本发明专利技术公开一种基于人工智能的作物病虫害预警系统，包括作物图像数据采集模块，用于采集作物的图像数据；环境数据采集模块，用于采集作物生长的环境数据并输出至虫情分析模块；病虫数据提取模块，用于对图像数据进行处理并对只包含病虫的图像特征的图像数据进行提取获得病虫图像数据；病虫数量分析模块，用于根据病虫图像数据进行分析获得病虫数量并输出至虫情分析模块；病虫种类分析模块；虫情分析模块；预警系统。本发明专利技术解决农作物病虫害早期发现和早期防治的问题，准确判断虫情，快速预警。速预警。速预警。
【技术实现步骤摘要】
一种基于人工智能的作物病虫害预警系统
[0001]本专利技术涉及作物病虫害预警领域，更具体地，涉及一种基于人工智能的作物病虫害预警系统。
技术介绍
[0002]目前，广大农民由于教育和知识的局限性，在农业生产过程中遇到问题，如农作物遭遇病虫害问题时，通常采用下述方式解决：根据传统的经验来判断，请农业专家实地考察或通过互联网查询相关资料，从而确定农作物的病虫害信息，进而确定治理办法。上述方法的及时性较差，而且某一地区的病虫害信息的共享性差，不能准确判断病虫害的发生日期，容易错过最佳治理时间，从而影响农作物生产。
[0003]随着智能手机的快速发展，目前也出现了一些利用移动终端进行非农作物的相关查找及少量农作物病虫害信息的确定。现有的农作物病虫害诊断系统需要通过图像和描述内容进行人工反馈，效率低下，而且浪费人力资源。同时，在图像对比中，图像本身具有重要的决定作用，现有的农作物病虫害诊断系统需要种植人员在拍照后对图片进行深度处理，如剪裁、去噪等，对图片处理的不到位，从而影响后续对比判断过程；同时，现有的农作物病虫害诊断系统多数仅针对一类农作物，数据量较少，而且可能需要诊断人员在线进行诊断，效率低下，及时性差，无法解决农作物病虫害早期发现和早期防治的问题，无法准确判断虫情。
技术实现思路
[0004]本专利技术的目的在于提供一种基于人工智能的作物病虫害预警系统，判断准确，能够针对多类农作物不同虫害，能够准确判断病虫的种类和数量，判断效率高，及时性高，解决农作物病虫害早期发现和早期防治的问题，准确判断虫情。
[0005]为达到上述目的，提供了一种基于人工智能的作物病虫害预警系统，包括：作物图像数据采集模块，用于采集作物的图像数据；环境数据采集模块，用于采集作物生长的环境数据并输出至虫情分析模块；病虫数据提取模块，用于对图像数据进行处理并对只包含病虫的图像特征的图像数据进行提取获得病虫图像数据；病虫数量分析模块，用于根据病虫图像数据进行分析获得病虫数量并输出至虫情分析模块；病虫种类分析模块，用于根据病虫图像数据进行分析获得病虫种类并输出至虫情分析模块；虫情分析模块，用于根据环境数据、作物种类、病虫数量，获得虫情信息；预警系统，用于根据虫情信息进行预警。
[0006]特别的，所述环境数据包括作物种类、作物地域、当地气候数据、土壤数据。
[0007]特别的，所述预警系统采用语音模块和警示灯模块。
[0008]一种基于人工智能的作物病虫害预警方法，包括以下步骤采集作物的图像数据；对图像数据进行处理并对只包含病虫的图像特征的图像数据进行提取获得病虫图像数据；根据病虫图像数据进行分析获得病虫数量；根据病虫图像数据进行分析获得病虫种类；根据环境数据、作物种类、病虫数量，获得虫情信息；根据虫情信息进行预警。
[0009]特别的，所述根据病虫图像数据进行分析获得病虫数量具体包括以下步骤：（1）数据采集与标注：采集作物的RGB图像，并通过labelme工具对作物的RGB图像的病虫进行多边形标注；所述多边形标注的方式为重叠的病虫和与作物靠近的病虫进行细分标注，并获得原始的矩形框；（2）生成数据集:将步骤（1）进行多边形标注后的数据转换成COCO格式的实例分割数据集，并将该实例分割数据集按0.8:0.1:0.1的比例随机划分为训练集、验证集与测试集；（3）构建一种基于可旋转矩形框的Mask R
‑
CNN实例分割网络：将步骤（1）的多边形标注通过Mask R
‑
CNN训练将原始的矩形框转换为可旋转矩形框；所述Mask R
‑
CNN训练包括RPN候选框生成阶段、矩形框损失计算阶段、Mask损失计算阶段；（4）模型训练：指定步骤（2）中的训练集与验证集使用SGD优化器训练，并在训练过程中进行动态数据增强；（5）模型推理：步骤（4）模型训练完成后，将步骤（2）中的测试集内的数据依次进行预处理后，输入到步骤（3）的Mask R
‑
CNN实例分割网络中进行推理，推理结果是病虫的边缘得到拟合的多边形点集，且基于每个多边形点集，生成一个可旋转的矩形框，所述矩形框的数量即为病虫数量。
[0010]特别的，所述步骤（3）中将原始的矩形框转换为可旋转矩形框的方法为通过OpenCV的minAreaRect函数进行计算得出多边形区域标注的最小外接矩形框，即得到可旋转矩形框。
