一种关于图像数据智能分析应用系统技术方案

本发明专利技术公开了一种关于图像数据智能分析应用系统，属于图像数据处理技术领域，包括自动检索模块，所述自动检索模块与自动更新模块双相连接。本发明专利技术中，微处理器对算法数据库中的病变图像进行深度分析和学习，获得自动识别能力，当大棚内置监控摄像头将获取的蔬植叶片图像发送至微处理器时，微处理器将会自动识别所获取的蔬植叶片图像是否存在病变区域，并能够将存在病变区域的蔬植叶片图像通过无线发送模块发送给蔬植种植技术人员，便于蔬植种植人员快速发现问题，并及时解决，以免病虫害发生扩散，有效提高了蔬植种植的智能化管理效率，进行实时监控管理，提高蔬植种植产量的稳定性，能够对发生的情况提前预防。能够对发生的情况提前预防。能够对发生的情况提前预防。

【技术实现步骤摘要】
一种关于图像数据智能分析应用系统


[0001]本专利技术属于图像数据处理
，尤其涉及一种关于图像数据智能分析应用系统。

技术介绍

[0002]图像是目标实物的多维映射，在数字化环境下，图像是由大量的离散型图像子元素组成的多维数据，现有技术中蔬植种植的安全措施，主要通过在大棚内部安装监控摄像头的方法，蔬植种植技术人员能够在工作室内同时观察多个大棚内部蔬植的生长状况，有效提高了蔬植大规模种植的管理效果，但在遇到较大种植规模时，由于监控画面信息量较大，蔬植种植人员很难及时发现问题所在，时常因病虫害发现较晚，导致病虫害发生扩散，给蔬植种植人员带来严重的经济损失，因此，现阶段亟需一种关于图像数据智能分析应用系统来解决上述问题。

