一种果园车辆自动导航方法及其系统与流程

本发明属于人工智能技术领域，特别是涉及一种果园车辆自动导航方法及其系统。

背景技术：

随着世界范围内工业化的不断发展，各国逐渐显现农业劳动力不足的现象。我国是一个农业大国，尽管农业人口众多，但是随着工业化城镇化的进程持续不断的加速和深入，像国外一样，农业劳动力已经逐渐向其他产业转移，这已成为一个不可逆转的时代潮流。在进入21世纪后，我国将会面临比其他国家更为严峻的人口老龄化问题，而这将导致农业劳动力不足的现象日益凸显。为了有效解决劳动力短缺，尤其是熟练农业劳动工人不断减少的问题，作为替代传统拖拉机的农业机器人，将在21世纪扮演重要的角色。除此之外，农业可持续发展，粮食安全及环境恶化问题也逐渐越来越引起人们的重视。建立果园内无人化管理系统，来提高作业效率，完成高强度工作，为解决农业化生产力低下问题提供了有效途径和方法。通过人工智能的技术方法，去解决一些复杂农业方面的问题，一直以来是科学家研究方向的前沿。该领域包括语言识别、图像识别、自动程序设计、智能控制等尖端技术。人工智能诞生以来，理论和技术日益成熟，应用领域也不断扩大，可以设想，未来人工智能带来的产品，将会是人类智慧的容器。将人工智能与云计算、数据库结合起来，将会使解决问题的能力大大提高了，也会大大的拓展到很大的领域，因此这项技术发展将会产生一项前瞻性的解决方法。

通过数据库处理结果，给车辆创造反馈信号，控制果园车辆的导航系统对果园实施长时间，高效率作业，而无需人员干预。在降低对人工技术需求的同时提高了作业精度，此外还可以减少重复作业，加快进度，减少劳动力，从而降低成本等优势。

技术实现要素：

本发明的目的在于提供一种果园车辆自动导航方法及其系统，通过数据库模块、机器视觉模块、图像处理模块、故障处理模块、gps定位模块、存储上传模块、导航模块，实现对果园车辆的导航控制，特别是能够通过数据库模块中的云端数据库模块对一些难以识别的图像特征进行辨别，对果园车辆进行导航寻找出病变的果树并解决果树出现的问题，提高果园车辆在作业时的智能化程度，也提高了果园的管理效率。

为了解决上述问题，本发明是通过以下技术方案实现的：

一种果园车辆自动导航系统，包括数据库模块、机器视觉模块、图像处理模块、故障处理模块、gps定位模块、存储上传模块、导航模块；所述数据库模块包括车载数据库模块和云端数据库模块，数据库模块存储有果树特征模型，并将果树的各种特征模型归类：将果树出现几率高的问题按照出现的几率数值大小进行排序，将出现几率最高的若干组特征模型存储在果园车载数据库模块，其余的特征模型储存在云端数据库模块；所述机器视觉模块安装在果园车辆上，通过视觉摄像头，采集果树图像信号，传给车辆工控机，基于图像色彩增强和果树树冠轮廓线建立特征模型；将采集的果树图像信号建立的特征模型与车载数据库模块和云端数据库模块中的特征模型进行比较，相同的特征模型归类为同一特征，用来判定果树处于该特征下的情况；所述图像处理模块，包括对视觉模块采集的图像信号进行色彩分析及特征增强，建立特征模型，并且按照虫灾、病害、生长期进行分类处理，得到不同组的特征模型；所述故障处理模块包括果园车辆车载处理模块和农站小车故障处理模块，通过对图形处理模块所得的特征模型与车载数据库模块、云端数据库模块中的特征模型比较，相似度高的特征模型判定为同一病害或者同一生长期，从而判断出果树目前处于何种状态下，果园车辆随车所带若干处理机构，果园车辆得到本车处理的信号，则驱动机构进行处理，若车载机构无法处理，则发出信号给农场；所述gps定位模块，有以下三个用途：①对果园车辆对无法解决问题的果树定位，用于农场派遣其他小车找到该问题果树；②对解决问题的果树定位，用于记录处理情况和后续的复查；③用于判断果园小车的位置；所述储存上传模块将每次故障处理后的结果储存到工控机，并将该特征模型归类上传到数据库，扩充数据库容量；所述导航模块通过接受各个模块的反馈信号，给果园车辆制定导航路线，控制果园车辆的行进和作业。

