CN110458032B - 荔枝生长状况全程监控方法、***、云服务器及存储介质 - Google Patents
荔枝生长状况全程监控方法、***、云服务器及存储介质 Download PDFInfo
- Publication number
- CN110458032B CN110458032B CN201910644269.6A CN201910644269A CN110458032B CN 110458032 B CN110458032 B CN 110458032B CN 201910644269 A CN201910644269 A CN 201910644269A CN 110458032 B CN110458032 B CN 110458032B
- Authority
- CN
- China
- Prior art keywords
- litchi
- cloud server
- plantation
- virtual
- growth
- 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.)
- Active
Links
- 241001629511 Litchi Species 0.000 title claims abstract description 227
- 238000000034 method Methods 0.000 title claims abstract description 67
- 238000012544 monitoring process Methods 0.000 title claims abstract description 40
- 238000003860 storage Methods 0.000 title claims abstract description 14
- 230000007613 environmental effect Effects 0.000 claims abstract description 36
- 235000013399 edible fruits Nutrition 0.000 claims abstract description 20
- 238000001514 detection method Methods 0.000 claims abstract description 14
- 230000006855 networking Effects 0.000 claims abstract description 10
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 claims description 17
- 238000005286 illumination Methods 0.000 claims description 17
- 239000002689 soil Substances 0.000 claims description 17
- 230000017260 vegetative to reproductive phase transition of meristem Effects 0.000 claims description 17
- 230000010152 pollination Effects 0.000 claims description 16
- 238000012549 training Methods 0.000 claims description 14
- 238000004891 communication Methods 0.000 claims description 12
- 238000012795 verification Methods 0.000 claims description 12
- QVFWZNCVPCJQOP-UHFFFAOYSA-N chloralodol Chemical compound CC(O)(C)CC(C)OC(O)C(Cl)(Cl)Cl QVFWZNCVPCJQOP-UHFFFAOYSA-N 0.000 claims description 11
- 229910002092 carbon dioxide Inorganic materials 0.000 claims description 8
- 239000001569 carbon dioxide Substances 0.000 claims description 8
- 239000003630 growth substance Substances 0.000 claims description 8
- 230000018109 developmental process Effects 0.000 claims description 7
- 239000007921 spray Substances 0.000 claims description 7
- 241000257303 Hymenoptera Species 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 230000006870 function Effects 0.000 abstract description 7
- 238000005516 engineering process Methods 0.000 abstract description 5
- 238000012545 processing Methods 0.000 abstract description 3
- 238000013135 deep learning Methods 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 8
