一种基于玉米卷叶监测识别并处理旱情的方法和装置制造方法及图纸

本发明专利技术公开一种基于玉米卷叶监测识别并处理旱情的方法和装置，方案可以包括：利用可旋转的具备4G信号传输功能的球形摄像机采集第一时间点和第二时间点的待检测区域的玉米叶子图像，所述第一时间点的范围为一天时间中的中午12点至中午2点，所述第二时间点的范围为一天时间中的下午5点至下午7点；利用训练完毕的玉米卷叶检测模型分别判断所述第一时间点和所述第二时间点的玉米叶子图像中的玉米叶子是否为卷叶，得到判断结果；根据判断结果判定玉米是否收到干旱胁迫。本发明专利技术是一种基于玉米卷叶监测识别旱情的智能预警方法，可以帮助田间管理者及时发现旱涝情况，对灌溉时间及用量进行调整。用量进行调整。用量进行调整。

【技术实现步骤摘要】
一种基于玉米卷叶监测识别并处理旱情的方法和装置


[0001]本专利技术涉及农作物干旱识别
，具体而言，涉及一种基于玉米卷叶监测识别并处理旱情的方法和装置。

技术介绍

[0002]干旱是影响玉米产量的主要因素之一，快速，及时的玉米干旱监测对保障玉米产量具有重要的作用。现有技术中，部分干旱监测方法，如检测土壤水分、农业气象预报和人为诊断等，虽能对玉米干旱做出判断，但具有滞后性，还有的干旱监测方法，如在检测区域的上方布置不可移动的摄像机，存在观察清晰度低，观察效果不理想等问题。
[0003]为了对玉米干旱进行精确识别，从而为玉米干旱胁迫的防灾减灾提供及时准确的信息，并提高灌溉的精确性和及时性，保障玉米丰产稳产，有必要提供一种新的检测玉米是否干旱的方法。

