【技术实现步骤摘要】
一种基于人工智能的林业环境可视化监测系统及方法
[0001]本专利技术林业环境监测
,具体为一种基于人工智能的林业环境可视化监测系统及方法。
技术介绍
[0002]园林植物的重要性已经被越来越多的人所重视,它们不仅能起到绿化城市环境,净化城市空气,防止水土流失的作用,而且还能丰富人们的精神文化生活。我国园林植物种类多园林植物病害的种类也十分复杂,以香樟为例,病害以发生在叶部居多,被侵染叶片正面的叶脉之间,产生色泽不同的死斑,现有技术中,虽然有对香樟树的赤斑病进行预测,但是有时候也不能很精准的预测出,导致病斑位置继续扩大后成褐色或黄色,中部先死,逐渐向外枯死,斑点形状不规则,数斑联合可使叶片大部分枯死,严重时还会导致树木变成枯木。
技术实现思路
[0003]本专利技术的目的在于提供一种基于人工智能的林业环境可视化监测系统及方法,以解决上述
技术介绍
中提出的问题。
[0004]为了解决上述技术问题,本专利技术提供如下技术方案:
[0005]一种基于人工智能的林业环境可视化监测系统及方法,该方法包括以下步骤:
[0006]S1、利用监控影像建立林业监测区域进行可视化监测,采集林业环境中采集任一棵树木i的叶片初始图像与任一棵树木i的叶片产生斑点时的斑点图像;
[0007]S2、将一个年分为四个周期,对任一周期内任一棵树木i的叶片图像信息进行监测,与林业环境中任一棵树木i的叶片初始图像进行对比,截取任一棵树木i的叶片产生斑点时的斑点图像中与任一棵树木i的叶片初始图像的对比部分 ...
【技术保护点】
【技术特征摘要】
1.一种基于人工智能的林业环境可视化监测系统及方法,其特征在于,该方法包括以下步骤:S1、利用监控影像建立林业监测区域进行可视化监测,采集林业环境中采集任一棵树木i的叶片初始图像与任一棵树木i的叶片产生斑点时的斑点图像;S2、将一个年分为四个周期,对任一周期内任一棵树木i的叶片图像信息进行监测,与林业环境中任一棵树木i的叶片初始图像进行对比,截取任一棵树木i的叶片产生斑点时的斑点图像中与任一棵树木i的叶片初始图像的对比部分;S3、对截取到任一周期内任一棵树木i的叶片产生斑点时的斑点图像与任一棵树木i的叶片初始图像对比部分与树木遭遇赤斑病时的图像进行对比,判断任一棵树木i是否遭遇赤斑病;S4、若任一棵树木i树木遭遇赤斑病,则发出报警信息上传至可视化监测端口,通知管理人员对树木及时进行救治。2.根据权利要求1所述的一种基于人工智能的林业环境可视化监测方法,其特征在于:在步骤S2中,以年为单位,将一年分为四个周期:所述第一个周期包括3月、4月、5月;所述第二个周期包括6月、7月、8月;所述第三个周期包括9月、10月、11月;所述第四个周期包括12月、1月、2月;对各个周期内树木的图像变化信息进行监测包括:S2
‑
1、采集风级大小、叶片上的霉菌数量、降雨量、昆虫种类,生成导致叶片产生斑点的概率;S2
‑
2、将截取到的任一周期内树木的彩色图像转为灰色图像,对灰色图像进行分割。3.根据权利要求2所述的一种基于人工智能的林业环境可视化监测方法,其特征在于:在步骤S2
‑
1中,生成导致叶片产生斑点的概率为:P1=W1*k1十W2*k2十W3*k3十W4*k4十W5*k5对其进行归一化处理,其中,P1为导致叶片产生斑点的概率;w1为叶片上的霉菌数量;k1为叶片叶片上的霉菌数量产生斑点影响的权重;w2为风级大小;k2为风级大小影响霉菌扩散导致叶片产生斑点影响的权重;w3为降雨量大小;k3为降雨量大小影响霉菌扩散导致叶片产生斑点影响的权重;w4为昆虫种类;k4为昆虫种类影响霉菌扩散导致叶片产生斑点影响的权重;w5为在不同的周期下的误差;k5为在不同的周期下的误差影响的权重;在步骤S2
‑
2中,对灰色图像进行分割过程如下:S2
‑
21、图像的大小为m*n,计算任一棵树木i的叶片初始图像的灰度直方图包括:设任一棵树木i的叶片初始图像的总像素数为N1,有L个灰度级(0,1,2,...,L
‑
1),灰度级为n
q
;计算得到的任一棵树木i的叶片初始图像的均衡化直方图h为:将计算后的均衡化直方图输出,输出后的斑点位置图像亮度增强,便于观察;S2
‑
22、设定任一棵树木i的叶片产生斑点时的斑点图像占任一棵树木i的叶片产生斑点时的整个叶片图像的比例阈值为P;S2
‑
23、判断任一棵树木i的叶片产生斑点时的斑点图像概率P2是否接近P;
其中,N为任一棵树木i的叶片产生斑点时的斑点图像包含的像素点;若P2>P,则截取任一棵树木i的叶片产生斑点时的斑点图像中与任一棵树木i的叶片初始图像的对比部分。4.根据权利要求3所述的一种基于人工智能的林业环境可视化监测方法,其特征在于:在步骤S3中,利用HIS模型对任一棵树木i的叶片产生斑点时的斑点图像中与任一棵树木i的叶片初始图像的均衡化直方图进行对比并提取包括:建立RGB坐标系统,对所有颜色进行归一化处理后,将RGB坐标系统转换为HIS模型:其中,R代表红色;G代表绿色;B代表蓝色;R、G、B的取值范围为:0
‑
255,0代表最浅,255代表最深;H代表色调;S代表饱和度;I代表亮度;θ代表空间夹角;将经过HIS模型处理的斑点图像输出,输出后的斑点图像表现的更清晰,将输出的经过HIS模型处理的斑点图像通过伽马变换对提取到的任一棵树木i的叶片产生斑点时的斑点图像中与任一棵树木i的叶片初始图像的对比部分进行处理,使提取到的对比部分的细节得到进一步的加强,公式如下:s=c*r
γ
*P1其中,r为输入灰度值,取值范围为[0,1];s为经过伽马变化后的输出灰度值;c为灰度缩放系数,通常取1;γ为伽马因子,控制整个变换的缩放程度;当γ<1时,变换效果为:输出图像比输入图像更亮;当γ>1时,变换效果为:输出图像比输入图像更暗;将经过伽马变化后的斑点图像输出;对树木遭遇赤斑病的图像进行处理,提取斑点位置的图像,对其进行伽马变换;将任一棵树木i的叶片产生斑点时的斑点图像中与任一棵树木i的叶片初始图像的对比部分输出图像与经过伽马变换后的树木遭遇赤斑病时的斑点图像进行对比:设置经过伽马变换后的树木...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。