基于机器视觉与物联网的育苗生产全程智能调控系统的制作方法
本发明涉及智能育苗,具体为基于机器视觉与物联网的育苗生产全程智能调控系统。
背景技术:
1、设施穴盘育苗是现代蔬菜、花卉生产的核心环节,幼苗品质直接决定后续栽培的产量与抗逆表现,现有育苗环境调控技术多围绕空气温度、空气湿度、光照强度、co2浓度等静态环境参数构建闭环控制体系,气流调控仅作为温湿度调控与气体交换的辅助手段,普遍采用定时通风或基于环境阈值的开关式控制策略。
2、植物生理学研究表明,适度的气流扰动可对幼苗形成机械刺激,诱导植株细胞壁加厚、纤维素与木质素积累,进而促进茎秆粗壮、降低株高、显著提升幼苗抗倒伏能力与移栽成活率,气流的机械锻炼价值已被充分证实。
3、目前,现有育苗调控系统对风场的调控仍以通风换气为单一目标,普遍采用基于空气温度、湿度或co2浓度阈值的开关式或分级变速控制策略。其风场检测手段主要依赖热线风速仪或压差式传感器,在育苗空间内布置有限数量的单点测风探头,该方式存在固有缺陷:其一,单点测量无法反映幼苗冠层微域内气流分布的空间异质性,宏观风速达标并不等同于每株幼苗均受到预期的气流作用,尤其在高密度穴盘条件下,冠层内部风速可能远低于过道测点读数;其二,现有系统完全缺乏对幼苗受力状态的直接检测,无法判断气流是否真正产生了有效的机械刺激,更无法量化刺激强度是否处于促进壮苗的最优范围;其三,风场调控与补光、温控、灌溉等子系统之间缺乏针对机械锻炼的协同逻辑,常出现通风降温与强化刺激相冲突、灌溉期间强风导致基质失水加速等矛盾,导致当前育苗系统无法同时满足气体交换与机械锻炼的双重需求,难以实现风场参数与幼苗生理响应的动态精准匹配,制约了育苗品质的进一步优化。
技术实现思路
1、本发明的目的就是为了弥补现有技术的不足,提供了基于机器视觉与物联网的育苗生产全程智能调控系统,包括叶片运动视觉采集模块、运动模态特征提取模块、风场参数映射模块、机械刺激评估模块、风场自适应调控模块和物联网协同管控模块,通过叶片运动视觉采集模块连续采集获取幼苗叶片多帧图像序列,通过运动模态特征提取模块提取振动频率、振幅与主导摆动方向三类运动模态特征;通过风场参数映射模块内置的梯度提升回归树风场反演模型,将运动模态特征映射反演为冠层有效风速与有效风向;再通过机械刺激评估模块结合品种力学特性计算机械刺激强度并与最优刺激区间比对输出判定结果;最终由风场自适应调控模块根据判定结果生成风速调节与风向偏转的调控指令,同时由物联网协同管控模块接入常规环境参数,实现育苗生产全程多环境因子协同闭环管控,使育苗区域风场同时满足气体交换与幼苗机械锻炼的双重目标。
2、本发明为解决上述技术问题,提供如下技术方案:基于机器视觉与物联网的育苗生产全程智能调控系统,该系统包括:
3、叶片运动视觉采集模块,用于按固定时序触发连续采集,输出育苗区域内幼苗叶片的多帧连续图像序列;
4、运动模态特征提取模块,用于对输入的图像序列进行逐帧分析,识别叶片特征点并跟踪帧间运动轨迹,提取得到叶片的运动模态特征;
5、风场参数映射模块,通过预训练的梯度提升回归树风场反演模型,将输入的运动模态特征映射反演为幼苗冠层的有效风速与有效风向两类有效风场参数;
6、机械刺激评估模块,用于根据有效风场参数与叶片摆动方向特征,结合品种力学特性计算当前气流对幼苗的机械刺激强度,并与当前生育期对应的最优刺激区间进行比对,输出刺激强度判定结果;
7、风场自适应调控模块,用于接收刺激强度判定结果,结合环境调控需求生成风速调节与风向偏转的调控指令,使育苗区域风场同时满足气体交换与幼苗机械锻炼的双重目标;
8、物联网协同管控模块,用于接入育苗全周期的常规环境参数,联动风场调控与其余环境调控逻辑,实现育苗生产全程多环境因子协同闭环管控。