进一步地，所述数据库特征模型的分类方法为：

s1虫灾类特征模型、s2害病类特征模型、s3生长期特征模型；

s11、s12、s13....s1j表示虫灾类特征模型里面的每一个虫灾特征模型；

s21、s22、s23....s2j表示病害类特征模型里面的每一个病害特征模型；

s31、s32、s33....s3j表示成长期类特征模型里面的每一个成长期特征模型。

进一步地，所述图像处理特征模型的分类方法为：

m1虫灾类特征模型、m2害病类特征模型、m3生长期特征模型；

m11、m12、m13....m1j表示虫灾类特征模型里面的每一个虫灾特征模型；

m21、m22、m23....m2j表示病害类特征模型里面的每一个病害特征模型；

m31、m32、m33....m3j表示成长期类特征模型里面的每一个成长期特征模型。

进一步地，所述故障处理小车的分类方法为：

d1虫灾类处理车队、d2害病类处理车队、d3生长期处理车队；

d11、d12、d13....d1y表示虫灾车队里面的每一个虫灾解决小车；

d21、d22、d23....d2y表示病害类特征模型里面的每一个病害解决小车；

d31、d32、d33....d3y表示成长期类特征模型里面的每一个解决小车。

一种果园车辆自动导航方法，该方法包括以下步骤：

步骤一：通过果园车辆上的视觉摄像头，采集图像信号；

步骤二：通过图像处理，建立特征模型；

步骤三：将特征模型与车载数据库进行对比，得到处理信号；

步骤四：将特征模型与云端数据库进行对比，得到处理信号；

步骤五：将处理信号发送给果园车辆上锁携带的工控机，由工控机判决定两种处理方式：①由小车上处理机构自行处理；②发送信号给农场，由农场派农场小车处理；

步骤六：将处理结果储存，并保存处理果树的定位信息，传入云端数据库；

步骤七：通过各模块处理结果，给导航模块反馈信号，使小车按照导航路线，行进和继续作业。

本发明具有以下有益效果：

1.本发明通过建立特征模型，同车载数据库和云端数据库的特征模型比对，从而检测出果园果树的生长状况，从而对果园车辆进行导航寻找出病变的果树并解决果树出现的问题。这种具有反馈调节的导航方法减轻了人的劳动强度，提高了果园的管理效率。

2.通过设置车载数据库和云端数据库两个数据库，减少了车载数据库的计算量，使导航系统的响应时间大大减少，也避免给每台车构建大的数据库造成的成本浪费。

当然，实施本发明的任一产品并不一定需要同时达到以上所述的所有优点。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述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获得其他的附图。

图1为本发明果园车辆导航系统的结构示意图；

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除的完整的描述，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的前提下所获得的其他实施例，都属于本发明的保护范围。

请参阅图1所示本发明为一种果园车辆自动导航系统，包括数据库模块、机器视觉模块、图像处理模块、故障处理模块、gps定位模块、存储上传模块、导航模块；数据库模块包括车载数据库模块和云端数据库模块，数据库模块存储有果树特征模型，并将果树的各种特征模型归类：将果树出现几率高的问题按照出现的几率数值大小进行排序，将出现几率最高的若干组特征模型存储在果园车载数据库模块，其余的特征模型储存在云端数据库模块；机器视觉模块安装在果园车辆上，通过视觉摄像头，采集果树图像信号，传给车辆工控机，基于图像色彩增强和果树树冠轮廓线建立特征模型；将采集的果树图像信号建立的特征模型与车载数据库模块和云端数据库模块中的特征模型进行比较，相同的特征模型归类为同一特征，用来判定果树处于该特征下的情况；图像处理模块，包括对视觉模块采集的图像信号进行色彩分析及特征增强，建立特征模型，并且按照虫灾、病害、生长期进行分类处理，得到不同组的特征模型；故障处理模块包括果园车辆车载处理模块和农站小车故障处理模块，通过对图形处理模块所得的特征模型与车载数据库模块、云端数据库模块中的特征模型比较，相似度高的特征模型判定为同一病害或者同一生长期,相似度高具体可指代相似度超过预设比例，具体可为超过0.85；从而判断出果树目前处于何种状态下，果园车辆随车所带若干处理机构，果园车辆得到本车处理的信号，则驱动机构进行处理，若车载机构无法处理，则发出信号给农场；gps定位模块，有以下三个用途：①对果园车辆对无法解决问题的果树定位，用于农场派遣其他小车找到该问题果树；②对解决问题的果树定位，用于记录处理情况和后续的复查；③用于判断果园小车的位置；储存上传模块将每次故障处理后的结果储存到工控机，并将该特征模型归类上传到数据库，扩充数据库容量；导航模块通过接受各个模块的反馈信号，给果园车辆制定导航路线，控制果园车辆的行进和作业。

