CN115061168A - 一种移动巡检式农作物生长监测***及方法 - Google Patents
一种移动巡检式农作物生长监测***及方法 Download PDFInfo
- Publication number
- CN115061168A CN115061168A CN202210743996.XA CN202210743996A CN115061168A CN 115061168 A CN115061168 A CN 115061168A CN 202210743996 A CN202210743996 A CN 202210743996A CN 115061168 A CN115061168 A CN 115061168A
- Authority
- CN
- China
- Prior art keywords
- crop
- sampling
- crops
- growth
- target
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 69
- 238000007689 inspection Methods 0.000 title claims abstract description 24
- 238000000034 method Methods 0.000 title description 11
- 238000005070 sampling Methods 0.000 claims abstract description 108
- 238000004458 analytical method Methods 0.000 claims abstract description 10
- 230000033001 locomotion Effects 0.000 claims description 6
- 235000013399 edible fruits Nutrition 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 230000003203 everyday effect Effects 0.000 description 6
- 238000007726 management method Methods 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- DMBHHRLKUKUOEG-UHFFFAOYSA-N diphenylamine Chemical compound C=1C=CC=CC=1NC1=CC=CC=C1 DMBHHRLKUKUOEG-UHFFFAOYSA-N 0.000 description 3
- 241000238631 Hexapoda Species 0.000 description 2
- 241000607479 Yersinia pestis Species 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000000366 juvenile effect Effects 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 1
- 229910052782 aluminium Inorganic materials 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000009313 farming Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010792 warming Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/42—Determining position
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
-
- 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
- G06T2207/10016—Video; Image sequence