技术实现思路

[0003]本专利技术的目的在于：为了解决现有技术中蔬植种植的安全措施，主要通过在大棚内部安装监控摄像头的方法，蔬植种植技术人员能够在工作室内同时观察多个大棚内部蔬植的生长状况，有效提高了蔬植大规模种植的管理效果，但在遇到较大种植规模时，由于监控画面信息量较大，蔬植种植人员很难及时发现问题所在，时常因病虫害发现较晚，导致病虫害发生扩散，给蔬植种植人员带来严重经济损失的问题，而提出的一种关于图像数据智能分析应用系统。
[0004]为了实现上述目的，本专利技术采用了如下技术方案：
[0005]一种关于图像数据智能分析应用系统，包括自动检索模块，所述自动检索模块与自动更新模块双相连接，所述自动更新模块的输出端与大数据获取模块的输入端电性连接，所述大数据获取模块的输出端与分类处理模块的输入端电性连接，所述分类处理模块的输出端分别与集合数据库以及轮廓标记模块的输入端电性连接，并且集合数据库的输出端还与轮廓标记模块的输入端电性连接，所述轮廓标记模块的输出端分别与病变图像数据库以及预处理模块的输入端电性连接，所述预处理模块的输入端还与病变图像数据库的输出端电性连接，所述预处理模块的输出端与算法数据库的输入端电性连接，所述算法数据库的输出端与微处理器的输入端电性连接。
[0006]作为上述技术方案的进一步描述：
[0007]所述微处理器的输入端与大棚内置监控摄像头的输出端电性连接，所述微处理器的输出端与无线发送模块的输入端电性连接。
[0008]作为上述技术方案的进一步描述：
[0009]所述大数据获取模块用于在网络上收集相关蔬植叶片的病例图像，所述大数据获取模块将所获得的病例图像转发至分类处理模块。
[0010]作为上述技术方案的进一步描述：
[0011]所述分类处理模块用于根据蔬植品种进行分类处理，所述分类处理模块与集合数据库之间互通控制，并将分类处理后的蔬植叶片的病例图像存储到集合数据库中。
[0012]作为上述技术方案的进一步描述：
[0013]所述轮廓标记模块外接数据输入模块，由蔬植种植技术人员对病例图像中的病变区域进行轮廓线标记并提取，最终获得病变图像数据库，所述叶片轮廓标记模块还包括叶片林廓提取模块、叶片轮廓匹配模块以及叶片颜色识别模块；
[0014]叶片轮廓提取模块利用sobel算子提取监控视频画面中叶片的轮廓，先对视频画面中所出现的叶片进行滤波处理，接着对滤波处理后的叶片进行高斯平滑处理，用于提高叶片轮廓线的平滑度，最后以固定值offset快速均匀踩点并获取取样点；
[0015][0016]其中，fi表示每个轮廓取样点，T
i
表示所有取样点，F表示取样点的局部尺度；
[0017]叶片轮廓匹配模块采用动态时间规划算法对叶片轮廓进行匹配。
[0018]作为上述技术方案的进一步描述：
[0019]所述预处理模块对病变图像数据库中的病变图像数据进行预处理，获得训练后的算法数据库。
[0020]作为上述技术方案的进一步描述：
[0021]所述微处理器用于对算法数据库中的病变图像进行深度分析和学习，获得自动识别能力。
[0022]作为上述技术方案的进一步描述：
[0023]所述大棚内置监控摄像头将获取的蔬植叶片图像发送至微处理器，所述微处理器自动识别所获取的蔬植叶片图像是否存在病变区域，所述微处理器将存在病变区域的蔬植叶片图像通过无线发送模块发送给蔬植种植技术人员。
[0024]作为上述技术方案的进一步描述：
[0025]所述自动更新模块控制自动检索模块自动搜索网页中关于相关蔬植叶片的病例图像，所述自动更新模块将自动检索模块所收集到的新数据发送至数据获取模块。
[0026]作为上述技术方案的进一步描述：
[0027]所述分类处理模块、轮廓标记模块和预处理模块在分别创建集合数据库、病变图像数据库和算法数据库时，采用Hadoop中HDFS存储图像，利用HDFS中的冗余备份和心跳检测保证所存储数据的安全性，并通过设定复杂均衡策略，以保证各个存储节点在运行过程中的稳定性。
[0028]综上所述，由于采用了上述技术方案，本专利技术的有益效果是：
[0029]1、本专利技术中，微处理器对算法数据库中的病变图像进行深度分析和学习，获得自动识别能力，当大棚内置监控摄像头将获取的蔬植叶片图像发送至微处理器时，微处理器将会自动识别所获取的蔬植叶片图像是否存在病变区域，并能够将存在病变区域的蔬植叶片图像通过无线发送模块发送给蔬植种植技术人员，便于蔬植种植人员快速发现问题，并及时解决，以免病虫害发生扩散，有效提高了蔬植种植的智能化管理效率，进行实时监控管理，提高蔬植种植产量的稳定性，能够对发生的情况提前预防。
[0030]2、本专利技术中，自动更新模块能够控制自动检索模块自动搜索网页中关于相关蔬植
叶片的病例图像，并将自动检索模块所收集到的新数据发送至数据获取模块，用于扩充算法数据库中的内容，增强微处理器的学习能力，提高分析以及判断能力。
附图说明
[0031]图1为本专利技术提出的一种关于图像数据智能分析应用系统的模块框图。
[0032]图例说明：
[0033]1、自动检索模块；2、自动更新模块；3、大数据获取模块；4、分类处理模块；5、集合数据库；6、轮廓标记模块；7、病变图像数据库；8、预处理模块；9、算法数据库；10、微处理器；11、大棚内置监控摄像头；12、无线发送模块。
具体实施方式
[0034]下面将结合本专利技术实施例中的附图，对本专利技术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专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本专利技术保护的范围。
[0035]请参阅图1，本专利技术提供一种技术方案：一种关于图像数据智能分析应用系统，包括自动检索模块1，自动检索模块1与自动更新模块2双相连接，自动更新模块2的输出端与大数据获取模块3的输入端电性连接，大数据获取模块3的输出端与分类处理模块4的输入端电性连接，分类处理模块4的输出端分别与集合数据库5以及轮廓标记模块6本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种关于图像数据智能分析应用系统，包括自动检索模块(1)，其特征在于，所述自动检索模块(1)与自动更新模块(2)双相连接，所述自动更新模块(2)的输出端与大数据获取模块(3)的输入端电性连接，所述大数据获取模块(3)的输出端与分类处理模块(4)的输入端电性连接，所述分类处理模块(4)的输出端分别与集合数据库(5)以及轮廓标记模块(6)的输入端电性连接，并且集合数据库(5)的输出端还与轮廓标记模块(6)的输入端电性连接，所述轮廓标记模块(6)的输出端分别与病变图像数据库(7)以及预处理模块(8)的输入端电性连接，所述预处理模块(8)的输入端还与病变图像数据库(7)的输出端电性连接，所述预处理模块(8)的输出端与算法数据库(9)的输入端电性连接，所述算法数据库(9)的输出端与微处理器(10)的输入端电性连接。2.根据权利要求1所述的一种关于图像数据智能分析应用系统，其特征在于，所述微处理器(10)的输入端与大棚内置监控摄像头(11)的输出端电性连接，所述微处理器(10)的输出端与无线发送模块(12)的输入端电性连接。3.根据权利要求1所述的一种关于图像数据智能分析应用系统，其特征在于，所述大数据获取模块(3)用于在网络上收集相关蔬植叶片的病例图像，所述大数据获取模块(3)将所获得的病例图像转发至分类处理模块(4)。4.根据权利要求1所述的一种关于图像数据智能分析应用系统，其特征在于，所述分类处理模块(4)用于根据蔬植品种进行分类处理，所述分类处理模块(4)与集合数据库(5)之间互通控制，并将分类处理后的蔬植叶片的病例图像存储到集合数据库(5)中。5.根据权利要求1所述的一种关于图像数据智能分析应用系统，其特征在于，所述轮廓标记模...

【专利技术属性】
技术研发人员：程周恺，胡程贇，
申请(专利权)人：中科环森智慧科技苏州有限公司，
类型：发明
国别省市：