一种草坪杂草识别与精准喷施方法技术

本发明专利技术公开了一种草坪杂草识别与精准喷施方法，包括：采集正方形区域图像；将正方形区域图像分割成9个第一正方形区域，并检测其中是否存在杂草，如存在，则将第一正方形区域等分为9个第二正方形区域，并检测其中是否存在杂草，如存在，则将第二正方形区域等分为9个第三正方形区域，并检测其中是否存在杂草，如果有n个第三正方形区域存在杂草，则对相应的第二正方形区域进行施药，如果少于n个第三正方形区域存在杂草，则不施药。本发明专利技术通过将一帧图像逐次划分，确定其中杂草覆盖率，进而确定是否打开喷头施药，可以更精准地控制除草剂施用量，减少资源的浪费和环境的污染。减少资源的浪费和环境的污染。减少资源的浪费和环境的污染。

【技术实现步骤摘要】
一种草坪杂草识别与精准喷施方法


[0001]本专利技术涉及杂草识别与精准施药
，具体涉及一种草坪杂草识别与精准喷施方法。

技术介绍

[0002]草坪常用于环境绿化、高尔夫球场等，目前草坪日常维护以人工为主，包括浇水、施肥、除草等。为了提高工作效率、降低劳动强度，国内外开始研制相应的机械设备，包括喷施除草剂的喷杆喷雾机。传统的喷杆喷雾机采用地毯式喷施方式，将草坪均匀地喷施化学除草剂。事实上，草坪上只有局部区域被杂草覆盖。地毯式的喷施会造成除草剂过量施用，进而导致环境污染和除草剂药害等。近年来，国内外相继开展了草坪杂草识别与精准施药研究，杂草识别算法以及精准施药器样机研制还处于探索阶段。
[0003]针对上述背景，本专利技术提出一种基于分类深度神经网络和区域逐次分块的草坪杂草识别与精准喷施方法，以提高杂草识别率和实时性；并提出一种喷嘴列阵组合的喷杆，以提高除草剂喷施效率。

