一种设施大棚蔬菜管控方法及系统技术方案

本发明专利技术涉及农业管理领域，公开了一种设施大棚蔬菜管控方法及系统，通过在设施大棚的蔬菜种植支架上设置巡检轨道，并通过巡检机器人在巡检轨道上环绕设施大棚移动多方位采集蔬菜的多维度的生长生理信息和设施大棚的环境信息，通过具有健康蔬菜各项评价指标的健康评分模型对蔬菜的生长生理信息和所处的环境进行评分，并根据评分结果，分析此时蔬菜的生长发育状况，以及所处的环境是否适合蔬菜的生长，及时对蔬菜进行相应的农事操作并调节设施大棚环境，能够对设施大棚蔬菜的定时定点自动巡检，实现对设施大棚蔬菜的生长生理信息和设施大棚的环境信息进行实时检测，提高设施大棚蔬菜的管控效率和精度。蔬菜的管控效率和精度。蔬菜的管控效率和精度。

【技术实现步骤摘要】
一种设施大棚蔬菜管控方法及系统


[0001]本专利技术涉及农业管理领域，更具体地，涉及一种设施大棚蔬菜管控方法及系统。

技术介绍

[0002]在传统的设施大棚蔬菜种植中，通过使用塑料薄膜进行搭建大棚，达到保障大棚温暖环境的目的，并未对蔬菜的生长发育状况和种植环境进行监管。在蔬菜的生长发育过程中，通过蔬菜的长势进行监测和分析可以判断蔬菜的生长发育状况是否良好和是否出现病虫害。根据蔬菜生长发育的监测分析结果，可对蔬菜进行适当的农事操作，如浇水、施肥和打药等，实现设施大棚蔬菜的稳产和高产，因此基于对设施大棚蔬菜长势的智能巡检分析，实现设施大棚蔬菜的精准管控的是十分必要的。
[0003]现有一种大棚蔬菜管控方法及系统，其根据蔬菜所在分区的环境信息、土壤信息和所述蔬菜的当前生育阶段，获取所述蔬菜的水分需求量，然后根据所述分区的土壤养分信息和所述蔬菜的养分吸收特征，基于土壤养分平衡方法获取所述蔬菜在当前生育阶段的养分需求量，并根据所述蔬菜的水分需求量和养分需求量，对所述蔬菜进行灌溉和施肥，在一定程度上提高了蔬菜管控效率。
[0004]然而上述方法需要人工采集蔬菜的环境信息和土壤信息，以及人工分析蔬菜的生育阶段，不能对蔬菜进行实时监测和分析，且采集的数据维度单一，导致蔬菜管控效率低且不精准的问题。

