System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及植物监测,具体为一种基于山茶科果实的智能实时监测方法、装置、设备及介质。
技术介绍
1、山茶科是一个双子叶植物纲五桠果亚纲的科,多为常绿木本。山茶科植物具有食用、饮用、观赏、木材利用、护肤、美容、制肥料等多种用途。山茶不但是重要的观赏花木,而且是重要的油料植物。它们的种子,几乎都含有丰富的不饱和脂肪油,俗称茶籽油。例如油茶树,其是山茶科植物的一种,是山茶科山茶属小乔木或灌木,山茶籽是其果实,一般种植至10—11月上旬时,即可对山茶籽进行采摘,但是由于每株油茶树的成长情况有较小的区别,导致其成熟率也不尽相同,因此工作人员需要人工观察每棵树的山茶籽成长情况并记录,较为费时费力,但是如果不经常观察统计,错过最佳采摘时机,或者出现病虫害等现象,可能会导致其山茶籽提前掉落,造成经济损失。
技术实现思路
1、本专利技术的目的在于提供一种基于山茶科果实的智能实时监测方法、装置、设备及介质,通过在线采集山茶科植物的图像进行监测及特征分析,并自动给出提示,以解决现有的人工对山茶科植物果实观察记录较为费时费力的问题。
2、为实现上述目的,本专利技术提供如下技术方案:一种基于山茶科果实的智能实时监测方法,包括以下步骤:
3、采集待检测山茶科植物图像,并上传至预处理队列;
4、对山茶科植物图像进行预处理,并分批次上传至图像分析队列;
5、其中,所述预处理包括对同一株山茶科植物所采集的图像进行编号标记,同一株植物的图像采用同类型的顺序编号进行标记
6、按照编号顺序,通过深度学习算法分批次对山茶科植物图像进行逐帧分析,获取植物生长状态数据,并上传至数据分析阵列;
7、预设状态数据阈值,对植物生长状态数据进行分析,并输出监测分析报告;
8、其中,若植物生长状态数据超过阈值,则输出相应的告警提示以及参考处理方案。
9、优选的,所述采集待检测的山茶科植物图像,并上传至预处理队列,包括:
10、采集待检测的山茶科植物图像,且同一株所述山茶科植物的图像采集数量至少包括一张;
11、将所述山茶科植物的图像依次上传至预处理队列。
12、优选的,所述采集待检测山茶科植物图像,还包括:
13、对所采集的所述山茶科植物进行计数,并同步上传计数信息到预处理队列;
14、在所述采集待检测的山茶科植物图像之前,还包括:
15、对待采集图像的山茶科植物进行尺寸检测,获取植物尺寸数据;
16、其中,所述山茶科植物图像的采集数量根据所述山茶科植物的尺寸数据进行预设。
17、优选的,所述编号的组成内容包括采集日期、当日采集数以及单株植物图像处理数;
18、其中,所述当日采集数跟随所述计数信息同步更新。
19、优选的,所述按照编号顺序,通过深度学习算法分批次对山茶科植物图像进行逐帧分析,获取植物生长状态数据,并上传至数据分类阵列,包括:
20、获取山茶科植物图像,并按照编号顺序排列;
21、通过深度学习算法对山茶科植物图像进行分析处理,确认山茶科植物是否存在结果特征;
22、若有结果特征,则获取果实分布数据并继续分析结果特征为果实成熟特征还是果实未成熟特征,并在分析完毕后进行病虫害特征分析,若是果实成熟特征,则输出成熟果实特征分布数据,若是果实未成熟特征,则输出未成熟果实特征分布数据;
23、若无结果特征,则直接进行病虫害特征分析;
24、其中,所述果实成熟特征和所述果实未成熟特征可以同时存在;
25、其中,所述深度学习算法为yolov8算法。
26、优选的,所述病虫害特征分析包括:
27、获取山茶科植物图像,并按照编号顺序排列;
28、通过深度学习算法对山茶科植物图像进行分析处理,确认山茶科植物是否存在病虫害特征;
29、若有病虫害特征则继续分析病虫害特征种类,以及病虫害特征分布数据。
30、优选的,所述预设状态数据阈值包括:
31、预设果实分布数量阈值,所述预设果实分布数量阈值为不同尺寸区间的所述山茶科植物的结果数量预设值;
32、预设果实成熟率阈值,所述果实成熟率阈值为所述山茶科植物的成熟果实数与未成熟果实之间的比例预设值;
33、预设病虫害侵蚀度阈值,所述病虫害侵蚀度阈值为不同尺寸区间的所述山茶科植物的病虫害数量预设值;
34、预设参考处理方案,所述参考处理方案包括果实成熟参考处理方案、果实未成熟参考处理方案以及根据病虫害特征相对应的病虫害参考处理方案;
35、其中,所述病虫害侵蚀度阈值包括多个,根据所述病虫害特征种类的区别进行区分设置;