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- General Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Computer Networks & Wireless Communication (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本发明涉及农作物监测技术领域,公开了一种移动巡检式农作物生长监测***,包括:移动机器人平台;采样模块,设置在移动机器人平台上,用于根据采样控制信号的指示进行运动来获得采样图像;云服务器,用于对采样图像中的目标农作物进行分析并对分析结果进行储存;终端控制器,用于将采样图像发送云服务器,并向采样模块发送采样控制信号,可在控制移动机器人平台在农作物区域内运动,通过终端控制器驱动采样模块对目标农作物进行采样图像的快速获取,然后由云服务器接收采样模块所拍摄的采样图片,自动完成对目标农作物的生长情况分析,从而提升农业监测的水平与效率,降低对大面积的农作物区域内所有农作物的管理成本,实现了现代化农业监测。
Description
技术领域
本发明涉及农作物监测技术领域,具体涉及一种移动巡检式农作物生长监测方法及***。
背景技术
我国的人口基数大,对粮食需求量大,近年来,农作物种植朝着规模化、集约化的方向发展,且种植区域广。随着全球气候变暖和耕作制度的变化,农作物的病虫害有着多发、频发的威胁,同时作物长势是粮食产量估测与预测的主要信息源。
传统农作物监测主要靠人工定期检查或安放固定监测仪器监测。这不仅浪费人力,而且监测效果很差,不能有效精准地、规模性地监测大片作物区,农作物的长势以及病虫害不能及时被发现,导致作物生长过程中可能存在的问题不能马上得到解决,这最终可能导致作物减产。
如果只是单纯地通过加大人工定期检查力度或增加固定监测仪器的数量,并不能从根本上解决问题,且资金投入量大,因为农作物一直在生长,其高度和形态都有可能发生改变,而且农作物区域也增增加其他农作物的种植,因此人力定期检查工作量繁重,而且难以对每株作物进行面面俱到的监护,采用固定检测仪进行监测不仅数量上需要进行增加或者姿态调整,还要面临后期的大量维护成本的飙升,急需解决。
发明内容
本发明的目的在于提供一种移动巡检式农作物生长监测方法及***,解决以下技术问题:
如何提升农业监测的水平与效率,降低对大面积的农作物区域内所有农作物的管理成本。
本发明的目的可以通过以下技术方案实现:
一种移动巡检式农作物生长监测***,包括:
移动机器人平台,用于在农作物区域内进行受控运动;
采样模块,设置在所述移动机器人平台上,用于根据采样控制信号的指示进行运动来获得采样图像;
云服务器,用于对所述采样图像中的目标农作物进行分析并对分析结果进行储存;
终端控制器,用于将所述采样图像发送所述云服务器,并向所述采样模块发送采样控制信号。
通过上述技术方案,本发明可在控制移动机器人平台在农作物区域内运动,通过终端控制器驱动采样模块对目标农作物进行采样图像的快速获取,然后由云服务器接收采样模块所拍摄的采样图片,自动完成对目标农作物的生长情况分析,从而提升农业监测的水平与效率,降低对大面积的农作物区域内所有农作物的管理成本,极大节省了人力,实现了现代化农业监测。
作为本发明进一步的方案:所述采样模块包括摄像单元和伸缩驱动单元;
所述伸缩驱动单元与所述终端控制器连接,用于根据所述采样控制信号对所述摄像单元进行位置调整。
通过上述技术方案,若目标农作物处于生长幼期,植株不是很大时,摄像单元在对目标农作物进行拍摄记录时,摄像单元的位置可能偏高,此时可以通过终端控制器发出将摄像单元调低的采样控制信号,伸缩驱动单元接收后,其内部的电机通过转动调整摄像单元的高度;若摄像单元的位置低,则同样可通过终端控制器发出将摄像单元调高的采样控制信号,从而获得能够包含该目标农作物全貌的采样图片;
作为本发明进一步的方案:所述终端控制器,还用于将所述目标农作物的多张所述采样图像拼接为完整图像,将所述完整图像上传至所述云服务器。
通过上述技术方案,若该目标农作物处于生长中后期,植株高度较高,摄像单元的拍摄广度受限,此时可能无法用一张照片对其进行完整记录,此时可以驱动伸缩驱动单元多次调整摄像单元的高度,进行两张及以上的图片记录,并在上传时对图片进行拼接,呈现植株自下而上的完整图像;额外的,若在某一位置能够对多个目标农作物进行采样拍摄时,可转动摄像单元的拍摄方向,使其摄像头360°内转动直到识别出作物位置停止,进行图像采集。
作为本发明进一步的方案:北斗定位模块,设置在所述移动机器人平台上,用于获取所述移动机器人平台的实时位置信息;
所述终端控制器与所述北斗定位模块连接,当所述实时位置信息与预设位置信息相符,所述终端控制器发送所述采样控制信号。
通过上述技术方案,可由北斗定位模块对移动机器人平台的实时位置信息进行获取,预设位置信息可储存在云服务器或者终端控制器中,当移动机器人平台到达预设位置信息所代表的位置,便可停止移动机器人平台的运动,然后启动采样模块对目标农作物进行拍摄。