技术实现思路

[0004]本专利技术提供一种基于玉米卷叶监测识别并处理旱情的方法和装置，用以克服现有技术中存在的至少一个技术问题。
[0005]根据本专利技术实施例的第一方面，提供一种基于玉米卷叶监测识别并处理旱情的方法，包括：利用可旋转的具备4G信号传输功能的球形摄像机采集第一时间点和第二时间点的待检测区域的玉米叶子图像，所述第一时间点的范围为一天时间中的中午12点至中午2点，所述第二时间点的范围为一天时间中的下午5点至下午7点；利用训练完毕的玉米卷叶检测模型分别判断所述第一时间点和所述第二时间点的玉米叶子图像中的玉米叶子是否为卷叶，得到判断结果；若所述判断结果表明所述第一时间点的玉米叶子图像中的玉米叶子为未卷叶状态，则所述待检测区域的玉米未受到干旱胁迫；若所述判断结果表明所述第一时间点的玉米叶子图像中的玉米叶子为卷叶状态，且所述第二时间点的玉米叶子图像中的玉米叶子为卷叶状态，则检测布置在所述待检测区域的土壤中的土壤墒情传感器的数值，若所述数值表明所述待检测区域的土壤含水量不足，则所述待检测区域的玉米受到第一程度的干旱胁迫，则对所述待检测区域的土壤进行灌溉补水；若所述判断结果表明所述第一时间点的玉米叶子图像中的玉米叶子为卷叶状态，且所述第二时间点的玉米叶子图像中的玉米叶子为未卷叶状态，则所述待检测区域的玉米受到第二程度的干旱胁迫；所述第一程度大于所述第二程度；所述训练完毕的玉米卷叶检测模型的训练过程具体包括：对Efficientdet目标检测模型进行改进，将改进后的Efficientdet目标检测模型作为玉米卷叶检测模型，其中，改进方面包括：在特征提取过程中先后采用深度可分离卷积和倒残差模块，以提高特征提取部分
的主干网络的特征提取能力；在Efficientdet目标检测模型原有的BiFPN模块中增加跨级的数据流，以提升网络性能；在训练过程中采用组归一化方法，在通道维度层面进行数据的归一化，将通道分为若干组后，在组内计算均值和方差以进行归一化，从而防止模型训练过程中出现梯度弥散进而使得模型难以收敛的现象；预先采集若干数量的所述第一时间点和所述第二时间点的玉米叶子图像；按预定比例将所述玉米叶子图像划分为训练集、测试集和验证集三部分；采用Pseudo
‑
Labelling方法，对所述玉米卷叶模型进行迭代训练，得到训练完毕的玉米卷叶检测模型。
[0006]优选的，所述第一时间点为一天时间中的下午2点，所述第二时间点为所述一天时间中的下午7点。
[0007]优选的，将所述玉米叶子图像以7：2：1的比例划分为训练集、测试集和验证集三部分。
[0008]优选的，旋转、缩放、仿射变换、加噪等方式进行数据增强，以增强所述训练完毕的玉米卷叶检测模型的泛化能力。
[0009]优选的，所述对所述待检测区域的土壤进行灌溉补水，具体包括：系统远程控制安装在喷灌阀门上的控制开关远程开启阀门，对所述待检测区域的土壤进行灌溉补水；当土壤含水量的值到达田间持水量时，系统接收相应的警报通知，通过系统远程控制开关关闭所述阀门。
[0010]优选的，所述跨级的数据流表示，对于所述原有的BiFPN模块的第一层输入节点中的任意一个输入节点而言，在所述原有的BiFPN模块的第二层输入节点中确定接收所述任意一个输入节点输入信息的接收节点，然后在所述第二层输入节点中确定与所述接收节点相邻的上一个接收节点，在所述任意一个输入节点与所述上一个接收节点之间增加跨级的数据流。
[0011]根据本专利技术的第二方面，还提供一种基于玉米卷叶监测识别并处理旱情的装置，所述装置包括：金属支撑骨架；所述金属支撑骨架的下方设置有若干滚轮；所述金属支撑骨架的横梁上设置有可旋转的具备4G信号传输功能的球形摄像机，所述球形摄像机中部署有权利要求1中所述的训练完毕的玉米卷叶检测模型；所述金属支撑骨架上设置有电缆，所述电缆与220V电源接通，然后顺着喷灌机动力电缆通道穿入，并沿着喷灌主输水横梁延伸到摄像机处，并接入摄像机。
[0012]本说明书一个实施例至少能够达到以下有益效果：本专利技术是一种基于玉米卷叶监测识别旱情的智能预警方法，可以帮助田间管理者及时发现旱涝情况，对灌溉时间及用量进行调整。同时，本专利技术技术方案针对安装有时针式喷灌设备的农田提供一种全方位无死角的视频监测方式，使得摄像机在整个农田不同位置、不同方向都可以进行观察。不用到实地就可以远程全面掌握整个农田的状态，实时掌握灌溉时喷灌设备的运行状态，与植被的灌溉情况；另外在摄像机上安装了大范围玉米农作物区域是否卷叶的检测模型，摄像机生
成影像的同时，模型算法也检测出玉米卷叶情况，配合土壤中墒情传感器（又名土壤湿度传感器、土壤水分传感器）检测的土壤含水量，共同判断是否出现旱情。
附图说明
[0013]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0014]图1为本说明书实施例提供的一种基于玉米卷叶监测识别并处理旱情的方法的流程图；图2为本说明书实施例提供的一种基于玉米卷叶监测识别并处理旱情的方法中一种可能的装置结构示意图；图3为本说明书实施例提供的一种基于玉米卷叶监测识别并处理旱情的方法中另一种可能的装置结构示意图；图4为图2和图3中所示意的装置的调试程序示意图；图5为本说明书实施例提供的一种基于玉米卷叶监测识别并处理旱情的方法中一种实际场景下的流程示意图；图6为本说明书实施例提供的一种基于玉米卷叶监测识别并处理旱情的方法中普通卷积核深度可分离卷积的原理比较示意图；图7为本说明书实施例提供的一种基于玉米卷叶监测识别并处理旱情的方法中所用到的倒残差模块和普通的残差模块的结构比较示意图；图8为本说明书实施例提供的一种基于玉米卷叶监测识别并处理旱情的方法中改进的BiFPN模块和Efficientdet目标检测模型原始的BiFPN模块的比较示意图；图9为本说明书实施例提供的一种基于玉米卷叶监测识别并处理旱情的方法中改进的Efficientdet目标检测模型的模型结构示意图；图10为本说明书实施本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于玉米卷叶监测识别并处理旱情的方法，其特征在于，所述方法包括：利用可旋转的具备4G信号传输功能的球形摄像机采集第一时间点和第二时间点的待检测区域的玉米叶子图像，所述第一时间点的范围为一天时间中的中午12点至中午2点，所述第二时间点的范围为一天时间中的下午5点至下午7点；利用训练完毕的玉米卷叶检测模型分别判断所述第一时间点和所述第二时间点的玉米叶子图像中的玉米叶子是否为卷叶，得到判断结果；若所述判断结果表明所述第一时间点的玉米叶子图像中的玉米叶子为未卷叶状态，则所述待检测区域的玉米未受到干旱胁迫；若所述判断结果表明所述第一时间点的玉米叶子图像中的玉米叶子为卷叶状态，且所述第二时间点的玉米叶子图像中的玉米叶子为卷叶状态，则检测布置在所述待检测区域的土壤中的土壤墒情传感器的数值，若所述数值表明所述待检测区域的土壤含水量不足，则所述待检测区域的玉米受到第一程度的干旱胁迫，则对所述待检测区域的土壤进行灌溉补水；若所述判断结果表明所述第一时间点的玉米叶子图像中的玉米叶子为卷叶状态，且所述第二时间点的玉米叶子图像中的玉米叶子为未卷叶状态，则所述待检测区域的玉米受到第二程度的干旱胁迫；所述第一程度大于所述第二程度；所述训练完毕的玉米卷叶检测模型的训练过程具体包括：对Efficientdet目标检测模型进行改进，将改进后的Efficientdet目标检测模型作为玉米卷叶检测模型，其中，改进方面包括：在特征提取过程中先后采用深度可分离卷积和倒残差模块，以提高特征提取部分的主干网络的特征提取能力；在Efficientdet目标检测模型原有的BiFPN模块中增加跨级的数据流，以提升网络性能；在训练过程中采用组归一化方法，在通道维度层面进行数据的归一化，将通道分为若干组后，在组内计算均值和方差以进行归一化，从而防止模型训练过程中出现梯度弥散进而使得模型难以收敛的现象；预先采集若干数量的所述第一时间点和所述第二时间点的玉米叶子图像；按预定比例将所述玉米叶子图像划分为训练集、测试集和验证集三部分；采用Pse...

【专利技术属性】
技术研发人员：郝媛媛，刘岳坤，杨柳，高俊刚，韩远英，李成康，路亦晗，
申请(专利权)人：内蒙古小草数字生态产业有限公司，
类型：发明
国别省市：