[0011]特别的，所述步骤（4）中的动态数据增强的方式包括旋转、翻转、随机调整亮度、对比度。
[0012]特别的，所述步骤（4）中，所述SGD优化器的学习率设置为0.01且按指数方式衰减。
[0013]特别的，所述根据病虫图像数据进行分析获得病虫种类的具体方法包括以下步骤：收集一定种类一定数量的病虫图像数据及标记好的病虫种类建立目标领域数据集；将目标领域数据集按一定比例划分为训练集、验证集和测试集；将训练集、验证集输入至神经网络模型进行训练；该网络模型能够输入图像数据，输出病虫种类；训练好的神经网络模型再输入测试集进行测试，直至训练出准确率预设阈值的网络模型作为病虫种类识别模型；
将要判断病虫种类的病虫图像数据输入至病虫种类识别模型获得病虫种类。
[0014]特别的，获得虫情信息的具体步骤为：建立虫情数据库；所述虫情数据库包括环境数据、作物种类、病虫数量和虫情分析；所述虫情分析为专家根据环境数据、作物种类、病虫数量作出的虫害分析语句；根据环境数据、作物种类、病虫数量，搜索到相应的虫情分析并输出。
[0015]本专利技术的技术原理和有益效果如下所示：本专利技术根据环境数据及应用人工智能技术通过采集到的作物图像数据进行处理和识别，通过病虫数量分析模块获得病虫数量，通过病虫种类分析模块获得病虫种类，最终根据虫情分析模块获得虫情信息，根据获得的虫情信息进行预警，判断准确，能够针对多类农作物不同虫害，能够准确判断病虫的种类和数量，判断效率高，及时性高，解决农作物病虫害早期发现和早期防治的问题，准确判断虫情，快速预警。
附图说明
[0016]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。
[0017]图1为本专利技术实施例系统的系统结构图。
[0018]图2为本专利技术实施例系统的方法流程图。
实施方式
[0019]下面结合附图对本专利技术的优选实施例进行详细阐述，以使本专利技术的优点和特征能更易于被本领域技术人员理解，从而对本专利技术的保护范围做出更为清楚明确的界定。
[0020]应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
[0021]需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于人工智能的作物病虫害预警系统，其特征在于，包括：作物图像数据采集模块，用于采集作物的图像数据；环境数据采集模块，用于采集作物生长的环境数据并输出至虫情分析模块；病虫数据提取模块，用于对图像数据进行处理并对只包含病虫的图像特征的图像数据进行提取获得病虫图像数据；病虫数量分析模块，用于根据病虫图像数据进行分析获得病虫数量并输出至虫情分析模块；病虫种类分析模块，用于根据病虫图像数据进行分析获得病虫种类并输出至虫情分析模块；虫情分析模块，用于根据环境数据、作物种类、病虫数量，获得虫情信息；预警系统，用于根据虫情信息进行预警。2.根据权利要求1所述的一种基于人工智能的作物病虫害预警系统，其特征在于，所述环境数据包括作物种类、作物地域、当地气候数据、土壤数据。3.根据权利要求1所述的一种基于人工智能的作物病虫害预警系统，其特征在于，所述预警系统采用语音模块和警示灯模块。4.一种基于人工智能的作物病虫害预警方法，包括以下步骤采集作物的图像数据；对图像数据进行处理并对只包含病虫的图像特征的图像数据进行提取获得病虫图像数据；根据病虫图像数据进行分析获得病虫数量；根据病虫图像数据进行分析获得病虫种类；根据环境数据、作物种类、病虫数量，获得虫情信息；根据虫情信息进行预警。5.根据权利要求4所述的一种基于人工智能的作物病虫害预警方法，其特征在于，所述所述根据病虫图像数据进行分析获得病虫数量具体包括以下步骤：（1）数据采集与标注：采集作物的RGB图像，并通过labelme工具对作物的RGB图像的病虫进行多边形标注；所述多边形标注的方式为重叠的病虫和与作物靠近的病虫进行细分标注，并获得原始的矩形框；（2）生成数据集:将步骤（1）进行多边形标注后的数据转换成COCO格式的实例分割数据集，并将该实例分割数据集按0.8:0.1:0.1的比例随机划分为训练集、验证集与测试集；（3）构建一种基于可旋转矩形框的Mask R
‑
CNN实例分割网络：将步骤（1）的多边形标注通过Mask R
‑
CNN训练将原始的矩形框转换为可旋转矩形框；所述Mask R
‑
CNN训练包括R...
【专利技术属性】
技术研发人员：温标堂，刘冰，阳继辉，黄文娟，覃敬源，雷培勤，
申请(专利权)人：捷佳润科技集团股份有限公司，
类型：发明
国别省市：
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。