[发明专利]非接触式罐装堆肥腐熟判断方法

说明书

本发明公开了一种非接触式罐装堆肥腐熟判断方法，包括以下步骤：S1、提取t时刻图像数据；S2、预处理；S3、基于S2获得的数据，构建卷积神经网络CNN进行堆肥图像特征提取得到255维的特征向量；S4、将S1中热成像图颜色直方图数据同S3中图像特征提取卷积神经网络输出的特征向量组合在一起形成堆肥实时特征，并归一化处理；S5、基于长短期记忆网络LSTM进行预测；S6、输出判断结果。采用本方法基于温度、外观的实时检测堆肥状态的方法结果准确、操作难度小。

技术领域

本发明将肥堆的自然图像信息和热成像仪拍摄的热成像图像通过深度学习神经网络进行特征提取然后分类的方法来实时判断堆肥的腐熟度，属于农业信息学领域。

背景技术

肥料的腐熟对农作物的生长有着极为重要的意义，使用未腐熟的肥料不仅不会对作物的生长有积极作用，还会招来蝇虫产卵腐蚀作物根系，微生物的大量繁殖也会造成土壤缺氧。完全腐熟的肥料不会对环境造成不良影响同时方便运输，有利于提高土壤肥力和促进植物生长。

腐熟度是反映堆肥化过程稳定化程度的指标，现有的腐熟度判别指标有物理指标、化学指标、生物指标。一般情况下把物理指标中的温度变化作为评价堆肥腐熟的重要指标。堆肥过程中，微生物分解有机物质产生的热量使堆肥内部温度升高，高温阶段可达60～70℃甚至80℃，随后堆肥温度逐渐下降。但经过搅拌后温度将再次上升，然后再下降。经过几次搅拌及温度反复上升和下降后，堆肥材料中相对易分解有机物质逐渐消失，以后即使再搅拌温度也不再上升。传统的接触式温度判断腐熟方法为人工测温和在堆肥中埋设温度传感器。此外，腐熟的肥料与未腐熟的肥料表面形状特征也存在一定差异。

发明内容

本发明针对背景技术中存在的问题，将堆肥表面的自然图像特征和热成像图像特征作为堆肥的特征描述，运用深度学习的方法学习堆肥的图像特征实现腐熟度预测。

技术方案：一种非接触式罐装堆肥腐熟判断方法，包括以下步骤：

S1、提取t时刻图像数据，包括255×3维热成像图颜色直方图数据和堆肥表面RGB图像数据；

S2、预处理，将堆肥表面RGB图像数据进行中值滤波处理；

S3、基于S2获得的数据，构建卷积神经网络CNN进行堆肥图像特征提取得到255维的特征向量；

S4、将S1中热成像图颜色直方图255×3维数据同S3中图像特征提取卷积神经网络输出的255维特征向量组合在一起形成255×4维堆肥实时特征，并归一化处理；

S5、基于长短期记忆网络LSTM进行预测，以S4获得数据为输入量，输入门、遗忘门和输出门之前时刻的数据同时作为输入数据；长短期记忆网络LSTM预测模型通过不断地训练网络更新参数值获得；

S6、输出判断结果。

具体的，S1中，热成像图颜色直方图数据表示为：

式中，Q_R、Q_G、Q_B分别为R、G、B分量上的色度概率值；拍摄时，把热成像仪放在堆肥罐顶正对堆肥表面，距离堆肥表面15-100cm。

具体的，S1中，通过下式提取t时刻堆肥表面RGB图像数据：

Pt是堆肥自然图像的RGB彩色图像矩阵，拍摄时普通数字摄像头在罐顶正对堆肥表面拍摄，罐内通过LED灯补光，距离堆肥表面15-100cm，取拍摄图像正中间区域90*90像素，n＝90。

具体的，S2中，所述中值滤波过程为：由RGB图像三个通道上(i,j)处通过滤波窗口卷积结果相加，然后再取激活函数值得到滤波后图像L(i,j)的值。