基于大数据技术和遥感数据的中药材品种分析识别系统的制作方法

1.本发明属于中药材识别技术领域，具体是基于大数据技术和遥感数据的中药材品种分析识别系统。


背景技术：

2.药材即可供制药的原材料，在中国尤指是中药材，即未经加工或未制成成品的中药原料。中药是中国传统的药材，中国药文化源远流长、博大精深，既包含数千年中药文明又融合近现代西药文明所创造的中西药并举、独具特色的文化现象，是中国优秀文化的重要组成部分，随着现在医学的发展，对药材的利用越来越广泛，因此对于药材而言，人们也开始对其进行分类。
3.现有的技术中，通常是通过卫星遥感技术并结合人工现场考察的方式对中药材的品种、生长状态以及种植区域进行识别，但是卫星遥感数据清晰度有限，地物情况复杂，识别较为困难，对技术的要求比较高，从而使得中药材的识别结果与实际情况往往存在非常大的偏差，为了解决上述问题，现提供基于大数据技术和遥感数据的中药材品种分析识别系统。


技术实现要素：

4.本发明的目的在于提供基于大数据技术和遥感数据的中药材品种分析识别系统。
5.本发明所要解决的技术问题为：如何提高卫星遥感数据的分析结果的精准度，从而使得中药材能够更加准确的被确定，进而确定中药材的种植区域。
6.本发明的目的可以通过以下技术方案实现：基于大数据技术和遥感数据的中药材品种分析识别系统，包括云平台、数据库、图像识别模块、光谱采集模块、数据分析模块以及药材品种匹配模块；
7.所述数据库，用于建立中药材品种参数集和中药材品种光谱参数集；
8.所述图像识别模块，用于通过卫星获取地面中药材的照片，并对获得的照片进行预处理；
9.所述光谱采集模块，用于通过卫星获取地面中药材种植区内的光谱信息，并对所获得的光谱信息进行预处理；
10.所述数据分析模块，用于对图像识别模块获取到的数据和光谱采集模块获取到的数据进行分析；
11.所述药材品种匹配模块，用于确定中药材的品种以及中药材的生长状态。
12.作为本发明更进一步的方案，药材品种参数集的建立过程包括以下步骤：
13.首先确定中药材的名称，并根据中药材的名称建立该中药材的信息集；
14.其次在该中药材的信息集内分别导入该中药材的幼年期照片组、成长期照片组、成熟期照片组以及枯萎期照片组；
15.然后将该中药材的幼年期照片组、成长期照片组、成熟期照片组以及枯萎期照片
组中的每张照片进行栅格化处理，并对每张中药材照片的特征点所对应的像素块进行标记，并将像素块中的像素点信息进行记录；并保存在数据库中。
16.作为本发明更进一步的方案，中药材品种光谱参数集的建立过程包括以下步骤：
17.首先获取中药材的幼年期、成长期、成熟期以及枯萎期的光谱信息，光谱信息包括中药材的幼年期、成长期、成熟期以及枯萎期所对应的健康状态的光谱信息和亚健康状态的光谱信息；
18.然后根据中药材的幼年期、成长期、成熟期以及枯萎期所对应的健康状态的光谱信息和亚健康状态的光谱信息生成中药材光谱参考信息集；最后将所获得的数据上传至数据库中进行保存。
19.作为本发明更进一步的方案，中药材的照片获取和预处理过程包括：
20.通过卫星定期拍摄药材种植区内药材的照片，连续拍摄n组照片，并将n组照片按照拍摄顺序进行排列，并对每组照片打上时间戳，时间戳为照片的拍摄时间；将拍摄的n组照片分别进行栅格化处理，并将栅格化处理后的照片中的每个像素块进行标记；对每个像素块中的像素点形成像素点集合。
21.作为本发明更进一步的方案，光谱信息的获取和预处理过程包括：
22.在对药材种植区内拍摄照片的同时，获取卫星拍摄区域内的光谱数据；根据所获得光谱数据生成光谱图，并将光谱图按照光的波长范围进行划定区间。
23.作为本发明更进一步的方案，对图像识别模块获取到的数据和光谱采集模块获取到的数据的分析过程包括：
24.将经过图像识别模块预处理后的照片与数据库中的药材品种数据集进行匹配；将药材照片中每个像素块以及像素块对应的像素点集合分别与中药材幼年期照片组、成长期照片组、成熟期照片组以及枯萎期照片组所对应的像素块以及像素块对应的像素点集合进行匹配；将匹配度记为α，并将α≥a0的药材名称以及药材对应的生长时期进行标记，然后按照匹配度由高到低进行排序；将匹配结果发送至药材品种匹配模块；将光谱采集模块所获得的光谱图与数据库中的中药材的幼年期、成长期、成熟期以及枯萎期的光谱信息进行匹配；将匹配度记为β，并将β≥b0的药材的名称以及对应的生长时期进行标记，然后按照匹配度由高到低进行排序；将匹配结果发送至药材品种匹配模块；再通过光谱图与数据库中的中药材的健康状态和亚健康状态所对应的光谱信息进行匹配，从而确定中药材的生长状态。
