CN107222682A - 农作物生长状况检测方法及装置 - Google Patents
农作物生长状况检测方法及装置 Download PDFInfo
- Publication number
- CN107222682A CN107222682A CN201710561400.3A CN201710561400A CN107222682A CN 107222682 A CN107222682 A CN 107222682A CN 201710561400 A CN201710561400 A CN 201710561400A CN 107222682 A CN107222682 A CN 107222682A
- Authority
- CN
- China
- Prior art keywords
- crop
- information
- map picture
- upgrowth situation
- crops
- 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
- 230000012010 growth Effects 0.000 title claims abstract description 36
- 238000012360 testing method Methods 0.000 title claims abstract description 18
- 238000001514 detection method Methods 0.000 claims abstract description 26
- 238000000034 method Methods 0.000 claims abstract description 25
- 241000894007 species Species 0.000 claims description 34
- 238000004458 analytical method Methods 0.000 claims description 20
- 238000000605 extraction Methods 0.000 claims description 11
- 239000000284 extract Substances 0.000 claims description 7
- 230000005540 biological transmission Effects 0.000 claims description 2
- 230000008569 process Effects 0.000 abstract description 8
- 238000012271 agricultural production Methods 0.000 abstract description 5
- 230000015654 memory Effects 0.000 description 14
- 238000010586 diagram Methods 0.000 description 12
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 10
- 230000006870 function Effects 0.000 description 10
- 241000196324 Embryophyta Species 0.000 description 9
- 229930002875 chlorophyll Natural products 0.000 description 9
- 235000019804 chlorophyll Nutrition 0.000 description 9
- ATNHDLDRLWWWCB-AENOIHSZSA-M chlorophyll a Chemical compound C1([C@@H](C(=O)OC)C(=O)C2=C3C)=C2N2C3=CC(C(CC)=C3C)=[N+]4C3=CC3=C(C=C)C(C)=C5N3[Mg-2]42[N+]2=C1[C@@H](CCC(=O)OC\C=C(/C)CCC[C@H](C)CCC[C@H](C)CCCC(C)C)[C@H](C)C2=C5 ATNHDLDRLWWWCB-AENOIHSZSA-M 0.000 description 9
- 238000004519 manufacturing process Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 6
- 229910052757 nitrogen Inorganic materials 0.000 description 5
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 3
- ZLMJMSJWJFRBEC-UHFFFAOYSA-N Potassium Chemical compound [K] ZLMJMSJWJFRBEC-UHFFFAOYSA-N 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 235000015097 nutrients Nutrition 0.000 description 3
- 229910052698 phosphorus Inorganic materials 0.000 description 3
- 239000011574 phosphorus Substances 0.000 description 3
- 230000008635 plant growth Effects 0.000 description 3