9、叶片运动视觉采集模块,按固定时间间隔触发连续采集,间隔范围设置为0.3-1s,优选0.5s;单次连续采集输出15-30帧图像,优选20帧,采集帧率设置为不低于100fps,确保可清晰捕捉0.5-20hz范围内的叶片微震颤与低频摆动,采集范围按育苗区域划分为若干个等面积子区域,每个子区域对应一路独立采集通道;相邻子区域的采集范围设置10%-15%的重叠带,消除子区域边界处的监测盲区,实现育苗全域冠层的完整覆盖,模块输出统一格式的图像序列,实时传输至运动模态特征提取模块。
10、所述运动模态特征提取模块对输入的彩色图像序列执行灰度化转换,将三通道图像映射为单通道灰度图,降低计算量;随后采用5×5高斯滤波模板对图像进行卷积去噪,抑制采集噪声与光照波动干扰;再采用otsu自适应阈值分割算法,自动计算分割阈值,分离叶片冠层与背景区域,生成二值化叶片区域掩码;最后通过形态学开运算(先腐蚀后膨胀)去除掩码中的细小噪声斑点,平滑叶片轮廓,得到完整的叶片有效区域;
11、在叶片区域掩码内,采用shi-tomasi角点检测算法,选取纹理梯度变化显著的位置作为跟踪特征点,优先匹配叶片尖端、主叶脉节点等力学响应明显的位置;每张叶片选取3-5个特征点,单张子区域图像内保留不少于30个有效特征点,确保特征统计的可靠性与代表性;
12、采用lucas-kanade稀疏光流法,跟踪各特征点在连续帧间的二维位移;通过亚像素插值算法对位移结果进行插值优化,将位移检测精度提升至0.1像素级,保证叶片微小震颤的可识别性;最终输出每个特征点在x、y方向的位移时序曲线;
13、对位移时序曲线做离散傅里叶变换转换为频域信号,取频谱幅值最大的主频作为振动频率;取位移时序曲线的峰峰值作为振动振幅;统计位移矢量的角度分布,得到单特征点的主导摆动方向;
14、对同一子区域内所有特征点的振动频率、振幅取算术平均值,对所有特征点的摆动方向做矢量求和,取合矢量方向作为区域主导摆动方向,输出该子区域的运动模态特征向量。
15、所述对位移时序曲线做离散傅里叶变换转换为频域信号,其中离散傅里叶变换的表达式为:,在此基础上,叶片振动主频表示为:,其中,是第帧下叶片特征点的位移时序采样值,由稀疏光流跟踪得到单特征点的一维位移序列;是单组图像序列的总帧数,取值范围为15-30,优选20帧;是频域序号,取值范围为;是位移序列第个频点对应的复频谱值;是虚数单位;是第个频点的频谱幅值,是图像采集频率,取值不低于100fps,保证微小震颤的时间分辨率;是提取得到的叶片振动频率,单位为hz,即运动模态特征中的振动频率特征。
16、所述风场参数映射模块中,风场反演模型的训练步骤为:
17、对目标幼苗品种,在标准可控风场环境下构建标定样本集,设置风速梯度范围为0.2m/s-2.0m/s,步长0.1m/s;设置风向梯度范围为0°-90°,步长15°;每个工况下同步采集叶片运动图像序列与热线风速仪测得的标准风场参数,提取对应运动模态特征,形成标注样本,每个品种的标定样本量不少于1000组,覆盖主要生育阶段;
18、采用梯度提升回归树算法训练风场反演模型,所述风场反演模型包括风速反演模型与风向反演模型,所述风场反演模型采用加法模型形式,通过多棵决策树的加权叠加实现高精度非线性拟合;
19、接收实时运动模态特征,直接调用反演模型输出对应子区域的有效风场参数;
20、运行过程中,接收下发增量样本数据,执行在线增量训练,持续优化不同品种、不同生育期下的反演精度。
21、所述风场反演模型的表达式为:,其中,是输入的叶片运动模态特征向量,维度为3,依次对应振动频率、振动幅值、主导摆动方向;是模型输出的反演结果,对应冠层有效风速或有效风向,是梯度提升树的总迭代次数,即基学习器的总数,优选设置为150;是第棵回归决策树基学习器,为该决策树的节点分裂参数与叶节点取值;是第棵决策树对应的权重系数,用于控制单棵树对最终结果的贡献度,防止过拟合;是最终训练完成的风场参数反演模型,输入运动特征即可输出对应风场参数。
