体水平和综合效益，促进区域经济快速增长。同时，该数字服务系统充分考虑到系统的先进性、实用性、安全性、可扩展性和经济性等原则，以方便易用的原则，快速的提高工作效率，从而实现汉麻产业对企业、对政府、对农户的日常管理工作的规范化、电子化、标准化，增强农业生产、加工以及销售的可管理性，实现信息的实时查询、分析、统计，最终体现汉麻产品“远程可视化”管理。汉麻种植管理服务系统在部署和实施过程中解决了最大的问题是，通过采用传感器、视频监控、建立汉麻的监测与设施信息库、状态库、调度数据库及服务管理系统等手段提高投入资源的附加值、减少资源损耗，提升汉麻种植竞争力。在现代化温室、田间栽培领域，物联网技术精确地呵护汉麻作物的秧苗。在这个过程中，温度传感器、湿度传感器、PH值传感器、光传感器、离子传感器、生物传感器、CO2传感器等设备，检测环境中的温度、相对湿度、PH值、光照强度、土壤养分、CO2浓度等物理量参数，通过各种仪器仪表实时显示或作为自动控制的参变量参与到自动控制中，保证汉麻有一个良好的、适宜的生长环境，从而达到增加作物产量、改善品质、调节生长周期、提高经济效益的目的。在汉麻的大规模生产方面，借助物联网技术把农业小环境的温度、湿度、光照、降雨量等，土壤的有机质含量、温湿度、重金属含量、PH值等，以及植物生长特征等信息进行实时获取传输并利用，对于科学施肥、灌溉作业来说具有非常重要的意义。在汉麻的生长过程中还可以利用形状传感器、颜色传感器、重量传感器等来监测作物的外形、颜色、大小等，用来确定汉麻的成熟程度，以便适时对汉麻的根、茎、花、叶、籽采摘和收获；可以利用二氧化碳传感器进行植物生长的人工环境的监控，以促进光合作用的进行。汉麻全身都是宝，对汉麻产业的服务管理也必然全方位动态实时的。该项技术可以解决目前汉麻作物如何标准化种植、原料的标准化生产技术集成，并建立整套完善的本文档来自技高网...

【技术保护点】
1.一种用于汉麻种植的数字化管理方法，其特征在于：所述方法通过以下步骤实现：/n步骤一、通过视频监控系统获取汉麻植物的图像和视频信息；/n步骤二、提取叶片图像的分类特征；/n步骤三、利用支持向量机作为分类器对叶片图像进行训练和测试，建立识别模型；/n步骤四、流形学习算法加权局部线性嵌入算法WLLE与支持向量机SVM分类器结合，形成基于差异性值监督局部线性嵌入算法的多特征植物叶片图像识别方法，具体为：/n提取待测叶片的颜色、形状和纹理作为叶片多特征，之后在加权局部线性嵌入算法中引入样本的差异性值构成差异性值监督算法，以对叶片高维特征进行降维，之后在低维空间采用最近邻分类器实现叶片的识别；/n步骤五、针对汉麻叶片的图像信息,利用PCA进行降维和ICA提取叶片图像的特征信息，对叶片营亏与环境因素的预测；/n步骤六、利用机器视觉技术和现代物理元件传感器，组合数码照片、数字视频、识别方法以及其他文本信息的技术，构建汉麻长势监测图像视频库、模型库和知识库、汉麻信息服务数据库、汉麻技术研究数据库、汉麻生产监控数据库项目、多遥感系统空间决策支持系统、精准肥水药作业装备和土地精平装备系统、农田精准信息即时服务集成系统数据库；并通过大屏显示系统、移动终端应用软件展示实时监测的现场数据和图像。/n...

【技术特征摘要】
1.一种用于汉麻种植的数字化管理方法，其特征在于：所述方法通过以下步骤实现：
步骤一、通过视频监控系统获取汉麻植物的图像和视频信息；
步骤二、提取叶片图像的分类特征；
步骤三、利用支持向量机作为分类器对叶片图像进行训练和测试，建立识别模型；
步骤四、流形学习算法加权局部线性嵌入算法WLLE与支持向量机SVM分类器结合，形成基于差异性值监督局部线性嵌入算法的多特征植物叶片图像识别方法，具体为：
提取待测叶片的颜色、形状和纹理作为叶片多特征，之后在加权局部线性嵌入算法中引入样本的差异性值构成差异性值监督算法，以对叶片高维特征进行降维，之后在低维空间采用最近邻分类器实现叶片的识别；
步骤五、针对汉麻叶片的图像信息,利用PCA进行降维和ICA提取叶片图像的特征信息，对叶片营亏与环境因素的预测；
步骤六、利用机器视觉技术和现代物理元件传感器，组合数码照片、数字视频、识别方法以及其他文本信息的技术，构建汉麻长势监测图像视频库、模型库和知识库、汉麻信息服务数据库、汉麻技术研究数据库、汉麻生产监控数据库项目、多遥感系统空间决策支持系统、精准肥水药作业装备和土地精平装备系统、农田精准信息即时服务集成系统数据库；并通过大屏显示系统、移动终端应用软件展示实时监测的现场数据和图像。


2.根据权利要求1所述的一种用于汉麻种植的数字化管理方法，其特征在于：
步骤四所述的在加权局部线性嵌入算法中引入样本的差异性值构成差异性值监督算法，以对叶片高维特征进行降维的过程具体为：
对于给定的采样数据集加权局部线性嵌入算法(WLLE)的步骤如下：
a.计算数据集中X任意样本点与数据集中其它样本点之间的欧式距离，找出与其欧式距离相对较近的K个点，K是预先给定的数值；
b.步骤a已经计算得到数据集中每个样本点的K邻域，然后利用各近邻点的线性组合来重构该样本点，计算样本点与其近邻点之间的加权局部重构权值Wij，使式的重构误差函数最小；



c.根据定义计算样本点的重要性值Dij



其中：



d.计算高维数据集X的潜在低维嵌入Y，使得加权误差函数



e.非稀疏对角化对称矩阵
M＝D(I-W)T(I-W)
其中：
D＝[D11D22ΛDnn]
计算得到该矩阵相对较小的(d+1)个特征值及其相对应的特征向量；因为该对称矩阵的第一个特征值几乎为0，因此将第2～(d+1)个特征值对应的特征向量作为样本集X的低维嵌入Y，d表示低维嵌入的维数。


3.根据权利要求1或2所述的一种用于汉麻种植的数字化管理方法，其特征在于：
步骤五所述的针对汉麻叶片的图像信息,利用PCA进行降维和ICA提取叶片图像的特征信息，对叶片营亏与环境因素的预测的过程为：
采用PCA主成分分析方法，通过方差改善样本集分离状况，提取叶片的颜色、形状和纹理作为叶片多特征，对叶片高维特征进行降维，最后在低维空间采用最近邻分类器(ELM)实现叶片的识别；
采用ICA独立成份分析法从汉麻叶片...

【专利技术属性】
技术研发人员：王金玉，刘彤军，朱明清，王涛，周丽丽，田晓英，杨洋，杨喆，杜寅甫，刘琦，
申请(专利权)人：黑龙江省科学院智能制造研究所，
类型：发明
国别省市：黑龙江;23