一种基于图像识别的茶园病虫害监测系统

1.本发明属于病虫害识别与监测领域，特别是涉及一种基于图像识别的茶园病虫害监测系统。


背景技术：

2.随着茶产业规模的迅速扩大，我国茶叶生产面临的病虫害防治等难题越来越突出，严重影响茶叶的产量和质量安全。传统的茶园管理，依托于大量人工，对茶园内病虫害进行定时定期的监测与管理，耗时耗力。基于图像识别的监测技术可以搭建相关机器人系统平台实现实时的茶叶病虫害识别和发生趋势状态监测等，因此在病虫害大发生之前及时预警，采取措施是实现病虫综合治理、农药减量控害的重要措施，通过机器人系统能够更好地帮助工作人员管理茶园，有助于提高茶叶产量，改善茶叶质量，对建立高标准健康茶园有着重要意义。但是目前现有技术中针对茶园还没有特别有效的茶园病虫害监测系统。


技术实现要素：

3.为解决上述问题，本发明提供了如下方案：一种基于图像识别的茶园病虫害监测系统，包括：
4.图像采集模块，用于采集茶树植株图像信息，获得初始图像；
5.图像处理模块，与所述图像采集模块连接，用于对所述初始图像进行处理，获得目标图像；
6.图像识别模块，与所述图像处理模块连接，用于对所述目标图像进行识别，获得病虫害识别结果。
7.优选地，所述图像采集模块至少包括手机采集单元、相机采集单元、摄像头采集单元。
8.优选地，所述图像处理模块包括第一处理单元、第二处理单元；
9.所述第一处理单元用于图像滤波去噪、平滑处理、前景背景分割以及特征提取的预处理操作；
10.所述第二处理单元用于将视频流图像信息进行实时编解码操作和格式转化。
11.优选地，所述图像识别单元包括病虫害识别单元、种类识别单元、位置识别单元；
12.所述病虫害识别单元用于识别判断所述目标图像是否为病虫害图像；
13.所述种类识别单元与所述病虫害识别单元连接，用于识别所述目标图像的病虫害种类信息；
14.所述位置识别单元与所述病虫害识别单元连接，用于识别判断所述目标图像为病虫害图像后，获取所述病虫害图像的位置信息。
15.优选地，还包括样本库，所述样本库至少包括茶树生长库，以及与所述茶树生长库对应的病虫害数据库；
16.所述茶树生长库包括不同种类的茶树图像以及与各茶树品种不同生长周期对应
的图像；
17.所述病虫害数据库包括与茶树种类生长周期对应的病虫害种类图像以及病虫害特征信息图像。
18.优选地，还包括存储模块，与种类识别单元连接，用于基于所述样本库的样本信息和种类识别单元识别的虫害种类信息，存储各类病虫害防治方法。
19.优选地，还包括防治技术推送模块，分别与所述图像识别模块和所述存储模块连接，用于根据所述病虫害识别结果调用病虫害防治方法。
20.优选地，还包括病虫害预警模块，所述病虫害预警模块包括病虫害报警单元、决策执行单元；
21.所述病虫害报警单元用于向用户管理端发送报警信息；
22.所述决策执行单元用于启动喷药系统，对茶园植物进行喷药灭虫。
23.本发明公开了以下技术效果：
24.本发明提供的一种基于图像识别的茶园病虫害监测系统，通过图像采集模块采集茶树植株图像信息，基于图像处理模块，对图像进行处理，对处理完成的目标图像进行病虫害识别，获得病虫害识别结果，可以有效提高病虫防控的智能化水平和科技化水平。实现了对茶园更高精度的病虫害智能监测管理，为后续的病虫害发生预测和防治提供了有效支持；降低茶园化学农药施用量，降低生产防治成本，减少茶园面源污染，减少碳排放，保证茶叶质量安全。
附图说明
25.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获得其他的附图。
26.图1为本发明实施例的系统结构示意图。
具体实施方式
27.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。
28.为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
29.如图1所示，本发明提供了一种基于图像识别的茶园病虫害监测系统,包括：
30.图像采集模块，用于采集茶树植株图像信息，获得初始图像；
31.图像处理模块，与所述图像采集模块连接，用于对所述初始图像进行处理，获得目标图像；
