面向设施番茄生长阶段的异常监测方法和系统

本发明涉及智慧农业，尤其涉及一种面向设施番茄生长阶段的异常监测方法和系统。

背景技术：

1、设施番茄是现代设施农业中的重要作物，其生长过程容易受到温度、湿度、光照、水分供应、养分状态以及病害胁迫等多种因素影响。一旦生长环境发生异常，往往会直接影响番茄的开花坐果、果实膨大和品质形成，严重时还会造成减产甚至死株。因此，在番茄生长过程中，及时发现异常、准确判断异常程度并尽早采取处理措施，是保障设施番茄稳产高产的重要环节。其中，设施番茄是指在人工建造的保护设施（如温室、大棚等）内栽培的番茄。

2、现有的番茄生长监测方式大多仍以人工巡查为主，管理人员主要通过观察叶片颜色、植株长势和果实外观来判断番茄是否存在异常。这种方式虽然直观，但明显依赖经验，存在主观性强、工作量大、发现不及时等问题，尤其是在种植面积较大或者生长环境变化较快时，很难做到连续、稳定和准确的监测。即使部分种植场景中已经引入温湿度传感器、土壤或根区水分传感器等设备，也往往只是对单一指标进行采集和显示，缺少对多源数据的综合分析能力，难以全面反映番茄真实的生长状态。

3、同时，现有监测方法虽然开始结合图像识别或传感数据分析技术，但多数仍采用固定阈值或单一模型进行判断，没有充分考虑番茄在不同生长阶段下的正常状态差异。事实上，苗期、开花坐果期、果实膨大期和转色成熟期的长势特点并不相同，同样的环境波动或表型变化，在不同阶段所代表的意义也存在明显差异。如果对所有阶段采用统一标准，容易出现误报或漏报的问题。

4、因此，亟需一种能够利用多源信息进行监测、综合反映番茄真实状态、充分考虑番茄的生长阶段，从而实现精准的番茄生长异常识别的方法。

技术实现思路

1、鉴于此，本发明实施例提供了一种面向设施番茄生长阶段的异常监测方法和系统，以消除或改善现有技术中存在的一个或更多个缺陷。

2、本发明的一个方面提供了一种面向设施番茄生长阶段的异常监测方法，该方法包括以下步骤：连续采集作物环境信息和植株图像信息；其中，作物环境信息包括空间环境信息和根区环境信息；基于最近预设时段内的作物环境信息和植株图像信息确定番茄当前所处生长阶段，将最近预设时段内的作物环境信息和植株图像信息与健康样本库存储的标准作物状态信息进行匹配对比，计算作物生长阶段偏离度；利用预训练的图像识别模型基于当前的植株图像信息得到显症得分，所述显症得分用于表示番茄当前存在显症异常的明显程度；利用预训练的时序自编码预测模型基于最近预设时段内的作物环境信息得到隐症得分，所述隐症得分用于表示番茄当前所处空间环境和/或根区环境偏离正常生长轨迹的程度；基于当前的作物生长阶段偏离度、显症得分和隐症得分确定当前的协同异常强度数据，基于最近预设时段内的协同异常强度数据确定当前的异常演化记忆量，基于当前的协同异常强度数据和异常演化记忆量确定当前的异常风险值；其中，所述异常演化记忆量用于表征距当前最近预设时段内异常的上升或下降趋势，所述异常风险值用于表征当前番茄发生生长异常的严重程度和发展趋势。

3、在本发明的一些实施例中，所述基于最近预设时段内的作物环境信息和植株图像信息确定番茄当前所处生长阶段的步骤，包括：基于最近预设时段内的作物环境信息提取空间环境变化特征和根区环境状态特征，基于最近预设时段内的植株图像信息提取冠层形态变化特征、叶片颜色特征、冠层温度变化特征和长势时序特征；将空间环境变化特征、根区环境状态特征、冠层形态变化特征、叶片颜色特征、冠层温度变化特征和长势时序特征中的部分或全部作为多源特征输入，利用预训练的生长阶段识别模型输出番茄当前所处生长阶段；其中，所述生长阶段识别模型基于由历史多源特征和相应生长阶段标签构成的训练集预训练得到。