技术实现思路

[0004]本专利技术的目的是针对现有技术中存在的问题，提供一种草坪杂草识别与精准喷施方法。
[0005]本专利技术是通过以下技术方案实现的：
[0006]本专利技术提供一种草坪杂草识别与精准喷施方法，包括以下步骤：
[0007]S1、通过摄像头采集草坪中一个正方形区域图像；
[0008]S2、将S1采集的正方形区域图像分割成3*3个相同的第一正方形区域，通过深度神经网络中的分类网络对上述9个第一正方形区域进行检测，判断其中是否存在杂草；
[0009]S3、如果判断第一正方形区域有杂草，则将第一正方形区域等分为3*3个相同的第二正方形区域，通过深度神经网络中的分类网络对上述9个第二正方形区域进行检测，判断其中是否存在杂草；
[0010]S4、如果判断第二正方形区域有杂草，则将第二正方形区域等分为3*3个相同的第三正方形区域，通过深度神经网络中的分类网络对上述9个第三正方形区域进行检测，判断其中是否存在杂草；
[0011]S5、设定施药阈值，在9个第三正方形区域中，如果有n个或n个第三正方形区域存在杂草，则对相应的第二正方形区域进行施药，如果少于n个第三正方形区域存在杂草，则不施药。
[0012]进一步的，所述S2中，以第一正方形区域为训练集，完成对分类神经网络的训练。
[0013]进一步的，所述S3中，对第二正方形区域进行检测前，先将第二正方形区域放大9倍，使其与训练图像大小相同。
[0014]进一步的，所述S3中，当对位于图像边缘处的第二正方形区域进行放大时，先在第
二正方形区域外缘补充一圈像素，以对边缘处的第二正方形区域进行放大。
[0015]进一步的，所述S4中，对第三正方形区域进行检测前，先将第三正方形区域放大9*9倍，使其与训练图像大小相同。
[0016]进一步的，所述S4中，当对位于图像边缘处的第三正方形区域进行放大时，先在第三正方形区域外缘补充一圈像素，以对边缘处的第三正方形区域进行放大。
[0017]进一步的，所述S5中，在9个第三正方形区域中，如果有5个或5个以上第三正方形区域存在杂草，则对相应的第二正方形区域进行施药，如果只有4个或者少于4个第三正方形区域存在杂草，则不施药。
[0018]进一步的，所述S5中，施药工具为施药器小车；所述施药器小车上设置有列阵式喷杆和摄像头；所述列阵式喷杆包括若干排平行分布的喷杆，每排喷杆上均匀设置有若干个施药喷头，所述施药喷头通过电磁阀控制其开关。
[0019]进一步的，每个施药喷头对应一个第二正方形区域，所述施药喷头的施药区域呈圆形，圆形施药区域的直径与第二正方形区域的边长一致。
[0020]本专利技术的有益效果：
[0021](1)现有的施药研究中，只要方块中存在杂草就打开喷头施药，没有考虑方块中杂草覆盖率。本专利技术通过对正方形区域进行细分，将一帧图像逐次划分，确定其中杂草覆盖率，进而确定是否打开喷头施药，可以更精准地控制除草剂施用量，减少资源的浪费和环境的污染；
[0022](2)维护比较好的草坪中杂草覆盖率通常较低，本专利技术充分利用这一特征，通过对摄像头采集图像逐次进行区域划分，只对存在杂草的子区域进行进一步分类检测，而对大面积不存在杂草的区域不再进行检测，从而减少了运算工作量，提高了施药的实时性，适用于高尔夫球场等维护较好草坪的精准除草。
附图说明
[0023]图1是本专利技术实施例列阵式喷杆精准施药示意图；
[0024]图2是本专利技术实施例中间像素放大9倍的算法示意图；
[0025]图3是本专利技术实施例边缘像素放大9倍的算法示意图。
具体实施方式
[0026]为使本专利技术实施例的目的、技术方案和优点更加清楚，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，所描述的实施例是本专利技术的一部分实施例，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做出创造性劳动的前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0027]实施例1
[0028]参照图1，本专利技术实施例提供一种草坪杂草识别与精准喷施方法，具体包括以下步骤：
[0029](1)通过摄像头采集草坪中一个正方形区域图像。
[0030](2)为了识别正方形区域是否存在杂草，以及杂草分布位置，将步骤(1)采集的正方形区域图像分割成3*3个相同的第一正方形区域，通过深度神经网络中的分类网络对上
述9个第一正方形区域进行检测，判断其中是否存在杂草。
[0031](3)经过检测，只有右上角的第一正方形区域有杂草，其它8个第一正方形区域均无杂草，根据精准施药概念，没有杂草的8个区域则无需喷施除草剂，参照图1。
[0032](4)为了进一步确定杂草分布位置，将右上角的第一正方形等分为3*3个相同的第二正方形区域，通过深度神经网络中的分类网络对上述9个第二正方形区域进行检测，判断其中是否存在杂草。
[0033](5)经过检测，判断只有右上角的第二正方形区域有杂草，为了精准施药，需要再进一步判断右上角的第二正方形区域里面的杂草覆盖率，具体为：将第二正方形区域等分为3*3个相同的第三正方形区域，参照图1，通过深度神经网络中的分类网络对上述9个第三正方形区域进行检测，判断其中是否存在杂草。
[0034](6)设定施药阈值，在9个第三正方形区域中，如果有5个或5个以上第三正方形区域存在杂草，则对相应的第二正方形区域进行施药，如果只有4个或者少于4个第三正方形区域存在杂草，则不需要对第二正方形区域进行施药。其中，每个第二正方形区域上方对应一个施药喷头，施药喷头的喷药区域可覆盖第二正方形区域。
[0035]现有技术中，深度神经网络中的分类网络只能判断图像中是否存在杂草，不能判断杂草的具体位置。本专利技术通过上述逐次划分图像区域的过程，可以“找到”杂草的具体位置，为精准施药提供依据。此外，本专利技术无需对81个区域进行全部检测，只需要对其中部分正方形区域进行分类检本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种草坪杂草识别与精准喷施方法，其特征在于，包括以下步骤：S1、通过摄像头采集草坪中一个正方形区域图像；S2、将S1采集的正方形区域图像分割成3*3个相同的第一正方形区域，通过深度神经网络中的分类网络对上述9个第一正方形区域进行检测，判断其中是否存在杂草；S3、如果判断第一正方形区域有杂草，则将第一正方形区域等分为3*3个相同的第二正方形区域，通过深度神经网络中的分类网络对上述9个第二正方形区域进行检测，判断其中是否存在杂草；S4、如果判断第二正方形区域有杂草，则将第二正方形区域等分为3*3个相同的第三正方形区域，通过深度神经网络中的分类网络对上述9个第三正方形区域进行检测，判断其中是否存在杂草；S5、设定施药阈值，在9个第三正方形区域中，如果有n个或n个以上第三正方形区域存在杂草，则对相应的第二正方形区域进行施药，如果少于n个第三正方形区域存在杂草，则不施药。2.根据权利要求1所述的草坪杂草识别与精准喷施方法，其特征在于，所述S2中，以第一正方形区域为训练集，完成对分类神经网络的训练。3.根据权利要求1所述的草坪杂草识别与精准喷施方法，其特征在于，所述S3中，对第二正方形区域进行检测前，先将第二正方形区域放大9倍，使其与训练图像大小相同。4.根据权利要求3所述的草坪杂草识别与精准喷施方法，其特征在于，所述S3中，当对位...

【专利技术属性】
技术研发人员：陈勇，金小俊，于佳琳，
申请(专利权)人：潍坊现代农业山东省实验室，
类型：发明
国别省市：