其中，数据库特征模型的分类方法为：

s1虫灾类特征模型、s2害病类特征模型、s3生长期特征模型；

s11、s12、s13....s1j表示虫灾类特征模型里面的每一个虫灾特征模型；

s21、s22、s23....s2j表示病害类特征模型里面的每一个病害特征模型；

s31、s32、s33....s3j表示成长期类特征模型里面的每一个成长期特征模型。

其中，图像处理特征模型的分类方法为：

m1虫灾类特征模型、m2害病类特征模型、m3生长期特征模型；

m11、m12、m13....m1j表示虫灾类特征模型里面的每一个虫灾特征模型；

m21、m22、m23....m2j表示病害类特征模型里面的每一个病害特征模型；

m31、m32、m33....m3j表示成长期类特征模型里面的每一个成长期特征模型。

其中，故障处理小车的分类方法为：

d1虫灾类处理车队、d2害病类处理车队、d3生长期处理车队；

d11、d12、d13....d1y表示虫灾车队里面的每一个虫灾解决小车；

d21、d22、d23....d2y表示病害类特征模型里面的每一个病害解决小车；

d31、d32、d33....d3y表示成长期类特征模型里面的每一个解决小车。

一种果园车辆自动导航方法，该方法包括以下步骤：

步骤一：通过果园车辆上的视觉摄像头，采集图像信号；

步骤二：通过图像处理，建立特征模型；

步骤三：将特征模型与车载数据库进行对比，得到处理信号；

步骤四：将特征模型与云端数据库进行对比，得到处理信号；

步骤五：将处理信号发送给果园车辆上锁携带的工控机，由工控机判决定两种处理方式：①由小车上处理机构自行处理；②发送信号给农场，由农场派农场小车处理；

步骤六：将处理结果储存，并保存处理果树的定位信息，传入云端数据库；

步骤七：通过各模块处理结果，给导航模块反馈信号，使小车按照导航路线，行进和继续作业。

本系统可应用于大型果园和各种农场等的作物全生长周期监控、病虫害的及时发现与及时防治、并且可以长时间无需人工监管作业、对发生病变的作物进行处理同时在系统中进行标注记录。

本实施例的一个具体应用为：

应用在大型果园中时，将本系统的各模块安装在果园车辆上。在将前期获取的果树的各种病变的图像特征复制到果园车辆数据库的车载数据库模块中，通过存储上传模块与服务器连接。车辆在导航系统导航时步骤如下：

步骤一：通过果园车辆上的视觉摄像头，采集图像信号；

步骤二：通过图像处理，建立特征模型；

步骤三：将特征模型与车载数据库进行对比，得到处理信号；

步骤四：将特征模型与云端数据库进行对比，得到处理信号；

步骤五：将处理信号发送给果园车辆上所携带的工控机，由工控机判决定两种处理方式:①由小车上处理机构自行处理；②发送信号果园服务器上，由导航系统指派其他小车处理。

步骤六：将处理结果储存，并保存处理果树的定位信息，传入云端数据库中，并在导航系统中标注病变果树。

步骤七：通过各模块处理结果，给导航模块反馈信号，使小车按照导航路线行进和继续作业。

在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为所述的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。