本申请涉及智能农业技术领域,特别涉及一种智能杂草警示方法及系统。
背景技术:
杂草治理一直是农业生产中的一个重要课题,它对于农作物的正常生长和产收非常关键。
传统农业的生产作业中,田间管理者需要时常对种植区进行监察,当发现杂草问题后,便开始进行杂草治理。而随着农业种植的集体化和大型化,许多集体种植区的面积都很大,依靠人力进行田间的杂草监测管理显然既浪费时间又浪费人力和物力,效率十分低下。
可见,采用何种智能、合理、及时的杂草警示方法,以便实现田间杂草警示的机器化和自动化,进而有效提高管理效率和生产力,是本领域技术人员所需要解决的重要技术问题。
技术实现要素:
本申请的目的在于提供一种智能杂草警示方法及系统,以便进行合理、及时的杂草警示以加强田间的杂草防治工作,提高田间管理效率和生产力。
为解决上述技术问题,本申请提供一种智能杂草警示方法,包括:
获取各类杂草的生长观测数据;
根据所述生长观测数据,为各个种植区域确定与各类杂草各生长状态对应的警示接收员和警示信息;
获取所述种植区域内的杂草生长状态图像;
提取所述杂草生长状态图像的图像特征;
将所述图像特征与预设数据库中各类杂草在各生长状态下的模板图像特征进行匹配查询;以便确定所述种植区域内的杂草种类和杂草生长状态;
将与所述种植区域内的杂草种类和杂草生长状态对应的所述警示信息发送至所述警示接收员。
可选地,所述杂草生长状态包括以下任意一种或者任意组合:
杂草生长期、杂草分布密度、杂草分布面积、杂草植株高度。
可选地,所述警示信息包括杂草处理措施。
可选地,还包括:
根据所述生长观测数据,为各个种植区域确定与预设季节或预设气候条件对应的警示接收员和警示信息,以便在所述预设季节或者所述预设气候条件满足时,将所述警示信息发送至所述警示接收员。
可选地,所述提取所述杂草生长状态图像的图像特征包括:
利用边缘检测算法对所述杂草生长状态图像进行边缘检测;
根据所述边缘检测的结果,利用轮廓特征提取算法提取图像轮廓特征和/或利用形状特征提取算法提取图像形状特征。
可选地,所述边缘检测算法包括:
canny算法、reberts算法、prewitt算法、sobel算法或者laplacian算法;
所述轮廓特征提取算法包括:
链码算法、傅里叶算法、小波变换算法、尺度空间算法或者多边形近似算法;
所述形状特征提取算法包括:
栅格算法、傅里叶算法、zernike矩算法、pseudo-zernike矩算法或形状描述矩算法。
可选地,所述将所述图像特征与预设数据库中各类杂草在各生长状态下的模板图像特征进行匹配查询;以便确定所述种植区域内的杂草种类和杂草生长状态包括:
分别计算所述图像特征与所述预设数据库中各类杂草在各生长状态下的模板图像特征的相似度;
确定各个所述相似度中的最大值;
将所述相似度最大的模板图像特征所对应的杂草种类和杂草生长状态确定为所述种植区域内的杂草种类和杂草生长状态。
本申请还提供了一种智能杂草警示系统,包括:
警示信息确定装置:用于获取各类杂草的生长观测数据;根据所述生长观测数据,为各个种植区域确定与各类杂草各生长状态对应的警示接收员和警示信息;
杂草监测装置:用于获取所述种植区域内的杂草生长状态图像;提取所述杂草生长状态图像的图像特征;将所述图像特征与预设数据库中各类杂草在各生长状态下的模板图像特征进行匹配查询;以便确定所述种植区域内的杂草种类和杂草生长状态;
警示发送装置:用于将与所述种植区域内的杂草种类和杂草生长状态对应的所述警示信息发送至所述警示接收员。
可选地,所述杂草监测装置具体用于:
利用边缘检测算法对所述杂草生长状态图像进行边缘检测;根据所述边缘检测的结果,利用轮廓特征提取算法提取图像轮廓特征和/或利用形状特征提取算法提取图像形状特征。
可选地,所述杂草监测装置具体用于:
分别计算所述图像特征与所述预设数据库中各类杂草在各生长状态下的模板图像特征的相似度;确定各个所述相似度中的最大值;将所述相似度最大的模板图像特征所对应的杂草种类和杂草生长状态确定为所述种植区域内的杂草种类和杂草生长状态。
