CN106355609A - 自动行走设备及其植被健康状况识别方法 - Google Patents
自动行走设备及其植被健康状况识别方法 Download PDFInfo
- Publication number
- CN106355609A CN106355609A CN201610554929.8A CN201610554929A CN106355609A CN 106355609 A CN106355609 A CN 106355609A CN 201610554929 A CN201610554929 A CN 201610554929A CN 106355609 A CN106355609 A CN 106355609A
- Authority
- CN
- China
- Prior art keywords
- vegetation
- value
- module
- rgb value
- health
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
- G06T2207/30188—Vegetation; Agriculture
Landscapes
- Image Processing (AREA)
Abstract
本发明涉及一种自动行走设备及其植被健康状况识别方法,所述方法包括:获取植被的图像信息;从图像信息中提取出对应植被的颜色值,所述颜色值为植被的RGB值;将所述植被的RGB值与植被健康生长时的颜色值进行对比识别植被是否健康。所述***包括获取模块、提取模块和识别模块。本发明从图像信息中提取出植被的RGB值,判断植被的生长状况,提高了效率和判断的准确率;及时的识别植被生长是否健康,可以在植被不健康时采取相应的治疗措施。
Description
技术领域
本发明涉及植被健康识别领域,特别是涉及一种自动行走设备的植被健康状况识别方法及***。
背景技术
植被的正常生长对于环境具有重要影响。在植被正常的生长季节,需要及时判断植被的生长状况,发现植被的生长是否正常,从而对植被进行相应治疗,包括浇水、施肥或者添加微量粒子等。
传统主要是通过肉眼识别植被的健康状况,这种方法明显不够准确。植被在正常生长时,即使有某些不良的生长现象,但由于整体的变化并不大,因此,很难以肉眼的方式识别出来。在植被生长的不良初期如果无法判断识别出来,随着植被的生长,后续生长问题严重时再进行治疗,会明显不利于植被的健康生长。人工识别植被的生长状况,需要看护人具有较强的植被专业知识,进一步加大了人工识别的难度。
此外,即使识别出某些植被的健康情况不好,目前仍然需要用户手动进行养护,这样就带来两个弊端,首先,养护工作耗时费力,用户觉得麻烦,第二,若用户并非植物专家,往往不知如何养护来改善植物的健康状态。
发明内容
基于此,有必要提供一种自动化的园艺用自动行走设备及其制备健康状态识别方法,及时识别植被生长是否健康。
一种自动行走设备的植被健康状况识别方法,包括:
获取植被的图像信息;
从图像信息中提取出对应植被的颜色值,所述颜色值为植被的RGB值;
将植被的RGB值与植被健康生长时的颜色值进行对比识别植被是否健康。
在其中一个实施例中,采用近红外相机获取植被的图像信息。
在其中一个实施例中,采用韦伯局部特征算法从图像信息中提取出对应植被的颜色值。
在其中一个实施例中,所述识别方法还包括:
对植被的RGB值进行过滤,从植被的RGB值中过滤剔除非植被颜色的RGB值。
在其中一个实施例中,通过判断植被的RGB值是否在预设的区间对植被的RGB值进行过滤。
在其中一个实施例中,所述预设的区间包括植被在健康和非健康状况时RGB值。
在其中一个实施例中,所述植被健康生长时的颜色值为对应R、G和B值的区间,所述将植被的RGB值与植被健康生长时的颜色值进行对比时,分别对比所述植被的RGB值中的R、G和B的值是否在所述对应R、G和B值的区间。
在其中一个实施例中,还包括以下步骤:将植被是否健康的信息发送给用户,和/或将植被养护建议信息发送给用户。
在其中一个实施例中,所述植被是否健康的信息包括植被所在区域,以及该区域的植被健康水平和/或植被病害类型;所述植被养护建议信息包括建议施肥、浇水、松土、除草、洒药中的至少一种。
在其中一个实施例中,还包括以下步骤:对植被不健康的区域执行植被养护动作。
在其中一个实施例中,所述植被养护动作包括:施肥、浇水、松土、除草、洒药中的至少一种。
一种自动行走设备,包括植被健康状况的识别***,所述植被健康状况识别***包括:获取模块,用于获取植被的图像信息;
