一种实时病害识别与精准喷药系统的制作方法

1.本发明涉及控制系统技术领域，具体涉及一种实时病害识别与精准喷药系统。


背景技术：

2.现有的黄瓜和番茄病虫害治理一般为人工或者人驾驶喷药车来完成喷药，均需要人工实现喷药控制，主观性较强，且对喷药对象和作物病害没有选择性，无法实现精准喷药。
3.这种病虫害治理方式需要较多的人力，劳动强度大，且使用农药过多会造成资源浪费，同时也会污染环境，从某些方面来讲，也影响到了农作物食品安全。


技术实现要素：

4.本发明提出的一种实时病害识别与精准喷药系统，可解决上述技术问题。
5.为实现上述目的，本发明采用了以下技术方案：
6.一种实时病害识别与精准喷药系统，包括壳体，壳体内设置药液箱，壳体的前端纵向设置喷杆，壳体内侧、药液箱旁边纵向设置微型电动隔膜泵，微型电动隔膜泵的进口与药液箱的出水口连接，微型电动隔膜泵的出口与喷杆的进水口连通；
7.喷杆上设置喷头，喷头与喷杆连通；
8.壳体的顶部设置usb摄像头，壳体的内部设置nx微型电脑，实时病害叶片识别模块部署在nx微型电脑中；
9.usb摄像头、微型电动隔膜泵分别与nx微型电脑电性连接。
10.进一步的，所述喷头为静电喷头含静电发生装置。
11.进一步的，所述壳体的顶部设置注水口，注水口与药液箱连通。
12.进一步的，所述喷杆设置n个，n为大于等于1的自然数。
13.进一步的，所述usb摄像头包括三个，分别固定在壳体顶部的左、右及前方，分别用于采集左右两侧的作物信息及前方路况，实时采集到的图像通过连接线传输到nx微型电脑。
14.进一步的，nx微型电脑通过继电器与微型电动隔膜泵相连。
15.进一步的，微型电动隔膜泵的输入端通过软管与药液箱出水口相连，输出端通过软管与喷杆的下端相连。
16.进一步的，喷杆通过卡扣固定在壳体的前侧壳面外侧，喷头在喷杆上均匀分布。
17.进一步的，药液箱通过卡槽固定在壳体的底部。
18.进一步的，nx微型电脑的输入端与usb摄像头相连，nx微型电脑的输出端与继电器相连，继电器与微型电动隔膜泵和静电发生装置相连，由继电器控制微型电动隔膜泵和静电发生装置的工作开关是否闭合。
19.由上述技术方案可知，本发明的实时病害识别与精准喷药系统，包括一个由病害图像识别系统和喷药控制系统组成的精准喷药模块；病害图像识别系统包括实时病害图像
识别模型、实时叶片图像采集系统，喷药控制系统包括继电器、微型电动隔膜泵、静电发生装置、静电喷头和喷杆。实时叶片图像采集系统捕捉叶片图像作为识别模型的输入，模型检测后筛选出患黄瓜霜霉病和番茄叶霉病叶片，同时给继电器发出信号，控制水泵工作，使喷头输出药液，对患病叶片进行喷药，实现精准治理。
20.本发明的有益效果：
21.实现了实时智能喷药，病害叶片的识别和喷药过程均不需要人工，减少了劳动强度和人力资源的使用；
22.病害叶片识别过程采用最新的yolov5模型，模型较小便于部署，同时引入coco数据集中的多样数据，增强图像数据集的丰富性，病害叶片识别准确率得到有效提高；
23.采用静电喷头，可使雾滴细化至30μm，农药吸附效果好，有效节省农药30％，提高药液利用率，降低防治费用，节约资源同时减少环境污染。
附图说明
24.图1是本发明的结构示意图；
25.图2是本发明的实时病害识别与精准喷药系统工作过程示意图；
26.图3是本发明的实时病害识别与精准喷药系统逻辑框图；
27.图4是本发明的实时病害叶片识别模型算法步骤；
28.图5是本发明的精准喷药模块控制电路图。
具体实施方式
29.为使本发明实施例的目的、技术方案和优点更加清楚，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，所描述的实施例是本发明一部分实施例，而不是全部的实施例。
30.如图1、图2及图3所示，本实施例所述的实时病害识别与精准喷药系统，包括实时病害叶片识别模块和精准喷药模块；所述精准喷药模块包含壳体8，壳体8内设置药液箱7，壳体8的前端纵向设置喷杆1，壳体8内侧、药液箱7旁边纵向设置微型电动隔膜泵6，微型电动隔膜泵6的进口与药液箱7的出水口连接，微型电动隔膜泵6的出口与喷杆1的进水口连通；
31.喷杆1上设置喷头2，喷头2与喷杆1连通；
32.所述喷头2为静电喷头含静电发生装置；采用静电喷头，可使雾滴细化至30μm，农药吸附效果好，有效节省农药30％，提高药液利用率，降低防治费用，节约资源同时减少环境污染。
33.壳体8的顶部设置usb摄像头3，壳体8的内部设置nx微型电脑5，实时病害叶片识别模块部署在nx微型电脑5中；