36、所述对植物生长状态数据进行分析,并输出监测分析报告,包括:
37、获取植物生长状态数据;
38、根据植物生长状态数据分别分析所述山茶科植物的果实分布数量、果实成熟率和病虫害侵蚀度是否超过阈值;
39、若果实分布数量、果实成熟率和病虫害侵蚀度存在超过阈值项,则输出监测分析报告、告警提示以及与告警内容所匹配的病虫害参考处理方案,反之若没超过阈值项,则只输出监测分析报告;
40、其中,所述病虫害侵蚀度分析时,根据病虫害特征种类的区别进行分类统计,并依次根据相匹配的病虫害侵蚀度阈值进行分析;
41、其中,所述植物生长状态数据包括植物尺寸数据、果实分布数据、成熟果实特征分布数据、未成熟果实特征分布数据和病虫害特征分布数据。
42、本专利技术还提供一种基于山茶科果实的智能实时监测装置,包括:
43、图像采集模块,其用于采集待检测山茶科植物图像,并上传至预处理队列;
44、图像预处理模块,其用于对山茶科植物图像进行预处理,并分批次上传至图像分析队列;
45、图像分析模块,其用于按照编号顺序,通过深度学习算法分批次对山茶科植物图像进行逐帧分析,获取植物生长状态数据,并上传至数据分析阵列;
46、数据分析模块,其用于预设状态数据阈值,对植物生长状态数据进行分析,并输出监测分析报告。
47、本专利技术还提供一种基于山茶科果实的智能实时监测设备,所述基于山茶科果实的智能实时监测设备为实体设备,所述基于山茶科果实的智能实时监测设备包括:
48、处理器、存储器,所述存储器与处理器进行通信连接;
49、所述存储器用于储存至少一个所述处理器执行的可执行指令,所述处理器用于执行所述可执行指令以实现如上述的基于山茶科果实的智能实时监测方法。
50、本专利技术还提供一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机程序,所述计算机程序被处理器执行时实现如上述的基于山茶科果实的智能实时监测方法。
51、与现有技术相比,本专利技术的有益效果是:
52、通过根据山茶本文档来自技高网...
【技术保护点】
1.一种基于山茶科果实的智能实时监测方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的基于山茶科果实的智能实时监测方法,其特征在于,所述采集待检测的山茶科植物图像,并上传至预处理队列,包括:
3.根据权利要求1所述的基于山茶科果实的智能实时监测方法,其特征在于,所述采集待检测山茶科植物图像,还包括:
4.根据权利要求3所述的基于山茶科果实的智能实时监测方法,其特征在于,所述编号的组成内容包括采集日期、当日采集数以及单株植物图像处理数;
5.根据权利要求1所述的基于山茶科果实的智能实时监测方法,其特征在于,所述按照编号顺序,通过深度学习算法分批次对山茶科植物图像进行逐帧分析,获取植物生长状态数据,并上传至数据分类阵列,包括:
6.根据权利要求5所述的基于山茶科果实的智能实时监测方法,其特征在于,所述病虫害特征分析包括:
7.根据权利要求1所述的基于山茶科果实的智能实时监测方法,其特征在于,所述预设状态数据阈值包括:
8.一种基于山茶科果实的智能实时监测装置,其特征在于,包括:
9
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的基于山茶科果实的智能实时监测方法。
...【技术特征摘要】
1.一种基于山茶科果实的智能实时监测方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的基于山茶科果实的智能实时监测方法,其特征在于,所述采集待检测的山茶科植物图像,并上传至预处理队列,包括:
3.根据权利要求1所述的基于山茶科果实的智能实时监测方法,其特征在于,所述采集待检测山茶科植物图像,还包括:
4.根据权利要求3所述的基于山茶科果实的智能实时监测方法,其特征在于,所述编号的组成内容包括采集日期、当日采集数以及单株植物图像处理数;
5.根据权利要求1所述的基于山茶科果实的智能实时监测方法,其特征在于,所述按照编号顺序,通过深度学习算法分批次对山茶科植物图像进行逐帧分析,获取...
【专利技术属性】
技术研发人员:牛昱澎,冉承玮,田发,邹敏,赵泓婷,杨欣,郭伟晨,罗橙霖,曾高山,李金城,
申请(专利权)人:四川农业大学,
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。