25.作为本发明更进一步的方案，中药材的品种以及中药材的生长状态的确认过程包括：
26.将匹配度α最高的中药材进行标记，并获取匹配度α最高的中药材所对应的名称以及生长时期；将匹配度β最高的中药材进行标记，并获取匹配度β最高的中药材所对应的名称以及生长时期；然后获取中药材的生长状态；将卫星拍摄区域内符合匹配结果的范围高亮标记为中药材生长种植区；最后将匹配结果生成药材匹配报表。
27.作为本发明更进一步的方案，药材匹配报表的内容包括药材的名称、生长时期、生长状态以及种植范围。
28.本发明的有益效果：图像识别模块通过卫星获取地面中药材的照片，并对获得的照片进行预处理，光谱采集模块通过卫星获取地面中药材种植区内的光谱信息；将卫星拍
摄的照片进行栅格化处理后，再对栅格化处理后的照片与数据库中的药材品种数据集进行匹配，从而使得照片的匹配结果更加精确，并且还对卫星所拍摄的区域通过光谱技术进行进一步地分析，从而将光谱信息与栅格化处理后的照片进行结合，从而更加快速的确定中药材的品种以及中药材的生长状态。
附图说明
29.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，下面将对实施例或现有技术描述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。
30.图1为基于大数据技术和遥感数据的中药材品种分析识别系统的原理框图。
具体实施方式
31.如图1所示，基于大数据技术和遥感数据的中药材品种分析识别系统，包括云平台、数据库、图像识别模块、光谱采集模块、数据分析模块以及药材品种匹配模块；
32.所述数据库，用于建立中药材品种参数集，具体建立过程包括以下步骤：
33.步骤s1：确定中药材的名称，并根据中药材的名称建立该中药材的信息集；
34.步骤s2：在该中药材的信息集内分别导入该中药材的幼年期照片组、成长期照片组、成熟期照片组以及枯萎期照片组；
35.步骤s3：将该中药材的幼年期照片组、成长期照片组、成熟期照片组以及枯萎期照片组中的每张照片进行栅格化处理，并对每张中药材照片的特征点所对应的像素块进行标记，将像素块中的像素点信息进行记录；
36.步骤s4：将步骤s1
‑
s3所获得的数据集合生成药材品种数据集，并保存在数据库中。
37.所述数据库还用于建立中药材品种光谱参数集，建立过程包括以下步骤：
38.步骤ss1：获取中药材的幼年期、成长期、成熟期以及枯萎期的光谱信息，光谱信息包括中药材的幼年期、成长期、成熟期以及枯萎期所对应的健康状态的光谱信息和亚健康状态的光谱信息；
39.步骤ss2：根据中药材的幼年期、成长期、成熟期以及枯萎期所对应的健康状态的光谱信息和亚健康状态的光谱信息生成中药材光谱参考信息集；
40.步骤ss3：将步骤ss1
‑
ss2所获得的数据上传至数据库中进行保存。
41.在实际使用过程中，还可以通过使用大数据处理技术，结合深度学习的方式，创建并训练中药材识别模型。
42.所述图像识别模块通过卫星获取地面中药材的照片，并对获得的照片进行预处理，具体过程包括以下步骤：
43.步骤x1：通过卫星定期拍摄药材种植区内药材的照片，拍摄周期为t；
44.步骤x2：连续拍摄n组照片，并将n组照片按照拍摄顺序进行排列，并对每组照片打上时间戳，时间戳为照片的拍摄时间；
45.步骤x3：将拍摄的n组照片分别进行栅格化处理，并将栅格化处理后的照片中的每
个像素块进行标记；
46.步骤x4：对每个像素块中的像素点形成像素点集合；
47.步骤x5：将步骤x1
‑
x4发送至数据分析模块中。
48.所述光谱采集模块用于通过卫星获取地面中药材种植区内的光谱信息，并对所获得的光谱信息进行预处理，具体过程包括以下步骤：
49.步骤g1：在对药材种植区内拍摄照片的同时，获取卫星拍摄区域内的光谱数据；
50.步骤g2：根据所获得光谱数据生成光谱图，并将光谱图按照光的波长范围进行划定区间；
51.步骤g3：将光谱图发送至数据分析模块中。
52.所述数据分析模块用于对图像识别模块获取到的数据和光谱采集模块获取到的数据进行分析，具体分析过程包括以下步骤：
53.步骤f1：将经过图像识别模块预处理后的照片与数据库中的药材品种数据集进行匹配；
54.步骤f2：将药材照片中每个像素块以及像素块对应的像素点集合分别与中药材幼年期照片组、成长期照片组、成熟期照片组以及枯萎期照片组所对应的像素块以及像素块对应的像素点集合进行匹配；