提取模块,用于从图像信息中提取出对应植被的颜色值,所述颜色值为植被的RGB值;
识别模块,用于将植被的RGB值与植被健康生长时的颜色值进行对比识别植被是否健康。
在其中一个实施例中,所述获取模块为近红外相机。
在其中一个实施例中,所述提取模块采用韦伯局部特征算法从图像信息中提取出对应植被的颜色值。
在其中一个实施例中,所述识别***还包括:
过滤模块,用于对植被的RGB值进行过滤,从植被的RGB值中过滤剔除非植被颜色的RGB值。
在其中一个实施例中,所述过滤模块通过判断植被的RGB值是否在预设的区间对植被的RGB值进行过滤。
在其中一个实施例中,所述预设的区间包括植被在健康和非健康状况时RGB值。
在其中一个实施例中,所述植被健康生长时的颜色值为对应R、G和B值的区间,所述识别模块将植被的RGB值与植被健康生长时的颜色值进行对比时,分别对比所述植被的RGB值中的R、G和B的值是否在所述对应R、G和B值的区间。
在其中一个实施例中,还包括植被健康提醒模块,所述植被健康提醒模块将植被是否健康的信息和或植被养护建议信息发送给用户。
在其中一个实施例中,所述植被健康提醒模块包括通信模块,所述通信模块和用户个人智能设备通信,以将前述植被是否健康的信息和或植被养护建议信息发送到用户个人智能设备上。
在其中一个实施例中,所述植被是否健康的信息包括植被所在区域,以及该区域的植被健康水平和或植被病害类型;所述植被养护建议信息包括建议施肥、浇水、松土、除草、洒药中的至少一种。
在其中一个实施例中,还包括植被养护模块,所述植被养护模块对植被不健康的区域执行植被养护动作。
在其中一个实施例中,所述植被养护模块包括:施肥模块、浇水模块、松土模块、除草模块、洒药模块中的至少一种。
以上所述植被健康状况的识别方法及***,从图像信息中提取出植被的RGB值,判断植被的生长状况,提高了效率和判断的准确率;及时的识别植被生长是否健康,可以在植被不健康时采取相应的治疗措施。
附图说明
图1为一实施例的植被健康状况的识别方法的流程图;
图2为近红外相机安装在割草机上的示意图;
图3为另一实施例的植被健康状况的识别方法的流程图;
图4为一实施例的自动行走设备的植被健康状况识别***的结构图;
图5为另一实施例的自动行走设备的植被健康状况识别***的结构图。
图6为另一实施例的自动行走设备的模块图
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
如图1所示,一实施例的自动行走设备的植被健康状况的识别方法包括步骤S120至步骤S160。
步骤S120,获取植被的图像信息。通过植被在生长时的颜色是否正常即可判断植被是否健康,由于颜色由R、G、B三种颜色通道组成,因此,分析植被的R、G、B三种颜色值即可识别植被的健康状况。植被的颜色可以由近红外相机拍摄获取。通常在采集植被的图像信息时,人为的操作比较费时费力,可以将近红外相机安装在自动行走设备上,比如,用户如果要观察草坪的生长状况,可以将近红外相机安装在割草机上,如图2所示,可以在割草机1的前方安装近红外相机2,近红外相机2可以与安装在割草机1外壳中的控制器3连接。割草机1在运动时,可以控制近红外相机2工作,及时获取整个草坪中植被的图像信息,从而及时判断草坪中的植被是否健康。近红外相机1对波长在780~3000nm范围的电磁波感应敏感,可有效获取植被的图像信息,是一种植被专用的数字图像成像设备。近红外相机2的性能稳定可靠且易于安装,可方便的安装于割草机1上;相机结构紧凑结实不易损坏,连续工作时间长,可在较差的环境下使用,可以连续二十四小时不间断成像工作。这对于人工来说,是一种不可能实现的任务。近红外相机是逐行扫描成像,且输出的是裸数据,其光谱范围较宽,成像的质量非常高,较宜适合对植被进行成像。以上所述割草机只是自动行走设备中的一种,其它设备也可以采取相同或相近的做法,比如,可以在观察林林生长状况的汽车上安装红外相机等。
步骤S140,从图像信息中提取出对应植被的颜色值,颜色值为植被的RGB值。从近红外相机获取的图像信息中可以提取出图像中的RGB值,提取的算法具有多种,可以是SIFT(尺度不变特征转换)、SURF(speeded up robust features,快速鲁棒性特征)、DAISY(DAISY是面向稠密特征提取的可快速计算的局部图像特征描述子)、Haar(矩形特征)、WLD(韦伯局部特征)、LBP(Local Binary Patterns,局部二值模式)、ORB(一种二值特征描述子)、BRIEF(一种特征描述子)、LDA-hash(一种特征描述子)、MSER(Maximally StableExternal Regions,区域特征提取)、HOG(Histogram of Oriented Gradient,方向梯度直方图)、灰度值、颜色直方图、灰度直方图、灰度矩等算法。在此,可以选择WLD(韦伯局部特征)算法从图像信息中提取出对应植被的颜色值。WLD算法可有效获取图像中的局部信息,获取的局部信息更加准确,可以更有效的判断植被具体的部分(如枝、叶等)是否生长正常。
