[发明专利]一种基于机器视觉的农作物监测方法、系统以及装置

说明书

本发明涉及农业领域，公开了一种基于机器视觉的农作物监测方法、系统及装置，该方法包括如下步骤：构建不同季节下，正常农作物的数据库；训练模型；通过视觉模块中的主体视觉模块进行粗识别；由机器人进行精确识别机器分为视觉模块识别到农作物生理特征以及传感器模块获取环境数据两种情况；中央计算模块根据视觉模块传入的信息，与自身数据库对比，判断该农作物是否异常并且计算出异常等级，对数据处理后得出该农作物需要灌溉的水量、化肥量和除草剂量。该系统包括巡逻模块、传感器模块、处理模块、视觉模块、通信模块以及中央计算模块。本发明基于植物生理学知识根据农作物在不同环境条件构建不同的模型，利用机器视觉技术判断其是否异常。

技术领域

本发明涉及农业领域，具体为一种基于机器视觉的农作物监测方法、系统以及装置。

背景技术

现有的集中式农业种植基地，一般采用人工培植与人工检测各项参数，人工方法效率低下，然而农作物的需要却日益增加。随着生物学知识体系的日益完善以及自动化控制技术与机器视觉技术的蓬勃发展，因此，设计一种基于生物学知识的数据采集与监控并结合机器视觉技术的新方法，可以更好地进行种植规划，管理并控制农作物。

与现有的专利公开了可移动节点和固定节点监测技术：

固定节点包括温度传感器、湿度传感器、土壤酸碱度传感器和土壤微量元素传感器，传感器都和无线传输模块连接，固定节点分布在农田中的不同位置，采集农田中不同地方的土壤温湿度、pH值、土壤矿质元素含量、空气的温湿度，再由无线传输模块发送数据。

移动节点包括安装有树莓派、Arduino开发板、无线传输模块的机器人，机器人移动过程中接收分布在各处的固定节点采集的信息，树莓派内部署有智能监测软件，用户通过无线与树莓派建立连接，通过对智能监测软件进行访问，对不同固定节点采集到数据信息进行实时查看。

综上现有的农业监测技术缺点如下：

农作物生理表征受环境影响，在不同的季节的外观特征不同。现有技术只是粗略提及使用图像信息判断，未涉及针对如何解决农作物在不同季节的出现异常时的特征的识别判断。

在处理杂草问题上，现有技术利用训练模型判断杂草，但没提及如何在识别出杂草后的该选用多少剂量的除草剂。

农作物生长后期时叶片密集，现有技术难以解决农作物叶片遮挡问题，镜头取光问题，这些影响了图像识别的准确度和效果。

在农作物生长过程中，其生长环境一般没有产生太多变化，固定节点传感器获取实时数据成本高，能耗大。

发明内容

(一)解决的技术问题

为此本发明提出了一种基于机器视觉的农作物监测方法、系统以及装置，以解决上述问题。

(二)技术方案

针对现有技术的不足，本发明提供如下技术方案：

一种基于机器视觉的农作物监测方法，包括以下步骤：

第一步：构建不同季节下，正常农作物的数据库；

第二步：训练模型，根据对应的季节选取对应的训练好的模型；

第三步：通过视觉模块中的主体视觉模块进行粗识别；

第四步：由机器人进行精确识别机器分为视觉模块识别到农作物生理特征以及传感器模块获取环境数据两种情况；

第五步：中央计算模块根据视觉模块传入的信息，与自身数据库对比，判断该农作物是否异常并且计算出异常等级，对数据处理后得出该农作物需要灌溉的水量、化肥量和除草剂量。