55.步骤f3：将匹配度记为α，并将α≥a0的药材名称以及药材对应的生长时期进行标记，然后按照匹配度由高到低进行排序；将匹配结果发送至药材品种匹配模块；
56.步骤f4：将光谱采集模块所获得的光谱图与数据库中的中药材的幼年期、成长期、成熟期以及枯萎期的光谱信息进行匹配；
57.步骤f5：将匹配度记为β，并将β≥b0的药材的名称以及对应的生长时期进行标记，然后按照匹配度由高到低进行排序；将匹配结果发送至药材品种匹配模块；
58.步骤f6：再通过光谱图与数据库中的中药材的健康状态和亚健康状态所对应的光谱信息进行匹配，从而确定中药材的生长状态。
59.其中a0和b0均为系统预设匹配度阈值，且a0和b0均大于0。
60.将卫星拍摄的照片进行栅格化处理后，再对栅格化处理后的照片与数据库中的药材品种数据集进行匹配，从而使得照片的匹配结果更加精确，并且还对卫星所拍摄的区域通过光谱技术进行进一步地分析，从而将光谱信息与栅格化处理后的照片进行结合，从而更加快速的确定中药材的品种以及中药材的生长状态。
61.所述药材品种匹配模块用于最终确定中药材的品种以及中药材的生长状态，具体确认方式包括以下步骤：
62.步骤p1：将匹配度α最高的中药材进行标记，并获取匹配度α最高的中药材所对应的名称以及生长时期；
63.步骤p2：将匹配度β最高的中药材进行标记，并获取匹配度β最高的中药材所对应的名称以及生长时期；
64.步骤p3：当步骤p1和步骤p2中的中药材为同一种时，则进一步获取该中药材的生长状态；
65.步骤p4：当步骤p1和步骤p2中的中药材不为同一种时，则分别获取两种中药材的生长状态；
66.步骤p5：对卫星拍摄区域内符合匹配结果的范围高亮标记为中药材生长种植区；
67.步骤p6：根据步骤p1
‑
p5所获取到的中药材名称以及生长时期生成药材匹配报表，药材匹配报表的内容包括药材的名称、生长时期、生长状态以及种植范围。
68.工作原理：
69.建立中药材识别模型：首先在数据库内里建立中药材品种参数集：首先根据中药材的名称建立该中药材的信息集；然后在该中药材的信息集内分别导入该中药材的幼年期照片组、成长期照片组、成熟期照片组以及枯萎期照片组；并对每个照片组中的每张照片进行栅格化处理，之后再对每张中药材照片的特征点所对应的像素块进行标记，将像素块中的像素点信息进行记录，从而生成药材品种数据集，并保存在数据库中。
70.同时在数据库内建立中药材品种光谱参数集：获取中药材的幼年期、成长期、成熟期以及枯萎期所对应的健康状态的光谱信息和亚健康状态的光谱信息，并生成中药材光谱参考信息集保存在数据库中。
71.获取中药材参数数据：图像识别模块通过卫星定期连续拍摄药材种植区内药材的照片，并将照片按照拍摄顺序进行排列，将拍摄的照片分别进行栅格化处理，并将栅格化处理后的照片中的每个像素块进行标记；最后对每个像素块中的像素点形成像素点集合；
72.光谱采集模块通过卫星在对药材种植区内拍摄照片的同时，获取卫星拍摄区域内的光谱数据；根据所获得光谱数据生成光谱图，并将光谱图按照光的波长范围进行划定区间，将光谱图发送至数据分析模块中。
73.中药材数据分析：数据分析模块通过对图像识别模块获取到的数据与数据库中的药材品种数据集进行匹配；将匹配度记为α，并将α≥a0的药材名称以及药材对应的生长时期进行标记，然后按照匹配度由高到低进行排序；将匹配结果发送至药材品种匹配模块；同时将光谱采集模块所获得的光谱图与数据库中的中药材的幼年期、成长期、成熟期以及枯萎期的光谱信息进行匹配；将匹配度记为β，并将β≥b0的药材的名称以及对应的生长时期进行标记，然后按照匹配度由高到低进行排序；将匹配结果发送至药材品种匹配模块；最后再通过光谱图与数据库中的中药材的健康状态和亚健康状态所对应的光谱信息进行匹配，从而确定中药材的生长状态，最后药材品种匹配模块根据数据分析模块的分析结果确定中药材的品种以及中药材的生长状态，并生成药材匹配报表。
74.上述公式均是去除量纲取其数值计算，公式是由采集大量数据进行软件模拟得到最接近真实情况的一个公式，公式中的预设参数和预设阈值由本领域的技术人员根据实际情况设定或者大量数据模拟获得。
75.以上内容仅仅是对本发明结构所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的结构或者超越本权利要求书所定义的范围，均应属于本发明的保护范围，此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。