步骤S160,将植被的RGB值与植被健康生长时的颜色值进行对比识别植被是否健康。植被健康生长时的颜色值为对应的R、G和B的值。可以预先存储植被健康生长时的颜色值的数据。通常,植被健康生长时的颜色值并不一定是固定的,不同的水分含量等条件变化会导致颜色值相应的变化,因此,预先存储的植被健康生长时的颜色值对应的R、G和B的值可以是一个合理的区间。将植被的RGB值与植被健康生长时的颜色值进行对比时,分别对比植被的RGB值中的R、G和B的值是否在对应R、G和B值的区间即可。如果在对应的区间,说明植被生长健康,否则,说明生长可能有问题,可以分析植被生长出现了哪些问题,找出具体的原因,进行综合的治疗,使植被恢复正常,健康生长。如图2所示,可以在割草机1中的控制器3设置存储器,将植被健康生长时的颜色值存储在其中,控制器3设置算法处理程序,根据步骤S140提取图像信息中的颜色值,并进一步通过程序控制执行步骤S160,从而自动化的识别植被是否健康。在自动行走设备中设置存储器只是可实现的方式的一种,也可以单独设置处理器对图像信息进行处理,包括执行步骤S140和步骤S160。也可以在单独的处理器中设置存储器,以存储植被健康生长时的颜色值。
以上所述植被健康状况的识别方法,从图像信息中提取出植被的RGB值,判断植被的生长状况,提高了效率和判断的准确率;及时的识别植被生长是否健康,可以在植被不健康时采取相应的治疗措施。
如图3所示,另一实施例的自动行走设备的植被健康状况的识别方法还包括步骤S150。
步骤S150,对植被的RGB值进行过滤,从植被的RGB值中过滤剔除非植被颜色的RGB值。近红外相机在获取植被的图像信息时,获取的图像信息多种多种,可能包括天空图像,障碍物,或者其它的图像等等。因此,从图像信息中提取出来的RGB值也不同,而不属于植被的RGB值如果直接由步骤S160判断识别,运算时间较长,且结控制器的处理性能具有较高的要求。因此,可以对植被的RGB值进行过滤,剔除其中非植物的RGB值。可以将植被的RGB值与预设的区间进行对比,判断植被的RGB值是否在预设的区间,如果不在,说明其非植被的RGB值,可以直接从中剔除。预设的区间应当包括植被在健康和非健康状况下的RGB值,这样可保证不误删除数据,保持数据的整体性。
另一实施例的自动行走设备的植被健康状况的识别方法还包括步骤S170和S180。
步骤S170,将植被是否健康的信息发送给用户。具体的,植被是否健康的信息包括植被所在区域,以及该区域的植被健康水平和/或植被病害类型。
在本实施例的一种实施方案中,该信息以图形化形式发送到用户持有的个人智能设备,如智能手机,智能平板电脑,智能手表,个人电脑等。该图像化信息可以为用户的花园或草坪地图形式,其上以颜色、文字、图标的形式标示出各个区域的植被健康水平和/或植被病害类型。如,以绿、黄、红分别标示植被健康状态好、中、差;以文字或图标标示相应区域的植被缺水、缺肥、需要松土、有病虫害等;以数值标示植物的各个健康指征的数值等。当然,其他的表现形式也是可行的。
在本实施例的另一种实施方案中,该信息以花园健康报告的形式发送给用户的智能设备,可以通过邮件、短消息等合适方式。花园健康报告分类别、区域列出花园的健康情况,例如各区域的植被的总体健康状态,病虫害情况、水分情况、养分情况、微量元素情况等等。
在本实施例的另一种实施方案中,植被是否健康的信息呈现于自动行走设备的本机上,例如,显示于自动行走设备的显示屏上,或者以声音形式播报等。信息具体内容以及呈现形式类似前面的实施方案,具体不再赘述。
步骤S180,将植被养护建议信息发送给用户。具体的,植被养护建议信息包括建议施肥、浇水、松土、除草、洒药中的至少一种。类似步骤S170,植被养护建议信息也可以以图形化或者报告的形式发送到用户的个人设备,如以地图和延伸、文字、图标中的一种或多种结合的方式提示用户特定区域需要执行如浇水、施肥等动作等,在此不再赘述。
在可选的实施例中,步骤S170和步骤S180也可仅具有其中一个。
另一实施例的自动行走设备的植被健康状况的识别方法还包括步骤S190。
步骤S190,对植被不健康的区域执行植被养护动作。具体的,植被养护动作包括:施肥、浇水、松土、除草、洒药中的至少一种。