- 239000011591 potassium Substances 0.000 description 3
- 229910052700 potassium Inorganic materials 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000009313 farming Methods 0.000 description 2
- 239000003337 fertilizer Substances 0.000 description 2
- 206010023126 Jaundice Diseases 0.000 description 1
- 244000061458 Solanum melongena Species 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- QDOXWKRWXJOMAK-UHFFFAOYSA-N dichromium trioxide Chemical compound O=[Cr]O[Cr]=O QDOXWKRWXJOMAK-UHFFFAOYSA-N 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000003973 irrigation Methods 0.000 description 1
- 230000002262 irrigation Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 238000004549 pulsed laser deposition Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/80—Camera processing pipelines; Components thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/60—Control of cameras or camera modules
- H04N23/64—Computer-aided capture of images, e.g. transfer from script file into camera, check of taken image quality, advice or proposal for image composition or decision on when to take image
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
-
- 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
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Mining & Mineral Resources (AREA)
- Animal Husbandry (AREA)
- Agronomy & Crop Science (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Marine Sciences & Fisheries (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及农业科学技术领域,具体而言,涉及一种农作物生长状况检测方法及装置。所述农作物生长状况检测方法,应用于服务器,所述服务器能够与移动终端和图像采集器通信,所述方法包括:接收所述图像采集器获取的农作物图像;分析所述农作物图像,以得到所述农作物的生长状况信息;根据所述生长状况信息,生成培育指导建议,并发送至所述移动终端。本发明实施例提供的农作物生长状况检测方法及装置相对于现有技术,投入成本较低,且检测过程简单,易于在农业生产中推广。
Description
技术领域
本发明涉及农业科学技术领域,具体而言,涉及一种农作物生长状况检测方法及装置。
背景技术
目前,对农作物生长状况的检测装置有传统的植物生长信息检测仪、叶绿素仪和植物营养测定仪。其中,植物生长信息检测仪需要从植株上提取样本,用药剂和仪器进行化学分析,得出植株的氮素、磷素、钾素等含量,从而判断植物生长状况,操作十分复杂。而叶绿素仪原理是通过测量叶片在两种波长范围内的透光系数来确定叶片当前叶绿素的相对数量,也就是在叶绿素选择吸收待定波长长光的两个波长区域,根据叶片透折射光的量来计算测量值。叶绿素仪虽然能够精确地测定农作物的叶绿素含量,但在使用时需要用仪器夹住植物叶片,不利于自动测定,并且不能进行实时检测。植物营养测定仪和叶绿素仪类似,但能同时测定植物叶绿素含量、氮素含量和水分含量等,能够为施肥提供依据。植物营养测定仪原理和叶绿素仪原理相同,即通过测定的SPAD值推断植物的氮含量,但使用时同样需要用仪器夹注作物叶片进行测定。
由此可见,传统的植物生长信息检测仪检测过程复杂,而叶绿素仪和植物营养测定仪都需要人工手持式操作,需要用仪器夹住叶片进行测定,不能进行自动检测,并且价格极高,操作也有一定的复杂性,一般在科研中使用,难以推广在农业生产中。
发明内容
有鉴于此,本发明实施例的目的在于,提供一种农作物生长状况检测方法及装置以解决上述问题。
本发明实施例提供了一种农作物生长状况检测方法,应用于服务器,所述服务器能够与移动终端和图像采集器通信,所述方法包括:
接收所述图像采集器获取的农作物图像;
分析所述农作物图像,以得到所述农作物的生长状况信息;
根据所述生长状况信息,生成培育指导建议,并发送至所述移动终端。
进一步地,所述农作物图像中携带有图像采集器的标识信息,所述服务器中预存有所述标识信息与所述农作物种类信息的对应关系,所述方法还包括:
提取所述农作物图像中携带的标识信息;