作为本发明进一步的方案:所述北斗定位模块还包括路径规划模块;
所述路径规划模块,用于统计目标作物区域内所有目标农作物的位置,设置多个监测点;
所述预设位置信息为所述监测点的位置信息;
以其中一个监测点为基点,作为所述移动机器人平台的起点。
通过上述技术方案,可根据农作物区面积的大小,提前设置监测点的数量,以其中某一个监测点作为基点,移动机器人平台可通过北斗定位模块每天以一个设定好的时间从基点出发,在基点处对目标农作物进行采样拍摄完成分析储存后,北斗定位模块将会引导移动机器人平台行至其他监测点进行拍照记录数据;在此过程中,根据移动机器人平台移动的速度与相邻监测点之间的距离,可以得到每天在各个监测点监测的时间点;如需一天对某一目标农作物进行多次作物状态记录,可通过北斗定位模块以基点为起点,计算根据从起点到达该监测点所需要的时间,然后设定对该目标农作物的记录时间点,从而能够提前启动移动机器人平台进行动作,在指定时间点到达该目标农作物处进行图像采集。
作为本发明进一步的方案:所述路径规划模块用于根据多个所述监测点的位置规划最短巡检路径,驱动所述移动机器人平台沿所述最短巡检路径对所述目标农作物进行采样拍摄。
通过上述技术方案,在针对农作物区域初次启动移动机器人平台进行农作物巡检监测时,可对农作物区域内的所有目标农作物的位置信息进行统计和记录,然后选取最少的监测点的情况下完成对所有目标农作物的拍摄角度覆盖,以此可以在对大量目标农作物的采样,大幅的提升采样效率,节约采样时间。
作为本发明进一步的方案:所述采样模块还包括作物识别模块;
所述作物识别模块,用于接收所述采样图像,自动筛选包含目标农作物的所述采样图像;
所述云服务器包括决策模型;
所述决策模型,用于接收所述采样图像,根据所述采样图像获取所述目标农作物的作物表型信息。
通过上述技术方案,作物识别模块则用于判断采样图像中是否包含目标农作物,因为采样图像中可能存在没有拍摄到目标农作物的情况,此时该相片可以被自动删除,若采样图像中存在多个目标农作物,则可以在该采样图片中对其进行截图并标记截图中目标农作物的地理位置信息,方便决策模型对齐进行分析并确认分析结果的归属。
作物识别模块和决策模型都可采用神经网络模型相关技术,根据采样图片或者对采样图片包含单独目标农作物的截图进行智能识别,只需在前期对两者分别采用相应的训练样本进行训练。
作为本发明进一步的方案:所述云服务器,包括预先储存农作物在各个生长阶段的生长状态的数据库;
所述决策模型,还用于根据所述作物表型信息判断所述目标农作物所处的生长阶段,并对比所述数据库中该种作物在此生长阶段的所述生长状态,记录并生成决策结果;
还包括移动终端,用于接收所述决策结果。
通过上述技术方案,可在对目标农作物的生长阶段进行确认后,从数据库中调取相应的决策结果后,可直接推送给工作人员,该决策结果包含处置方法和目标农作物的具***置,工作人员可以快速到达现场,完成高效处理。
作为本发明进一步的方案:所述作物表型信息包括:
农作物在不同的生长阶段的长势高低、不同生长阶段农作物叶片的颜色以及大小、农作物繁殖期的花苞或花蕾、农作物的果实。
本发明的有益效果:
(1)通过上述技术方案,本发明可在控制移动机器人平台在农作物区域内运动,通过终端控制器驱动采样模块对目标农作物进行采样图像的快速获取,然后由云服务器接收采样模块所拍摄的采样图片,自动完成对目标农作物的生长情况分析,从而提升农业监测的水平与效率,降低对大面积的农作物区域内所有农作物的管理成本,实现现代化农业监测;
(2)若目标农作物处于生长幼期,植株不是很大时,摄像单元在对目标农作物进行拍摄记录时,摄像单元的位置可能偏高,此时可以通过终端控制器发出将摄像单元调低的采样控制信号,伸缩驱动单元接收后,其内部的电机通过转动调整摄像单元的高度;若摄像单元的位置低,则同样可通过终端控制器发出将摄像单元调高的采样控制信号,从而获得能够包含该目标农作物全貌的采样图片;
(3)若该目标农作物处于生长中后期,植株高度较高,摄像单元的拍摄广度受限,此时可能无法用一张照片对其进行完整记录,此时可以驱动伸缩驱动单元多次调整摄像单元的高度,进行两张及以上的图片记录,并在上传时对图片进行拼接,呈现植株自下而上的完整图像;额外的,若在某一位置能够对多个目标农作物进行采样拍摄时,可转动摄像单元的拍摄方向,使其摄像头360°内转动直到识别出作物位置停止,进行图像采集;可由北斗定位模块对移动机器人平台的实时位置信息进行获取,预设位置信息可储存在云服务器或者终端控制器中,当移动机器人平台到达预设位置信息所代表的位置,便可停止移动机器人平台的运动,然后启动采样模块对目标农作物进行拍摄;