32.图像识别模块，与所述图像处理模块连接，用于对所述目标图像进行识别，获得病虫害识别结果。
33.所述图像采集模块至少包括手机采集单元、相机采集单元、摄像头采集单元。
34.所述图像处理模块包括第一处理单元、第二处理单元；
35.所述第一处理单元用于图像滤波去噪、平滑处理、前景背景分割以及特征提取的预处理操作；
36.所述第二处理单元用于将视频流图像信息进行实时编解码操作和格式转化。
37.所述图像识别单元包括病虫害识别单元、种类识别单元、位置识别单元；
38.所述病虫害识别单元用于识别判断所述目标图像是否为病虫害图像；
39.所述种类识别单元与所述病虫害识别单元连接，用于识别所述目标图像的病虫害种类信息；
40.所述位置识别单元与所述病虫害识别单元连接，用于识别判断所述目标图像为病虫害图像后，获取所述病虫害图像的位置信息。
41.还包括样本库，所述样本库至少包括茶树生长库，以及与所述茶树生长库对应的病虫害数据库；
42.所述茶树生长库包括不同种类的茶树图像以及与各茶树品种不同生长周期对应的图像；
43.所述病虫害数据库包括与茶树生长周期对应的病虫害种类图像以及病虫害特征信息图像。
44.还包括存储模块，与种类识别单元连接，用于基于所述样本库的样本信息和种类识别单元识别的虫害种类信息，存储各类病虫害防治方法。
45.还包括防治技术推送模块，分别与所述图像识别模块和所述存储模块连接，用于根据所述病虫害识别结果调用病虫害防治方法。
46.还包括病虫害预警模块，所述病虫害预警模块包括病虫害报警单元、决策执行单元；
47.所述病虫害报警单元用于向用户管理端发送报警信息；
48.所述决策执行单元用于启动喷药系统，对茶树植株进行喷药灭虫。
49.实施例一
50.如图1所示，本发明提供的基于图像识别的茶园虫害监测系统,包括：
51.图像采集模块，用于采集茶树植株图像信息，获得初始图像；
52.所述图像采集模块至少包括手机采集单元、相机采集单元、摄像头采集单元。
53.图像处理模块，与所述图像采集模块连接，用于对所述初始图像进行处理，获得目标图像；
54.所述图像处理模块包括第一处理单元、第二处理单元；所述图像处理模块采用bp神经网络算法对病虫害图像进行处理。采用bp神经网络算法对病虫害图像进行处理包括预处理、初始处理及输出处理；其中，所述预处理用于对图像的特微进行提取，并用算法实现；所述初始处理包括初始化和初始输出；所述输出处理用于对逐层传递神经元中，出现误差时，进行反馈传递，并且，输出结果达不到预期输出时，神经元会反向传递，在反向传递的过程中，根据误差调整网络权值和阈值，以达到良好识别预测体系。
55.所述第一处理单元用于图像滤波去噪、平滑处理、前景背景分割以及特征提取的预处理操作；
56.所述第二处理单元用于将视频流图像信息进行实时编解码操作和格式转化。处理完成后，通过ip/wifi将处理好的视频帧信息传送给图像识别模块。
57.图像识别模块，与所述图像处理模块连接，用于对所述目标图像进行识别，获得病虫害识别结果。
58.所述图像识别单元包括病虫害识别单元、种类识别单元、位置识别单元；
59.所述病虫害识别单元用于识别判断所述目标图像是否为病虫害图像；
60.所述种类识别单元与所述病虫害识别单元连接，用于识别所述目标图像的病虫害种类信息；
61.所述位置识别单元与所述病虫害识别单元连接，用于识别判断所述目标图像为病虫害图像后，获取所述病虫害图像的位置信息。
62.还包括显示模块，所述显示模块用于将获取的病虫害图像的位置信息实时反馈给用户管理端，以方便确认坐标信息的准确性；
63.所述种类识别单元包括图像划分模块，所述图像划分模块用于根据所述虫害种类信息对所述待识别虫害图像进行图像划分，得到分类图像和每一所述分类图像的种类信息；
64.在识别虫害种类信息之后，对待识别虫害图像进行图像划分，得到分类图像和每一分类图像的种类信息之后，虫害图像识别还包括：
65.若分类图像的种类信息为第一预设信息，则将对应的分类图像与预设的待分类库中的每一基准分类信息进行相似度计算，得到至少一个相似度值；
66.若存在任一相似度值满足预设的相似度条件，则将分类图像存储至预设的待分类库中的目标分类集中，其中，目标分类集的基准分类信息和分类图像的相似度值满足预设的相似度条件。
