一种基于机器学习的香蕉植物营养判断方法与流程

1.本发明涉及香蕉植物种植的技术领域，更具体地，涉及一种基于机器学习的香蕉植物营养判断方法。


背景技术：

2.香蕉是热带亚热带地区的多年生大型草本植物，定植一年左右可收获，依据定植时间又可分为春植、夏植、秋植等。由于香蕉的生长受气温影响严重，不同季节种植的香蕉生育期不同，因此很难确定具体的施肥日期。按照叶片数量及长势施肥法现已在生产上实施，可操作性强。但是需要有经验的农业技术人员或者种植户去判断香蕉处于什么阶段，需要投入多少养分、肥料。而当地一般专业的农业技术人员需要培养很久，且需要去当地观察，耗费人力物力。


技术实现要素：

3.本发明提供一种基于机器学习的香蕉植物营养判断方法，能够在香蕉树不同阶段需要的营养摄入，及时补充相关营养元素，进行作物营养改善，缩短诊断测量时间、降低诊断成本、减少劳动力支出，减少作物病害，增加香蕉产量。
4.为解决上述问题，提供一种基于机器学习的香蕉植物营养判断方法，包括以下步骤：采集香蕉植物照片步骤，拍摄香蕉植物照片；所述香蕉植物照片包括香蕉植物的所有叶片；图像处理步骤，将香蕉植物照片经过图像处理获得处理照片；判断香蕉植物的栽培模式步骤，确定香蕉植物的栽培模式为新植蕉或宿根蕉；香蕉植物生长期判断步骤，通过将处理照片进行叶片计数分析，获得香蕉植物的叶片数；结合香蕉植物的栽培模式和叶片数通过生长期判断法获得香蕉植物的叶龄；香蕉植物长势判断步骤，将处理照片进行长势判断分析，输出香蕉植物的当前香蕉植物生长状况；土壤情况判断步骤，获取当前香蕉植物种植区域内的土壤信息并进行土壤信息分析获得土壤影响因子；所述土壤信息包括若干个土壤影响因素对应的土壤数据；气象情况判断步骤，获取当前香蕉植物种植区域内的气象信息进行气象信息分析获得气象影响因子；所述气象信息包括若干个气象影响因素对应的气象数据；灌溉情况判断步骤，获取当前香蕉植物种植区域内的灌溉信息进行灌溉信息分析获得灌溉影响因子；所述灌溉信息包括若干个灌溉影响因素对应的灌溉数据；施肥情况判断步骤，获取当前香蕉植物种植区域内的施肥信息进行施肥信息分析获得施肥影响因子；所述施肥信息包括若干个施肥影响因素对应的施肥数据；香蕉植物综合营养判断步骤，专家依据香蕉植物的叶龄的实际生长情况划定叶龄范围，并制定每个叶龄范围对应的最优生长状况、最优土壤影响因子、最优气象影响因子、
最优灌溉影响因子和最优施肥影响因子；找出当前香蕉植物叶龄所对应的叶龄范围，当前香蕉植物生长状况、土壤影响因子、气象影响因子、灌溉影响因子和施肥影响因子与分别进行对比分析，并将数据归纳融合，结合拮抗机制后制定营养方案；所述营养方案为对香蕉养分供给量及养分供给频率；其中，所述长势判断分析包括以下子步骤：特征提取子步骤∶对处理照片分别进行颜色特征提取、大小特征提取、纹理特征提取；长势等级划分子步骤：依据种植专家经验依据叶龄和香蕉植物长势的好坏程度划分若干个香蕉植物的长势等级，每个长势等级对应叶龄、颜色特征、大小特征和纹理特征；结果输出子步骤：建立香蕉照片图库，依据香蕉植物长势等级进行分类训练，对特征提取后的处理照片进行机器学习判断，输出每个叶片的长势等级；结果输出子步骤：选取所有叶片的长势等级中最坏的长势等级为当前香蕉植物生长状况并输出；所述土壤信息分析包括以下步骤：确定第n个土壤影响因素的土壤影响权重ωn，其中，n＝1，2，...，m；获取理想情况下的土壤数据en；将土壤数据进行归一化处理后设为xn；计算土壤影响因子所述气象信息分析包括以下步骤：确定第a个气象影响因素的气象影响权重ωa，其中，a＝1，2，...，m；获取理想情况下的气象数据fa；将气象数据进行归一化处理后设为ya，其中，a＝1，2，...，m；计算气象影响因子所述灌溉信息分析包括以下步骤：确定第b个灌溉影响因素的灌溉影响权重ωb，其中，b＝1，2，...，m；获取理想情况下的灌溉数据gb；将灌溉数据进行归一化处理后设为zb，其中，b＝1，2，...，m；计算灌溉影响因子所述施肥信息分析包括以下步骤：确定第c个施肥影响因素的施肥影响权重ωc，其中，c＝1，2，...，m；获取理想情况下的施肥数据hc；将施肥数据进行归一化处理后设为pc，其中，c＝1，2，...，m；计算施肥影响因子
