【技术实现步骤摘要】
本申请涉及粮仓管理，尤其涉及一种粮情监测方法、装置与系统。
技术介绍
1、
2、目前，现有的用来存储粮食的粮仓，都配备有粮情监测设备，一般用来监测粮食的实时温度、湿度等。但是现有的设备只能对采集到的粮情数据进行简单判断。对于大型粮仓，其储藏粮食的量较大，并且粮仓内会存放不同的粮食，由于各种粮食的最优存储条件不同，现有技术无法对粮库状态的进行准确的判断。因此，如何简单方便的对粮仓内不同地方的粮食进行分别监控是本领域技术人员需要解决的问题。
技术实现思路
1、为了解决上述技术缺陷，本申请实施例提供了一种粮情监测方法、装置与系统。
2、本申请实施例提供了一种应用于粮情监测系统，所述系统包括服务器、控制终端、钻头设备、多个图像采集设备、多个监测设备和多个控制终端，各图像采集设备、各监测设备和各控制终端分别设于不同的检测节点，所述方法包括：
3、定位步骤：获取监测设备的定位信息，将所述定位信息与预先设置的粮仓检测节点的定位数据进行匹配识别，确定监测设备对应的检测节点信息；
4、匹配步骤：根据所述检测节点信息确定对应的检测节点的仓储合格条件；
5、视频步骤：采集检测节点区域的实时监控视频，并对每帧视频帧中的特定的小目标进行识别；
6、监控步骤：获取所述监测设备的监测数据，并将所述监测数据与所述合格条件进行比对；判断当前检测节点的仓储环境是否合格；通过所述钻头设备获取粮食内部存储环境的抽样数据，并将所述抽样数据与所述合格条件
7、预警步骤：当仓储环境不合格或者粮食内部存储环境不合格或者在视频帧中存在所述小目标时，发出预警信息，并根据当前检测节点的仓储合格条件向对应的控制终端或钻头设备发送操作指令，以使得所述控制终端或所述钻头设备按照操作指令调节当前检测节点的仓储环境。
8、优选地，所述方法之前还包括：设置步骤：设置每个检测节点的检测节点信息，以及每个检测节点对应的仓储合格条件；
9、所述检测节点信息包括：定位数据、编号或名称。
10、优选地，向所述控制终端发送的操作指令包括当前设定指令和定时设定指令，向所述钻头设备发送的操作指令包括：当前设定指令；所述当前设定指令是针对当前检测节点的仓储环境设定的任务指令和执行时长，所述定时设定指令是根据历史数据预测的未来产生仓储环境不合格情况设定的任务指令或周期性任务指令和执行时长。
11、优选地，所述采集检测节点区域的实时监控视频，并对每帧视频帧中的特定的小目标进行识别包括以下步骤：
12、通过faster r-cnn模型对每帧所述视频帧进行小目标识别，已确定所述视频帧中是否包含预设小目标，所述小目标包括但不限于老鼠和粮仓害虫；
13、所述faster r-cnn模型通过以下步骤进行训练：
14、针对粮仓背景下的小目标可见光图像数据集中每个图像进行尺寸规整化操作，得到归一化图像；
15、对所述归一化图像进行卷积和池化操作，得到特征提取图像；
16、将所述特征提取图像输入至faster r-cnn模型的vgg16特征提取网络得到特征图，所述vgg16特征提取网络包括13个卷积层和4个pooling层，在每个卷积层之后增加了relu层作为激活函数，并在所述relu层加入非线性因素；
17、将所述特征图在区域提案网络rpn中，特征选择33的滑动窗口，进行卷积操作得到256维特征向量；在所述区域提案网络rpn中，对特征图上每个锚点产生不同比例以及不同大小的候选框，通过边界框回归修正锚点获得区域建议框，并获取特定小目标的位置作为区域提案框，并裁剪出对应的区域特征；
18、使用roi pooling层将所述候选框边界量化为整数点坐标值，并将量化后的边界区域平均分割成77个单元，对每个单元能进行量化，映射到所述特征图，使用两个完全连接层将特征图统一为1024为特征向量；
19、将所述区域特征送入全连接层进行分类；
20、利用召回率、精确度和平均精度，当所述召回率、精确度和平均精度不满足预设条件时，调整faster r-cnn模型，重新进行faster r-cnn模型进行训练，直至所述召回率、精确度和平均精度满足预设条件。
21、优选地，所述方法还包括：将检测节点区域的相邻两个视频帧做差，得到视频差值图像，基于粮仓堆放模型对所述视频差值图像进行检测，判断是否存在倒塌危险，在存在倒塌危险的情况下触发提示。
22、优选地，基于粮仓堆放模型对所述视频差值图像进行检测包括：
23、多个视频差值图像构成视频差值图像序列；
24、基于粮仓堆放模型对所述视频差值图像序列进行粮仓堆放的关键点检测和子集划分，得到每个视频差值图像中的粮仓目标和粮仓目标的关键点集合；
25、基于三维卷积神经网络对每个所述视频差值图像中的粮仓目标和其关键点分别进行行为识别，得到粮仓目标是否存在倒塌危险。