34.usb摄像头3、微型电动隔膜泵6分别与nx微型电脑5电性连接。
35.所述壳体8的顶部设置注水口4，注水口4与药液箱7连通，用于放入药水。
36.工作时，usb摄像头将采集到的叶片图像送入nx微型电脑中的病害叶片识别模型中，该模型可以准确实时识别出健康叶片和病害叶片，若识别出病害叶片，nx微型电脑输出的信号使继电器吸合开关给微型电动隔膜泵和静电发生装置通电工作，药液箱中的药液泵
入水管通入喷杆，高压静电喷头喷出雾状药滴；反之，喷头无药液喷出。
37.以下具体说明：
38.(1)实时病害叶片识别模块
39.该实时病害叶片识别模块包括：叶片图像采集装置、病害叶片识别模型。
40.1、叶片图像采集装置：使用usb摄像头实现叶片图像采集。usb摄像头3具体设置三个，usb摄像头固定在壳体顶部的左、右及前方采集左右两侧的作物信息及前方路况，实时采集到的图像通过连接线传输到nx微型电脑。该模块采用视频流媒体技术，通过nx微型电脑控制usb摄像头，采集待识别的黄瓜和番茄图片；将图片送入识别模型中进行病害识别，并根据识别结果执行喷药操作。
41.2、病害叶片识别模型：该模型采用高阶残差和参数共享反馈的深度卷积神经网络，对plantvillge、imagenet、自采集及扩展数据集共15700张图片，经过数百轮的学习训练，构建了黄瓜霜霉病和番茄叶霉病快速识别与病叶定位模型，该模型部署在实时病害识别与精准喷药系统的nx微型电脑；该模型在运行时，可识别分辨率为512x640像素的图像，模型运行速度22帧每秒，满足实时运行的需求。
42.识别算法步骤/工作流程(对应算法步骤流程图)
43.如图4所示，图片输入模型后，模型首先对采集到的图片进行降噪处理，然后进行光线平衡提高算法准确性，之后将图片归一化处理为900*600固定大小的图片；根据对训练数据集的学习，在输入的图像上框出图像中的每个叶片，对叶片进行特征提取，下采样后得到不同细粒度的图像特征，将提取到的特征进行融合，根据最终生成的特征对输入叶片图像进行识别，输出检测结果。
44.(2)精准喷药模块
45.精准喷药模块包括控制装置和喷药装置。其中控制装置包括nx微型电脑、继电器、微型电动隔膜泵和静电发生装置等；喷药装置包括药液箱、软管、喷杆、静电喷头等。
46.喷杆所在位置为该实时病害识别与精准喷药系统的前侧，nx微型电脑嵌在壳体后侧的倾斜平面上，同时nx微型电脑通过继电器与微型电动隔膜泵相连，微型电动隔膜泵与继电器垂直固定在壳体的两侧壳面内部，微型电动隔膜泵输入端通过软管与药箱出水口相连，输出端通过软管与喷杆下端相连；喷杆通过卡扣固定在壳体的前侧壳面外侧，静电喷头在喷杆上均匀分布，每个静电喷头都包含一个静电发生装置；药箱通过卡槽固定在壳体底部。
47.精准喷药模块的控制电路如图5所示，nx微型电脑的输入和输出端分别与usb摄像头和继电器(relay)相连，继电器与微型电动隔膜泵(pump)和静电发生装置(static electricity generating device)相连，由继电器控制微型电动隔膜泵和静电发生装置的工作开关是否闭合。
48.工作时，nx微型电脑的接收到usb摄像头采集到的叶片图像，其内部部署的病害叶片识别模型输出识别结果后其可编程接口(gpio)输出3.3v电压或者0v电压；由于微型电动隔膜泵需要12v电压驱动，静电发生装置需要48v电压驱动，gpio口的输出电压不可直接驱动二者工作，故另向微型电动隔膜泵提供12v电压、向静电发生装置提供48v电压，nx微型电脑和微型电动隔膜泵和静电发生装置之间由继电器相连；病害叶片识别模型检测到病害叶片时，nx微型电脑的gpio口输出0v电压，继电器接收到nx微型电脑gpio口输出的低电压信
号后，继电器的单向二极管导通，继电器线圈中有电流通过，微型电动隔膜泵和静电发生装置的开关吸合使二者通电工作，微型电动隔膜泵将药液箱中的药液泵入喷杆，静电发生装置将48v电压转换为17000v高压，使静电喷头喷出带有负电荷的药液雾滴，而叶片接地为零电势，药液雾滴和叶片之间产生电势差，药液雾滴吸附到叶片上。
49.综上所述，本发明的实时病害识别与精准喷药系统：1、采用深度学习的方法实现对病虫害叶片的精准识别从而实现精准喷药，保证了识别效果的同时免去了人工筛选病害叶片的过程降低了劳动强度；2、采用静电喷头，沉积效率高、雾滴漂移散失少、雾化效果好、降低环境污染，在保证效果的同时实现了低碳防治。
50.以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。