(4)可根据农作物区面积的大小,提前设置监测点的数量,以其中某一个监测点作为基点,移动机器人平台可通过北斗定位模块每天以一个设定好的时间从基点出发,在基点处对目标农作物进行采样拍摄完成分析储存后,北斗定位模块将会引导移动机器人平台行至其他监测点进行拍照记录数据;在此过程中,根据移动机器人平台移动的速度与相邻监测点之间的距离,可以得到每天在各个监测点监测的时间点;如需一天对某一目标农作物进行多次作物状态记录,可通过北斗定位模块以基点为起点,计算根据从起点到达该监测点所需要的时间,然后设定对该目标农作物的记录时间点,从而能够提前启动移动机器人平台进行动作,在指定时间点到达该目标农作物处进行图像采集。
附图说明
下面结合附图对本发明作进一步的说明。
图1为本发明中移动巡检式农作物生长监测***的基本模块连接图。
具体实施方式
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,所描述的实施例仅仅是本发明一部分实施例,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作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
请参阅图1所示,本发明为一种移动巡检式农作物生长监测***,包括:
移动机器人平台,用于在农作物区域内进行受控运动;
采样模块,设置在移动机器人平台上,用于根据采样控制信号的指示进行运动来获得采样图像;
云服务器,用于对采样图像中的目标农作物进行分析并对分析结果进行储存;
终端控制器,用于将采样图像发送云服务器,并向采样模块发送采样控制信号。
通过上述技术方案,本发明可在控制移动机器人平台在农作物区域内运动,通过终端控制器驱动采样模块对目标农作物进行采样图像的快速获取,然后由云服务器接收采样模块所拍摄的采样图片,自动完成对目标农作物的生长情况分析,从而提升农业监测的水平与效率,降低对大面积的农作物区域内所有农作物的管理成本,实现现代化农业监测。
作为本发明进一步的方案:采样模块包括摄像单元和伸缩驱动单元;
伸缩驱动单元与终端控制器连接,用于根据采样控制信号对摄像单元进行位置调整。
通过上述技术方案,若目标农作物处于生长幼期,植株不是很大时,摄像单元在对目标农作物进行拍摄记录时,摄像单元的位置可能偏高,此时可以通过终端控制器发出将摄像单元调低的采样控制信号,伸缩驱动单元接收后,其内部的电机通过转动调整摄像单元的高度;若摄像单元的位置低,则同样可通过终端控制器发出将摄像单元调高的采样控制信号,从而获得能够包含该目标农作物全貌的采样图片;
作为本发明进一步的方案:终端控制器,还用于将目标农作物的多张采样图像拼接为完整图像,将完整图像上传至云服务器。
通过上述技术方案,若该目标农作物处于生长中后期,植株高度较高,摄像单元的拍摄广度受限,此时可能无法用一张照片对其进行完整记录,此时可以驱动伸缩驱动单元多次调整摄像单元的高度,进行两张及以上的图片记录,并在上传时对图片进行拼接,呈现植株自下而上的完整图像;额外的,若在某一位置能够对多个目标农作物进行采样拍摄时,可转动摄像单元的拍摄方向,使其摄像头360°内转动直到识别出作物位置停止,进行图像采集。
作为本发明进一步的方案:北斗定位模块,设置在移动机器人平台上,用于获取移动机器人平台的实时位置信息;
终端控制器与北斗定位模块连接,当实时位置信息与预设位置信息相符,终端控制器发送采样控制信号。
通过上述技术方案,可由北斗定位模块对移动机器人平台的实时位置信息进行获取,预设位置信息可储存在云服务器或者终端控制器中,当移动机器人平台到达预设位置信息所代表的位置,便可停止移动机器人平台的运动,然后启动采样模块对目标农作物进行拍摄。
具体的,摄像单元可采用可360°转动的高清拍照摄像头,伸缩驱动单元采用由驱动电机驱动伸缩的电动伸缩杆,电动伸缩杆通过U型夹具与移动机器人平台上的横梁固定,高清拍照摄像头安装在电动伸缩杆的上端,终端控制器安放在移动机器人平台的左侧箱体中,北斗定位模块安放在移动机器人平台前后方的横杠上。北斗定位模块可与高清摄像头通过数据线连接,高清拍照摄像头的数据线与终端控制器相连通,可将摄像头寄存器中的包含作物表型信息的采样图像传输到终端控制器中,。电动伸缩杆内驱动电机的电源线与移动机器人平台的车架左右两侧下方铝杆上的电控模块相连通,可驱动驱动电机转动,从而使杆的高度可以调节。电动伸缩杆内控制器的数据线与高清摄像头相连通,识别植株的高度后并将数据传输给终端控制器,终端控制器将指导驱动电机调整杆子的高度到合适的位置,完整地记录目标农作物的表型信息。作为本发明进一步的方案:北斗定位模块还包括路径规划模块;
路径规划模块,用于统计目标作物区域内所有目标农作物的位置,设置多个监测点;
