本发明涉及计算机技术应用领域,特别是涉及一种烟叶采收时间确定方法、电子设备和存储介质。
背景技术:
1、现有的烟叶成熟状态判别方法主要包括基于rgb图像的成熟状态识别方法和基于机载多光谱数据反演成熟状态识别方法。基于rgb图像的成熟状态识别方法依赖于田间实地工作,对人工成本要求大,且无法在短时间内大范围检测不同植株的成熟情况,进而限制了这类方法在实际生产场景中的应用。基于机载多光谱数据反演成熟状态识别方法能够判断烟叶的整体成熟情况,但是未能提供烟株具体成熟叶片数量的细致信息,也未考虑烤房容量对采收环节的限制这一实际情况,从而限制了其在实际操作中的精准性和实用性。
技术实现思路
1、针对上述技术问题,本发明采用的技术方案为:
2、本发明实施例提供一种烟叶采收时间确定方法,所述方法包括如下步骤:
3、s100,设置i=1;设置采收次数计数器c=0。
4、s200,获取第i个采集时间ti对应的设定烟区的多光谱图像imgi;其中,第1个采集时间t1=ttop+△t,ttop为设定烟区的烟草打顶时间,△t为设定时长;i的初始值为1。
5、s300,对imgi中的任一株烟草tbj的冠层进行分割,并获取分割后的冠层的光谱特征值scj;j的取值为1到n,n为imgi中的烟草的数量。
6、s400,基于scj和设定成熟状态-多光谱特征值关系模型,获取tbj的成熟烟叶数量nmj;
7、s500,如果当前设定烟区的总烟叶成熟度om∈[d1,d2],并且c=0,输出指示对所述设定烟区的烟叶进行第一次采收的提示信息,执行s700;如果om∈(d2,d3),执行s600;如果om∈[d3,1],输出指示对所述设定烟区的烟叶进行最后一次采收的提示信息;其中,om=nm/n,nm为当前设定烟区的成熟烟叶总数量,n为当前设定烟区的总烟叶数量,nm=nm1+nm2+……+nmj+……+nmn,n=n1+n2+……+nj+……+nn,nj为tbj的当前总烟叶数量;d1为第一预设值,d2为第二预设值,d3为第三预设值;0<d1<d2<d3<1。
8、s600,如果nm≥load,输出指示在ti对应的时间内对所述设定烟区的烟叶进行采收的提示信息,执行s700;如果nm∈(kload,load),输出指示在ti对应的时间之后的设定时间段内对所述设定烟区的烟叶进行采收的提示信息,执行s700;如果nm≤kload,输出指示不对所述设定烟区的烟叶进行采收的提示信息,执行s700;load为所述设定烟区的当前可使用烤房的总装载量,k为预设系数,0<k<1。
9、s700,设置i=i+1,设置c=c+1;执行s200。
10、本发明实施例还提供一种非瞬时性计算机可读存储介质,所述存储介质中存储有至少一条指令或至少一段程序,其所述至少一条指令或所述至少一段程序由处理器加载并执行以实现前述方法。
11、本发明实施例还提供一种电子设备,包括处理器和前述的非瞬时性计算机可读存储介质。
12、本发明至少具有以下有益效果:
13、本发明实施例提供的基于多光谱数据和烤房装载量的烟叶采收时间获取方法,充分考虑了采收环节对烟叶烘烤的实际需求,通过综合考虑烤房装载量,能够为烟农提供更加精准的采收建议,能够避免资源的浪费和效率的降低。
14、应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
1.一种烟叶采收时间确定方法,其特征在于,所述方法包括如下步骤:
2.根据权利要求1所述的方法,其特征在于,在s300中,使用经训练的语义分割模型对任一株烟草tbj的冠层进行分割。
3.根据权利要求2所述的方法,其特征在于,所述经训练的语义分割模型为u-net模型或者fnc模型。
4.根据权利要求1所述的方法,其特征在于,所述设定成熟状态-多光谱特征值关系模型满足如下条件:
5.根据权利要求1所述的方法,其特征在于,所述光谱特征值为ndvi值。
6.根据权利要求1所述的方法,其特征在于,所述设定时间段的时长基于ti对应的时间对应的天气状态确定。
7.根据权利要求6所述的方法,其特征在于,如果ti对应的时间对应的天气状态为雨天,所述设定时间段的时长为5天,如果ti对应的时间对应的天气状态为晴天,所述设定时间段的时长为3天。
8.根据权利要求1所述的方法,其特征在于,△t等于7天。
9.一种非瞬时性计算机可读存储介质,所述存储介质中存储有至少一条指令或至少一段程序,其特征在于,所述至少一条指令或所述至少一段程序由处理器加载并执行以实现如权利要求1-8中任意一项的所述方法。
10.一种电子设备,其特征在于,包括处理器和权利要求9中所述的非瞬时性计算机可读存储介质。