[发明专利]一种基于云端杀草谱的草坪及牧草精准除草方法

说明书

本发明涉及一种基于云端杀草谱的草坪及牧草精准除草方法，包括以下步骤：根据除草剂杀草谱建立深度学习模型，基于除草剂杀草谱识别杂草种类；将训练后的神经网络模型部署到云端，利用5G网络进行云端和除草机器人的交互；构建能够支持多任务并行的智能喷施决策系统，通过多终端实现预警和人工介入机制。本发明基于杀草谱识别和喷施可以有效节约除草剂且除草效果更精准高效，借助云端大型服务器的算力和5G网络的高速数据传输，能够有效提升杂草识别的性能，并且同时处理多任务场景。

技术领域

本发明涉及草坪及牧草精准除草领域，尤其涉及一种基于云端杀草谱的草坪及牧草精准除草方法。

背景技术

草坪常见于公园绿化、体育场等公共设施处。草坪杂草的防控是草坪养护的关键内容。在我国，由于杂草的侵袭，草坪经常在几年内出现退化甚至荒废。对于牧草，因其苗期生长缓慢，除草更为重要，杂草的防治严重影响牧草的质量。基于除草剂的化学除草是草坪和牧草杂草防控的常用方式。除草剂的精准喷施可以有效降低除草剂的用量，减少环境污染。杂草识别是精准除草的前提和关键。近年来，深度学习相关的人工智能技术逐渐应用到杂草识别领域，通过深度学习卷积神经网络训练杂草识别模型，并部署到终端芯片装载到除草机器人中。现有的杂草识别模型和部署方式存在如下问题：

1.通过深度学习仅仅单纯的识别出杂草，并没有建立杂草种类和除草剂种类之间的直接关联。不同的除草剂具有不同的杀草谱，杂草对于不同的除草剂耐受情况不同。不区分杀草谱的除草剂喷施不仅浪费除草剂，而且往往徒劳无功。

2.单机部署的方式受限于所部署终端的算力，难以进一步提升算法性能。

3.识别模型的更新操作繁琐。需要芯片，除草机器人和用户的配合以实现重新部署。

4.除草过程人工介入困难；杂草识别的数据和喷施的结果无直观的收集和展示媒介。

发明内容

为解决现有技术存在的问题，本发明提供了一种基于云端杀草谱的草坪及牧草精准除草方法。主要内容如下所示：

一种基于云端杀草谱的草坪及牧草精准除草方法，其特征在于，包括以下步骤：根据除草剂杀草谱建立深度学习模型，基于除草剂杀草谱识别杂草种类；将训练后的神经网络模型部署到云端，利用5G网络进行云端和除草机器人的交互；构建能够支持多任务并行的智能喷施决策系统，所述的智能喷施决策系统涉及的装置包括除草机器人、云端服务器和用户控制台；所述的除草机器人负责采集草坪及牧草场地图片，并将图片上传至云端服务器，同时接收服务器杂草识别结果和喷施指令，利用装载的除草剂完成精确除草操作；用户登陆用户控制台进行查看或设置操作；所述的云端服务器接收各除草机器人上传的图像，完成杂草识别并输出喷施指令，同时收集整理海量杂草数据用于大数据应用，通过多终端实现预警和人工介入机制。

进一步的，选择除草剂，然后根据除草剂杀草谱训练和建立神经网络模型，训练和建立的模型只识别对该除草剂敏感的杂草，而不识别对该除草剂耐受的杂草。

进一步的，所述的神经网络模型训练仅包括对除草剂敏感的杂草图像一并归为真正类，对所述除草剂耐受的杂草图像则不包括在神经网络模型中，或是包括在模型中但是和作物归类在一起作为真负类。

进一步的，模型训练完成后，部署至云端，除草机器人采集图像并通过网络将图像上传到云端进行杂草识别，云端神经网络模型识别出杂草种类，对应的除草剂和杂草位置后，将信息再通过网络回传给除草机器人。

进一步的，借助云端大型服务器的算力和5G网络的高速数据传输，提升杂草识别的性能；深度学习模型的更新只需在云端进行，无需除草机器人或人工的介入，更新过程用户无感。

进一步的，云端具备同时处理多任务场景的能力，一对多覆盖任意区域任意数量的除草场景；云端智能喷施决策系统根据任务场景利用用户控制台与用户进行多终端的控制交互和实时信息互联。