5.特别的，所述图像处理步骤中将香蕉植物照片经过图像处理的具体步骤包括：(1)将香蕉植物照片转化为rgb数值矩阵，调节图像的明暗，增强对比度；(2)利用k-means聚类算法自动筛选出去除背景以外的有效区域；(3)利用边缘识别技术识别出单个包括所有叶片的香蕉植物所在的香蕉植物区域；(4)反选香蕉植物区域后删除，获得处理照片。
6.特别的，所述生长期判断法包括训练步骤和输出步骤；所述训练步骤包括：机器自动输入海量处理图像，根据香蕉植物的栽培模式建立香蕉不同栽培模式下不同生长阶段叶龄的特征数据库，然后根据特征数据库对图像特征依据叶龄进行分类；机器不断输入海量处理图像循环上述步骤直至训练完成；所述输出步骤包括：将处理照片输入至完成训练步骤后的机器后，输出叶龄。
7.特别的，所述土壤影响因素包括土壤结构属性、土壤有机质含量、土壤酸碱度、渗透性、持水率、土壤元素的种类及其含量、土壤空气含量、地表平均温度、不同土层平均温度、不同土层平均湿度、土壤电导率、微生物含量。
8.特别的，所述气象信息包括光照时长、光照强度、降雨量、大气温度、平均温度、极限温度、风速、蒸发量。
9.特别的，所述灌溉信息包括灌溉水的种类、品质、灌溉时间、灌溉用量、灌溉频率。
10.特别的，所述施肥信息包括肥料的种类、养分含量、施肥时间、施肥用量、施肥浓度、施肥频率。
11.特别的，所述土壤影响权重分别为种植专家通过层次分析法设定的权重。
12.一种基于机器学习的香蕉植物营养判断方法的系统，包括：拍摄装置、机器视觉识别模块、田间物联网系统、土壤墒情实时在线监测系统、肥料实时监测装置、灌溉实时检测模块、气象仪和营养判断模块；所述拍摄装置用于拍摄香蕉植物照片；所述香蕉植物照片包括香蕉植物的所有叶片；所述机器视觉识别模块用于执行香蕉植物生长期判断步骤；所述田间物联网系统用于提供和更新专家提供的叶龄范围及每个叶龄范围对应的最优生长状况、最优土壤影响因子、最优气象影响因子、最优灌溉影响因子和最优施肥影响因子，以及依据叶龄和香蕉植物长势的好坏程度划分若干个香蕉植物的长势等级；所述肥料实时监测装置用于获取当前香蕉植物种植区域内的施肥信息；所述灌溉实时检测模块用于获取当前香蕉植物种植区域内的灌溉信息；所述气象仪用于获取当前香蕉植物种植区域内的气象信息；所述营养判断模块用于执行香蕉植物生长期判断步骤、香蕉植物长势判断步骤、土壤情况判断步骤、气象情况判断步骤、灌溉情况判断步骤、施肥情况判断步骤、香蕉植物综合营养判断步骤。
13.本发明的有益效果：本发明通过光谱图像遥感、机器视觉识别、田间物联网系统收集香蕉叶片生长状况，结合土壤墒情实时在线监测系统，配置可以监测雨量、土壤湿度等参数的气象仪，以及肥料溶液ec、ph的肥料实时监测装置等，并结合物联网，以提供不间断的气象、灌溉、施肥等决策数据，通过学习并自动识别香蕉叶片数和长势情况，同时利用了土壤、气候气象、水分、肥料数据等进行影响因子分析，根据叶片数来决定不同阶段营养方案，实现对其进行大面积、快速、无损的检测，实现实时对香蕉长势状况的局部及整体的监测，实现立体化、智能化的管理，降低水、肥、人力等生产资料的投入，为香蕉作物不同时期生长所需营养提供精准配方，为增加果实品质与产量提供技术保障。