根据所述标识信息查找出与该标识信息对应的农作物种类信息;
所述农作物的生长状况信息通过分析所述农作物图像,并结合所述农作物种类信息得到。
进一步地,分析所述农作物图像,以得到所述农作物的生长状况信息的步骤,包括:
提取所述农作物图像的RGB值和纹理特征;
分析所述RGB值和纹理特征,并结合所述农作物种类信息,根据预设的运算规则获得所述农作物的生长状况信息。
进一步地,根据所述生长状况信息,生成培育指导建议,并发送至所述移动终端的步骤,包括:
根据所述生长状况信息,并结合所述农作物种类信息,生成培育指导建议并存储;
在接收到所述移动终端发送的信息获取请求时,将所述培育指导建议发送至所述移动终端。
进一步地,所述方法还包括:
根据所述农作物图像,判断所述图像采集器的摄像头位置是否符合预设拍摄标准;
若是,则执行分析所述农作物图像,以得到所述农作物的生长状况信息的步骤;
若否,则按照预设调整计划调整所述摄像头,并接收调整所述摄像头后所述图像采集器获取的农作物图像,对调整后的所述摄像头位置是否符合预设拍摄标准进行判断,直到根据再次接收到的农作物图像,判断得出所述摄像头位置符合预设拍摄标准为止。
本发明实施例还提供了一种农作物生长状况检测装置,应用于服务器,所述服务器能够与移动终端和图像采集器通信,所述装置包括:
图像获取模块,用于接收所述图像采集器获取的农作物图像;
生长状况分析模块,用于分析所述农作物图像,以得到所述农作物的生长状况信息;
培育指导建议生成模块,用于根据所述生长状况信息,生成培育指导建议,并发送至所述移动终端。
进一步地,所述农作物图像中携带有图像采集器的标识信息,所述服务器中预存有所述标识信息与所述农作物种类信息的对应关系,所述装置还包括:
标识信息提取模块,用于提取所述农作物图像中携带的标识信息;
种类信息查找模块,用于根据所述标识信息查找出与该标识信息对应的农作物种类信息,使所述生长状况分析模块通过分析所述农作物图像,并结合所述农作物种类信息得到所述农作物的生长状况信息。
进一步地,所述生长状况分析模块包括:
生物特征提取单元,用于提取所述农作物图像的RGB值和纹理特征;
生长状况信息获取单元,用于分析所述RGB值和纹理特征,并结合所述农作物种类信息,根据预设的运算规则获得所述农作物的生长状况信息。
进一步地,所述培育指导建议生成模块包括:
培育指导建议生成单元,用于根据所述生长状况信息,并结合所述农作物种类信息,生成培育指导建议并存储;
培育指导建议发送单元,用于在接收到所述移动终端发送的信息获取请求时,将所述培育指导建议发送至所述移动终端。
进一步地,所述装置还包括:
摄像头位置调整模块,用于根据所述农作物图像,判断所述图像采集器的摄像头位置是否符合预设拍摄标准,若是,则所述生长状况分析模块分析所述农作物图像,以得到所述农作物的生长状况信息,若否,则按照预设调整计划调整所述摄像头,并接收调整所述摄像头后所述图像采集器获取的农作物图像,对调整后的所述摄像头位置是否符合预设拍摄标准进行判断,直到根据再次接收到的农作物图像,判断得出所述摄像头位置符合预设拍摄标准为止。
本发明实施例提供的农作物生长状况检测方法及装置,通过接收所述图像采集器获取的农作物图像,分析所述农作物图像,以得到所述农作物的生长状况信息,根据所述生长状况信息,生成培育指导建议,并发送至所述移动终端,实现了农作物生长状况信息的远程实时监测,并且能够根据农作物的生长状况信息,给出培育指导建议,发送至移动终端。相对于现有技术,投入成本较低,且检测过程简单,易于在农业生产中推广。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本发明实施例提供的一种农作物生产检测***的示意性结构框图。
图2为本发明实施例提供的一种服务器的示意性结构框图。
图3为本发明实施例提供的一种农作物生产检测装置的示意性结构框图。
图4为本发明实施例提供的一种生长状况分析模块的示意性结构框图。
图5为本发明实施例提供的农作物生产检测装置的另一种示意性结构框图。
图6为本发明实施例提供的一种培育指导建议生成模块的示意性结构框图。
图7为本发明实施例提供的一种农作物生产检测方法的流程图。
图8为图7中步骤S500的子步骤流程图。
图9为本发明实施例提供的农作物生产检测方法的另一种流程图。
图10为图9中步骤S900的子步骤流程图。
图标:10-农作物生产检测***;100-服务器;110-农作物生长状况检测装置;111-图像获取模块;112-生长状况分析模块;1121-生物特征提取单元;1122-生长状况信息获取单元;113-培育指导建议生成模块;1131-培育指导建议生成单元;1132-培育指导建议发送单元;114-标识信息提取模块;115-种类信息查找模块;116-摄像头位置调整模块;120-处理器;130-存储器;200-移动终端;300-图像采集器。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
请参阅图1,本发明实施例提供了一种农作物生产检测***10,包括服务器100和能够分别与所述服务器100通信的移动终端200和图像采集器300。本实施例中,所述服务器100能够通过网络与移动终端200通信,以进行数据通信或交互。同样,所述服务器100能够通过网络与图像采集器300通信,以进行数据通信或交互,或,所述服务器100为集成于所述图像采集器300,且具有通信和数据处理能力的集成模块。本实施例中,所述网络可以是,但不限于,有线网络或无线网络。
所述移动终端200可以是但不限于,用户的个人电脑、平板电脑、智能手机、移动上网设备等。所述服务器100为对应于所述用户终端上安装的客户端应用的后台服务器100。本实施例中,所述服务器100可以是网络服务器100、数据库服务器100,可以是单独的服务器100也可以是服务器100集群等。所述图像采集器300为具有图像采集功能和通信功能的智能图像采集装置。