本申请所提供的智能杂草警示方法包括:获取各类杂草的生长观测数据;根据所述生长观测数据,为各个种植区域确定与各类杂草各生长状态对应的警示接收员和警示信息;获取所述种植区域内的杂草生长状态图像;提取所述杂草生长状态图像的图像特征;将所述图像特征与预设数据库中各类杂草在各生长状态下的模板图像特征进行匹配查询;以便确定所述种植区域内的杂草种类和杂草生长状态;将与所述种植区域内的杂草种类和杂草生长状态对应的所述警示信息发送至所述警示接收员。
可见,相比于现有技术,本申请所提供的智能杂草警示方法中,通过预先确定各种类各生长状态情况下的杂草示警计划,并在利用图像识别技术判定该杂草情况在种植区域内出现后根据该杂草示警计划进行科学合理的示警,可及时有效地将杂草情况通知到相应的警示接收员,加强了田间的杂草防治工作,使得杂草的防治更加科学与合理,进而提高了田间管理效率和生产力。本申请所提供的智能杂草警示系统可以实现上述智能杂草警示方法,同样具有上述有益效果。
附图说明
为了更清楚地说明现有技术和本申请实施例中的技术方案,下面将对现有技术和本申请实施例描述中需要使用的附图作简要的介绍。当然,下面有关本申请实施例的附图描述的仅仅是本申请中的一部分实施例,对于本领域普通技术人员来说,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图,所获得的其他附图也属于本申请的保护范围。
图1为本申请实施例所提供的一种智能杂草警示方法的流程图;
图2为本申请实施例所提供的一种智能杂草警示系统的结构框图。
具体实施方式
本申请的核心在于提供一种智能杂草警示方法及系统,以便进行合理、及时的杂草警示以加强田间的杂草防治工作,提高田间管理效率和生产力。
为了对本申请实施例中的技术方案进行更加清楚、完整地描述,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行介绍。显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
请参考图1,图1为本申请实施例所提供的一种智能杂草警示方法的流程图,主要包括以下步骤:
步骤1:获取各类杂草的生长观测数据。
步骤2:根据生长观测数据,为各个种植区域确定与各类杂草各生长状态对应的警示接收员和警示信息。
具体地,本申请实施例所提供的智能杂草警示方法中,预先根据各类杂草的生长观测数据进行警示计划的制定,即明确对应的警示信息及其警示接收员,以便在种植区域内出现该杂草问题后按照警示计划将确定好的警示信息发送给警示接收员,从而及时对该杂草进行治理工作。
其中,该警示计划的制定是基于各类杂草的生长观测数据的,而所说的各类杂草的生长观测数据可来自于对杂草的多年数据记录,通过这些生长观测数据可以分析杂草的生长习性特点,进而确定对应的警示信息。例如,对于a种存活率和繁殖能力差的杂草,可在其幼苗期期间置之不理,而在其茎叶期期间进行警示,将警示信息发送至对应的警示接收员;再例如,对于b种生存力和繁殖能力较强的杂草,可在其幼苗期期间就执行警示,将警示信息发送给对应的警示接收员。
这里所说的警示信息是用于通知和警示对应的警示接收员的,以便警示接收员了解到杂草问题而进行相关处理。具体地,警示信息可以包括该种植区域内的杂草生长状态、生长时间等,本领域技术人员可以根据实际应用情况自行进行选择并设置,本申请实施例对此并不进行限定。
步骤3:获取种植区域内的杂草生长状态图像。
步骤4:提取杂草生长状态图像的图像特征。
步骤5:将图像特征与预设数据库中各类杂草在各生长状态下的模板图像特征进行匹配查询;以便确定种植区域内的杂草种类和杂草生长状态。