14.通过机器、电脑程序等替代农业人员人工操作对香蕉树进行营养诊断，机器与电脑程序根据香蕉叶片数及作物生长形势自动识别，以此来决定香蕉树不同阶段需要的营养摄入，及时补充相关营养元素，进行作物营养改善，缩短诊断测量时间、降低诊断成本、减少劳动力支出，减少作物病害，增加香蕉产量，也是实现农业信息化的路径之一。
具体实施方式
15.下面对本发明的优选实施例进行详细阐述，以使本发明的优点和特征能更易于被本领域技术人员理解，从而对本发明的保护范围做出更为清楚明确的界定。
16.需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等
指示的方位或位置关系为基于方位或位置关系，或者是该发明产品使用时惯常摆放的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
17.此外，术语“水平”、“竖直”、“悬垂”等术语并不表示要求部件绝对水平或悬垂，而是可以稍微倾斜。如“水平”仅仅是指其方向相对“竖直”而言更加水平，并不是表示该结构一定要完全水平，而是可以稍微倾斜。
18.在本发明的描述中，还需要说明的是，除非另有明确的规定和限定，术语“设置”、“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
19.本实施例的一种基于机器学习的香蕉植物营养判断方法，包括以下步骤：采集香蕉植物照片步骤，拍摄香蕉植物照片。香蕉植物照片包括香蕉植物的所有叶片；图像处理步骤，将香蕉植物照片经过图像处理获得处理照片；判断香蕉植物的栽培模式步骤，确定香蕉植物的栽培模式为新植蕉或宿根蕉；香蕉植物生长期判断步骤，通过将处理照片进行叶片计数分析，获得香蕉植物的叶片数；结合香蕉植物的栽培模式和叶片数通过生长期判断法获得香蕉植物的叶龄；香蕉植物长势判断步骤，将处理照片进行长势判断分析，输出香蕉植物的当前香蕉植物生长状况；土壤情况判断步骤，获取当前香蕉植物种植区域内的土壤信息并进行土壤信息分析获得土壤影响因子。土壤信息包括若干个土壤影响因素对应的土壤数据；土壤影响因素包括土壤结构属性、土壤有机质含量、土壤酸碱度、渗透性、持水率、土壤元素的种类及其含量、土壤空气含量、地表平均温度、不同土层平均温度、不同土层平均湿度、土壤电导率、微生物含量。气象情况判断步骤，获取当前香蕉植物种植区域内的气象信息进行气象信息分析获得气象影响因子。气象信息包括若干个气象影响因素对应的气象数据；灌溉情况判断步骤，获取当前香蕉植物种植区域内的灌溉信息进行灌溉信息分析获得灌溉影响因子。灌溉信息包括若干个灌溉影响因素对应的灌溉数据；灌溉信息包括灌溉水的种类、品质、灌溉时间、灌溉用量、灌溉频率。施肥情况判断步骤，获取当前香蕉植物种植区域内的施肥信息进行施肥信息分析获得施肥影响因子。施肥信息包括若干个施肥影响因素对应的施肥数据；施肥信息包括肥料的种类、养分含量、施肥时间、施肥用量、施肥浓度、施肥频率。香蕉植物综合营养判断步骤，专家依据香蕉植物的叶龄的实际生长情况划定叶龄范围，并制定每个叶龄范围对应的最优生长状况、最优土壤影响因子、最优气象影响因子、最优灌溉影响因子和最优施肥影响因子；找出当前香蕉植物叶龄所对应的叶龄范围，当前香蕉植物生长状况、土壤影响因子、气象影响因子、灌溉影响因子和施肥影响因子与分别进行对比分析，并将数据归纳融合，结合拮抗机制后制定营养方案；所述营养方案为对香蕉养