本实施例中,所述图像采集器300采集农作物图像并发送至所述服务器100,所述服务器100对接收到的农作物图像进行分析,得到生长状况信息,根据所述生长状况信息,生成培育指导建议,并发送至所述移动终端200,用户便可以在移动终端200上查看培育指导建议,根据所述培育指导建议对农作物进行科学培育。
请参阅图2,为本发明实施例提供的一种服务器100的示意性结构框图。所述服务器100包括包括农作物生长状况检测装置110、处理器120和存储器130。所述处理器120和所述存储器130之间直接或间接地电性连接,以实现数据的传输或交互。例如,两者通过通讯总线或信号线实现电性连接。所述农作物生长状况检测装置110包括至少一个可以软件或固件(firmware)的形式存储于所述存储器130中的软件功能模块。所述处理器120用于执行存储器130中存储的可执行模块,例如,所述农作物生长状况检测装置110包括的软件功能模块或计算机程序。
其中,所述存储器130可以是,但不限于,随机读取存储器(Random Accessmemory,RAM),只读存储器(Read Only Memory,ROM),可编程只读存储器(ProgrammableRead-Only Memory,PROM),可擦除只读存储器(Erasable Programmable Read-OnlyMemory,EPROM),电可擦除只读存储器(Electric Erasable Programmable Read-OnlyMemory,EEPROM)等。其中,存储器130用于存储程序,所述处理器120在接收到执行指令后,执行所述程序,本发明实施例任一实施方式所揭示的流程定义的方法可以应用于处理器120中,或者由处理器120实现。
所述处理器120可能是一种集成电路芯片,具有信号的处理能力。上述处理器120可以是通用处理器,包括中央处理器(Central Processing Unit,简称CPU)、网络处理器(Network Processor,简称NP)等,还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件,可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。
可以理解,图2所示的结构仅为示意,所述服务器100还可以包括比图2中所示更多或者更少的组件,或者具有与图2所示不同的配置。图2中所示的各组件可以采用硬件、软件或其组合实现。
请参阅图3,为本发明实施例提供的一种农作物生长状况检测装置110的示意性结构框图。所述农作物生长状况检测装置110应用于图1和图2所述的服务器100。所述农作物生长状况检测装置110包括图像获取模块111、生长状况分析模块112和培育指导建议生成模块113。
其中,所述图像获取模块111用于接收所述图像采集器300获取的农作物图像。
本实施例中,所述图像采集器300为具有图像采集功能和通信功能的智能图像采集装置。可选地,本实施例中,所述图像采集器300每隔一预设时长自动获取所述农作物图像,并发送至所述服务器100,以使所述图像获取模块111接收所述农作物图像。需要说明的是,本实施例中,所述图像获取模块111也可以根据所述移动终端200向服务区发送的第一信息获取请求,向所述图像采集器300发送第二信息获取请求,以使所述图像采集器300获取农作物图像,并返回至所述服务器100。
所述生长状况分析模块112用于分析所述农作物图像,以得到所述农作物的生长状况信息。
本实施例中,所述生长状况分析模块112用于提取所述农作物图像的生物图像特征,对所述生物图像特征进行变换、压缩等预处理,并通过生物图像识别算法,包括移动中心超球分类器、特征线分类器、径向基概率神经网络分类器及其基于多分类器融合的神经网络委员会机分类器等,对所述农作物图像的生物图像特征进行分析处理,以得到所述农作物的生长状况信息。需要说明的是,本实施例中,所述农作物图像的生物图像特征可以包括RGB值、纹理特征、几何形态特征、小波特征等。
请结合图4,具体地,本实施例中,所述生长状况分析模块112包括生物特征提取单元1121和生长状况信息获取单元1122。
其中,所述生物特征提取单元1121用于提取所述农作物图像的RGB值和纹理特征。可以理解的是,具体实施时,为了提高检测结果的精确性,也可以同时提取所述农作物图像的几何形态特征和小波特征等。
生长状况信息获取单元1122用于分析所述RGB值和纹理特征,并结合所述农作物种类信息,根据预设的运算规则获得所述农作物的生长状况信息。
农作物在生长过程中,通过分析农作物图像的RGB值和纹理特征即可获得所述农作物的生长状况信息。然而,不同种类的农作物,其某一生物图像特征相似时,生长状况却可能存在较大差异。鉴于此,为了保障检测结果的准确性,本实施例中,农作物的生长状况信息将通过分析所述RGB值和纹理特征,并结合所述农作物种类信息,根据预设的运算规则获得。
请结合图5,为了获取所述农作物种类信息,可选地,本实施例中,所述农作物生长状况检测装置110还包括标识信息提取模块114和种类信息查找模块115。本实施例中,所述农作物图像中携带有图像采集器300的标识信息,所述服务器100中预存有所述标识信息与所述农作物种类信息的对应关系。需要说明的是,本实施例中,所述服务器100中预存有所述标识信息与所述农作物种类信息的对应关系可以通过所述移动终端200更改替换。
标识信息提取模块114用于提取所述农作物图像中携带的标识信息。种类信息查找模块115用于根据所述标识信息查找出与该标识信息对应的农作物种类信息,使所述生长状况分析模块112通过分析所述农作物图像,并结合所述农作物种类信息得到所述农作物的生长状况信息。具体地,本实施例中,所述生长状况分析模块112通过分析所述农作物图像的RGB值和纹理特征,并结合所述农作物种类信息得到所述农作物的生长状况信息。
