一种农作物病虫害智能监控方法及系统技术方案

本发明专利技术涉及智慧农业技术领域，为一种农作物病虫害智能监控方法及系统。本申请实施例提供的技术方案中，通过构建仿真模型获取农作物在仿真环境中的数据，此数据可以作为训练机器视觉中神经网络的初步预警模型以及目标识别模型中的训练数据，并且通过初步预警模型实现对于农作物病虫害的初步预警识别后通过构建的目标识别模型对数据进行特征提取后实现对于最终病虫害的确定种类以及病害程度。于最终病虫害的确定种类以及病害程度。于最终病虫害的确定种类以及病害程度。

【技术实现步骤摘要】
一种农作物病虫害智能监控方法及系统


[0001]本专利技术涉及智慧农业
，为一种农作物病虫害智能监控方法及系统。

技术介绍

[0002]目前，针对于农作物的病虫害检测与医治主要依赖于作物顾问和服务提供者的人工观察，但是很少有经验丰富的观察人员可以在短时间内查看到覆盖较多种类以及较多数量作物的大型农作物生产场地。观察需要大量的专业知识和训练，才能有效和准确地诊断一个农作物中存在的疾病问题。通常，他们首先使用带有疾病和虫害症状的图像进行训练，但由于实际生产环境中存在大量变量，他们需要相当长的时间来熟悉由年龄和受感染组织类型或病虫害周期所引起的许多症状类别，以及不断变化的温度、pH 值、湿度和水分等影响植物病害发生的环境因素。经验丰富的观察员通常也会建立随机抽样的模式，以避免对每棵树进行目测评估，减少工作量，特别是在大型场所，必须战略性地观察区域，以覆盖最重要的区域。观察员将寻找特定的敏感品种，在大多数农作物中，疾病、害虫和非生物胁迫的许多症状都非常明显，仅凭视觉症状就足以区分。然而，一些疾病的症状看起来非常相似，却很难准确地确定它们的病因，与此同时，由于叶片颜色、形态和大小上的差异，一种单一疾病或特定昆虫的视觉症状在不同品种之间可能存在很大差异。特定的温度、湿度和植物的生理发育阶段也对病害的侵染和昆虫的发育起着至关重要的作用。叶片的症状也会随着疾病的发展以及叶子或果实组织的衰老而变化。总的来说，人力侦查通常是耗时、昂贵的。