自动行走设备根据检测到的植被具体的健康问题,相应的执行一种或者多种养护动作。例如,当自动行走设备检测到植被缺水时,执行浇水动作;当自动行走设备检测到植被缺少养分时,执行施肥、松土或除草动作;当自动行走设备检测到植被遭遇病虫害时,执行洒药动作。
如图4所示,一实施例的植被健康状况的识别***包括获取模块120、提取模块140和识别模块160。
获取模块120用于获取植被的图像信息。通过植被在生长时的颜色是否正常即可判断植被是否健康,由于颜色由R、G、B三种颜色通道组成,因此,分析植被的R、G、B三种颜色值即可识别植被的健康状况。植被的颜色可以由近红外相机拍摄获取。通常在采集植被的图像信息时,人为的操作比较费时费力,可以将近红外相机安装在自动行走设备上,比如,用户如果要观察草坪的生长状况,可以将近红外相机安装在割草机上,如图2所示,可以在割草机1的前方安装近红外相机2,近红外相机2可以与安装在割草机1外壳中的控制器3连接。割草机1在运动时,可以控制近红外相机2工作,及时获取整个草坪中植被的图像信息,从而及时判断草坪中的植被是否健康。近红外相机1对波长在780~3000nm范围的电磁波感应敏感,可有效获取植被的图像信息,是一种植被专用的数字图像成像设备。近红外相机2的性能稳定可靠且易于安装,可方便的安装于割草机1上;相机结构紧凑结实不易损坏,连续工作时间长,可在较差的环境下使用,可以连续二十四小时不间断成像工作。这对于人工来说,是一种不可能实现的任务。近红外相机是逐行扫描成像,且输出的是裸数据,其光谱范围较宽,成像的质量非常高,较宜适合对植被进行成像。以上所述割草机只是自动行走设备中的一种,其它设备也可以采取相同或相近的做法,比如,可以在观察林林生长状况的汽车上安装红外相机等。
提取模块140用于从图像信息中提取出对应植被的颜色值,颜色值为植被的RGB值。从近红外相机获取的图像信息中可以提取出图像中的RGB值,提取的算法具有多种,可以是SIFT(尺度不变特征转换)、SURF(speeded up robust features,快速鲁棒性特征)、DAISY(DAISY是面向稠密特征提取的可快速计算的局部图像特征描述子)、Haar(矩形特征)、WLD(韦伯局部特征)、LBP(Local Binary Patterns,局部二值模式)、ORB(一种二值特征描述子)、BRIEF(一种特征描述子)、LDA-hash(一种特征描述子)、MSER(MaximallyStable External Regions,区域特征提取)、HOG(Histogram of Oriented Gradient,方向梯度直方图)、灰度值、颜色直方图、灰度直方图、灰度矩等算法。在此,可以选择WLD(韦伯局部特征)算法从图像信息中提取出对应植被的颜色值。WLD算法可有效获取图像中的局部信息,获取的局部信息更加准确,可以更有效的判断植被具体的部分(如枝、叶等)是否生长正常。
识别模块160用于将植被的RGB值与植被健康生长时的颜色值进行对比识别植被是否健康。植被健康生长时的颜色值为对应的R、G和B的值。可以预先存储植被健康生长时的颜色值的数据。通常,植被健康生长时的颜色值并不一定是固定的,不同的水分含量等条件变化会导致颜色值相应的变化,因此,预先存储的植被健康生长时的颜色值对应的R、G和B的值可以是一个合理的区间。将植被的RGB值与植被健康生长时的颜色值进行对比时,分别对比植被的RGB值中的R、G和B的值是否在对应R、G和B值的区间即可。如果在对应的区间,说明植被生长健康,否则,说明生长可能有问题,可以分析植被生长出现了哪些问题,找出具体的原因,进行综合的治疗,使植被恢复正常,健康生长。如图2所示,可以在割草机1中的控制器3设置存储器,将植被健康生长时的颜色值存储在其中,控制器3设置算法处理程序,根据步骤S140提取图像信息中的颜色值,并进一步通过程序控制执行步骤S160,从而自动化的识别植被是否健康。在自动行走设备中设置存储器只是可实现的方式的一种,也可以单独设置处理器对图像信息进行处理,包括执行步骤S140和步骤S160。也可以在单独的处理器中设置存储器,以存储植被健康生长时的颜色值。
以上所述植被健康状况的识别***,从图像信息中提取出植被的RGB值,判断植被的生长状况,提高了效率和判断的准确率;及时的识别植被生长是否健康,可以在植被不健康时采取相应的治疗措施。
如图5所示,另一实施例的植被健康状况的识别***还包括过滤模块150。