67.在将对应的分类图像与预设的待分类库中的每一基准分类信息进行相似度计算之前，病虫害图像识别还包括：根据预设的触发条件对待分类库中的待分类图像进行归类，得到至少一个分类集合；根据每一分类集合中的分类图像确定对应分类集合的基准分类信息。
68.根据预设的触发条件对待分类库中的待分类图像进行归类，得到至少一个分类集合，包括：若待分类库中的待分类图像符合预设的触发条件，则将待分类库中的待分类图像进行特征向量转化，得到每一待分类图像的分类向量；将预设数量的分类向量设置为初始聚类点，根据初始聚类点采用聚类算法对分类向量进行聚类分析，得到不同的分类向量簇；按照预设的向量距离计算每一分类向量簇的向量数量；将向量数量超过预设数量阈值的分类向量簇确定为分类集。
69.对待识别图像集中的分类图像和对应的识别信息进行统计，得到所述待识别图像集的虫情信息。
70.还包括样本库，所述样本库至少包括茶树生长库，以及与所述茶树生长库对应的病虫害数据库；
71.所述茶树生长库包括不同种类的茶树图像以及与各茶树品种不同生长周期对应的图像；
72.所述病虫害数据库包括与茶数生长周期对应的病虫害种类图像以及病虫害特征
信息图像。
73.还包括存储模块，与种类识别单元连接，用于基于所述样本库的样本信息和种类识别单元识别的虫害种类信息，存储各类虫害防治方法。
74.还包括防治推送模块，分别与所述图像识别模块和所述存储模块连接，用于根据所述虫害识别结果调用病虫害防治方法。
75.还包括病虫害预警模块，所述病虫害预警模块包括虫害报警单元、决策执行单元；
76.所述病虫害报警单元用于向用户管理端发送报警信息；
77.所述决策执行单元用于启动喷药系统，对茶树植株进行喷药灭虫。
78.决策执行单元包括前后交互的控制单元和执行单元；控制单元通过zynq芯片中fpga内部的控制状态机并行读、写各路传感器，包括位置识别单元输出的相对坐标信息，同时利用卡尔曼滤波算法用于动态的低层次冗余传感器数据的实时融合，将数据信息整合至执行单元，实现系统在室外实现精确的导航和目标定位，进行相应的喷洒操作。
79.还包括用户管理终端，所述用户管理终端包括识别方式选择模块、离线系统部署模块、性能评估模块；
80.识别方式选择模块用于根据反馈的识别方式生成识别指令，识别指令包括在线识别指令和离线识别指令；交互终端还用于对识别指令进行解析，若解析为在线识别指令时，将采集到的病虫害图像发送给服务器；若解析为离线识别指令时，查找用户终端是否存在病虫害识别系统，若不存在，向服务器发送离线识别请求；
81.离线系统部署模块用于接收到离线识别请求时，在用户终端部署病虫害识别系统。离线系统部署模块还用于接收到离线识别请求时，向用户终端发送硬件性能评估指令。离线系统部署模块还用于解析接收到的硬件性能评估结果，若解析结果为高性能硬件时，直接在用户终端部署病虫害识别系统；若解析结果为低性能硬件时，在用户终端部署经过压缩后的病虫害识别系统。离线系统部署模块还用于检测到服务器的病虫害识别系统更新升级后，检查用户终端的病虫害识别系统是否为当前最新版本的病虫害识别系统，若不是，根据服务器最新版本的病虫害识别系统对用户终端的病虫害识别系统进行更新升级。
82.离线系统部署模块采用深度神经网络压缩技术对病虫害识别系统进行压缩。深度神经网络结构包括n个卷积层、m个池化层和k个全链接层，所述卷积层与池化层交叉依次设置，且池化层采用基于最大值的池化方法，其中n、m、k均为≥1的整数。所述深度神经网络的损失函数采用平均交叉熵方法，用以表示全连接层输出的匹配结果与真实结果之间的误差。
83.性能评估模块用于接收到硬件性能评估指令时，对用户终端的硬件性能进行评估，得到硬件性能评估结果，并发送给服务器，硬件性能评估结果包括高性能硬件和低性能硬件；性能评估模块还用于评估用户终端的网络连接状态，若网络连接状态的评估结果为网络不通常时，生成离线识别指令；若网络连接状态的评估结果为网络良好时，生成在线识别指令。
84.以上所述的实施例仅是对本发明的优选方式进行描述，并非对本发明的范围进行限定，在不脱离本发明设计精神的前提下，本领域普通技术人员对本发明的技术方案做出的各种变形和改进，均应落入本发明权利要求书确定的保护范围内。