- 239000002420 orchard Substances 0.000 description 6
- 238000004590 computer program Methods 0.000 description 5
- 238000012806 monitoring device Methods 0.000 description 5
- 238000013480 data collection Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 230000004720 fertilization Effects 0.000 description 3
- 230000007198 pollen germination Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 230000009418 agronomic effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000035558 fertility Effects 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- 238000003306 harvesting Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005507 spraying Methods 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
- A01G17/00—Cultivation of hops, vines, fruit trees, or like trees
- A01G17/005—Cultivation methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering 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
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0641—Shopping interfaces
- G06Q30/0643—Graphical representation of items or shoppers
-
- 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
- G06T19/00—Manipulating 3D models or images for computer graphics
- G06T19/003—Navigation within 3D models or images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/68—Food, e.g. fruit or vegetables
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Economics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Multimedia (AREA)
- Artificial Intelligence (AREA)
- Computer Graphics (AREA)
- Primary Health Care (AREA)
- Mining & Mineral Resources (AREA)
- Animal Husbandry (AREA)
- Health & Medical Sciences (AREA)
- Agronomy & Crop Science (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Environmental Sciences (AREA)
- Marine Sciences & Fisheries (AREA)
- Botany (AREA)
- Tourism & Hospitality (AREA)
- Computer Hardware Design (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Development Economics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种荔枝生长状况全程监控方法、***、云服务器及存储介质，所述***基于物联网，包括环境数据采集装置、联网摄像头、路由器和云服务器，环境数据采集装置和联网摄像头分别与路由器连接，路由器与云服务器连接；云服务器可以获取荔枝图像及环境数据信息，利用基于深度学***台和电商平台，可以查看荔枝相关信息，并且电商平台集成了虚拟漫游模块，通过虚拟现实技术虚拟化荔枝种植基地，使电商平台具备荔枝种植园虚拟展示和虚拟漫游功能。
Description
技术领域
本发明涉及一种荔枝生长状况全程监控方法、***、云服务器及存储介质，属于物联网、图像处理、虚拟现实等技术领域。
背景技术
农业果实远程监测是实时探测农业果园中果树作物的生长环境信息，对果树作物长势进行动态检测。据研究表明，荔枝在花期授粉受精的情况直接影响荔枝的坐果率，而荔枝授粉受精的对环境条件极为敏感，在温度低于17℃或高于27℃时花粉萌发就受到抑制，而降雨量较高则影响受精。因此花期温度偏低时，就需要采取人工调控，通过喷洒生长调节剂促进荔枝花粉萌发；长期低温阴雨时，则需要采取人工授粉。然而当前在实际的果园生产管理中，存在环境信息获取不及时、管理措施不当、不能适时采收等情况。将物联网、传感器、图像处理等技术应用于农业，对农业环境下的作物生长信息进行采集和远程处理分析，并结合农艺要求提示管理者进行正确管理，将有利于作物的良性生长。