过滤模块150用于对植被的RGB值进行过滤,从植被的RGB值中过滤剔除非植被颜色的RGB值。近红外相机在获取植被的图像信息时,获取的图像信息多种多种,可能包括天空图像,障碍物,或者其它的图像等等。因此,从图像信息中提取出来的RGB值也不同,而不属于植被的RGB值如果直接由步骤S160判断识别,运算时间较长,且结控制器的处理性能具有较高的要求。因此,可以对植被的RGB值进行过滤,剔除其中非植物的RGB值。可以将植被的RGB值与预设的区间进行对比,判断植被的RGB值是否在预设的区间,如果不在,说明其非植被的RGB值,可以直接从中剔除。预设的区间应当包括植被在健康和非健康状况下的RGB值,这样可保证不误删除数据,保持数据的整体性。
如图6,另一实施例的自动行走设备的还包括植被健康提醒模块,植被健康提醒模块将植被是否健康的信息发送给用户。具体的,植被是否健康的信息包括植被所在区域,以及该区域的植被健康水平和/或植被病害类型。
在本实施例的一种实施方案中,植被健康提醒模块170包括通信模块,通信模块和用户个人智能设备通信,以将前述植被是否健康的信息发送到用户个人智能设备上,如智能手机,智能平板电脑,智能手表,个人电脑等。
在一种实施方案中,植被是否健康的信息以图形化形式发送到用户持有的个人智能设备,该图像化信息可以为用户的花园或草坪地图形式,其上以颜色、文字、图标的形式标示出各个区域的植被健康水平和/或植被病害类型。如,以绿、黄、红分别标示植被健康状态好、中、差;以文字或图标标示相应区域的植被缺水、缺肥、需要松土、有病虫害等;以数值标示植物的各个健康指征的数值等。当然,其他的表现形式也是可行的。
在本实施例的另一种实施方案中,该信息以花园健康报告的形式发送给用户的智能设备,可以通过邮件、短消息等合适方式。花园健康报告分类别、区域列出花园的健康情况,例如各区域的植被的总体健康状态,病虫害情况、水分情况、养分情况、微量元素情况等等。
在本实施例的另一种实施方案中,植被健康提醒模块170包括位于本机上的健康指示装置,健康指示装置将植被是否健康的信息呈现于自动行走设备的本机上,例如,健康指示装置可以为显示屏,播音器等。信息具体内容以及呈现形式类似前面的实施方案,具体不再赘述。
健康提醒模块还将植被养护建议信息发送给用户。具体的,植被养护建议信息包括建议施肥、浇水、松土、除草、洒药中的至少一种。类似的,植被养护建议信息也可以以图形化或者报告的形式发送到用户的个人设备,如以地图和延伸、文字、图标中的一种或多种结合的方式提示用户特定区域需要执行如浇水、施肥等动作等,在此不再赘述。
在可选的实施例中,健康提醒模块可以仅发送植被是否健康的信息和植被养护建议信息中的一个。
另一实施例的自动行走设备的植被健康状况的识别方法还包括植被养护模块。植被养护模块对植被不健康的区域执行植被养护动作。具体的,植被养护动作包括:施肥、浇水、松土、除草、洒药中的至少一种,相应的,植被养护模块包括:施肥模块、浇水模块、松土模块、除草模块、洒药模块中的至少一种。
自动行走设备根据检测到的植被具体的健康问题,相应的执行一种或者多种养护动作。例如,当自动行走设备检测到植被缺水时,执行浇水动作;当自动行走设备检测到植被缺少养分时,执行施肥、松土或除草动作;当自动行走设备检测到植被遭遇病虫害时,执行洒药动作。
植被养护模块中的一个或者多个可以为可替换的安装在自动行走设备上的附件,自动行走设备在检测到需要执行特定的养护动作时,若机身上没有安装相应的特定附件,则自动拾取该特定附件进行养护动作,或者发出提醒信息,提示用户为其安装该特定的养护附件。
自动行走设备上安装有定位设备,以将区域地理位置信息和植被健康状态信息相关联起来,作为生成前述的各类信息,以及执行各类动作的基础。定位设备可以为GPS设备(具体如DGPS设备),UWB高精度定位设备,图像位置识别设备等。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (23)
1.一种自动行走设备的植被健康状况识别方法,其特征在于,包括:
获取植被的图像信息;
从图像信息中提取出对应植被的颜色值,所述颜色值为植被的RGB值;
将所述植被的RGB值与植被健康生长时的颜色值进行对比识别植被是否健康。
2.根据权利要求1所述的识别方法,其特征在于,采用近红外相机获取植被的图像信息。
3.根据权利要求1所述的识别方法,其特征在于,采用韦伯局部特征算法从图像信息中提取出对应植被的颜色值。
4.根据权利要求1所述的识别方法,其特征在于,还包括:
对植被的RGB值进行过滤,从植被的RGB值中过滤剔除非植被颜色的RGB值。
5.根据权利要求4所述的识别方法,其特征在于,通过判断植被的RGB值是否在预设的区间对植被的RGB值进行过滤。
