一种跟随植物状态变化的植物生长控制方法及系统技术方案

本发明专利技术涉及机器视觉领域，更具体的说，它涉及一种跟随植物状态变化的植物生长控制方法及系统

【技术实现步骤摘要】
一种跟随植物状态变化的植物生长控制方法及系统


[0001]本专利技术涉及机器视觉领域，更具体的说，它涉及一种跟随植物状态变化的植物生长控制方法及系统
。

技术介绍

[0002]在采用市场上提供的室内植物种植箱进行居家种植时，依然需要耗费大量时间和精力来保持植物的生长状态，包括定期浇水
、
施肥以及提供足够的光照等任务，这些任务将花费大量时间，因此，亟待提供一种跟随植物状态变化的植物生长控制方法及系统来解决这个问题
。

技术实现思路

[0003]本专利技术提供一种跟随植物状态变化的植物生长控制方法及系统，通过对植物图像进行识别，自动选择植物生长阶段对应的控制策略，从而自动对植物生长环境进行调整，无需人们进行操作，方便快捷；并且能够识别植物是否发生病变，从而能够对植物进行处理
。
[0004]一种跟随植物状态变化的植物生长控制方法，包括：获取植物图像；将植物图像送入至训练好的植物生长阶段检测模型进行检测，输出植物生长阶段标识；植物生长阶段检测模型基于
YOLOv5
模型建立，包括预处理部
、
特征提取部
、
特征融合部和分类部；其中预处理部用于对植物图像进行尺寸统一和构建灰度共生矩阵图；特征提取部用于对植物图像的特征进行提取；特征融合部用于对提取的特征进行融合；分类部用于对植物图像对应的植物生长阶段进行分类，输出植物生长阶段标识；根据植物生长阶段标识从控制策略库中获取对应的控制策略，控制策略库中存储植物生长阶段标识与对应的控制策略，且控制策略库根据专家经验进行构建；根据控制策略调整植物周围环境
。
[0005]作为本专利技术的一个优选，植物生长阶段检测模型的预处理部包括尺寸统一层和灰度共生矩阵图构建层；通过灰度共生矩阵构建层对植物图像进行灰度共生矩阵图构建具体包括如下步骤：将植物图像中所有通道对应的植物图像切片进行平均池化操作，得到灰度共生矩阵基准图，遍历灰度共生矩阵基准图中每个像素点坐标对应的像素值，选择最大的像素值记为
G
max
，选择最小的像素值记为
G
min
，将
G
min
至
G
max
之间的范围划分为
L
个像素阶段；建立空的灰度共生矩阵，且此灰度共生矩阵的大小为
L
×
L
，选择朝向角度
θ
，依次选择坐标点（
i
，
j
），
i
和
j
都是指像素阶段，针对选择的坐标点（
i
，
j
），从灰度共生矩阵基准图中统计满足判断条件的像素点个数，判断条件为“f
（
x
，
y
）位于像素阶段
i
范围内，且
f
（
x+dx
，
y+dy
）位于像素阶段
j
范围内”，其中
f
（
x
，
y
）指的是灰度共生矩阵基准图中像素点坐标（
x
，
y
）对应的像素值，（
dx
，
dy
）为距离对，由朝向角度
θ
决定，将像素点个数填入灰度共生矩阵中坐标点（
i
，
j
）对应位置中；当空的灰度共生矩阵全部填写完毕后，形成灰度共生矩阵，且一个朝向
角度
θ
对应一个灰度共生矩阵；将所有灰度共生矩阵进行拼接生成灰度共生矩阵图
。
[0006]作为本专利技术的一个优选，植物生长阶段检测模型的特征提取部包括
focus
层
、
第一特征提取层
、
第二特征提取层
、
第三特征提取层
、
第四特征提取层和四个灰度共生矩阵图构建层；
focus
层用于执行切片操作；第一特征提取层包括
CBL
块和
CSP1.1
块；第二特征提取层和第三特征提取层均包括
CBL
块和
CSP1.3
块；第四特征提取层包括
CBL
块和多特征融合块；其中
CBL
块依次包括卷积操作
、
批量标准化和非线性激活，且非线性激活函数采用
Leaky
‑
relu
；特征提取部中的灰度共生矩阵图构建层与预处理部中的灰度共生矩阵图构建层设置一致，且四个灰度共生矩阵图构建层分别位于第一特征提取层
、
第二特征提取层
、
第三特征提取层和第四特征提取层之后；通过特征提取部对植物图像的特征进行提取具体包括如下步骤：将植物图像送入至特征提取部，依次经过
focus
层
、
第一特征提取层
、
第二特征提取层
、
第三特征提取层和第四特征提取层进行处理，并将第二特征提取层
、
第三特征提取层和第四特征提取层输出的特征图分别记为第一特征图
、
第二特征图和第三特征图；同时通过四个灰度共生矩阵图构建层输出对应的四个灰度共生矩阵图
。
[0007]作为本专利技术的一个优选，植物生长阶段检测模型的特征融合部包括3个尺度不变特征提取块
、4
个
CBL
块和4个
CSP2.1
块，通过特征融合部对提取的特征进行融合具体包括如下步骤：将第一特征图
、
第二特征图和第三特征图分别经过尺度不变特征提取块处理得到第四特征图
、
第五特征图和第六特征图，将第六特征图依次通过
CBL
块和
CSP2.1
块处理后，再上采样得到第七特征图；将第七特征图与第五特征图进行拼接融合得到第八特征图；将第八特征图依次通过
CBL
块和
CSP2.1
块处理后，再上采样得到第九特征图；将第九特征图与第四特征图进行拼接融合得到第十特征图；将第十特征图经过