随着农产品不断丰富和人们生活水平的提高，消费者对订购产品的要求越来越高，不仅对订购的最终产品有较高的品质要求，而且对所订购产品的种植管理过程也希望有一定的了解。当前电商平台提供给消费者更多是浏览商品、订购商品和支付的功能，难以满足消费者对果园及果实种植过程的了解。
发明内容
有鉴于此，本发明提供了一种荔枝生长状况全程监控方法、装置、***、云服务器及存储介质，其可以实现对荔枝生长状况的全程监控，将多源信息融合处理并与农艺要求结合，提供管理策略和采摘策略，同时使用户可以查看荔枝相关信息、虚拟观光的功能。
本发明的第一个目的在于提供一种荔枝生长状况全程监控方法。
本发明的第二个目的在于提供一种荔枝生长状况全程监控装置。
本发明的第三个目的在于提供一种荔枝生长状况全程监控***。
本发明的第四个目的在于提供一种云服务器。
本发明的第五个目的在于提供一种存储介质。
本发明的第一个目的可以通过采取如下技术方案达到：
一种荔枝生长状况全程监控方法，应用于云服务器，所述方法包括：
获取实时荔枝图像；
根据实时荔枝图像，检测荔枝所处的生长时期；
当检测到荔枝花期来临时，提示荔枝种植园管理者人工放蜂以促进传粉；
在花期内，若空气温度小于第一预设值的时间超过设定时间，且超过设定时间后日均空气湿度大于第二预设值，则提示荔枝种植园管理者喷洒生长调节剂和进行人工授粉；
当检测到荔枝结果后，检测荔枝的成熟程度。
进一步的，所述检测荔枝的成熟程度，具体包括：
利用训练好的荔枝识别模型识别实时荔枝图像中的荔枝；
以识别到的每个目标中心为聚类对象，按密度进行聚类，将聚为一类的目标视为一串荔枝；
将一串荔枝中的每个荔枝区域转换至HSV颜色空间，并计算H通道分量；
根据H通道分量，计算整串目标区域红色占比；
根据整串目标区域红色占比，估计整串荔枝的成熟程度。
进一步的，所述目标区域红色占比的计算公式如下：
其中，PR为目标区域红色占比，i为H分量值，Hi为i的像素点个数，n为荔枝个数，s为区域内像素点总个数。
进一步的，所述获取实时荔枝图像之前，还包括：
获取荔枝各个生长时期、各种光照下的图像；
根据荔枝各个生长时期、各种光照下的图像，构建训练集和验证集；
将训练集输入目标检测网络进行训练，得到荔枝识别模型；
将验证集输入荔枝识别模型进行验证，以调整荔枝识别模型的参数。
本发明的第二个目的可以通过采取如下技术方案达到：
一种荔枝生长状况全程监控装置，应用于云服务器，所述装置包括：
获取模块，用于获取实时荔枝图像；
第一检测模块，用于根据实时荔枝图像，检测荔枝所处的生长时期；
第一提示模块，用于当检测到荔枝花期来临时，提示荔枝种植园管理者人工放蜂以促进传粉；
第二提示模块，用于在花期内，若空气温度小于第一预设值的时间超过设定时间，且超过设定时间后日均空气湿度大于第二预设值，则提示荔枝种植园管理者喷洒生长调节剂和进行人工授粉；
第二检测模块，用于当检测到荔枝结果后，检测荔枝的成熟程度。
本发明的第三个目的可以通过采取如下技术方案达到：
一种荔枝生长状况全程监控***，所述***包括环境数据采集装置、联网摄像头、路由器和云服务器，所述环境数据采集装置和联网摄像头分别与路由器连接，所述路由器与云服务器连接；
所述云服务器，用于执行上述的荔枝生长状况全程监控方法。
进一步的，所述环境数据采集装置包括处理器芯片、LoRa通信模块、空气温湿度传感器、土壤水分传感器、土壤酸碱度传感器、二氧化碳浓度传感器和光照强度传感器，所述空气温湿度传感器、土壤水分传感器、土壤酸碱度传感器、二氧化碳浓度传感器和光照强度传感器分别通过控制电路与处理器芯片连接，所述处理器芯片通过LoRa通信模块与路由器连接。
进一步的，所述云服务器中部署有物联网管理平台，所述物联网管理平台以网站的形式为用户提供管理建议、荔枝图像、花后天数、环境数据、荔枝果实数、荔枝串数、成熟程度信息。
进一步的，所述云服务器中部署有电商平台，所述电商平台以网站的形式为用户提供商品信息，且电商平台集成有虚拟漫游模块；
所述虚拟漫游模块的建立过程包括：通过建模软件对荔枝种植园内的实物进行建模，将建好的模型导入虚拟现实开发软件中；根据实际荔枝种植园的环境，使用虚拟现实开发软件建立虚拟荔枝种植园的三维场景；在建立的虚拟荔枝种植园中添加人物模型，并在人物模型中嵌套摄像头；添加控制脚本，以使用户操纵人物模型在虚拟荔枝种植园中实现虚拟观光。
本发明的第四个目的可以通过采取如下技术方案达到：
一种云服务器，包括处理器以及用于存储处理器可执行程序的存储器，所述处理器执行存储器存储的程序时，实现上述的荔枝生长状况全程监控方法。
本发明的第五个目的可以通过采取如下技术方案达到：
一种存储介质，存储有程序，其特征在于，所述程序被处理器执行时，实现上述的荔枝生长状况全程监控方法。
本发明相对于现有技术具有如下的有益效果：
1、本发明基于物联网，可以实现对荔枝生长状况的全程监控，将检测结果与农艺要求结合，为荔枝种植园管理者提供管理策略；在监控过程中，将花后天数、环境数据、荔枝果实数、荔枝串数、成熟程度等信息进行存储，构建基于时间尺度的关系型数据库，并使用回归方法建立荔枝生长环境因素与成熟速率之间的关系模型，以分析荔枝生长环境因素与成熟速率之间的规律，为荔枝种植园管理者提供采摘策略。
2、本发明在云服务器中部署了电商平台，可以使荔枝作为商品与用户进行交易，用户通过访问电商平台的网页，可以查看荔枝价格、荔枝图像、花后天数、环境数据、荔枝果实数、荔枝串数、成熟程度等信息；并且电商平台集成了虚拟漫游模块，通过虚拟现实技术虚拟化荔枝种植基地，使电商平台具备荔枝种植园虚拟展示和虚拟漫游功能，让用户足不出户，通过互联网浏览荔枝种植园种植环境，获得虚拟农业观光体验，为用户提供了更全面的信息。