6.根据权利要求5所述的识别方法,其特征在于,所述预设的区间包括植被在健康和非健康状况时RGB值。
7.根据权利要求1所述的识别方法,其特征在于,所述植被健康生长时的颜色值为对应R、G和B值的区间,所述将植被的RGB值与植被健康生长时的颜色值进行对比时,分别对比所述植被的RGB值中的R、G和B的值是否在所述对应R、G和B值的区间。
8.根据权利要求1所述的识别方法,其特征在于,还包括以下步骤:
将植被是否健康的信息发送给用户,和/或
将植被养护建议信息发送给用户。
9.根据权利要求8所述的识别方法,其特征在于,所述植被是否健康的信息包括植被所在区域,以及该区域的植被健康水平和/或植被病害类型;所述植被养护建议信息包括建议施肥、浇水、松土、除草、洒药中的至少一种。
10.根据权利要求1所述的识别方法,其特征在于,还包括以下步骤:
对植被不健康的区域执行植被养护动作。
11.根据权利要求10所述的识别方法,其特征在于,所述植被养护动作包括:施肥、浇水、松土、除草、洒药中的至少一种。
12.一种自动行走设备,其特征在于,包括植被健康状况的识别***,所述植被健康状况识别***包括:
获取模块,用于获取植被的图像信息;
提取模块,用于从图像信息中提取出对应植被的颜色值,所述颜色值为植被的RGB值;
识别模块,用于将所述植被的RGB值与植被健康生长时的颜色值进行对比识别植被是否健康。
13.根据权利要求12所述的自动行走设备,其特征在于,所述获取模块为近红外相机。
14.根据权利要求12所述的自动行走设备,其特征在于,所述提取模块采用韦伯局部特征算法从图像信息中提取出对应植被的颜色值。
15.根据权利要求12所述的自动行走设备,其特征在于,所述识别***还包括:
过滤模块,用于对植被的RGB值进行过滤,从植被的RGB值中过滤剔除非植被颜色的RGB值。
16.根据权利要求15所述的自动行走设备,其特征在于,所述过滤模块通过判断植被的RGB值是否在预设的区间对植被的RGB值进行过滤。
17.根据权利要求16所述的自动行走设备,其特征在于,所述预设的区间包括植被在健康和非健康状况时RGB值。
18.根据权利要求12所述的自动行走设备,其特征在于,所述植被健康生长时的颜色值为对应R、G和B值的区间,所述识别模块将植被的RGB值与植被健康生长时的颜色值进行对比时,分别对比所述植被的RGB值中的R、G和B的值是否在所述对应R、G和B值的区间。
19.根据权利要求12所述的自动行走设备,其特征在于,还包括植被健康提醒模块,所述植被健康提醒模块将植被是否健康的信息和或植被养护建议信息发送给用户。
20.根据权利要求19所述的自动行走设备,其特征在于,所述植被健康提醒模块包括通信模块,所述通信模块和用户个人智能设备通信,以将前述植被是否健康的信息和或植被养护建议信息发送到用户个人智能设备上。
21.根据权利要求19所述的自动行走设备,其特征在于,所述植被是否健康的信息包括植被所在区域,以及该区域的植被健康水平和或植被病害类型;所述植被养护建议信息包括建议施肥、浇水、松土、除草、洒药中的至少一种。
22.根据权利要求12所述的自动行走设备,其特征在于,还包括植被养护模块,所述植被养护模块对植被不健康的区域执行植被养护动作。
23.根据权利要求22所述的自动行走设备,其特征在于,所述植被养护模块包括:施肥模块、浇水模块、松土模块、除草模块、洒药模块中的至少一种。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510424150 | 2015-07-17 | ||
CN201510424150X | 2015-07-17 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106355609A true CN106355609A (zh) | 2017-01-25 |
Family
ID=57843244
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610554929.8A Pending CN106355609A (zh) | 2015-07-17 | 2016-07-15 | 自动行走设备及其植被健康状况识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106355609A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107192674A (zh) * | 2017-05-25 | 2017-09-22 | 河南嘉禾智慧农业科技有限公司 | 一种监控大棚内种植物生长的物联网采集*** |