技术实现思路

[0005]本专利技术为克服现有技术中需要人工采集蔬菜的环境信息和土壤信息，以及人工分析蔬菜的生育阶段，导致蔬菜管控效率低且不精准的问题，提供一种设施大棚蔬菜管控方法及系统。
[0006]为解决上述技术问题，本专利技术的技术方案如下：
[0007]第一个方面，本专利技术提出一种设施大棚蔬菜管控方法，包括以下步骤：
[0008]S1：通过巡检机器人获取蔬菜图像和设施大棚的环境信息；
[0009]S2：根据所述蔬菜图像，获取蔬菜的生长生理信息；
[0010]S3：将所述生长生理信息和所述环境信息输入健康评分模型，对蔬菜当前的生长状态和设施大棚环境进行评分；
[0011]S4：根据评分结果，对蔬菜进行农事操作并调节设施大棚环境。
[0012]第二个方面，本专利技术还提出一种设施大棚蔬菜管控系统，包括：
[0013]巡检轨道、巡检机器人、数据采集装置、通信装置和上位机。所述巡检轨道设置在设施大棚的蔬菜种植支架上。所述巡检机器人可移动地设置在所述巡检轨道上，用于在所述巡检轨道上环绕设施大棚移动。
[0014]所述数据采集装置和通信装置搭载于所述巡检机器人上，所述数据采集装置和所述上位机分别与所述通信装置通讯连接。所述数据采集装置用于采集蔬菜图像和设施大棚
的环境信息。所述通信装置用于将所述数据采集装置采集的蔬菜图像和设施大棚的环境信息传输至所述上位机，所述上位机根据所述数据采集装置采集的蔬菜图像和设施大棚的环境信息对设施大棚蔬菜进行决策和管控。
[0015]与现有技术相比，本专利技术技术方案的有益效果至少包括：
[0016](1)本专利技术通过在设施大棚的蔬菜种植支架上设置巡检轨道，并通过巡检机器人在巡检轨道上环绕设施大棚移动多方位采集蔬菜图像和设施大棚的环境信息，能够对设施大棚蔬菜的定时定点自动巡检，实现对设施大棚蔬菜的生长生理信息和设施大棚的环境信息进行实时检测，提高设施大棚蔬菜的管控效率和精度。
[0017](2)本专利技术通过收集蔬菜的多维度的生长生理信息和设施大棚的环境信息，通过具有健康蔬菜各项评价指标的健康评分模型对蔬菜的生长生理信息和所处的环境进行评分，并根据评分结果，分析此时蔬菜的生长发育状况，以及所处的环境是否适合蔬菜的生长，及时对蔬菜进行相应的农事操作并调节设施大棚环境，能够进一步地提高设施大棚蔬菜的管控效率和精度。
附图说明
[0018]图1为本申请实施例的设施大棚蔬菜管控方法的流程图。
[0019]图2为本申请实施例的设施大棚蔬菜管控系统的作业流程图。
[0020]图3为本申请实施例的设施大棚蔬菜管控系统的结构示意图。
[0021]其中，1
‑
巡检轨道，2
‑
机器人本体，3
‑
电源模块，4
‑
图像采集装置，5
‑
环境传感器，6
‑
蔬菜种植支架，7
‑
图像数据采集点。
具体实施方式
[0022]附图仅用于示例性说明，不能理解为对本专利的限制；
[0023]下面结合附图和实施例对本专利技术的技术方案做进一步的说明。
[0024]实施例一
[0025]请参阅图1，本实施例提出一种设施大棚蔬菜管控方法，包括：
[0026]S1：通过巡检机器人获取蔬菜图像和设施大棚的环境信息。
[0027]S2：根据所述蔬菜图像，获取蔬菜的生长生理信息。
[0028]S3：将所述生长生理信息和所述环境信息输入健康评分模型，对蔬菜当前的生长状态和设施大棚环境进行评分。
[0029]S4：根据评分结果，对蔬菜进行农事操作并调节设施大棚环境。
[0030]本实施例通过巡检机器人采集蔬菜图像和设施大棚的环境信息，能够对设施大棚蔬菜的定时定点自动巡检，实现对设施大棚蔬菜的生长生理信息和设施大棚的环境信息进行实时检测。另外，通过收集蔬菜的多维度的生长生理信息和设施大棚的环境信息，通过具有健康蔬菜各项评价指标的健康评分模型对蔬菜的生长生理信息和所处的环境进行评分，并根据评分结果，分析此时蔬菜的生长发育状况，以及所处的环境是否适合蔬菜的生长，及时对蔬菜进行相应的农事操作并调节设施大棚环境，能够进一步地提高设施大棚蔬菜的管控效率和精度提高设施大棚蔬菜的管控效率和精度。
[0031]实施例二
[0032]本实施例在实施例一提出的设施大棚蔬菜管控方法的基础上作出改进。
[0033]本实施例中，所述根据所述蔬菜图像，获取蔬菜的生长生理信息的具体步骤包括：
[0034]S201：对蔬菜图像进行特征提取，得到蔬菜的长势特征；所述长势特征包括蔬菜的植株高度、叶片特征和种植时间。
[0035]在具体实施过程中，将通过巡检机器人获得的蔬菜生长发育图像和设施大棚的环境信息进行预处理，提取蔬菜图像中蔬菜的包括植株高度、叶片特征和种植时间等长势特征，其中所述叶片特征包括叶面积指数、叶片色泽和蔬菜叶片的完整度等，进而通过计算分析出蔬菜的长势情况、物候期阶段及病虫害发生程度。
[0036]以计算叶面积指数为例，首先通过提取蔬菜图像的RGB像素信息，然后对图像进行降噪、裁剪和去除无效背景处理，提取出蔬菜叶片。由于蔬菜图像中同时存在多个叶片，所以需要根据蔬菜种类和不同时期的叶片颜色不同，制定不同的准则用于计算蔬菜叶片面积指数。以绿色叶片蔬菜为例，计算蔬菜图像RGB像素信息中每个像素点G分量之间的距离，结合专家经验与蔬菜实际生长情况预设出不同种类叶片的阈值，即通过叶片阈值区分不同叶片。若计算出的G分量距离大于叶片阈值，则该叶片不本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种设施大棚蔬菜管控方法，其特征在于，包括：S1：通过巡检机器人获取蔬菜图像和设施大棚的环境信息；S2：根据所述蔬菜图像，获取蔬菜的生长生理信息；S3：将所述生长生理信息和所述环境信息输入健康评分模型，对蔬菜当前的生长状态和设施大棚环境进行评分；S4：根据评分结果，对蔬菜进行农事操作和调节设施大棚环境。2.根据权利要求1所述的设施大棚蔬菜管控方法，其特征在于，S2中，所述蔬菜的生长生理信息包括长势特征、物候期和病虫害信息。3.根据权利要求2所述的设施大棚蔬菜管控方法，其特征在于，S2中，获取蔬菜的生长生理信息的步骤包括：使用卷积神经网络对蔬菜图像进行特征提取，得到蔬菜的长势特征；根据所述长势特征以及所述设施大棚的环境信息，判断蔬菜的物候期；获取蔬菜的病虫害信息，具体的步骤包括：构建蔬菜病虫害信息提取模型，所述蔬菜病虫害信息提取模型为Faster R
‑
CNN模型；对蔬菜病虫害的密度和种类信息进行标注，构建标准病虫害数据集；使用K
‑
means聚类算法，并利用所述标准病虫害数据集对所述蔬菜病虫害信息提取模型进行训练，得到训练好的蔬菜病虫害信息提取模型；将蔬菜图像输入训练好的蔬菜病虫害信息提取模型，所述蔬菜病虫害信息提取模型输出蔬菜的病虫害信息。4.根据权利要求2所述的设施大棚蔬菜管控方法，其特征在于，S3中，将所述生长生理信息和所述环境信息输入健康评分模型，所述健康评分模型输出蔬菜的长势得分、营养状况得分、病虫害严重程度得分和生长环境得分。5.根据权利要求2所述的设施大棚蔬菜管控方法，其特征在于，所述长势特征包括蔬菜的植株高度、叶片特征和种植...

【专利技术属性】
技术研发人员：肖德琴，卞智逸，冯健昭，刘厚诚，谭祖杰，
申请(专利权)人：华南农业大学，
类型：发明
国别省市：