3、本发明在云服务器中部署了物联网管理平台，用户通过访问物联网平台的网页，可以查看管理建议、荔枝图像、花后天数、环境数据、荔枝果实数、荔枝串数、成熟程度等信息。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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示出的结构获得其他的附图。
图1为本发明实施例1的荔枝生长状况全程监控***的结构框图。
图2为本发明实施例1的环境数据采集装置、联网摄像头、路由器和云服务器的关系示意图。
图3为本发明实施例1的环境数据采集装置的结构框图。
图4为本发明实施例1的云服务器的结构框图。
图5为本发明实施例1的荔枝生长状况全程监控方法的流程图。
图6为本发明实施例1的检测荔枝的成熟程度的流程图。
图7为本发明实施例1的检测荔枝的成熟程度的示意图。
图8为本发明实施例1的建立荔枝识别模型的流程图。
图9为本发明实施例1的建立虚拟漫游模块的流程图。
图10为本发明实施例1的采用虚拟漫游模块操纵人物模型在虚拟荔枝种植园中实现虚拟观光的示意图。
图11为本发明实施例2的荔枝生长状况全程监控装置的结构框图。
图12为本发明实施例2的第二检测模块的结构框图。
图13为本发明实施例2的第二获取模块、构建模块、训练模块和调整模块的关系图。
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的一部分实施例，而不是全部的实施例，基于本发明中的实施例，本领域普通技术人员在没有做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。
实施例1：
如图1和图2所示，本实施例提供了一种荔枝生长状况全程监控***，该***基于物联网，包括环境数据采集装置101、联网摄像头102、路由器103和云服务器104，环境数据采集装置101和联网摄像头102分别与路由器103连接，路由器103与云服务器104连接。
为了将环境数据采集装置101采集的数据通过无线的方式传输给路由器103，并保证通信效果，选用穿透力强、通信距离远的LoRa无线技术；本实施例的环境数据采集装置101布置在荔枝种植园中，且环境数据采集装置101和路由器103带有LoRa通信模块，环境数据采集装置101通过LoRa通信模块按设定时间将数据传输给路由器103。
如图3所示，环境数据采集装置101包括处理器芯片1011、LoRa通信模块1012、空气温湿度传感器1013、土壤水分传感器1014、土壤酸碱度(PH)传感器1015、二氧化碳(CO2)浓度传感器1016和光照强度传感器1017，空气温湿度传感器1013、土壤水分传感器1014、土壤酸碱度传感器1015、二氧化碳浓度传感器1016和光照强度传感器1017分别通过控制电路与处理器芯片1012连接，处理器芯片1012通过LoRa通信模块1012与路由器103连接。
具体地，空气温湿度传感器1012用于采集空气的温度和湿度数据，土壤水分传感器1013用于采集土壤中的含水率，土壤酸碱度传感器1014用于采集土壤的酸碱度值，根据酸碱度值可以获取土壤肥力的状况，二氧化碳浓度传感器1015用于采集空气中的二氧化碳浓度数据，光照强度传感器1016用于采集光照强度值，处理器芯片1012收集这些数据，并通过LoRa通信模块1012按设定时间将这些数据发送给路由器。
为了将联网摄像头102采集的荔枝图像数据通过无线的方式传输给路由器103，本实施例的联网摄像头布置在荔枝种植园中，其分辨率为2560×1440，能够接入路由器103提供的WiFi网络传输荔枝图像数据。
本实施例的路由器103采用4G路由器，图2示出了数据采集和传输的过程，其中环境数据采集装置101和联网摄像头102分别通过LoRa通信模块和WiFi连接至路由器103，路由器103再通过4G网络将数据传输给云服务器104。
如图4所示，所述云服务器104包括通过***总线1041连接的处理器1042、第一存储器和网络接口1043；其中，处理器1042用于提供计算和控制能力，存储器包括非易失性存储介质1044和内存储器1045，该非易失性存储介质1044存储有操作***、计算机程序和数据库，该内存储器1045为非易失性存储介质中的操作***和计算机程序的运行提供环境，将采集的空气温度、空气湿度、土壤含水率、土壤酸碱度值、二氧化碳浓度值、光照强度值、荔枝图像等数据存储在数据库中，计算机程序被处理器1042执行时，执行荔枝生长状况全程监控方法。
如图5所示，本实施例的荔枝生长状况全程监控方法，包括以下步骤：
S501、获取实时荔枝图像。
具体地，联网摄像头102采集的实时荔枝图像存储在云服务器104的数据库中，从数据库中通过查找可以获取实时荔枝图像。
S502、根据实时荔枝图像，检测荔枝所处的生长时期。
S503、当检测到荔枝花期来临时，提示荔枝种植园管理者人工放蜂以促进传粉。
S504、在花期内，若符合以下两种情况，则提示荔枝种植园管理者喷洒生长调节剂和进行人工授粉：
1)空气温度小于第一预设值的时间超过设定时间。
2)超过设定时间后日均空气湿度大于第二预设值。
空气温度数据和空气湿度数据存储在云服务器104的数据库中，从数据库中通过查找可以获取空气温度数据和空气湿度数据，本实施例的设定时间为三日，第一预设值为17℃，第二预设值为85％，若空气温度低于17℃的时间超过三日，且超过三日后日均空气湿度大于85％，则提示荔枝种植园管理者喷洒生长调节剂和进行人工授粉。
在步骤S503和S504中，可以通过短信、微信等方式发送给荔枝种植园管理者(通常称为果农)的手机、平板电脑等移动终端，以提示荔枝种植园管理者进行相应的操作，将检测结果与农艺要求结合，为荔枝种植园管理者提供管理策略。
在步骤S504之后，还可包括：当检测到谢花后，记录花后天数，以便用户日后进行查看。
