本发明专利技术提供了一种智能农田监测与作物生长自动化控制方法及系统,属于农田监测技术领域。首先采集农田图像,将农田图像进行划分,得到小区域图像;其次获取小区域图像对应区域的声音数据,将声音数据进行处理,得到声音类别信息;再次对小区域图像进行检测,得到检测结果,进而计算指数;然后根据声音类别信息和指数对作物进行分析,得到分析结果;最后根据分析结果对设备进行控制操作。本发明专利技术从不同角度反映农田的情况,检测出农田中的动物、作物、病虫害等目标,并计算出相关指数;通过分析相关指数,进行精细化控制操作,提高作物的产量和质量,还提高农田监测的效率和准确性,减少人工成本和误差,进而科学化和智能化地管理农田。
【技术实现步骤摘要】
本专利技术属于农田监测,具体涉及一种智能农田监测与作物生长自动化控制方法及系统。
技术介绍
1、农业是人类生存和发展的基础,也是国民经济的重要支柱。随着人口的增长和资源的减少,农业生产面临着越来越多的挑战,如气候变化、病虫害、水土流失、环境污染等。为了提高农业生产效率和质量,降低农业生产成本和风险,保障粮食安全和生态安全,需要利用现代科学技术对农田进行智能化监测和管理。
2、传统的农田监测和管理方式主要依靠人工观察、记录和操作,存在以下缺点:一是效率低下,人力成本高昂,无法覆盖大面积的农田;二是准确性差,受人为因素影响大,无法及时发现和处理问题;三是信息化程度低,缺乏数据支撑,无法进行科学决策和优化。
3、为了解决上述问题,近年来出现了一些基于物联网、云计算、人工智能等技术的智慧农田监测与作物生长自动化控制方法及系统。这些方法及系统通过部署各种传感器、控制器、摄像头等设备在农田中,实现对农田环境参数、作物生长状态、病虫害情况等的实时监测,并通过网络将数据传输到云端或本地服务器进行分析和处理,根据分析结果对农田进行自动化控制,如灌溉、施肥、植保等。这些方法及系统在一定程度上提高了农田监测和管理的效率和准确性,但仍存在以下不足:一是数据采集不全面,无法获取农田的全貌信息;二是数据分析不深入,无法揭示作物生长的规律和影响因素;三是控制操作不智能,无法根据作物的个体差异和需求进行精细化控制。因此,需要一种更准确、更智能的农田监测与作物生长自动化控制方法。
技术实现思路
<
p>1、基于上述技术问题,本专利技术提供一种智能农田监测与作物生长自动化控制方法及系统,通过图像和声音数据的采集、处理、检测、分析和识别,实现对农田的全方位监测,并自动化的进行作物生长管理。2、本专利技术提供一种智能农田监测与作物生长自动化控制方法,所述方法包括:
3、步骤s1:采集农田图像,将所述农田图像进行划分,得到小区域图像;
4、步骤s2:获取所述小区域图像对应区域的声音数据,将所述声音数据进行处理,得到声音类别信息;
5、步骤s3:对所述小区域图像进行检测,得到检测结果;
6、步骤s4:根据所述检测结果计算指数;
7、步骤s5:根据所述声音类别信息和所述指数对作物进行分析,得到分析结果;
8、步骤s6:根据分析结果对设备进行控制操作。
9、可选地,所述采集农田图像,将所述农田图像进行划分,得到小区域图像,具体包括:
10、对采集的农田图像进行预处理操作,得到预处理图像;所述预处理操作包括去除噪声、增强对比度、裁剪边缘、缩放大小;
11、将所述预处理图像从左上角开始,按照步长移动一个切割窗口,使用二值图像过滤非农田区域并截取一个小区域图像,根据所述步长移动切割窗口的位置,如果切割窗口的位置超出了所述预处理图像的边界,调整切割窗口的位置;
12、截取所有小区域图像后,保存所述小区域图像。
13、可选地,所述获取所述小区域图像对应区域的声音数据,将所述声音数据进行处理,得到声音类别信息,具体包括:
14、获得所述小区域图像对应区域的声音数据;
15、将所述声音数据进行去噪、分割和增强操作,得到声音信号;
16、将所述声音信号依次进行变换、补偿、分析和识别,其中变换公式为:
17、x(t)=x(t)+jy(t)
18、
19、式中,x(t)为声音信号x(t)的复数表示,j为虚数单位,y(t)为声音信号x(t)的非线性变换;
20、对变换后的声音信号进行补偿,补偿公式为:
21、
22、式中,为经过补偿或逆滤波的声音信号,g(t)为相反或逆向滤波器的冲激响应,y(x(t))为经过传播介质后的声音信号;
23、对补偿后的声音信号进行分析,分析公式为:
24、
25、
26、
27、式中,a(t)为声音信号的瞬时幅度,φ(t)为声音信号的瞬时相位,f(t)为声音信号的瞬时频率;
28、将声音特征向量输入到贝叶斯模型中进行识别,识别公式为:
29、
