[发明专利]一种多阶段精准筛查的果树病虫害监控系统及其方法

权利要求书

1.一种多阶段精准筛查的果树病虫害监控系统，其特征在于，包括：

广域检测模块，所述广域检测模块包括多个高塔，所述高塔均匀分布在果园中，任一所述高塔上均设置有全景照相机，以及多个可移动的变焦照相机，所述全景照相机和变焦照相机均连接有数据台，以及与数据台信号连接的指令台；

精准检测模块，所述精准检测模块包括与指令台连接的无人机控制台，所述无人机控制台上设置有无人机，无人机设置有与数据台无线连接的网卡和定位装置，无人机下方设置有多个变焦镜头。

2.根据权利要求1所述的一种系统，其特征在于：

任一所述高塔上均设置有多个全景照相机以及无人机，且多个全景照相机分布在高塔的顶层和中层。

3.根据权利要求1所述的一种系统，其特征在于：

所述无人机控制台上设置有充电系统和无人机数据读取和数据传输功能。

4.一种多阶段精准筛查的果树病虫害监控方法，其特征在于，包括步骤：

S01：通过全景照相机采集果园内的全景图片，并将全景图片传输至数据台；

S02：通过在数据台中使用卷积神经网络YOLOv5对全景图片进行果树目标检测完成初级分类，并标注出哪个位置的果树疑似存在病虫害；

S03：通过变焦照相机对疑似出现病虫害的果树进行变焦拍照，并将变焦照片传输至数据台；

S04：通过在数据台中使用提前训练好的目标检测模型对变焦照片中的疑似存在病虫害果树进行标注完成二次分类，以判断该果树是否病虫害；

S05：通过多个高塔上的变焦照相机对二次判断疑似存在病虫害的果树进行定位，派出无人机飞到定位的果树位置，通过设置在无人机下方的多个变焦镜头对疑似存在病虫害的果树上的多片叶子进行多角度拍照并将叶子照片传回数据台；

S06：通过在数据台将近景照片输入YOLOv5目标检测模型对叶子照片进行三次分类，以判断该果树的病虫害类型和情况，并通报果园管理人员。

5.根据权利要求4所述的一种方法，其特征在于：

所述数据台内设置有图像预处理模型和用于初次、二次和三次目标检测分类的深度学习模型，所述深度学习模型通过果园管理人员提前标注好的以及开源数据集的数据完成训练和测试。

6.根据权利要求5所述的，其特征在于：

所述深度学习模型为中yolov5，该模型对果树和树叶进行目标检测并标记出详细的病虫害种类。