22、所述机械刺激评估模块计算当前气流对幼苗的机械刺激强度的表达式为:,其中,是机械刺激强度指数,数值越大代表气流对幼苗的机械刺激越强;是品种修正系数,由幼苗叶片质量、茎秆刚度与力学响应特性通过标定实验确定,不同幼苗品种对应不同取值,例如番茄幼苗取值为;是幼苗冠层有效风速,是冠层有效风向角,是叶片主导摆动方向角,即叶片摆动的主方向与参考坐标系的夹角。
23、所述机械刺激评估模块内置分品种、分生育期的最优刺激区间参数库,区间阈值依据植物生理学预实验确定,保证刺激强度可诱导茎秆加厚与抗逆性提升,同时不会造成叶片损伤与过度生长抑制,区间阈值随幼苗生育进程逐步提升,出苗期区间阈值最低,成苗期区间阈值最高,读取当前系统时间对应的幼苗生育期,调取匹配的最优刺激区间,将实时计算得到的机械刺激强度s与区间比对,当,输出偏低;当输出达标,当输出偏高判定结果,并将判定结果传输至风场自适应调控模块。
24、所述风场自适应调控模块的调控逻辑具体为:
25、当机械刺激强度低于最优区间下限时,若存在通风需求,则同步提升风速并调整风向与叶片摆动方向趋同;若无额外通风需求,则仅偏转风向优化气流作用角度;
26、当机械刺激强度处于最优区间内时,若环境参数达标则维持当前风场参数;若需加大通风量,则偏转风向减小叶片迎风面积,在维持刺激强度稳定的前提下提升通风量;
27、当机械刺激强度高于最优区间上限时,降低风速或偏转风向减小迎风面积,直至刺激强度回落至最优区间;若同时存在通风需求,则优先保证刺激强度不超标,通过延长通风时长满足气体交换需求。
28、所述物联网协同管控模块的协同调控逻辑为:
29、接入空气温度、空气湿度、光照强度、co2浓度、基质湿度五类常规环境参数;
30、当温度高于设定阈值时,优先通过风场调控降温,降温幅度不足时再启动温控调节;
31、当co2浓度低于设定值时,联动风场调控引入外界空气,提升冠层气体交换效率;
32、灌溉执行期间,暂停风场强化刺激模式,避免基质失水过快;
33、所有调控指令按预设优先级排序执行,避免多因子调控冲突。
34、所述物联网协同管控模块中,调控指令的优先级排序为:幼苗损伤保护>机械刺激适配>常规环境调控。
35、与现有技术相比,该基于机器视觉与物联网的育苗生产全程智能调控系统具备如下有益效果:
36、本发明通过机器视觉非接触式采集幼苗叶片运动图像并提取振动频率、振幅及摆动方向特征,通过预训练的梯度提升回归树反演模型将叶片力学响应定量映射为冠层有效风速与风向,解决了传统单点风速采集无法反映幼苗冠层微域实际受力状态的问题,实现风场参数与幼苗生理响应的匹配;同时引入机械刺激强度指数,综合风速、风向作用角度与品种力学特性量化评估气流对幼苗的实际刺激程度,并按品种与生育期动态比对最优区间,使风场调控从单纯的通风换气转变为气体交换与机械锻炼的双目标闭环控制,有效促进茎秆粗壮、降低株高、提升移栽成活率;另外系统通过物联网协同管控模块统筹温度、湿度、co2浓度、光照及灌溉等多环境因子,按优先级仲裁调控指令,避免多因子冲突,实现育苗全程多环境因子的协同闭环管理,整体提升了育苗品质与生产智能化水平。
37、本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述,并且在某种程度上,基于对下文的考察研究对本领域技术人员而言将是显而易见的,或者可以从本发明的实践中得到教导。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com