26、优选地，所述合格条件至少包括：
27、检测节点的温度合格阈值、湿度合格阈值、二氧化碳含量合格阈值，以及粮食内部的温度合格阈值、湿度合格阈值、二氧化碳含量合格阈值。
28、优选地，将所述监测数据与所述合格条件进行比对，判断当前检测节点的仓储环境是否合格包括：
29、分别将检测节点的温度、湿度和二氧化碳含量与检测节点的温度合格阈值、湿度合格阈值、二氧化碳含量合格阈值进行比对，当检测节点的温度、湿度和二氧化碳含量均满足检测节点的温度合格阈值、湿度合格阈值、二氧化碳含量合格阈值时，确定当前检测节点的仓储环境合格，当检测节点的温度、湿度和二氧化碳含量任一项不满足检测节点的温度合格阈值、湿度合格阈值、二氧化碳含量合格阈值时，确定当前检测节点的仓储环境不合格；
30、将所述抽样数据与所述合格条件进行比对；判断当前检测节点的粮食内部存储环境是否合格包括：
31、分别将粮食内部的温度、湿度和二氧化碳含量与粮食内部的温度合格阈值、湿度合格阈值、二氧化碳含量合格阈值进行比对，当粮食内部的温度、湿度和二氧化碳含量均满足粮食内部的温度合格阈值、湿度合格阈值、二氧化碳含量合格阈值时，确定粮食内部的存储环境合格，当粮食内部的温度、湿度和二氧化碳含量任一项不满足粮食内部的温度合格阈值、湿度合格阈值、二氧化碳含量合格阈值时，确定粮食内部的存储环境不合格。
32、第二方面，本专利技术还提供一种粮情监测装置，设置于粮情监测服务器，所述装置包括：
33、定位模块：设置于获取监测设备的定位信息，将所述定位信息与预先设置的粮仓检测节点的定位数据进行匹配识别，确定监测设备对应的检测节点信息；
34、匹配模块：设置于根据所述检测节点信息确定对应的检测节点的仓储合格条件；
35、视频模块：设置于采集检测节点区域的实时监控视本文档来自技高网...
【技术保护点】
1.一种粮情监测方法，其特征在于，应用于粮情监测系统，所述系统包括服务器、控制终端、钻头设备、多个图像采集设备、多个监测设备和多个控制终端，各图像采集设备、各监测设备和各控制终端分别设于不同的检测节点，所述方法包括：
2.根据权利要求1所述的监测方法，其特征在于，所述方法之前还包括：设置步骤：设置每个检测节点的检测节点信息，以及每个检测节点对应的仓储合格条件；
3.根据权利要求1所述的监测方法，其特征在于，向所述控制终端发送的操作指令包括当前设定指令和定时设定指令，向所述钻头设备发送的操作指令包括：当前设定指令；所述当前设定指令是针对当前检测节点的仓储环境设定的任务指令和执行时长，所述定时设定指令是根据历史数据预测的未来产生仓储环境不合格情况设定的任务指令或周期性任务指令和执行时长。
4.根据权利要求1所述的监测方法，其特征在于，所述采集检测节点区域的实时监控视频，并对每帧视频帧中的特定的小目标进行识别包括以下步骤：
5.根据权利要求1所述的监测方法，其特征在于，所述方法还包括：将检测节点区域的相邻两个视频帧做差，得到视频差值图像，
6.根据权利要求1所述的监测方法，其特征在于，基于粮仓堆放模型对所述视频差值图像进行检测包括：
7.根据权利要求1所述的监测方法，其特征在于，所述合格条件至少包括：
8.根据权利要求7所述的监测方法，其特征在于，将所述监测数据与所述合格条件进行比对，判断当前检测节点的仓储环境是否合格包括：
9.一种粮情监测装置，其特征在于，设置于粮情监测服务器，所述装置包括：
10.一种粮情监测系统，其特征在于，包括：服务器、控制终端、钻头设备、多个图像采集设备、多个监测设备和多个控制终端，各图像采集设备、各监测设备和各控制终端分别设于不同的检测节点，
...【技术特征摘要】
1.一种粮情监测方法，其特征在于，应用于粮情监测系统，所述系统包括服务器、控制终端、钻头设备、多个图像采集设备、多个监测设备和多个控制终端，各图像采集设备、各监测设备和各控制终端分别设于不同的检测节点，所述方法包括：
2.根据权利要求1所述的监测方法，其特征在于，所述方法之前还包括：设置步骤：设置每个检测节点的检测节点信息，以及每个检测节点对应的仓储合格条件；
3.根据权利要求1所述的监测方法，其特征在于，向所述控制终端发送的操作指令包括当前设定指令和定时设定指令，向所述钻头设备发送的操作指令包括：当前设定指令；所述当前设定指令是针对当前检测节点的仓储环境设定的任务指令和执行时长，所述定时设定指令是根据历史数据预测的未来产生仓储环境不合格情况设定的任务指令或周期性任务指令和执行时长。
4.根据权利要求1所述的监测方法，其特征在于，所述采集检测节点区域的实时监控视频，并对每帧视频帧中的特定的小目标进行识...
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。