4、在本发明的一些实施例中，所述标准作物状态信息包括番茄当前所处生长阶段对应的标准空间环境信息、标准根区环境信息、标准植株图像信息、标准综合生长状态值和标准生长变化幅度；所述将最近预设时段内的作物环境信息和植株图像信息与健康样本库存储的标准作物状态信息进行匹配对比，计算作物生长阶段偏离度的步骤，包括：将当前的空间环境信息、根区环境信息和记录冠层状态的植株图像信息与番茄当前所处生长阶段对应的标准作物状态信息进行分别对照，分别计算空间环境得分、根区环境得分和冠层得分；按照预设权重将空间环境得分、根区环境得分和冠层得分加权得到番茄当前的综合生长状态值，基于最近预设时段内的综合生长状态值确定番茄当前的生长变化幅度；将番茄当前的综合生长状态值和生长变化幅度分别与标准综合生长状态值和标准生长变化幅度进行匹配对比，通过偏离度计算得到作物生长阶段偏离度。

5、在本发明的一些实施例中，所述方法还包括预先构建健康样本库的步骤，具体包括：获取健康生长的番茄在各个生长阶段的标准空间环境信息、标准根区环境信息和记录冠层状态的标准植株图像信息；计算健康生长的番茄在各个生长阶段的标准综合生长状态值和标准生长变化幅度；将健康生长的番茄在各个生长阶段的标准空间环境信息、标准根区环境信息、标准植株图像信息、标准综合生长状态值和标准生长变化幅度存储到健康样本库。

6、在本发明的一些实施例中，所述植株图像信息包括番茄植株的可见光图像和冠层热红外图像；所述图像识别模型为双分支图像识别模型，双分支图像识别模型在结构上包括第一分支、第二分支、融合层和分类判断层，所述利用预训练的图像识别模型基于当前的植株图像信息得到显症得分的步骤，包括：第一分支基于可见光图像提取可见光特征，第二分支基于冠层热红外图像提取红外光特征；将所述可见光特征和所述红外光特征在融合层中进行加权融合，将加权融合的结果输入分类判断层，由分类判断层输出显症得分；其中，所述双分支图像识别模型基于由历史可见光特征、红外光特征及相应显症得分标签构成的训练集预训练得到。

7、在本发明的一些实施例中，所述空间环境信息包括空气温度、空气湿度、二氧化碳浓度和光照强度中的部分或全部，所述根区环境信息包括根区栽培介质含水信息、根区栽培介质盐分信息和根区温度信息中的部分或全部；所述时序自编码预测模型采用编码器-解码器结构，所述利用预训练的时序自编码预测模型基于最近预设时段内的作物环境信息得到隐症得分的步骤，包括：利用最近预设时段内的作物环境信息构建当前时段的真实监测序列，以所述真实监测序列作为时序自编码预测模型的输入，利用编码器提取真实监测序列中的变化规律，利用解码器生成对当前时段的健康序列重建结果，并生成对下一时刻健康状态的预测结果，基于当前时段的真实监测序列与健康序列重建结果的偏差、下一时刻健康状态的预测结果与下一时刻真实状态的偏差，确定隐症得分。

8、在本发明的一些实施例中，在确定当前的异常风险值后，所述方法还包括：基于预设规则将当前的异常风险值映射为风险等级，根据风险等级进行相应提示或报警；其中，所述风险等级包括提示级、关注级、预警级和报警级。

9、与上述方法相应地，本发明的还提供了一种面向设施番茄生长阶段的异常监测系统，包括处理器、存储器及存储在存储器上的计算机程序/指令，所述处理器用于执行所述计算机程序/指令，当所述计算机程序/指令被执行时该系统实现如上实施例中任一项所述方法的步骤。

10、与上述方法相应地，本发明还提供了一种计算机可读存储介质，其上存储有计算机程序/指令，该计算机程序/指令被处理器执行时实现如上实施例中任一项所述方法的步骤。

11、与上述方法相应地，本发明还提供了一种计算机程序产品，包括计算机程序/指令，该计算机程序/指令被处理器执行时实现如上实施例中任一项所述方法的步骤。

12、本发明提出的面向设施番茄生长阶段的异常监测方法，能够结合番茄不同生长阶段的环境特点和外形特点，识别番茄当前所处的生长阶段，再调用对应阶段的正常生长参考标准进行分析，有助于精准区分不同阶段下的正常变化与异常变化，减少因阶段差异造成的误判和漏判，有助于提高番茄生长异常监测的准确性。

13、本发明的附加优点、目的，以及特征将在下面的描述中将部分地加以阐述，且将对于本领域普通技术人员在研究下文后部分地变得明显，或者可以根据本发明的实践而获知。本发明的目的和其它优点可以通过在说明书以及附图中具体指出的结构实现到并获得。

14、本领域技术人员将会理解的是，能够用本发明实现的目的和优点不限于以上具体所述，并且根据以下详细说明将更清楚地理解本发明能够实现的上述和其他目的。