培育指导建议生成模块113用于根据所述生长状况信息,生成培育指导建议,并发送至所述移动终端200。
本实施例中,所述培育指导建议,主要是用于向用户提供科学的施肥指导建议。在农业生产中,农作物缺少氮素、磷素、钾素时,对农作物的生长状况都会有不同影响。具体表现为,在缺少氮素情况下,农作物叶片叶色发黄,生长缓慢,并且伴有早熟早衰的情况产生。在缺少磷素情况下,农作物叶片和根茎会出现***的斑点,新根少,并且生长缓慢。在缺少钾素的情况下,农作物枝干高度较低,叶片焦黄,边缘干枯严重。由此,通过获得的农作物的的生长状况信息,即可判断其缺肥情况,从而生成具有针对性的培育指导建议,并发送至所述移动终端200。可以理解的是,本实施例中,所述培育指导建议还可以用于向用户提供科学的农作物灌溉指导建议。
请参阅图6,具体地,本实施例中,所述培育指导建议生成模块113包括培育指导建议生成单元1131和培育指导建议发送单元1132。
其中,所述培育指导建议生成单元1131用于根据所述生长状况信息,并结合所述农作物种类信息,生成培育指导建议并存储。
由于不同种类的农作物在生长状况相似时,对肥料需求有所不同,为了保保障生成的所述培育指导建议的可靠性,可选地,本实施例中,所述培育指导建议生成单元1131在基于所述生长状况信息的基础上,更结合了所述农作物种类信息,生成科学可靠的培育指导建议。
所述培育指导建议发送单元1132用于在接收到所述移动终端200发送的信息获取请求时,将所述培育指导建议发送至所述移动终端200。
需要说明的是,本实施例中,所述移动终端200发送的信息获取请求可以是实施信息获取请求,以获取所述农作物的当前生长状况信息和培育指导建议,也可以是历史信息获取请求,以获取所述农作物的历史生长状况信息和培育指导建议,从而得到所述农作物整个生长过程的生长状况信息和培育指导建议。
请再次参阅图5,为了进一步增强所述农作物生产检测装置110的可靠性,可选地,本实施例中,所述农作物生产检测装置110还包括摄像头位置调整模块116。
所述摄像头位置调整模块116用于根据所述农作物图像,判断所述图像采集器300的摄像头位置是否符合预设拍摄标准,若是,则使得所述生长状况分析模块112分析所述农作物图像,以得到所述农作物的生长状况信息,若否,则按照预设调整计划调整所述摄像头,并接收调整所述摄像头后所述图像采集器300获取的农作物图像,对调整后的所述摄像头位置是否符合预设拍摄标准进行判断,直到根据再次接收到的农作物图像,判断得出所述摄像头位置符合预设拍摄标准为止。
具体地,本实施例中,所述摄像头位置调整模块116可以根据接收到的农作物图像,判断所述农作物图像中农作物叶片的占比,当判断出所述农作物叶片的占比小于预设阈值时,则判定所述图像采集器300的摄像头位置不符合预设拍摄标准,并按照预设调整计划调整所述摄像头。
此外,本实施例中,所述图像采集器300除包括摄像头外,还包括通信电路、步进电机、控制电路和控制器,所述通信电路与所述控制器连接,所述步进电机通过所述控制电路与所述控制器连接,所述摄像头设置于所述步进电机。所述控制器用于通过所述通信电路,接收所述摄像头位置调整模块116发送的调整计划,控制所述控制电路,进一步控制所述步进电机以调整所述摄像头的位置。
请参阅图7,为本发明实施例提供的一种农作物生长状况检测方法的流程图,所述方法应用于图1和图2中所示的服务器100。所应说明的是,本发明提供的方法不以图7及以下所示的具体顺序为限制。下面将对图7所示的具体步骤进行详细描述。
步骤S100,接收所述图像采集器300获取的农作物图像。
本实施例中,步骤S100可以由图3所示的图像获取模块111执行。
步骤S500,分析所述农作物图像,以得到所述农作物的生长状况信息。
本实施例中,步骤S500可以由图3所示的生长状况分析模块112执行。
步骤S900,根据所述生长状况信息,生成培育指导建议,并发送至所述移动终端200。
本实施例中,步骤S900可以由图3所示的培育指导建议生成模块113执行。
请参阅图8,具体地,本实施例中,步骤S500可以包括步骤S510和步骤S520两个子步骤。
步骤S510,提取所述农作物图像的RGB值和纹理特征。
本实施例中,步骤S510可以由图4所示的生物特征提取单元1121执行。
步骤S520,分析所述RGB值和纹理特征,并结合所述农作物种类信息,根据预设的运算规则获得所述农作物的生长状况信息。
本实施例中,步骤S520可以由图4所示的生长状况信息获取单元1122执行。
此外,本实施例中,所述农作物图像中携带有图像采集器300的标识信息,所述服务器100中预存有所述标识信息与所述农作物种类信息的对应关系。请结合图9,本实施例中,所述农作物种类信息可以通过以下步骤获取。
步骤S200,提取所述农作物图像中携带的标识信息。
本实施例中,步骤S200可以由图5所示的标识信息提取模块114执行。
步骤S300,根据所述标识信息查找出与该标识信息对应的农作物种类信息。
本实施例中,步骤S300可以由图5所示的种类信息查找模块115执行。
请结合图10,本实施例中,具体地,所述步骤S900可以包括步骤S910和步骤S920两个子步骤。
步骤S910,根据所述生长状况信息,并结合所述农作物种类信息,生成培育指导建议并存储。
本实施例中,步骤S910可以由图6所示的培育指导建议生成单元1131执行。
步骤S920,在接收到所述移动终端200发送的信息获取请求时,将所述培育指导建议发送至所述移动终端200。
本实施例中,步骤S920可以由图6所示的培育指导建议发送单元1132执行。
可选地,本实施例中,步骤S500之前,所述方法还可以包括,根据所述农作物图像,判断所述图像采集器300的摄像头位置是否符合预设拍摄标准,若是,则执行步骤S500,若否,则按照预设调整计划调整所述摄像头,并接收调整所述摄像头后所述图像采集器300获取的农作物图像,对调整后的所述摄像头位置是否符合预设拍摄标准进行判断,直到根据再次接收到的农作物图像,判断得出所述摄像头位置符合预设拍摄标准为止。