具体地,本申请所提供的智能杂草警示方法中,利用了图像识别技术来对杂草的生长状态进行识别。首先从种植区域中的杂草生长状态图像中提取其图像特征,然后再与预设数据库中的模板图像特征进行比较匹配。这里所说的图像特征可以为颜色特征、大小特征、形状特征等,本领域技术人员可以自行选择并设置,只要能够确定种植区域内的杂草种类和杂草生长状态即可,本申请实施例对此并不进行限定。
为了对不同种类不同生长状态的杂草进行识别,预设数据库中存储了各种类各生长状态下的杂草的模板图像特征,当待识别的图像特征与某一个模板图像特征相匹配时,则即可说明该种植区域中的杂草情况与该模板图像特征所对应的杂草生长状态相同。由此,可执行与该种类该生长状态所对应的警示计划,对警示接收员示警。
步骤6:将与种植区域内的杂草种类和杂草生长状态对应的警示信息发送至警示接收员。
在确定了该种植区域内的杂草种类与生长状态之后,即可按照预设的杂草警示计划,将警示信息发送至对应的警示接收员,以便警示接收员针对当前的杂草情况进行治理。
容易想到的是,所说的将警示信息发送至警示接收员时,具体可采用多种方式,例如短信或邮件等。此外,还可以配合使用一些其他更为直观的报警方式,例如指示灯报警或者铃声报警等。本领域技术人员可以自行选择并设置实现,本申请实施例对此并不进行限定。
可见,本申请实施例所提供的智能杂草警示方法中,通过预先确定各种类各生长状态情况下的杂草示警计划,并在利用图像识别技术判定该杂草情况在种植区域内出现后根据该杂草示警计划进行科学合理的示警,可及时有效地将杂草情况通知到相应的警示接收员,加强了田间的杂草防治工作,使得杂草的防治更加科学与合理,进而提高了田间管理效率和生产力。
本申请所提供的智能杂草警示方法,在上述实施例的基础上:
作为一种优选实施例,杂草生长状态包括以下任意一种或者任意组合:
杂草生长期、杂草分布密度、杂草分布面积、杂草植株高度。
具体地,在衡量杂草生长状态进而指定杂草警示计划时,所说的杂草生长状态具体可从以下几个方面进行描述:杂草生长期、杂草分布密度、杂草分布面积、杂草植株高度等。本领域技术人员可以根据实际应用需求自行选择并设置,本申请实施例对此并不进行限定。
作为一种优选实施例,警示信息包括杂草处理措施。
具体地,如前所述,警示信息是用于向警示接收员进行示警的,其可以包括当前的杂草情况,但优选地,还可以包括针对当前杂草情况的杂草处理措施,例如人工摘除或者喷洒农药,而当指定杂草处理措施为喷洒农药时,还可以再进一步指明需要喷洒的农药的具体药剂名称和用量。这些具体的信息内容可由本领域技术人员根据实际应用情况自行选择并设置实现,本申请实施例对此并不进行限定。
作为一种优选实施例,还包括:
根据生长观测数据,为各个种植区域确定与预设季节或预设气候条件对应的警示接收员和警示信息,以便在预设季节或者预设气候条件满足时,将警示信息发送至警示接收员。
具体地,本申请实施例所提供的智能杂草警示方法还可以在杂草出现前就提前进行警示,以便由警示接收员进行杂草的预防处理。尤其是针对于一些顽固性杂草,若对该类杂草的除草处理是在其生长出来之后才进行,则收到的效果可能很有限甚至很差,因此很有必要提前进行处理。并且,杂草的生长也是符合一定规律的,其可能在某个特定季节或者某种特定气候条件下容易爆发性生长,因此,本申请实施例所提供的智能杂草警示方法还可以结合这些具体规律来进行杂草警示计划的制定,即,类似地,可以确定出与预设季节或者预设气候条件对应的警示信息及其警示接收员,则一旦该预设季节来临或者该预设气候出现时,就将该警示信息发送给对应的警示接收员进行示警。
作为一种优选实施例,提取杂草生长状态图像的图像特征包括:
利用边缘检测算法对杂草生长状态图像进行边缘检测;
根据边缘检测的结果,利用轮廓特征提取算法提取图像轮廓特征和/或利用形状特征提取算法提取图像形状特征。
在图像识别领域中,边缘检测算法是一种可有效提高图像识别精度的算法。这种算法首先使用算子将图像的边缘像素识别出来,然后计算每一个有效像素的梯度。通过得到的像素梯度序列建立归一化直方图,对归一化直方图进行特征分析后得到最优的识别。基于边缘检测的图像识别算法使匹配图像效率得到了提高,图像识别流程得到优化。