CN107682456A (zh) * | 2017-11-07 | 2018-02-09 | 蔡璟 | 一种基于影像与根部检测的智能园林护理*** |
CN107766837A (zh) * | 2017-11-07 | 2018-03-06 | 蔡璟 | 一种基于特征点比对的园林修护*** |
CN107844771A (zh) * | 2017-11-03 | 2018-03-27 | 深圳春沐源控股有限公司 | 农作物生产管理的方法、***、计算机装置及存储介质 |
CN110347144A (zh) * | 2018-04-03 | 2019-10-18 | 苏州宝时得电动工具有限公司 | 自移动设备及其自学习方法、可读存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101766106A (zh) * | 2009-12-31 | 2010-07-07 | 上海量科电子科技有限公司 | 具有提示功能的植物护理终端、***及***的实现方法 |
US20130136312A1 (en) * | 2011-11-24 | 2013-05-30 | Shih-Mu TSENG | Method and system for recognizing plant diseases and recording medium |
CN204325916U (zh) * | 2014-11-05 | 2015-05-13 | 中铁二院工程集团有限责任公司 | 铁路桥梁智能检测装置 |
CN204515530U (zh) * | 2014-12-30 | 2015-07-29 | 苏州宝时得电动工具有限公司 | 自动行走*** |
-
2016
- 2016-07-15 CN CN201610554929.8A patent/CN106355609A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101766106A (zh) * | 2009-12-31 | 2010-07-07 | 上海量科电子科技有限公司 | 具有提示功能的植物护理终端、***及***的实现方法 |
US20130136312A1 (en) * | 2011-11-24 | 2013-05-30 | Shih-Mu TSENG | Method and system for recognizing plant diseases and recording medium |
CN204325916U (zh) * | 2014-11-05 | 2015-05-13 | 中铁二院工程集团有限责任公司 | 铁路桥梁智能检测装置 |
CN204515530U (zh) * | 2014-12-30 | 2015-07-29 | 苏州宝时得电动工具有限公司 | 自动行走*** |
Non-Patent Citations (2)
Title |
---|
赵淑元: "水稻纹枯病的图象处理技术及生理生化反应研究", 《中国优秀硕士学位论文全文数据库 农业科技辑》 * |
黄高鉴,王双喜: "温室植物病害数字化处理中图象分割方法的研究", 《农业技术与装备》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107192674A (zh) * | 2017-05-25 | 2017-09-22 | 河南嘉禾智慧农业科技有限公司 | 一种监控大棚内种植物生长的物联网采集*** |
CN107844771A (zh) * | 2017-11-03 | 2018-03-27 | 深圳春沐源控股有限公司 | 农作物生产管理的方法、***、计算机装置及存储介质 |
CN107682456A (zh) * | 2017-11-07 | 2018-02-09 | 蔡璟 | 一种基于影像与根部检测的智能园林护理*** |
CN107766837A (zh) * | 2017-11-07 | 2018-03-06 | 蔡璟 | 一种基于特征点比对的园林修护*** |
CN110347144A (zh) * | 2018-04-03 | 2019-10-18 | 苏州宝时得电动工具有限公司 | 自移动设备及其自学习方法、可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106355609A (zh) | 自动行走设备及其植被健康状况识别方法 | |
