基于深度学习和大数据技术的果蔬视频病虫害检测方法技术

本发明专利技术公开了基于深度学习和大数据技术的果蔬视频病虫害检测方法，该方法包括摄像头模块，深度学习模型训练模块，视频检测展示模块，检测数据收集模块，实时检测模块及警报模块，离线检测模块及显示模块；所述摄像头模块利用大棚里架设的摄像头每隔24h拍摄的一组范围不同的果蔬生长视频；所述深度学习模型训练模块包括迭代单元和识别单元；所述视频检测展示模块由软件开发生成的界面，实时显示果蔬病虫害检测状况；所述实时检测模块对检测数据进行实时的处理分析，达到一定指标触发警报模块；所述离线检测模块对全天检测数据进行离线的处理分析，最后将结果在显示模块中展示。

【技术实现步骤摘要】

本专利技术涉及目标检测和大数据处理及智慧农业领域，具体是一种基于深度学习算法(如yolov7等)和大数据技术(如spark等)对数据进行分析处理相结合的果蔬病虫害检测方法。

技术介绍

1、随着时代的发展，各国对防治各种农作物病虫害等问题越来越关注，吸引了越来越多的机构人员进行研究。目前，果蔬病虫害的检测和防护等工作大多通过人工来完成，这就需要人工反复观察果蔬的健康或异常等状况。由于果蔬的种植密度大、范围广、环境多样等原因，导致人工防护或检测等工作量非常大，且容易出现误检、漏检、误报等问题。随着目标检测和大数据等技术的发展，人们开始追求更加智能化的果蔬病虫害识别或检测方法，并将其应用到大规模的农业应用场景中。

技术实现思路

1、针对传统的果蔬病虫害检测、识别或防护等现有技术的缺陷，本专利技术基于深度学习和大数据技术提出了一种将实时检测与离线检测相结合且具有较高精度的果蔬视频病虫害检测方法。

2、为实现上述目的，本专利技术首先通过图像采集设备将拍摄的果蔬视频传入目视检测算法模型中进行深度学习训练，并实本文档来自技高网...

【技术保护点】

1.基于深度学习和大数据技术的果蔬视频病虫害检测方法，其特征是：包括如下步骤：

2.根据权利要求1所述的果蔬视频病虫害检测方法，其特征是：步骤(1)所述数据标注过程包括：

3.根据权利要求1所述的果蔬视频病虫害检测方法，其特征是：步骤(4)所述属性集包括greenhouse_id(大棚id)，camera_id(摄像机id)，current_time(拍摄时间)，class(病虫害种类)，confidence(置信度)。

4.根据权利要求1所述的果蔬视频病虫害检测方法，其特征是：步骤(4)所述前置数据库的表格结构如下：

5.根据权利要求1所...

【技术特征摘要】

1.基于深度学习和大数据技术的果蔬视频病虫害检测方法，其特征是：包括如下步骤：

2.根据权利要求1所述的果蔬视频病虫害检测方法，其特征是：步骤(1)所述数据标注过程包括：

3.根据权利要求1所述的果蔬视频病虫害检测方法，其特征是：步骤(4)所述属性集包括greenhouse_id(大棚id)，camera_id(摄像机id)，current_time(拍摄时...

【专利技术属性】
技术研发人员：谢武，李申庆，谢家聪，冯飞鸿，姚树硕，范勇，
申请(专利权)人：桂林电子科技大学，
类型：发明
国别省市：