作为一种优选实施例,边缘检测算法包括:
canny算法、reberts算法、prewitt算法、sobel算法或者laplacian算法;
轮廓特征提取算法包括:
链码算法、傅里叶算法、小波变换算法、尺度空间算法或者多边形近似算法;
形状特征提取算法包括:
栅格算法、傅里叶算法、zernike矩算法、pseudo-zernike矩算法或形状描述矩算法。
具体地,边缘检测过程中可以采用多种相关算法,轮廓特征提取算法和形状特征提取算法也同样都类似,本领域技术人员可以根据实际应用情况自行进行选择并设置实现,本申请实施例对此并不进行限定。
作为一种优选实施例,将图像特征与预设数据库中各类杂草在各生长状态下的模板图像特征进行匹配查询;以便确定种植区域内的杂草种类和杂草生长状态包括:
分别计算图像特征与预设数据库中各类杂草在各生长状态下的模板图像特征的相似度;
确定各个相似度中的最大值;
将相似度最大的模板图像特征所对应的杂草种类和杂草生长状态确定为种植区域内的杂草种类和杂草生长状态。
具体地,在对杂草生长状态图像的图像特征进行匹配查询时,可以通过相似度来衡量其与各个模板图像特征之间的匹配程度。至于具体采用何种算法来计算相似度,本领域技术人员可以根据实际应用情况自行选择并设置实现,本申请实施例对此并不进行限定。当然,这里也可以采用相异度来作为匹配程度的度量,本申请实施例对此也并不进行限定。
下面对本申请实施例所提供的智能杂草警示系统进行介绍。
请参阅图2,图2为本申请所提供的一种智能杂草警示系统的结构框图;包括警示信息确定装置1、杂草监测装置2和警示发送装置3;
警示信息确定装置1用于获取各类杂草的生长观测数据;根据生长观测数据,为各个种植区域确定与各类杂草各生长状态对应的警示接收员和警示信息;
杂草监测装置2用于获取种植区域内的杂草生长状态图像;提取杂草生长状态图像的图像特征;将图像特征与预设数据库中各类杂草在各生长状态下的模板图像特征进行匹配查询;以便确定种植区域内的杂草种类和杂草生长状态;
警示发送装置3用于将与种植区域内的杂草种类和杂草生长状态对应的警示信息发送至警示接收员。
可见,本申请所提供的智能杂草警示系统,通过预先确定各种类各生长状态情况下的杂草示警计划,并在利用图像识别技术判定该杂草情况在种植区域内出现后根据该杂草示警计划进行科学合理的示警,可及时有效地将杂草情况通知到相应的警示接收员,加强了田间的杂草防治工作,使得杂草的防治更加科学与合理,进而提高了田间管理效率和生产力。
本申请所提供的智能杂草警示系统,在上述实施例的基础上:
作为一种优选实施例,杂草监测装置2具体用于:
利用边缘检测算法对杂草生长状态图像进行边缘检测;根据边缘检测的结果,利用轮廓特征提取算法提取图像轮廓特征和/或利用形状特征提取算法提取图像形状特征。
作为一种优选实施例,杂草监测装置2具体用于:
分别计算图像特征与预设数据库中各类杂草在各生长状态下的模板图像特征的相似度;确定各个相似度中的最大值;将相似度最大的模板图像特征所对应的杂草种类和杂草生长状态确定为种植区域内的杂草种类和杂草生长状态
本申请所提供的智能杂草警示系统的具体实施方式与上文所描述的智能杂草警示方法可相互对应参照,这里就不再赘述。
本申请中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
还需说明的是,在本申请文件中,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。
以上对本申请所提供的技术方案进行了详细介绍。本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想。应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以对本申请进行若干改进和修饰,这些改进和修饰也落入本申请权利要求的保护范围内。