30、式中,f为声音特征向量,包含瞬时幅度和瞬时频率,p(f|c,e)为给定类别c和环境因素e,声音特征f的似然概率,p(c|e)为给定环境因素e,类别c的先验概率,p(f|e)为给定环境因素e,声音特征f的先验概率,p(c|f,e)为声音特征向量f属于类别c的后验概率;
31、选择后验概率最大的类别作为声音类别信息。
32、可选地,所述对所述小区域图像进行检测,得到检测结果,具体包括:
33、检测结果包括动物检测结果和作物检测结果;
34、对所述小区域图像进行预处理操作,得到标准小区域图像;所述预处理操作包括调整对比度、去除阴影、降低图像模糊;
35、使用深度学习模型对所述标准小区域图像进行目标检测,检测到目标并进行分类,得到所述动物检测结果;所述动物检测结果包括动物大小,动物种类;
36、使用图像识别模型对所述标准小区域图像进行作物检测,得到所述作物检测结果;所述作物检测结果包括作物种类和病虫害种类。
37、可选地,所述根据所述检测结果计算指数,具体包括:
38、指数包括病虫害指数和危险指数;
39、所述病虫害指数计算公式为:
40、bch=(∑(piwi)+∑(qjsjdj))×100
41、式中,bch为病虫害指数,pi为第i个部位的病虫害程度,wi为第i个部位的权重系数,qj为第j种动物的数量,sj为第j种动物的大小,sj为第j种动物的损害系数;
42、所述危险指数计算公式为:
43、wx=∑(rihi)
44、式中,wx为病虫害指数,ri为第i种病虫害的数量,hi为第i种病虫害的危险指数。
45、本专利技术还提供一种智能农田监测与作物生长自动化控制系统,所述系统包括:
46、图像采集模块,用于采集农田图像,将所述农田图像进行划分,得到小区域图像;
47、声音处理模块,用于获取所述小区域图像对应区域的声音数据,将所述声音数据进行处理,得到声音类别信息;
48、图像检测模块,用于对所述小区域图像进行检测,得到检测结果;
49、指数计算模块,用于根据所述检测结果计算指数;
50、农田分析模块,用于根据所述声音类别信息和所述指数对作物进行分析,得到分析结果;
51、设备控制模块,用于根据分析结果对设备进行控制操作。
52、可选地,所述图像采集模块,具体包括:
53、预处理子模块,用于对采集的农田图像进行预处理操作,得到预处理图像;所述预处理操作包括去除噪声、增强对比度、裁剪边缘、缩放大小;<本文档来自技高网
...
【技术保护点】
1.一种智能农田监测与作物生长自动化控制方法,其特征在于,所述方法包括:
2.根据权利要求1所述的一种智能农田监测与作物生长自动化控制方法,其特征在于,所述采集农田图像,将所述农田图像进行划分,得到小区域图像,具体包括:
3.根据权利要求1所述的一种智能农田监测与作物生长自动化控制方法,其特征在于,所述获取所述小区域图像对应区域的声音数据,将所述声音数据进行处理,得到声音类别信息,具体包括:
4.根据权利要求1所述的一种智能农田监测与作物生长自动化控制方法,其特征在于,所述对所述小区域图像进行检测,得到检测结果,具体包括:
5.根据权利要求1所述的一种智能农田监测与作物生长自动化控制方法,其特征在于,所述根据所述检测结果计算指数,具体包括:
6.一种智能农田监测与作物生长自动化控制系统,其特征在于,所述系统包括:
7.根据权利要求6所述的一种智能农田监测与作物生长自动化控制系统,其特征在于,所述图像采集模块,具体包括:
8.根据权利要求6所述的一种智能农田监测与作物生长自动化控制方法,其特征在于,所述声音处理模块,具体包括:
9.根据权利要求6所述的一种智能农田监测与作物生长自动化控制系统,其特征在于,所述图像检测模块,具体包括:
10.根据权利要求6所述的一种智能农田监测与作物生长自动化控制系统,其特征在于,所述指数计算模块,具体包括:
...
【技术特征摘要】
1.一种智能农田监测与作物生长自动化控制方法,其特征在于,所述方法包括:
2.根据权利要求1所述的一种智能农田监测与作物生长自动化控制方法,其特征在于,所述采集农田图像,将所述农田图像进行划分,得到小区域图像,具体包括:
3.根据权利要求1所述的一种智能农田监测与作物生长自动化控制方法,其特征在于,所述获取所述小区域图像对应区域的声音数据,将所述声音数据进行处理,得到声音类别信息,具体包括:
4.根据权利要求1所述的一种智能农田监测与作物生长自动化控制方法,其特征在于,所述对所述小区域图像进行检测,得到检测结果,具体包括:
5.根据权利要求1所述的一种智能农田监测与作物生长自动...
【专利技术属性】
技术研发人员:方辉,付博研,张志强,张亮,王倩,
申请(专利权)人:渤海大学,
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。