分供给量及养分供给频率；其中，所述长势判断分析包括以下子步骤：特征提取子步骤：对处理照片分别进行颜色特征提取、大小特征提取、纹理特征提取；长势等级划分子步骤：依据种植专家经验依据叶龄和香蕉植物长势的好坏程度划分若干个香蕉植物的长势等级，每个长势等级对应叶龄、颜色特征、大小特征和纹理特征；结果输出子步骤：建立香蕉照片图库，依据香蕉植物长势等级进行分类训练，对特征提取后的处理照片进行机器学习判断，输出每个叶片的长势等级；结果输出子步骤：选取所有叶片的长势等级中最坏的长势等级为当前香蕉植物生长状况并输出；土壤信息分析包括以下步骤：确定第n个土壤影响因素的土壤影响权重ωn，其中，n＝1，2，...，m；获取理想情况下的土壤数据en；将土壤数据进行归一化处理后设为xn；计算土壤影响因子气象信息分析包括以下步骤：确定第a个气象影响因素的气象影响权重ωa，其中，a＝1，2，...，m；获取理想情况下的气象数据fa；将气象数据进行归一化处理后设为ya，其中，a＝1，2，...，m；计算气象影响因子气象信息包括光照时长、光照强度、降雨量、大气温度、平均温度、极限温度、风速、蒸发量。灌溉信息分析包括以下步骤：确定第b个灌溉影响因素的灌溉影响权重ωb，其中，b＝1，2，...，m；获取理想情况下的灌溉数据gb；将灌溉数据进行归一化处理后设为zb，其中，b＝1，2，...，m；计算灌溉影响因子施肥信息分析包括以下步骤：确定第c个施肥影响因素的施肥影响权重ωc，其中，c＝1，2，...，m；获取理想情况下的施肥数据hc；将施肥数据进行归一化处理后设为pc，其中，c＝1，2，...，m；计算施肥影响因子
20.图像处理步骤中将香蕉植物照片经过图像处理的具体步骤包括：(1)将香蕉植物照片转化为rgb数值矩阵，调节图像的明暗，增强对比度；(2)利用k-means聚类算法自动筛选出去除背景以外的有效区域；(3)利用边缘识别技术识别出单个包括所有叶片的香蕉植物所在的香蕉植物区域；(4)反选香蕉植物区域后删除，获得处理照片。
21.生长期判断法包括训练步骤和输出步骤；训练步骤包括：机器自动输入海量处理图像，根据香蕉植物的栽培模式建立香蕉不同栽培模式下不同生长阶段叶龄的特征数据库，然后根据特征数据库对图像特征依据叶龄进行分类；机器不断输入海量处理图像循环上述步骤直至训练完成；输出步骤包括：将处理照片输入至完成训练步骤后的机器后，输出叶龄。
22.土壤影响权重分别为种植专家通过层次分析法设定的权重。一种基于机器学习的香蕉植物营养判断方法的系统，包括：拍摄装置、机器视觉识别模块、田间物联网系统、土壤墒情实时在线监测系统、肥料实时监测装置、灌溉实时检测模块、气象仪和营养判断模块；拍摄装置用于拍摄香蕉植物照片；所述香蕉植物照片包括香蕉植物的所有叶片；
机器视觉识别模块用于执行香蕉植物生长期判断步骤；田间物联网系统用于提供和更新专家提供的叶龄范围及每个叶龄范围对应的最优生长状况、最优土壤影响因子、最优气象影响因子、最优灌溉影响因子和最优施肥影响因子，以及依据叶龄和香蕉植物长势的好坏程度划分若干个香蕉植物的长势等级；肥料实时监测装置用于获取当前香蕉植物种植区域内的施肥信息；灌溉实时检测模块用于获取当前香蕉植物种植区域内的灌溉信息；气象仪用于获取当前香蕉植物种植区域内的气象信息；营养判断模块用于执行香蕉植物生长期判断步骤、香蕉植物长势判断步骤、土壤情况判断步骤、气象情况判断步骤、灌溉情况判断步骤、施肥情况判断步骤、香蕉植物综合营养判断步骤。
23.虽然描述了本发明的实施方式，但是专利所有者可以在所附权利要求的范围之内做出各种变形或修改，只要不超过本发明的权利要求所描述的保护范围，都应当在本发明的保护范围之内。本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实例的说明只是用于帮助理解本发明的方法及其核心思想。以上仅是本发明的优选实施方式，应当指出，由于文字表达的有限性，而客观上存在无限的具体结构，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进、润饰或变化，也可以将上述技术特征以适当的方式进行组合；这些改进润饰、变化或组合，或未经改进将发明的构思和技术方案直接应用于其它场合的，均应视为本发明的保护范围。