技术特征：
1.一种基于图像识别的茶园病虫害监测系统,其特征在于，包括：图像采集模块，用于采集茶树植株图像信息，获得初始图像；图像处理模块，与所述图像采集模块连接，用于对所述初始图像进行处理，获得目标图像；图像识别模块，与所述图像处理模块连接，用于对所述目标图像进行识别，获得病虫害识别结果。2.根据权利要求1所述的基于图像识别的茶园病虫害监测系统，其特征在于，所述图像采集模块至少包括手机采集单元、相机采集单元、摄像头采集单元。3.根据权利要求1所述的基于图像识别的茶园病虫害监测系统，其特征在于，所述图像处理模块包括第一处理单元、第二处理单元；所述第一处理单元用于图像滤波去噪、平滑处理、前景背景分割以及特征提取的预处理操作；所述第二处理单元用于将视频流图像信息进行实时编解码操作和格式转化。4.根据权利要求1所述的基于图像识别的茶园病虫害监测系统，其特征在于，所述图像识别单元包括病虫害识别单元、种类识别单元、位置识别单元；所述病虫害识别单元用于识别判断所述目标图像是否为病虫害图像；所述种类识别单元与所述病虫害识别单元连接，用于识别所述目标图像的病虫害种类信息；所述位置识别单元与所述病虫害识别单元连接，用于识别判断所述目标图像为病虫害图像后，获取所述病虫害图像的位置信息。5.根据权利要求1所述的基于图像识别的茶园病虫害监测系统，其特征在于，还包括样本库，所述样本库至少包括茶树生长库，以及与所述茶树生长库对应的病虫害数据库；所述茶树生长库包括不同种类的茶树图像以及与各茶树品种不同生长周期对应的图像；所述病虫害数据库包括与茶树生长周期对应的病虫害种类图像以及病虫害特征信息图像。6.根据权利要求5所述的基于图像识别的茶园病虫害监测系统，其特征在于，还包括存储模块，与种类识别单元连接，用于基于所述样本库的样本信息和种类识别单元识别的虫害种类信息，存储各类病虫害防治方法。7.根据权利要求6所述的基于图像识别的茶园病虫害监测系统，其特征在于，还包括防治技术推送模块，分别与所述图像识别模块和所述存储模块连接，用于根据所述病虫害识别结果调用病虫害防治方法。8.根据权利要求1所述的基于图像识别的茶园病虫害监测系统，其特征在于，还包括病虫害预警模块，所述病虫害预警模块包括病虫害报警单元、决策执行单元；所述病虫害报警单元用于向用户管理端发送报警信息；所述决策执行单元用于启动喷药系统，对茶园植物进行喷药灭虫。

技术总结
本发明公开了一种基于图像识别的茶园病虫害监测系统，包括：图像采集模块，用于采集茶树植株图像信息，获得初始图像；图像处理模块，与图像采集模块连接，用于对初始图像进行处理，获得目标图像；图像识别模块，与图像处理模块连接，用于对目标图像进行识别，获得病虫害识别结果。本发明实现了对茶园更高精度的病虫害智能监测管理，为后续的病虫情预测和防治提供了有效支持；避免大面积病虫害发生，降低茶园化学农药施用量，降低生产防治成本，减少茶园面源污染，减少碳排放，保证茶叶质量安全。保证茶叶质量安全。保证茶叶质量安全。


技术研发人员：陈世春 王晓庆 江宏燕 唐敏 翟秀明 商靖 邬秀宏
受保护的技术使用者：重庆市农业科学院
技术研发日：2022.02.18
技术公布日：2022/5/25