预设位置信息为监测点的位置信息;
以其中一个监测点为基点,作为移动机器人平台的起点。
通过上述技术方案,可根据农作物区面积的大小,提前设置监测点的数量,以其中某一个监测点作为基点,移动机器人平台可通过北斗定位模块每天以一个设定好的时间从基点出发,在基点处对目标农作物进行采样拍摄完成分析储存后,北斗定位模块将会引导移动机器人平台行至其他监测点进行拍照记录数据;在此过程中,根据移动机器人平台移动的速度与相邻监测点之间的距离,可以得到每天在各个监测点监测的时间点;如需一天对某一目标农作物进行多次作物状态记录,可通过北斗定位模块以基点为起点,计算根据从起点到达该监测点所需要的时间,然后设定对该目标农作物的记录时间点,从而能够提前启动移动机器人平台进行动作,在指定时间点到达该目标农作物处进行图像采集。
作为本发明进一步的方案:路径规划模块用于根据多个监测点的位置规划最短巡检路径,驱动移动机器人平台沿最短巡检路径对目标农作物进行采样拍摄。
通过上述技术方案,在针对农作物区域初次启动移动机器人平台进行农作物巡检监测时,可对农作物区域内的所有目标农作物的位置信息进行统计和记录,然后选取最少的监测点的情况下完成对所有目标农作物的拍摄角度覆盖,比如一张采样图片中包含多个目标农作物,以此可以在对大量目标农作物的采样,大幅的提升采样效率,节约采样时间。
作为本发明进一步的方案:采样模块还包括作物识别模块;
作物识别模块,用于接收采样图像,自动筛选包含目标农作物的采样图像;
云服务器包括决策模型;
决策模型,用于接收采样图像,根据采样图像获取目标农作物的作物表型信息。
通过上述技术方案,作物识别模块则用于判断采样图像中是否包含目标农作物,因为采样图像中可能存在没有拍摄到目标农作物的情况,此时该相片可以被自动删除,若采样图像中存在多个目标农作物,则可以在该采样图片中对其进行截图并标记截图中目标农作物的地理位置信息,方便决策模型对齐进行分析并确认分析结果的归属。
作物识别模块和决策模型都可采用神经网络模型相关技术,根据采样图片或者对采样图片包含单独目标农作物的截图进行智能识别,只需在前期对两者分别采用相应的训练样本进行训练。
作为本发明进一步的方案:云服务器,包括预先储存农作物在各个生长阶段的生长状态的数据库;
决策模型,还用于根据作物表型信息判断目标农作物所处的生长阶段,并对比数据库中该种作物在此生长阶段的生长状态,记录并生成决策结果;
还包括移动终端,用于接收决策结果。
通过上述技术方案,可在对目标农作物的生长阶段进行确认后,从数据库中调取相应的决策结果后,可直接推送给工作人员,该决策结果包含处置方法和目标农作物的具***置,工作人员可以快速到达现场,完成高效处理。
作为本发明进一步的方案:作物表型信息包括:
农作物在不同的生长阶段的长势高低、不同生长阶段农作物叶片的颜色以及大小、农作物繁殖期的花苞或花蕾、农作物的果实。
以上对本发明的一个实施例进行了详细说明,但所述内容仅为本发明的较佳实施例,不能被认为用于限定本发明的实施范围。凡依本发明申请范围所作的均等变化与改进等,均应仍归属于本发明的专利涵盖范围之内。
Claims (9)
1.一种移动巡检式农作物生长监测***,其特征在于,包括:
移动机器人平台,用于在农作物区域内进行受控运动;
采样模块,设置在所述移动机器人平台上,用于根据采样控制信号的指示进行运动来获得采样图像;
云服务器,用于对所述采样图像中的目标农作物进行分析并对分析结果进行储存;
终端控制器,用于将所述采样图像发送所述云服务器,并向所述采样模块发送采样控制信号。
2.根据权利要求1所述的移动巡检式农作物生长监测***,其特征在于,所述采样模块包括摄像单元和伸缩驱动单元;
所述伸缩驱动单元与所述终端控制器连接,用于根据所述采样控制信号对所述摄像单元进行位置调整。
3.根据权利要求2所述的移动巡检式农作物生长监测***,其特征在于,所述终端控制器,还用于将所述目标农作物的多张所述采样图像拼接为完整图像,将所述完整图像上传至所述云服务器。
4.根据权利要求1所述的移动巡检式农作物生长监测***,其特征在于,还包括:
北斗定位模块,设置在所述移动机器人平台上,用于获取所述移动机器人平台的实时位置信息;
所述终端控制器与所述北斗定位模块连接,当所述实时位置信息与预设位置信息相符,所述终端控制器发送所述采样控制信号。
5.根据权利要求4所述的移动巡检式农作物生长监测***,其特征在于,所述北斗定位模块还包括路径规划模块;
所述路径规划模块,用于统计目标作物区域内所有目标农作物的位置,设置多个监测点;
所述预设位置信息为所述监测点的位置信息。
以其中一个监测点为基点,作为所述移动机器人平台的起点。