S505、当检测到荔枝结果后，检测荔枝的成熟程度。
如图6和图7所示，检测荔枝的成熟程度，具体包括：
S5051、利用训练好的荔枝识别模型识别实时荔枝图像中的荔枝。
S5052、以识别到的每个目标中心为聚类对象，按密度进行聚类，将聚为一类的目标视为一串荔枝；本实施例的按密度进行聚类使用DBSCAN方法进行聚类。
S5053、将一串荔枝中的每个荔枝区域转换至HSV颜色空间，并计算H通道分量。
S5054、根据H通道分量，计算整串目标区域红色占比。
假设i为H分量值，Hi为i的像素点个数，n为荔枝个数，s为区域内像素点总个数，则目标区域红色占比PR的公式如下：
S5055、根据整串目标区域红色占比，估计整串荔枝的成熟程度。
以糯米糍荔枝成熟过程的颜色变化特征为例，计算得到的目标区域红色占比PR在25％以下估计判断为七成熟，25～50％估计判断为八成熟，50％～80％估计判断为九成熟，80％以上估计判断为完全成熟。
为了得到训练好的荔枝识别模型，如图8所示，本实施例的荔枝生长状况全程监控方法在步骤S501之前，还包括：
S801、获取荔枝各个生长时期、各种光照下的图像。
荔枝各个生长时期、各种光照下的图像可以预先通过联网摄像头采集，将这些图像数据存储在云服务器104的数据库中，从数据库中通过查找可以获取这些图像数据。
S802、根据荔枝各个生长时期、各种光照下的图像，构建训练集和验证集。
S803、将训练集输入目标检测网络进行训练，得到荔枝识别模型；本实施例的目标检测网络为YoloV3目标检测网络。
S804、将验证集输入荔枝识别模型进行验证，以调整荔枝识别模型的参数。
应当注意，尽管在附图中以特定顺序描述了上述的方法操作，但是这并非要求或者暗示必须按照该特定顺序来执行这些操作，或是必须执行全部所示的操作才能实现期望的结果。相反，描绘的步骤可以改变执行顺序。附加地或备选地，可以省略某些步骤，将多个步骤合并为一个步骤执行，和/或将一个步骤分解为多个步骤执行。
本实施例将上述的花后天数、环境数据、荔枝果实数、荔枝串数、成熟程度等信息进行存储，构建基于时间尺度的关系型数据库，并使用回归方法建立荔枝生长环境因素与成熟速率之间的关系模型，以分析荔枝生长环境因素与成熟速率之间的规律，为荔枝种植园管理者提供采摘策略。
为了方便用户访问，本实施例的荔枝生长状况全程监控***在云服务器104中还部署有物联网管理平台105，物联网管理平台105以网站的形式为用户提供管理建议、荔枝图像、花后天数、环境数据、荔枝果实数、荔枝串数、成熟程度等信息，即用户通过访问物联网平台105的网页，可以查看管理建议、荔枝图像、花后天数、环境数据、荔枝果实数、荔枝串数、成熟程度等信息。
为了使荔枝作为商品与用户进行交易，本实施例的荔枝生长状况全程监控***在云服务器中还部署有电商平台106，该电商平台106以网站的形式为用户提供商品信息，商品信息包括荔枝价格、荔枝图像、花后天数、环境数据、荔枝果实数、荔枝串数、成熟程度等信息，用户通过访问电商平台106的网页，可以查看这些商品信息，该电商平台106集成有虚拟漫游模块，用户可以登录电商平台106加载使用该虚拟漫游模块。
虚拟漫游模块1061的建立如图9所示，包括以下步骤：
S901、通过建模软件对荔枝树、果实、围栏等荔枝种植园内的实物进行建模，将建好的模型导入虚拟现实开发软件中；本实施例的建模软件采用3DS MAX，虚拟现实开发软件采用unity3D。
S902、根据实际荔枝种植园的环境，使用虚拟现实开发软件建立虚拟荔枝种植园的三维场景。
S903、在建立的虚拟荔枝种植园中添加人物模型，并在人物模型中嵌套摄像头。
S904、添加控制脚本，以使用户操纵人物模型在虚拟荔枝种植园中实现虚拟观光，如图10所示。
实施例2：
如图11所示，本实施例提供了一种荔枝生长状况全程监控装置，该装置应用于云服务器，包括第一获取模块1101、第一检测模块1102、第一提示模块1103、第二提示模块1104和第二检测模块1105，各个模块的具体功能如下：
所述第一获取模块1101，用于获取实时荔枝图像。
所述第一检测模块1102，用于根据实时荔枝图像，检测荔枝所处的生长时期。
所述第一提示模块1103，用于当检测到荔枝花期来临时，提示荔枝种植园管理者人工放蜂以促进传粉。
所述第二提示模块1104，用于在花期内，若空气温度小于第一预设值的时间超过设定时间，且超过设定时间后日均空气湿度大于第二预设值，则提示荔枝种植园管理者喷洒生长调节剂和进行人工授粉。
所述第二检测模块1105，用于当检测到荔枝结果后，检测荔枝的成熟程度。
进一步地，如图12所示，第二检测模块1105具体包括：
识别单元11051，用于利用训练好的荔枝识别模型识别实时荔枝图像中的荔枝。
聚类单元11052，用于以识别到的每个目标中心为聚类对象，按密度进行聚类，将聚为一类的目标视为一串荔枝。
第一计算单元11053，用于将一串荔枝中的每个荔枝区域转换至HSV颜色空间，并计算H通道分量。
第二计算单元11054，用于根据H通道分量，计算整串目标区域红色占比。
估计单元11055，用于根据整串目标区域红色占比，估计整串荔枝的成熟程度。
进一步地，如图13所示，所述第一获取模块1101之前，还包括：
第二获取模块1301，用于获取荔枝各个生长时期、各种光照下的图像。
构建模块1302，用于根据荔枝各个生长时期、各种光照下的图像，构建训练集和验证集。
训练模块1303，用于将训练集输入目标检测网络进行训练，得到荔枝识别模型。
调整模块1304，用于将验证集输入荔枝识别模型进行验证，以调整荔枝识别模型的参数。
本实施例中各个模块的具体实现可以参见上述实施例1，在此不再一一赘述。需要说明的是，本实施例提供的装置仅以上述各功能模块的划分进行举例说明，在实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。