技术实现思路

[0003]为了解决以上的技术问题，本申请提供超声图像分析方法，能够解决数据量少导致的诊断效果差的问题，在系统的使用过程中不断完善模型，为提供更好的诊断建议，奠定坚实基础。
[0004]为了达到上述目的，本申请实施例采用的技术方案如下：第一方面，提供一种农作物病虫害智能监控方法，应用于服务器，所述方法包括：构建农作物病虫害仿真环境，在生长周期中获取对应农作物生长过程中的大气环境数据、土壤环境数据和农作物生长数据，其中所述农作物生长数据包括农作物生长特征数据，依次调节所述大气环境数据、所述土壤环境数据、所述大气环境数据和所述土壤环境数据综合数据至所述农作物生长特征数据至预设的临界数据，基于以上数据构建初步预警模型；按照采集周期获取目标农作物的大气环境数据、土壤环境数据，基于所述初步预警模型对所述大气环境数据、所述土壤环境数据进行处理，得到农作物生长数据，并将所述农作物生长数据与标准农作物生长数据进行比较得到初步预警信息，并采集对应所述目标农作物的实时图像；对所述实时图像进行目标图像分割，得到符合要求的目标农作物图像，并将所述目标农作物图像输入至目标识别模型，得到农作物病害种类以及病害程度。
[0005]进一步的，所述初步预警模型基于支持向量机训练构建，所述支持向量机的训练
集和测试集包括所述仿真环境中获得的大气环境数据、土壤环境数据和农作物生长数据，并对所述训练集和所述测试集进行归一化处理。
[0006]进一步的，所述支持向量机的决策函数为：，k为径向基核函数，所述径向基核函数为：，其中为输出的决策信号，x为输入信号，为第i个样本中的列向量，与为拉格朗日承子，l为所能支持的向量上限，b为偏置量，σ为宽度信息；所述输入信号为所述大气环境数据、所述土壤环境数据中的任意一种数据，所述样本包括所述输入信号下的任意一类数据。
[0007]进一步的，所述归一化处理中得归一化区间为[0.2,0.9]，归一化公式为：，其中y为归一化处理之后的数据集，x为进行归一化处理的数据集，与分别为进行归一化处理的数据集中同一个量纲数据集序列中的最大值和最小值。
[0008]进一步的，对所述实时图像进行目标图像分割，得到符合要求的目标农作物图像，包括：对所述实时图像进行二值化处理获得所述实时图像中的轮廓线条，通过检测框对所述轮廓线条进行比对，将符合覆盖阈值的至少一个实时图像确定为待确定图像，多个所述待确定图像中覆盖率最高的图像为目标图像。
[0009]进一步的，所述目标识别模型为基于农作物病虫害仿真环境训练的8层AlexNet网络结构，所述AlexNet网络结构包括前五层的卷积层，用于对所述目标农作物图像进行特征提取，还包括与所述卷积层连接的全连接层，用于将提取到的特征进行分类，还包括与所述全连接层连接的softmax层，用于计算所述目标特征的对应的标签概率。
[0010]进一步的，所述softmax层的输出数量与标签数量对应设置，所述标签数量与对应的农作物的病虫害种类对应设置。第二方面，提供一种超声图像分析系统，包括：超声探头；发射电路，用于激励所述超声探头向被测对象的甲状腺区域发射超声波；接收电路，用于控制所述超声探头接收从所述甲状腺区域返回的超声回波以获得超声回波信号；处理器，用于执行对应的超声图像分析方法，确定结节TI
‑
RADS分类和结节恶性概率。
[0011]第二方面，提供一种农作物病虫害智能监控系统，包括图像采集子系统、数据采集子系统、服务器以及用户终端，所述图像采集子系统包括多个设置于待监控农作物位置处的图像采集装置，用于采集目标农作物，并将采集到的图像信息发送至服务器；所述数据采集子系统包括设置于所述目标农作物环境周围的多个传感器，用于采集大气环境数据、土壤环境数据，并将采集到的数据发送至所述服务器；所述服务器内设置有处理器，所述处理器基于获取到的图像信息以及数据执行上述任一项所述的农作物病虫害智能监控方法，并将病虫害信息发送至所述用户终端。
[0012]进一步的，所述服务器还包括存储器，所述存储器用于存储采集到的所述大气环境数据、所述土壤环境数据和所述病虫害信息。
[0013]进一步的，所述土壤环境数据包括土壤中氮磷钾含量数据、土壤电导率数据、土壤pH数据、土壤温度数据和土壤湿度数据中的一种或多种。
[0014]第三方面，提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项所述的方法。
[0015]本申请实施例提供的技术方案中，通过构建仿真模型获取农作物在仿真环境中的数据，此数据可以作为训练机器视觉中神经网络的初步预警模型以及目标识别模型中的训练数据，并且通过初步预警模型实现对于农作物病虫害的初步预警识别后通过构建的目标识别模型对数据进行特征提取后实现对于最终病虫害的确定种类以及病害程度。
附图说明
[0016]为了更清楚地说明本申请实施例中的技术方案，下面将对实施例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申请的一些实施例，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。
[0017]附图中的方法、系统和/或程序将根据示例性实施例进一步描述。这些示例性实施例将参照图纸进行详细描述。这些示例性实施例是非限制的示例性实施例，其中示例数字在附图的各个视图中代表相似的机构。
[0018]图1是本申请实施例提供的农作物病虫害智能监控系统示意图本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种农作物病虫害智能监控方法，其特征在于，应用于服务器，所述方法包括：构建农作物病虫害仿真环境，在生长周期中获取对应农作物生长过程中的大气环境数据、土壤环境数据和农作物生长数据，其中所述农作物生长数据包括农作物生长特征数据，依次调节所述大气环境数据、所述土壤环境数据、所述大气环境数据和所述土壤环境数据综合数据至所述农作物生长特征数据至预设的临界数据，基于以上数据构建初步预警模型；按照采集周期获取目标农作物的大气环境数据、土壤环境数据，基于所述初步预警模型对所述大气环境数据、所述土壤环境数据进行处理，得到农作物生长数据，并将所述农作物生长数据与标准农作物生长数据进行比较得到初步预警信息，并采集对应所述目标农作物的实时图像；对所述实时图像进行目标图像分割，得到符合要求的目标农作物图像，并将所述目标农作物图像输入至目标识别模型，得到农作物病害种类以及病害程度。2.根据权利要求1所述的农作物病虫害智能监控方法，其特征在于，所述初步预警模型基于支持向量机训练构建，所述支持向量机的训练集和测试集包括所述仿真环境中获得的大气环境数据、土壤环境数据和农作物生长数据，并对所述训练集和所述测试集进行归一化处理。3.根据权利要求2所述的农作物病虫害智能监控方法，其特征在于，所述支持向量机的决策函数为：，k为径向基核函数，所述径向基核函数为：，其中为输出的决策信号，x为输入信号，为第i个样本中的列向量，与为拉格朗日承子，l为所能支持的向量上限，b为偏置量，σ为宽度信息；所述输入信号为所述大气环境数据、所述土壤环境数据中的任意一种数据，所述样本包括所述输入信号下的任意一类数据。4.根据权利要求2所述的农作物病虫害智能监控方法，其特征在于，所述归一化处理中得归一化区间为[0.2,0.9]，归一化公式为：，其中y为归一化处理之后的数据集，x为进行归一化处理的数据集，与分别为进行归一化处理的数据集中同一个量纲数据集序列中的最大值和最小值。5.根据权利要求1所述的农作物病虫害智能监控方...

【专利技术属性】
技术研发人员：徐翔，王光旭，王思奎，张燕林，王家顺，
申请(专利权)人：德阳稷农农业科技有限公司，
类型：发明
国别省市：