CSP2.1
块处理得到第十一特征图；将第十一特征图通过
CBL
块处理后与第八特征图拼接融合得到第十二特征图；将第十二特征图经过
CSP2.1
块处理得到第十三特征图；将第十三特征图通过
CBL
块处理后与第七特征图拼接融合得到第十四特征图；将第十四特征图经过
CSP2.1
块处理得到第十五特征图
。
[0008]作为本专利技术的一个优选，尺度不变特征提取块包括小波散射网络块和多特征融合块（
SPP
），小波散射网络块包括三个小波散射网络层，且三个小波散射网络层内置不同的小本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种跟随植物状态变化的植物生长控制方法，其特征在于，包括：获取植物图像；将植物图像送入至训练好的植物生长阶段检测模型进行检测，输出植物生长阶段标识；植物生长阶段检测模型基于
YOLOv5
模型建立，包括预处理部
、
特征提取部
、
特征融合部和分类部；其中预处理部用于对植物图像进行尺寸统一和构建灰度共生矩阵图；特征提取部用于对植物图像的特征进行提取；特征融合部用于对提取的特征进行融合；分类部用于对植物图像对应的植物生长阶段进行分类，输出植物生长阶段标识；根据植物生长阶段标识从控制策略库中获取对应的控制策略，控制策略库中存储植物生长阶段标识与对应的控制策略，且控制策略库根据专家经验进行构建；根据控制策略调整植物周围环境
。2.
根据权利要求1所述的一种跟随植物状态变化的植物生长控制方法，其特征在于，植物生长阶段检测模型的预处理部包括尺寸统一层和灰度共生矩阵图构建层；通过灰度共生矩阵构建层对植物图像进行灰度共生矩阵图构建具体包括如下步骤：将植物图像中所有通道对应的植物图像切片进行平均池化操作，得到灰度共生矩阵基准图，遍历灰度共生矩阵基准图中每个像素点坐标对应的像素值，选择最大的像素值记为
G
max
，选择最小的像素值记为
G
min
，将
G
min
至
G
max
之间的范围划分为
L
个像素阶段；建立空的灰度共生矩阵，且此灰度共生矩阵的大小为
L
×
L
，选择朝向角度
θ
，依次选择坐标点（
i
，
j
），
i
和
j
都是指像素阶段，针对选择的坐标点（
i
，
j
），从灰度共生矩阵基准图中统计满足判断条件的像素点个数，判断条件为“f
（
x
，
y
）位于像素阶段
i
范围内，且
f
（
x+dx
，
y+dy
）位于像素阶段
j
范围内”，其中
f
（
x
，
y
）指的是灰度共生矩阵基准图中像素点坐标（
x
，
y
）对应的像素值，（
dx
，
dy
）为距离对，由朝向角度
θ
决定，将像素点个数填入灰度共生矩阵中坐标点（
i
，
j
）对应位置中；当空的灰度共生矩阵全部填写完毕后，形成灰度共生矩阵，且一个朝向角度
θ
对应一个灰度共生矩阵；将所有灰度共生矩阵进行拼接生成灰度共生矩阵图
。3.
根据权利要求2所述的一种跟随植物状态变化的植物生长控制方法，其特征在于，植物生长阶段检测模型的特征提取部包括
focus
层
、
第一特征提取层
、
第二特征提取层
、
第三特征提取层
、
第四特征提取层和四个灰度共生矩阵图构建层；
focus
层用于执行切片操作；第一特征提取层包括
CBL
块和
CSP1.1
块；第二特征提取层和第三特征提取层均包括
CBL
块和
CSP1.3
块；第四特征提取层包括
CBL
块和多特征融合块；其中
CBL
块依次包括卷积操作
、
批量标准化和非线性激活，且非线性激活函数采用
Leaky
‑
relu
；特征提取部中的灰度共生矩阵图构建层与预处理部中的灰度共生矩阵图构建层设置一致，且四个灰度共生矩阵图构建层分别位于第一特征提取层
、
第二特征提取层
、
第三特征提取层和第四特征提取层之后；通过特征提取部对植物图像的特征进行提取具体包括如下步骤：将植物图像送入至特征提取部，依次经过
focus
层
、
第一特征提取层
、
第二特征提取层
、
第三特征提取层和第四特征提取层进行处理，并将第二特征提取层
、
第三特征提取层和第四特征提取层输出的特征图分别记为第一特征图
、
第二特征图和第三特征图；同时通过四个灰度共生矩阵图构建层输出对应的四个灰度共生矩阵图
。4.
根据权利要求3所述的一种跟随植物状态变化的植物生长控制方法，其特征在于，植物生长阶段检测模型的特征融合部包括3个尺度不变特征提取块
、4
个
CBL
块和4个
CSP2.1
块，通过特征融合部对提取的特征进行融合具体包括如下步骤：将第一特征图
、
第二特征图和第三特征图分别经过尺度不变特征提取块处理得到第四特征图
、
第五特征图和第六特征图，将第六特征图依次通过
CBL
块和
CSP2.1
块处理后，再上采样得到第七特征图；将第七特征图与第五特征图进行拼接融合得到第八特征图；将第八特征图依次通过
CBL
块和
CSP2.1
块处理后，再上采样得到第九特征图；将第九特征图与第四特征图进行拼接融合得到第十特征图；将第十特征图经过...

【专利技术属性】
技术研发人员：袁立平，
申请(专利权)人：江西立盾光电科技有限公司，
类型：发明
国别省市：