可以理解，本实施例的装置中所使用的术语“第一”、“第二”等可用于描述各种单元，但这些单元不受这些术语限制。这些术语仅用于将第一个模块与另一个模块区分。举例来说，在不脱离本发明的范围的情况下，可以将第一提示模块称为第二提示模块，且类似地，可将第二提示模块称为第一提示模块，第一提示模块和第二提示模块两者都是提示模块，但其不是同一提示模块。
实施例3：
本实施例提供了一种存储介质，该存储介质为计算机可读存储介质，其存储有计算机程序，所述程序被处理器执行时，处理器执行存储器存储的计算机程序时，实现上述实施例1的荔枝生长状况全程监控方法，如下：
获取实时荔枝图像；
根据实时荔枝图像，检测荔枝所处的生长时期；
当检测到荔枝花期来临时，提示荔枝种植园管理者人工放蜂以促进传粉；
在花期内，若空气温度小于第一预设值的时间超过设定时间，且超过设定时间后日均空气湿度大于第二预设值，则提示荔枝种植园管理者喷洒生长调节剂和进行人工授粉；
当检测到荔枝结果后，检测荔枝的成熟程度。
本实施例中的存储介质可以是磁盘、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、U盘、移动硬盘等介质。
综上所述，本发明基于物联网，可以实现对荔枝生长状况的全程监控，将检测结果与农艺要求结合，为荔枝种植园管理者提供管理策略；在监控过程中，将花后天数、环境数据、荔枝果实数、荔枝串数、成熟程度等信息进行存储，构建基于时间尺度的关系型数据库，并使用回归方法建立荔枝生长环境因素与成熟速率之间的关系模型，以分析荔枝生长环境因素与成熟速率之间的规律，为荔枝种植园管理者提供采摘策略。
以上所述，仅为本发明专利较佳的实施例，但本发明专利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专利所公开的范围内，根据本发明专利的技术方案及其发明构思加以等同替换或改变，都属于本发明专利的保护范围。
Claims (8)
1.一种荔枝生长状况全程监控方法，应用于云服务器，其特征在于，所述方法包括：
获取实时荔枝图像；
根据实时荔枝图像，检测荔枝所处的生长时期；
当检测到荔枝花期来临时，提示荔枝种植园管理者人工放蜂以促进传粉；
在花期内，若空气温度小于第一预设值的时间超过设定时间，且超过设定时间后日均空气湿度大于第二预设值，则提示荔枝种植园管理者喷洒生长调节剂和进行人工授粉；
当检测到荔枝结果后，检测荔枝的成熟程度；
所述检测荔枝的成熟程度，具体包括：
利用训练好的荔枝识别模型识别实时荔枝图像中的荔枝；
以识别到的每个目标中心为聚类对象，按密度进行聚类，将聚为一类的目标视为一串荔枝；
将一串荔枝中的每个荔枝区域转换至HSV颜色空间，并计算H通道分量；
根据H通道分量，计算整串目标区域红色占比；
根据整串目标区域红色占比，估计整串荔枝的成熟程度；
所述目标区域红色占比的计算公式如下：
其中，
为目标区域红色占比，i为H分量值，Hi为i的像素点个数，n为荔枝个数，s为区域内像素点总个数。
2.根据权利要求1所述的荔枝生长状况全程监控方法，其特征在于，所述获取实时荔枝图像之前，还包括：
获取荔枝各个生长时期、各种光照下的图像；
根据荔枝各个生长时期、各种光照下的图像，构建训练集和验证集；
将训练集输入目标检测网络进行训练，得到荔枝识别模型；
将验证集输入荔枝识别模型进行验证，以调整荔枝识别模型的参数。
3.一种荔枝生长状况全程监控***，其特征在于，所述***包括环境数据采集装置、联网摄像头、路由器和云服务器，所述环境数据采集装置和联网摄像头分别与路由器连接，所述路由器与云服务器连接；
所述云服务器，用于执行权利要求1-2任一项所述的荔枝生长状况全程监控方法。
4.根据权利要求3所述的荔枝生长状况全程监控***，其特征在于，所述环境数据采集装置包括处理器芯片、LoRa通信模块、空气温湿度传感器、土壤水分传感器、土壤酸碱度传感器、二氧化碳浓度传感器和光照强度传感器，所述空气温湿度传感器、土壤水分传感器、土壤酸碱度传感器、二氧化碳浓度传感器和光照强度传感器通过控制电路分别与处理器芯片连接，所述处理器芯片通过LoRa通信模块与路由器连接。
5.根据权利要求3-4任一项所述的荔枝生长状况全程监控***，其特征在于，所述云服务器中部署有物联网管理平台，所述物联网管理平台以网站的形式为用户提供管理建议、荔枝图像、花后天数、环境数据、荔枝果实数、荔枝串数、成熟程度信息。
6.根据权利要求3-4任一项所述的荔枝生长状况全程监控***，其特征在于，所述云服务器中部署有电商平台，所述电商平台以网站的形式为用户提供商品信息，且电商平台集成有虚拟漫游模块；
所述虚拟漫游模块的建立过程包括：通过建模软件对荔枝种植园内的实物进行建模，将建好的模型导入虚拟现实开发软件中；根据实际荔枝种植园的环境，使用虚拟现实开发软件建立虚拟荔枝种植园的三维场景；在建立的虚拟荔枝种植园中添加人物模型，并在人物模型中嵌套摄像头；添加控制脚本，以使用户操纵人物模型在虚拟荔枝种植园中实现虚拟观光。
7.一种云服务器，包括处理器以及用于存储处理器可执行程序的存储器，其特征在于，所述处理器执行存储器存储的程序时，实现权利要求1-2任一项所述的荔枝生长状况全程监控方法。
8.一种存储介质，存储有程序，其特征在于，所述程序被处理器执行时，实现权利要求1-2任一项所述的荔枝生长状况全程监控方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910644269.6A CN110458032B (zh) | 2019-07-17 | 2019-07-17 | 荔枝生长状况全程监控方法、***、云服务器及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910644269.6A CN110458032B (zh) | 2019-07-17 | 2019-07-17 | 荔枝生长状况全程监控方法、***、云服务器及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110458032A CN110458032A (zh) | 2019-11-15 |