6.根据权利要求4所述的移动巡检式农作物生长监测***,其特征在于,所述路径规划模块用于根据多个所述监测点的位置规划最短巡检路径,驱动所述移动机器人平台沿所述最短巡检路径对所述目标农作物进行采样拍摄。
7.根据权利要求4所述的移动巡检式农作物生长监测***,其特征在于,所述采样模块还包括作物识别模块;
所述作物识别模块,用于接收所述采样图像,自动筛选包含目标农作物的所述采样图像;
所述云服务器包括决策模型;
所述决策模型,用于接收所述采样图像,根据所述采样图像获取所述目标农作物的作物表型信息。
8.根据权利要求7所述的移动巡检式农作物生长监测***,其特征在于,所述云服务器,包括预先储存农作物在各个生长阶段的生长状态的数据库;
所述决策模型,还用于根据所述作物表型信息判断所述目标农作物所处的生长阶段,并对比所述数据库中该种作物在此生长阶段的所述生长状态,记录并生成决策结果;
还包括移动终端,用于接收所述决策结果。
9.根据权利要求7所述的移动巡检式农作物生长监测***,其特征在于,所述作物表型信息包括:
农作物在不同的生长阶段的长势高低、不同生长阶段农作物叶片的颜色以及大小、农作物繁殖期的花苞或花蕾、农作物的果实。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210743996.XA CN115061168A (zh) | 2022-06-27 | 2022-06-27 | 一种移动巡检式农作物生长监测***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210743996.XA CN115061168A (zh) | 2022-06-27 | 2022-06-27 | 一种移动巡检式农作物生长监测***及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115061168A true CN115061168A (zh) | 2022-09-16 |
Family
ID=83205192
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210743996.XA Pending CN115061168A (zh) | 2022-06-27 | 2022-06-27 | 一种移动巡检式农作物生长监测***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115061168A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115225870A (zh) * | 2022-09-21 | 2022-10-21 | 北京瞭望神州科技有限公司 | 基于数据处理的耕地智保远程监控方法及监控*** |
CN116295662A (zh) * | 2023-05-23 | 2023-06-23 | 北京易同云网科技有限公司 | 作物生长状态的监测方法、装置、电子设备及介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110260789A (zh) * | 2019-07-12 | 2019-09-20 | 南京农业大学 | 一种田间高通量作物表型监测***及方法 |
CN111460903A (zh) * | 2020-03-05 | 2020-07-28 | 浙江省农业科学院 | 基于深度学习的田间西兰花长势监测***及方法 |
CN113759932A (zh) * | 2021-09-23 | 2021-12-07 | 金陵科技学院 | 一种农业病虫害巡检智能小车图像采集*** |
CN215494710U (zh) * | 2021-09-02 | 2022-01-11 | 华中农业大学 | 一种作物苗表型巡检机器人 |
CN216351838U (zh) * | 2021-09-16 | 2022-04-19 | 西安科技大学 | 一种农作物监测*** |
-
2022
- 2022-06-27 CN CN202210743996.XA patent/CN115061168A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110260789A (zh) * | 2019-07-12 | 2019-09-20 | 南京农业大学 | 一种田间高通量作物表型监测***及方法 |
CN111460903A (zh) * | 2020-03-05 | 2020-07-28 | 浙江省农业科学院 | 基于深度学习的田间西兰花长势监测***及方法 |