Aquino et al. | A new methodology for estimating the grapevine-berry number per cluster using image analysis | |
EP2548147B1 (en) | Method to recognize and classify a bare-root plant | |
CN106250874B (zh) | 一种服饰及随身物品的识别方法和装置 | |
Zhou et al. | Using colour features of cv.‘Gala’apple fruits in an orchard in image processing to predict yield | |
Kurniawati et al. | Investigation on image processing techniques for diagnosing paddy diseases | |
Fang | Rice crop area estimation of an administrative division in China using remote sensing data | |
CN104598908A (zh) | 一种农作物叶部病害识别方法 | |
KR20150000435A (ko) | 작물 생장 단계 인식 및 환경 제어 시스템 및 그 방법 | |
CN102915446A (zh) | 基于svm机器学习的植物病虫害检测方法 | |
CN109711345A (zh) | 一种火焰图像识别方法、装置及其存储介质 | |
Lavania et al. | Novel method for weed classification in maize field using Otsu and PCA implementation | |
Kurniawati et al. | Texture analysis for diagnosing paddy disease | |
Ke et al. | Active contour and hill climbing for tree crown detection and delineation | |
CN107403180A (zh) | 一种数字类型设备检测识别方法和*** | |
Wang et al. | Color-and texture-based image segmentation for improved forest delineation | |
CN113377062B (zh) | 一种具有病虫害和旱情监控的多功能预警*** | |
CN115661647A (zh) | 一种树木栽种生长状况的定时巡检方法 | |
CN105427279A (zh) | 一种基于计算机视觉及物联网的草原旱情监测***和方法 | |
CN107064159B (zh) | 一种依据植物黄叶检测判断生长趋势的装置及*** | |
Finn et al. | Unsupervised spectral-spatial processing of drone imagery for identification of pine seedlings | |
Lee et al. | Applying cellular automata to hyperspectral edge detection | |
Reza et al. | Automatic counting of rice plant numbers after transplanting using low altitude uav images | |
Sannakki et al. | SVM-DSD: SVM based diagnostic system for the detection of pomegranate leaf diseases | |
CN113807143A (zh) | 作物连通域的识别方法、装置及作业*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170125 |
|
RJ01 | Rejection of invention patent application after publication |