| CN110458032B true CN110458032B (zh) | 2022-06-14 |
Family
ID=68481313
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910644269.6A Active CN110458032B (zh) | 2019-07-17 | 2019-07-17 | 荔枝生长状况全程监控方法、***、云服务器及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110458032B (zh) |
Families Citing this family (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111160250A (zh) * | 2019-12-30 | 2020-05-15 | 安徽易刚信息技术有限公司 | 一种基于人工神经网络的蓝莓生长期检测方法及装置 |
| CN111026208A (zh) * | 2019-12-30 | 2020-04-17 | 滁州联润生态农业发展有限公司 | 一种苗木栽培园林综合管理操作*** |
| CN111354466B (zh) * | 2020-02-27 | 2023-08-01 | 新希望六和股份有限公司 | 确定***标准值的方法、装置、计算机设备和存储介质 |
| CN111487247A (zh) * | 2020-04-28 | 2020-08-04 | 前海国兴(深圳)高科技有限公司 | 水果成熟度ai识别*** |
| CN113342036A (zh) * | 2021-06-02 | 2021-09-03 | 华南农业大学 | 一种农作物的精准管控***及其管控方法 |
| CN113483808A (zh) * | 2021-06-10 | 2021-10-08 | 暨南大学 | 基于LoRa和Yolov3的农田监测***及监测方法 |
| CN113920474B (zh) * | 2021-10-28 | 2024-04-30 | 成都信息工程大学 | 一种智能监管柑橘种植态势的物联网***及方法 |
| CN114612858A (zh) * | 2022-02-25 | 2022-06-10 | 华南农业大学 | 一种荔枝生长环境数据监控装置及分析方法 |
| CN114755375A (zh) * | 2022-03-30 | 2022-07-15 | 四川瑞象农业科技发展有限公司 | 一种基于互联网的柑橘种植监管平台 |
| CN116994007B (zh) * | 2023-09-26 | 2024-03-19 | 支付宝(杭州)信息技术有限公司 | 商品纹理检测处理方法及装置 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104077725A (zh) * | 2014-07-14 | 2014-10-01 | 内蒙古德辰信息网络科技有限责任公司 | 马铃薯种植物联网监测、控制及信息服务云平台综合*** |
| ES2537826A1 (es) * | 2013-10-07 | 2015-06-12 | Universidad De Sevilla | Sistema automático de detección e identificación de fases de madurez del Chile Habanero y frutos similares |
| CN104904570A (zh) * | 2015-06-08 | 2015-09-16 | 华南农业大学 | 基于无线传感器网络的荔枝园节水灌溉控制***及方法 |
| CN107316037A (zh) * | 2017-03-27 | 2017-11-03 | 南京晓庄学院 | 一种基于视觉主体检测的果蔬识别预处理方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9016193B2 (en) * | 2012-04-16 | 2015-04-28 | Eugenio Minvielle | Logistic transport system for nutritional substances |
| CN109470299A (zh) * | 2018-10-19 | 2019-03-15 | 江苏大学 | 一种基于物联网的作物生长信息监测***和方法 |
-
2019
- 2019-07-17 CN CN201910644269.6A patent/CN110458032B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| ES2537826A1 (es) * | 2013-10-07 | 2015-06-12 | Universidad De Sevilla | Sistema automático de detección e identificación de fases de madurez del Chile Habanero y frutos similares |
| CN104077725A (zh) * | 2014-07-14 | 2014-10-01 | 内蒙古德辰信息网络科技有限责任公司 | 马铃薯种植物联网监测、控制及信息服务云平台综合*** |