CN215494710U (zh) * | 2021-09-02 | 2022-01-11 | 华中农业大学 | 一种作物苗表型巡检机器人 |
CN216351838U (zh) * | 2021-09-16 | 2022-04-19 | 西安科技大学 | 一种农作物监测*** |
CN113759932A (zh) * | 2021-09-23 | 2021-12-07 | 金陵科技学院 | 一种农业病虫害巡检智能小车图像采集*** |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115225870A (zh) * | 2022-09-21 | 2022-10-21 | 北京瞭望神州科技有限公司 | 基于数据处理的耕地智保远程监控方法及监控*** |
CN115225870B (zh) * | 2022-09-21 | 2022-11-22 | 北京瞭望神州科技有限公司 | 基于数据处理的耕地智保远程监控方法及监控*** |
CN116295662A (zh) * | 2023-05-23 | 2023-06-23 | 北京易同云网科技有限公司 | 作物生长状态的监测方法、装置、电子设备及介质 |
CN116295662B (zh) * | 2023-05-23 | 2023-08-29 | 北京易同云网科技有限公司 | 作物生长状态的监测方法、装置、电子设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115061168A (zh) | 一种移动巡检式农作物生长监测***及方法 | |
CN110260789B (zh) | 一种田间高通量作物表型监测***及方法 | |
CN105547252B (zh) | 基于情景感知的作物冠层图像采集装置 | |
KR101547560B1 (ko) | 이동형 지능로봇을 이용한 영상기반 식물 생장관리 제어시스템 | |
CN105547360B (zh) | 基于情景感知的作物冠层图像采集方法 | |
EP3847439A2 (en) | System and method for monitoring plants in plant growing areas | |
CN112507768A (zh) | 目标物检测方法、装置和图像采集方法、装置 | |
WO2023050783A1 (zh) | 除草机器人及其除草路径的规划方法、装置和介质 | |
CN114279490A (zh) | 一种用于大田作物病虫害监测设备及方法 | |
CN115526521A (zh) | 一种用于植物工厂的植物生长状态监控报警*** | |
CN106603993B (zh) | 基于立体视觉的灯诱昆虫图像采集装置及方法 | |
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 | |
KR20170055585A (ko) | 작물체 간 이송 로봇 및 카메라 자동 제어 기능이 구비된 작물체 생육진단 장치 | |
CN116465887A (zh) | 基于设施作物表型采集装置的表型采集方法 | |
CN113114766B (zh) | 基于zed相机的盆栽作物信息检测方法 | |
CN114898361A (zh) | 桃园果实状态识别与计数方法及*** | |
CN108021960A (zh) | 一种航拍式图书整理*** | |
CN114489113A (zh) | 一种去雄无人机控制方法及*** | |
CN111580490A (zh) | 智能自控式农林作物监控*** | |
TW202133717A (zh) | 智慧型竹筍栽培採收監控系統及方法 | |
CN112020981A (zh) | 一种基于机器视觉的智能除草机器人*** | |
US20230132136A1 (en) | A phenotyping device, method and system for measuring phenotypic traits of one or more plants in a target canopy | |
CN215913036U (zh) | 虫情测报装置 | |
CN221048423U (zh) | 温室黄瓜叶部病害自动巡检与识别机器人 | |
CN114568418B (zh) | 一种农业除杂*** |
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: 20220916 |