本实施例中,上述过程可以由图5所示的摄像头位置调整模块116执行。
综上所述,本发明实施例提供的农作物生长状况检测方法及装置,通过接收所述图像采集器300获取的农作物图像,分析所述农作物图像,以得到所述农作物的生长状况信息,根据所述生长状况信息,生成培育指导建议,并发送至所述移动终端200,实现了农作物生长状况信息的远程实时监测,并且能够根据农作物的生长状况信息,给出培育指导建议,发送至移动终端200。相对于现有技术,投入成本较低,且检测过程简单,易于在农业生产中推广。
在本申请所提供的实施例中,应该理解到,所揭露的方法、装置和***,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本发明的实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种农作物生长状况检测方法,应用于服务器,所述服务器能够与移动终端和图像采集器通信,其特征在于,所述方法包括:
接收所述图像采集器获取的农作物图像;
分析所述农作物图像,以得到所述农作物的生长状况信息;
根据所述生长状况信息,生成培育指导建议,并发送至所述移动终端。
2.根据权利要求1所述的农作物生长状况检测方法,其特征在于,所述农作物图像中携带有图像采集器的标识信息,所述服务器中预存有所述标识信息与所述农作物种类信息的对应关系,所述方法还包括:
提取所述农作物图像中携带的标识信息;
根据所述标识信息查找出与该标识信息对应的农作物种类信息;
所述农作物的生长状况信息通过分析所述农作物图像,并结合所述农作物种类信息得到。
3.根据权利要求2所述的农作物生长状况检测方法,其特征在于,分析所述农作物图像,以得到所述农作物的生长状况信息的步骤,包括:
提取所述农作物图像的RGB值和纹理特征;
分析所述RGB值和纹理特征,并结合所述农作物种类信息,根据预设的运算规则获得所述农作物的生长状况信息。
4.根据权利要求2所述的农作物生长状况检测方法,其特征在于,根据所述生长状况信息,生成培育指导建议,并发送至所述移动终端的步骤,包括:
根据所述生长状况信息,并结合所述农作物种类信息,生成培育指导建议并存储;
在接收到所述移动终端发送的信息获取请求时,将所述培育指导建议发送至所述移动终端。
5.根据权利要求1所述的农作物生长状况检测方法,其特征在于,所述方法还包括:
根据所述农作物图像,判断所述图像采集器的摄像头位置是否符合预设拍摄标准;
若是,则执行分析所述农作物图像,以得到所述农作物的生长状况信息的步骤;
若否,则按照预设调整计划调整所述摄像头,并接收调整所述摄像头后所述图像采集器获取的农作物图像,对调整后的所述摄像头位置是否符合预设拍摄标准进行判断,直到根据再次接收到的农作物图像,判断得出所述摄像头位置符合预设拍摄标准为止。
6.一种农作物生长状况检测装置,应用于服务器,所述服务器能够与移动终端和图像采集器通信,其特征在于,所述装置包括:
图像获取模块,用于接收所述图像采集器获取的农作物图像;
生长状况分析模块,用于分析所述农作物图像,以得到所述农作物的生长状况信息;
培育指导建议生成模块,用于根据所述生长状况信息,生成培育指导建议,并发送至所述移动终端。
7.根据权利要求6所述的农作物生长状况检测装置,其特征在于,所述农作物图像中携带有图像采集器的标识信息,所述服务器中预存有所述标识信息与所述农作物种类信息的对应关系,所述装置还包括:
标识信息提取模块,用于提取所述农作物图像中携带的标识信息;
种类信息查找模块,用于根据所述标识信息查找出与该标识信息对应的农作物种类信息,使所述生长状况分析模块通过分析所述农作物图像,并结合所述农作物种类信息得到所述农作物的生长状况信息。
8.根据权利要求7所述的农作物生长状况检测装置,其特征在于,所述生长状况分析模块包括:
生物特征提取单元,用于提取所述农作物图像的RGB值和纹理特征;
生长状况信息获取单元,用于分析所述RGB值和纹理特征,并结合所述农作物种类信息,根据预设的运算规则获得所述农作物的生长状况信息。
9.根据权利要求7所述的农作物生长状况检测装置,其特征在于,所述培育指导建议生成模块包括:
培育指导建议生成单元,用于根据所述生长状况信息,并结合所述农作物种类信息,生成培育指导建议并存储;
培育指导建议发送单元,用于在接收到所述移动终端发送的信息获取请求时,将所述培育指导建议发送至所述移动终端。
10.根据权利要求6所述的农作物生长状况检测装置,其特征在于,所述装置还包括:
摄像头位置调整模块,用于根据所述农作物图像,判断所述图像采集器的摄像头位置是否符合预设拍摄标准,若是,则所述生长状况分析模块分析所述农作物图像,以得到所述农作物的生长状况信息,若否,则按照预设调整计划调整所述摄像头,并接收调整所述摄像头后所述图像采集器获取的农作物图像,对调整后的所述摄像头位置是否符合预设拍摄标准进行判断,直到根据再次接收到的农作物图像,判断得出所述摄像头位置符合预设拍摄标准为止。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710561400.3A CN107222682A (zh) | 2017-07-11 | 2017-07-11 | 农作物生长状况检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710561400.3A CN107222682A (zh) | 2017-07-11 | 2017-07-11 | 农作物生长状况检测方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107222682A true CN107222682A (zh) | 2017-09-29 |
Family
ID=59953004
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710561400.3A Pending CN107222682A (zh) | 2017-07-11 | 2017-07-11 | 农作物生长状况检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107222682A (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108133327A (zh) * | 2017-12-25 | 2018-06-08 | 东风农业装备(襄阳)有限公司 | 农机设备以及农业管理***及其方法 |
CN108901348A (zh) * | 2018-07-17 | 2018-11-30 | 中国铁建重工集团有限公司 | 一种采棉机控制方法、***、装置及可读存储介质 |
CN109376745A (zh) * | 2018-10-24 | 2019-02-22 | 中南民族大学 | 农事活动推送方法、装置、服务器及存储介质 |
WO2019109583A1 (zh) * | 2017-12-05 | 2019-06-13 | 深圳春沐源控股有限公司 | 病害防治方法及装置、电子设备和计算机可读存储介质 |
CN111479459A (zh) * | 2017-11-29 | 2020-07-31 | 株式会社OPTiM | 生长状况或病虫害发生状况的预测***、方法以及程序 |
JP2020180865A (ja) * | 2019-04-25 | 2020-11-05 | 株式会社パスコ | 農業支援装置及び農業支援プログラム |
CN112418073A (zh) * | 2020-11-19 | 2021-02-26 | 安徽农业大学 | 一种基于无人机图像融合特征的小麦植株氮含量估测方法 |
CN113139683A (zh) * | 2021-04-19 | 2021-07-20 | 浙江甲骨文超级码科技股份有限公司 | 基于区块链的农作物培育方法、装置和电子装置 |
CN113850132A (zh) * | 2021-08-23 | 2021-12-28 | 湖北工程学院 | 农作物识别方法、装置、设备及存储介质 |
CN115511194A (zh) * | 2021-06-29 | 2022-12-23 | 布瑞克农业大数据科技集团有限公司 | 一种农业数据处理方法、***、装置及介质 |
CN117152609A (zh) * | 2023-08-28 | 2023-12-01 | 广西数科院科技有限公司 | 一种农作物外形特征检测*** |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101718522A (zh) * | 2009-12-25 | 2010-06-02 | 华南农业大学 | 一种植物生长的非接触式无损检测装置及其检测方法 |
CN104318108A (zh) * | 2014-10-28 | 2015-01-28 | 刘芳 | 一种植物培育方法与装置 |
CN106465635A (zh) * | 2016-09-05 | 2017-03-01 | 深圳市双赢伟业科技股份有限公司 | 基于土壤的农业互联生产方法 |
CN106649442A (zh) * | 2016-09-13 | 2017-05-10 | 上海斐讯数据通信技术有限公司 | 一种植物生长查询***以及植物生长查询方法 |
CN106657017A (zh) * | 2016-11-23 | 2017-05-10 | 北海高创电子信息孵化器有限公司 | 一种农业种植培训信息交互*** |
CN106774070A (zh) * | 2016-12-27 | 2017-05-31 | 蔡艾铿 | 一种植物生长监控方法、装置和*** |
-
2017
- 2017-07-11 CN CN201710561400.3A patent/CN107222682A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101718522A (zh) * | 2009-12-25 | 2010-06-02 | 华南农业大学 | 一种植物生长的非接触式无损检测装置及其检测方法 |
CN104318108A (zh) * | 2014-10-28 | 2015-01-28 | 刘芳 | 一种植物培育方法与装置 |
CN106465635A (zh) * | 2016-09-05 | 2017-03-01 | 深圳市双赢伟业科技股份有限公司 | 基于土壤的农业互联生产方法 |
CN106649442A (zh) * | 2016-09-13 | 2017-05-10 | 上海斐讯数据通信技术有限公司 | 一种植物生长查询***以及植物生长查询方法 |
CN106657017A (zh) * | 2016-11-23 | 2017-05-10 | 北海高创电子信息孵化器有限公司 | 一种农业种植培训信息交互*** |
CN106774070A (zh) * | 2016-12-27 | 2017-05-31 | 蔡艾铿 | 一种植物生长监控方法、装置和*** |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111479459A (zh) * | 2017-11-29 | 2020-07-31 | 株式会社OPTiM | 生长状况或病虫害发生状况的预测***、方法以及程序 |
WO2019109583A1 (zh) * | 2017-12-05 | 2019-06-13 | 深圳春沐源控股有限公司 | 病害防治方法及装置、电子设备和计算机可读存储介质 |