| CN104904570A (zh) * | 2015-06-08 | 2015-09-16 | 华南农业大学 | 基于无线传感器网络的荔枝园节水灌溉控制***及方法 |
| CN107316037A (zh) * | 2017-03-27 | 2017-11-03 | 南京晓庄学院 | 一种基于视觉主体检测的果蔬识别预处理方法 |
Non-Patent Citations (2)
| Title |
|---|
| Extraction of Litchi Stem Based on Computer Vision under Natural Scene;Jizhong Deng et al.;《2011 International Conference on Computer Distributed Control and Intelligent Environmental Monitoring》;20110411;第832-835页 * |
| 基于Retinex图像增强的不同光照条件下的成熟荔枝识别;熊俊涛 等;《农业工程学报》;20130630;第170-178页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110458032A (zh) | 2019-11-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110458032B (zh) | 荔枝生长状况全程监控方法、***、云服务器及存储介质 | |
| Channe et al. | Multidisciplinary model for smart agriculture using internet-of-things (IoT), sensors, cloud-computing, mobile-computing & big-data analysis | |
| CN111008733B (zh) | 一种作物生长管控方法和*** | |
| Taylor et al. | Considerations on spatial crop load mapping | |
| US20230091677A1 (en) | Monitoring and intelligence generation for farm field | |
| CN103761674A (zh) | 基于遥感与海量气候信息的农作物生长期告警与干预方法 | |
| 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 | |
| CN110321774B (zh) | 农作物灾情评估方法、装置、设备及计算机可读存储介质 | |
| CN112116206A (zh) | 一种基于大数据的智慧农业*** | |
| Tokura et al. | Long-term variability in vegetation productivity in relation to rainfall, herbivory and fire in Tswalu Kalahari Reserve | |
| Mathews | Applying geospatial tools and techniques to viticulture | |
| Kwanmuang et al. | Small-scale farmers under Thailand’s smart farming system | |
| Jahan et al. | Predicting fertilizer treatment of maize using decision tree algorithm | |
| Yan et al. | High-resolution mapping of paddy rice fields from unmanned airborne vehicle images using enhanced-TransUnet | |
| Zhang et al. | Automatic counting of lettuce using an improved YOLOv5s with multiple lightweight strategies | |
| CN116259078B (zh) | 一种杀虫剂推荐方法、装置、设备及存储介质 | |
| US11930733B1 (en) | Nitrogen loss prediction and mitigation methods and systems | |
| CN117197595A (zh) | 基于边缘计算的果树生育期识别方法、装置及管理平台 | |
| Liang et al. | CanopyCAM–an edge-computing sensing unit for continuous measurement of canopy cover percentage of dry edible beans | |
| CN110555343B (zh) | 典型资源要素中林、灌、草三要素提取方法和*** | |
| CN113963263B (zh) | 多年生植被生长属性的确定方法、装置以及存储介质 | |
| CN114862611A (zh) | 一种基于边缘计算的农业种植云诊断方法及*** | |
| Taylor et al. | Machine-Learning Methods to Identify Key Predictors of Site-Specific Vineyard Yield and Vine Size | |
| KR102281983B1 (ko) | 단말기를 이용한 식물과톡 서비스 방법 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |