一种基于边端协同的智能采茶系统及方法技术方案

本发明专利技术公开了一种基于边端协同的智能采茶系统及方法，涉及名优茶嫩芽采摘技术领域，系统包括：图像采集模块、边缘计算模块、数据传输模块、终端计算模块、嫩梢定位模块和采摘模块，图像采集模块采集茶芽图像；边缘计算模块通过语义分割网络的编码器对茶芽图像进行特征提取；数据传输模块将编码器提取的茶芽特征压缩并传输到终端计算模块；终端计算模块通过语义分割网络的解码器恢复压缩的茶芽特征并得出分割结果；嫩梢定位模块根据分割结果快速计算嫩梢采摘点位置；采摘模块根据嫩梢采摘点位置计算目标采摘位置，生成采摘控制指令。本发明专利技术通过边、端协同处理解决设备计算需求，通过分离部署的语义分割网络以及数据压缩传输，提高通信速度。

【技术实现步骤摘要】

本专利技术涉及名优茶嫩芽采摘，更具体的说是涉及一种基于边端协同的智能采茶系统及方法。

技术介绍

1、茶叶起源于中国，具有悠久的历史。中国作为茶叶种植和销售大国，茶叶的产量高低和品质好坏对我国农业经济的发展至关重要。茶叶的生产大致可分为采摘、炒杀、做形和烘干四个过程。作为名优茶生产中最重要的环节，茶叶的采摘仍以劳动密集型的原生态手工采摘作业为主。人工采摘季节性强，采摘时间短、任务重，需要耗费大量的劳动力。近年来，劳动力成本与日俱增，劳动力资源严重短缺，一定程度上限制了名优茶产业的发展。因此，茶叶产业对革新采摘方式的需求也日益迫切，名优茶的机械自动化采摘成为必然趋势。

2、机械采茶虽然能够大幅提升采茶的效率，但由于茶叶嫩芽与老叶的形状和颜色差异较小、茶叶生长时互相遮挡的情况严重以及茶叶的叶片会随风产生位置移动和变形等情况，导致茶叶识别准确度较低，机械手容易误采或漏采，进而使得茶叶的品质降低。因此，只有做到在自然环境下对茶叶嫩芽进行快速准确的识别，才可以真正意义上实现茶叶的自动化采摘。

3、近年来，由于深度学习和人工神经网络的发展，计算机本文档来自技高网...

【技术保护点】

1.一种基于边端协同的智能采茶系统，其特征在于，包括：图像采集模块、边缘计算模块、数据传输模块、终端计算模块、嫩梢定位模块和采摘模块；

2.根据权利要求1所述的一种基于边端协同的智能采茶系统，其特征在于，所述茶芽图像包括彩色信息和深度信息，利用采集所述茶芽图像时的彩色传感器和深度传感器的坐标位置关系，将所述深度信息对齐到彩色信息上，获得所述彩色信息上每一个像素的深度信息。

3.根据权利要求1所述的一种基于边端协同的智能采茶系统，其特征在于，构建语义分割网络，并进行权重和激活值的训练感知量化；将训练后的语义分割网络的编码器加载至所述边缘计算模块，将训练后的语义分割网...

【技术特征摘要】

1.一种基于边端协同的智能采茶系统，其特征在于，包括：图像采集模块、边缘计算模块、数据传输模块、终端计算模块、嫩梢定位模块和采摘模块；

2.根据权利要求1所述的一种基于边端协同的智能采茶系统，其特征在于，所述茶芽图像包括彩色信息和深度信息，利用采集所述茶芽图像时的彩色传感器和深度传感器的坐标位置关系，将所述深度信息对齐到彩色信息上，获得所述彩色信息上每一个像素的深度信息。

3.根据权利要求1所述的一种基于边端协同的智能采茶系统，其特征在于，构建语义分割网络，并进行权重和激活值的训练感知量化；将训练后的语义分割网络的编码器加载至所述边缘计算模块，将训练后的语义分割网络的解码器加载至所述终端计算模块。

4.根据权利要求1所述的一种基于边端协同的智能采茶系统，其特征在于，所述编码器包括卷积层、池化层和激活层，对所述茶芽图像进行特征提取，获得图像特征；所述卷积层提取所述茶芽图像的视觉特征图，所述池化层降低所述视觉特征图的尺寸，所述激活层对降低尺寸后的所述视觉特征图进行非线性变换获得所述图像特征。

5.根据权利要求1所述的一种基于边端协同的智能采茶系统，其特征在于，所述数据传输模块的通讯首端通过bottlenet++将编码器提取的图像特征进行压缩获得压缩数据，并采用tcp通讯传输压缩数据，在所述数据传输模块的通讯末端解压压缩数据并将其传输至所述终端计算模块。

6.根据权利要求1所述的一种基于边端协同的智能采茶...

【专利技术属性】
技术研发人员：程景春，郭雯妍，刘晓欣，宋佳洁，王明，潘雄，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：