CN108133327A (zh) * | 2017-12-25 | 2018-06-08 | 东风农业装备(襄阳)有限公司 | 农机设备以及农业管理***及其方法 |
CN108901348A (zh) * | 2018-07-17 | 2018-11-30 | 中国铁建重工集团有限公司 | 一种采棉机控制方法、***、装置及可读存储介质 |
CN109376745A (zh) * | 2018-10-24 | 2019-02-22 | 中南民族大学 | 农事活动推送方法、装置、服务器及存储介质 |
JP7211888B2 (ja) | 2019-04-25 | 2023-01-24 | 株式会社パスコ | 農業支援装置及び農業支援プログラム |
JP2020180865A (ja) * | 2019-04-25 | 2020-11-05 | 株式会社パスコ | 農業支援装置及び農業支援プログラム |
CN112418073A (zh) * | 2020-11-19 | 2021-02-26 | 安徽农业大学 | 一种基于无人机图像融合特征的小麦植株氮含量估测方法 |
CN112418073B (zh) * | 2020-11-19 | 2023-10-03 | 安徽农业大学 | 一种基于无人机图像融合特征的小麦植株氮含量估测方法 |
CN113139683A (zh) * | 2021-04-19 | 2021-07-20 | 浙江甲骨文超级码科技股份有限公司 | 基于区块链的农作物培育方法、装置和电子装置 |
CN115511194A (zh) * | 2021-06-29 | 2022-12-23 | 布瑞克农业大数据科技集团有限公司 | 一种农业数据处理方法、***、装置及介质 |
CN115511194B (zh) * | 2021-06-29 | 2024-07-09 | 布瑞克农业大数据科技集团有限公司 | 一种农业数据处理方法、***、装置及介质 |
CN113850132A (zh) * | 2021-08-23 | 2021-12-28 | 湖北工程学院 | 农作物识别方法、装置、设备及存储介质 |
CN117152609A (zh) * | 2023-08-28 | 2023-12-01 | 广西数科院科技有限公司 | 一种农作物外形特征检测*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107222682A (zh) | 农作物生长状况检测方法及装置 | |
CN111582055B (zh) | 一种无人机的航空施药航线生成方法及*** | |
KR101832724B1 (ko) | 영상이미지를 통한 농작물 생육 진단 시스템 및 방법 | |
CN106954385B (zh) | 植物信息取得***、植物信息取得装置和植物信息取得方法 | |
US20200349477A1 (en) | Closed Loop Integrated Pest Management | |
CN110210434A (zh) | 病虫害识别方法及装置 | |
CN109344738A (zh) | 农作物病虫草害识别方法及装置 | |
CN111767802A (zh) | 一种对象异常状态的检测方法和装置 | |
CN111479459A (zh) | 生长状况或病虫害发生状况的预测***、方法以及程序 | |
CN107908689A (zh) | 一种烟叶生长环境数据采集装置及其方法 | |
CN109843034A (zh) | 用于麦田的产量预测 | |
CN111985724B (zh) | 一种农作物产量预估的方法、装置、设备及存储介质 | |
CN113049509B (zh) | 一种基于光谱技术的农产品检测管理*** | |
CN113948220A (zh) | 一种具有预分析能力的炭疽病病原菌侵染阶段检测方法 | |
KR20210126953A (ko) | 영상데이터를 활용한 비 접촉 돼지 체중/체형 측정기 및 방법 | |
CN107609600A (zh) | 一种温室粘虫板害虫自动识别分类方法及*** | |
Fu et al. | Kiwifruit yield estimation using image processing by an Android mobile phone | |
CN108846360A (zh) | 草原盐渍化的遥感识别方法、装置及计算机可读储存介质 | |
CN109871762A (zh) | 一种人脸识别模型的评价方法和装置 | |
CN109960972A (zh) | 一种基于中高分辨率时序遥感数据的农林作物识别方法 | |
CN117372173A (zh) | 基于图像识别的农险处理方法、装置、设备及存储介质 | |
WO2020174095A1 (en) | Automated mobile field scouting sensor data and image classification devices | |
US20240020971A1 (en) | System and method for identifying weeds | |
CN109916658A (zh) | 远程土样采集方法 | |
CN115150430A (zh) | 一种基于物联网的自动售卖机运营数据采集*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | 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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170929 |