一种基于视觉网络的道路绿化养护动态调节系统的制作方法
本发明涉及园林绿化管理,具体是涉及一种基于视觉网络的道路绿化养护动态调节系统。
背景技术:
1、道路绿化作为城市生态环境建设的重要组成部分,不仅能够净化空气、涵养水源、缓解热岛效应,还能提升城市景观品质、保障交通出行舒适度,其养护质量直接关系到城市生态功能的发挥与人居环境的提升;当前,我国道路绿化养护多采用传统粗放式管理模式,主要依赖人工巡检、经验判断的方式开展灌溉、施肥、除草、病虫害防治等作业,存在诸多痛点与不足;一方面,传统养护方式对植被生长状态、土壤墒情的判断依赖人工经验,主观性强、误差大,易出现过度灌溉、盲目施肥等问题,既造成水资源、肥料的严重浪费,增加养护成本,又可能导致土壤板结、植被徒长、水体污染等次生问题;另一方面,道路绿化区域跨度大、点位分散,人工巡检效率低下,难以实现植被生长状态的实时监测,对于杂草滋生、病虫害爆发、灌溉系统故障等问题无法及时发现与处理,导致养护响应滞后,影响绿化植被的存活率与生长质量。
2、随着智慧园林、智能养护技术的发展,部分地区开始引入简易的自动化灌溉设备,但此类设备多采用固定时间、固定流量的灌溉模式,无法根据植被实时生长状态、土壤墒情差异以及气象条件动态调整养护策略,难以适配道路绿化区域内不同植被、不同区段的差异化养护需求。同时,现有技术中缺乏对植被生理状态与土壤墒情的精准联动分析,无法实现需水需肥的耦合计算,养护作业的针对性与精准度仍有待提升;此外,现有道路绿化养护系统多未设置作业效果反馈机制,无法对灌溉、施肥等作业的实际效果进行量化评估,也难以及时发现灌溉系统堵塞、泄漏等故障。
3、因此,研发一种能够实现道路绿化状态精准感知、养护策略动态调节、作业效果实时反馈的智能调控系统,成为解决当前道路绿化养护痛点、提升养护智能化水平的关键需求。
技术实现思路
1、为解决上述技术问题,提供一种基于视觉网络的道路绿化养护动态调节系统,本技术方案解决了上述的问题。
2、为达到以上目的,本发明采用的技术方案为:
3、一种基于视觉网络的道路绿化养护动态调节系统,包括:
4、多光谱视觉采集模块,获取道路绿化区域的实时植被影像流;所述实时植被影像流包括通过车载或路侧多光谱相机阵列采集的可见光波段图像与近红外波段图像;
5、植被生理状态解析模块,对所述实时植被影像流进行像素级语义分割,提取植被冠层的归一化差异植被指数分布图;所述归一化差异植被指数分布图用于表征植被叶片的叶绿素含量与生长活性空间分布;
6、土壤墒情反演模块,基于所述可见光波段图像的纹理特征与热红外辐射数据,结合预设的土壤光谱反射率模型,反演得到根区土壤的体积含水量与表面蒸发速率;
7、需水需肥耦合计算模块,将所述归一化差异植被指数分布图与所述体积含水量输入至预先训练的植物蒸腾需水模型中;所述植物蒸腾需水模型内部嵌入有基于彭曼-蒙蒂斯公式修正的蒸散发约束方程,输出目标绿化区域的瞬时水分亏缺值与养分需求梯度;
8、动态灌溉策略生成模块,根据所述瞬时水分亏缺值与养分需求梯度,结合气象预报数据,生成时空变异的灌溉施肥决策矩阵;所述决策矩阵包含不同分区对应的电磁阀开启时长与肥料注入浓度;
9、精准执行控制模块,将所述灌溉施肥决策矩阵转化为脉冲宽度调制信号,执行差异化养护作业。
10、优选地,对所述实时植被影像流进行像素级语义分割,包括:
11、构建包含编码器与解码器的深度卷积神经网络;
12、在所述编码器的下采样过程中引入空间注意力机制,用于增强植被边缘与背景土壤的特征区分度;
13、通过解码器将深层语义特征恢复至原始分辨率,生成包含单株植物轮廓的像素级掩膜;
14、基于所述像素级掩膜剔除背景噪声,仅保留植被区域的感兴趣区域用于后续指数计算。
15、优选地,反演得到根区土壤的体积含水量,包括:
16、利用同步定位与建图技术构建绿化带的三维点云地图,并定位土壤裸露区域的空间坐标;
17、提取所述土壤裸露区域在近红外波段的反射率数值;
18、基于土壤水分特征曲线,建立反射率数值与土壤介电常数之间的非线性映射关系,进而计算出根区土壤的体积含水量。
19、优选地,所述植物蒸腾需水模型通过以下方式构建:
20、采用长短期记忆神经网络作为时序预测骨干,输入层维度包括历史时刻的归一化差异植被指数、空气温湿度及太阳辐射强度;
21、在损失函数中引入物理一致性正则化项,强制模型输出值逼近由彭曼-蒙蒂斯公式计算的理论潜在蒸散发量;
22、利用历史养护记录中的实际灌溉量与土壤湿度反馈数据对模型参数进行迁移学习微调。
23、优选地,生成时空变异的灌溉施肥决策矩阵,包括:
24、将目标绿化区域划分为若干个独立的灌溉控制单元;
25、计算每个控制单元内的平均瞬时水分亏缺值;
26、若所述平均瞬时水分亏缺值超过第一预设阈值,则判定该单元为重度缺水状态,生成包含高流量灌溉指令的决策子矩阵;
27、若所述平均瞬时水分亏缺值处于第二预设阈值与第一预设阈值之间,则判定为中度缺水状态,生成包含脉冲式滴灌指令的决策子矩阵。
28、优选地,获取道路绿化区域的实时植被影像流之后,还包括:
29、通过目标检测算法识别影像中的杂草特征区域与病虫害斑块;
30、计算所述杂草特征区域的覆盖度占比;
31、当所述覆盖度占比超过预设的杂草容忍度时,生成除草剂定点喷洒指令,并控制机械臂调整喷头角度对准所述杂草特征区域进行非接触式施药。
32、优选地,所述养分需求梯度的计算过程包括:
33、提取植被冠层图像的色度分量,构建叶色色差向量;
34、将所述叶色色差向量与标准健康植被色谱库进行比对,识别氮、磷、钾元素的缺失特征;
35、基于缺失特征的显著程度,量化生成对应的养分需求梯度值。
36、优选地,在驱动变量施肥机或智能喷灌管网执行差异化养护作业之后,还包括:
37、在预设的时间间隔后再次采集作业区域的植被影像;
38、计算作业前后的归一化差异植被指数变化率与土壤湿度增量;
39、若所述土壤湿度增量小于预期值的预设百分比,则判定灌溉系统存在堵塞或泄漏故障,并触发维护报警信号。
40、优选地,所述计算作业前后的归一化差异植被指数变化率与土壤湿度增量,包括:
41、选取作业区域内若干个均匀分布的特征采样点,提取作业前植被影像中各特征采样点对应的归一化差异植被指数初始值,以及作业后对应采样点的归一化差异植被指数更新值,通过公式计算得到各采样点的归一化差异植被指数变化率,所述公式为:公式为:
42、;
43、式中,为各采样点的归一化差异植被指数变化率,为作业前各采样点对应的归一化差异植被指数初始值,为作业后各采样点对应的归一化差异植被指数更新值;
44、同步提取各特征采样点对应的作业前根区土壤体积含水量初始值与作业后体积含水量更新值,通过公式计算得到各采样点的土壤湿度增量,所述公式为:
45、;
46、式中,为各采样点的土壤湿度增量,为作业前各采样点对应的根区土壤体积含水量初始值,为作业后各采样点对应的根区土壤体积含水量更新值;
47、对所有特征采样点的变化率与湿度增量进行加权平均计算,得到整个作业区域的平均归一化差异植被指数变化率与平均土壤湿度增量。
48、优选地,转化为脉冲宽度调制信号之前,还包括:
49、获取管网内的实时水压数据与流量数据;
50、构建水力平衡约束方程,计算在同时开启多个电磁阀时的压力损失分布;
51、基于所述压力损失分布对所述脉冲宽度调制信号的占空比进行压力补偿修正,以确保各出水末端的流量均匀性。
52、与现有技术相比,本发明的有益效果在于:
53、1.通过多光谱视觉采集模块获取可见光与近红外波段影像,结合植被生理状态解析模块的像素级语义分割的技术,能够精准提取植被冠层的归一化差异植被指数,清晰表征植被叶绿素含量与生长活性;同时,土壤墒情反演模块基于影像纹理特征与热红外数据,可精准反演根区土壤体积含水量与表面蒸发速率,实现植被生长状态与土壤墒情的同步、实时监测,为后续养护决策提供精准的数据支撑,避免经验判断带来的误差;
54、2.实现需水需肥耦合计算,提升养护作业的针对性与合理性:需水需肥耦合计算模块将植被生理状态数据与土壤墒情数据相结合,通过嵌入彭曼-蒙蒂斯公式修正蒸散发约束方程的植物蒸腾需水模型,精准输出瞬时水分亏缺值与养分需求梯度,实现植被需水与需肥需求的协同分析,避免传统养护中重灌溉、轻施肥、盲目施肥的问题,既节约水资源与肥料成本,又能贴合植被生长规律,提升养护质量;
55、3.生成时空变异的养护决策,适配差异化养护需求:动态灌溉策略生成模块将瞬时水分亏缺值、养分需求梯度与气象预报数据相结合,将绿化区域划分为独立灌溉控制单元,针对不同单元的缺水程度生成差异化的灌溉施肥决策矩阵,实现按需灌溉、精准施肥,适配道路绿化区域内不同植被、不同区段的生长差异,解决传统固定模式养护适配性差的问题;
56、4. 系统不仅实现灌溉、施肥的精准调控,还通过目标检测算法识别杂草与病虫害斑块,实现除草剂定点喷洒,减少农药浪费与环境污染;同时,通过作业后影像采集与参数对比,计算归一化差异植被指数变化率与土壤湿度增量,实现养护作业效果的量化评估,且能及时发现灌溉系统堵塞、泄漏等故障,触发维护报警,提升系统运行的可靠性与智能化水平。
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