[发明专利]一种香蕉物候期监控模块及种植系统

说明书

本发明涉及图像处理方法，具体涉及本发明涉及图像处理方法，具体涉及一种香蕉物候期监控模块及种植系统。本发明通过大量的香蕉物候期图像，农艺人员对图像进行标注，利用深度学习进行训练，最后自动对新的香蕉物候期图像进行识别，智能识别香蕉的物候期，识别出苗期、营养生长期、花芽分化期、孕蕾期、幼果期、膨大期等各个生长阶段，实现远程智能识别，农业人员无需去香蕉田进行人工判断，从而减少时间成本，降低人工成本，降低了区域限制。识别香蕉物候期对于农事操作、施肥用药、上市时间判断提供了重要依据。本发明提供的香蕉智能种植系统，可根据香蕉所处的生长阶段给出香蕉种植指导方案，包括对应的农事操作、施肥用药等，给出科学合理的种植方案。

技术领域

本发明涉及图像处理方法，具体涉及一种香蕉物候期监控模块及种植系统。

背景技术

目前，市场上香蕉物候期的判断还是以人工判断为主，需要到香蕉基地进行实地观察，还需要经验丰富的农业人员进行判断，因此增加了香蕉物候期识别的限制，存在如消耗时间成本、现场观测麻烦、对人员技术要求高等问题。在香蕉种植中，使得时间成本、人工成本增加，从而让香蕉价格上涨。

发明内容

为了解决上述问题，本发明提供了一种香蕉物候期监控模块及种植系统，通过大量的香蕉物候期图像，农艺人员对图像进行标注，利用深度学习进行训练，最后自动对新的图像进行识别，智能识别物候期，从而减少时间成本，降低人工成本，采用远程智能识别，进一步提高检测的效率。具体技术方案如下：

一种香蕉物候期监控模块，包括设置在香蕉田内的若干摄像头装置、服务器、上位机；所述上位机包括图像数据库、深度学习单元；若干所述摄像头装置分别于服务器通信连接；所述服务器分别与图像数据库、深度学习单元连接；所述图像数据库与深度学习单元连接；

所述摄像头装置用于采集香蕉苗的生长状况图像，并将采集的图像传输至服务器；所述服务器用于对摄像头装置采集的图像进行预处理并保存至图像数据库，且同时输入至深度学习单元；所述深度学习单元用于对服务器输入的图像进行判断对应香蕉苗的物候期；所述物候期包括香蕉苗期、营养生长期、花芽分化期、孕蕾期、幼果期、膨大期。

优选地，所述摄像头装置包括CMOS摄像头、处理器、远程传输模块、太阳能电池板、上位机、支撑架；所述CMOS摄像头、处理器、远程传输模块、太阳能电池板分别安装在支撑架上；所述CMOS摄像头、远程传输模块、太阳能电池板分别与处理器连接；所述远程传输模块与上位机连接；所述CMOS摄像头用于采集香蕉田中香蕉苗的生长状况图像，并将采集的图像传输至处理器；所述处理器用于通过远程传输模块接收上位机传输来的控制指令或将CMOS摄像头采集的图像通过远程传输模块传输至服务器；所述太阳能电池板用于为摄像头装置提供工作电源。

优选地，所述摄像头装置还包括温湿度传感器、光照传感器；所述温湿度传感器、光照传感器分别与处理器连接；所述温湿度传感器用于实时采集香蕉田的温湿度数据，并将采集的数据传输至处理器；所述光照度传感器用于实时采集香蕉田的光照度数据，并将采集的数据传输至处理器。

优选地，所述深度学习单元存储有训练好的深度学习模型。

优选地，所述深度学习模型的训练方法如下：

S1：采集香蕉苗期、营养生长期、花芽分化期、孕蕾期、幼果期、膨大期各个生长阶段的历史图像，存储至图像数据库中；

S2：对图像数据库中每个生长阶段的图像进行剪裁为大小不等的若干子图像，按照不同生长阶段对训练样本集中的图像进行标注；

S3：对属于同一张原始图片的若干子图像进行数据增强，并部分划入训练样本集，部分划入测试样本集；

S4：建立深度学习模型，采用训练样本集对深度学习模型进行训练，得到训练后的深度学习模型；

S5：采用测试样本集对训练后的深度学习模型进行测试，若测试精度达到设定阈值，则训练后的深度学习模型符合要求，若测试精度达不到设定阈值，则重复步骤S1-S4，直至训练后的深度学习模型的测试精度达到设定阈值为止。