一种基于深度学习的茶园病虫害自动检测系统的制作方法

1.本实用新型涉及一种基于深度学习的茶园病虫害自动检测系统，属于自动检测设备领域。


背景技术：

2.近几年我国茶叶种植面积和茶叶产量一直稳居世界首位，越来越多的人喜欢喝茶，而且茶叶的质量也更加受到人们的重视。茶叶病虫害严重制约着茶叶质量的提高，然而，由于茶园面积广阔、害虫体型较小等原因，茶农难以及时发现病虫害。
3.然而传统的茶园病虫害检测完全依赖茶农的判断，判断准确度低、时效性差。
4.此外，传统方式的茶树病虫害检测需要大量的人力，随着茶叶的种植面积增大，人力资源短缺，导致无法及时有效的完成对茶树的健康检测。
5.因此，亟代研究并设计出一种能够实现茶树病虫害自动检测的系统，以解决上述问题。


技术实现要素：

6.为了克服上述问题，本发明人进行了锐意研究，设计出一种基于深度学习的茶园病虫害自动检测系统，包括图像采集单元和病虫害自诊断单元，
7.所述图像采集单元包括小车1，所述小车具有电机，使得小车可行走，在小车1上设置有能够上下移动的滑台模组2，在滑台模组2的滑块上安装有机械臂3，机械臂3的末端设置有摄像头 4，
8.所述图像采集单元还包括运动控制器5，运动控制器5与小车1的电机、滑台模组2、机械臂3电连接，以控制小车1的行走、滑台模组2的升降和机械臂3的移动；
9.所述病虫害自诊断单元包括诊断控制器6、通讯模块7，所述诊断控制器6与摄像头4和通讯模块7电连接，接收摄像头4拍摄的图像，通过图像进行病虫害诊断，将诊断结果通过通讯模块7发送到网络。
10.在一个优选的实施方式中，所述小车1为履带小车。
11.在一个优选的实施方式中，所述滑台模组2为丝杆直线滑台，其控制电机安装在滑台模组2底部。
12.在一个优选的实施方式中，所述机械臂3为伸缩机械臂。
13.在一个优选的实施方式中，所述摄像头4搭载在云台上，使得摄像头拍摄方向可变。
14.在一个优选的实施方式中，所述云台为360度云台，使得摄像头拍摄无死角。
15.在一个优选的实施方式中，所述摄像头4为双目摄像头。
16.在一个优选的实施方式中，所述运动控制器5为stm32系列芯片。
17.在一个优选的实施方式中，所述诊断控制器6为jetsonxavier处理器。
18.在一个优选的实施方式中，所述小车1上还设置有液晶触控屏8，以对系统进行控
制和显示诊断结果。
19.本实用新型所提供的基于深度学习的茶园病虫害自动检测系统具有以下有益效果：
20.(1)根据本实用新型提供的基于深度学习的茶园病虫害自动检测系统，实现了图像的自主采集；
21.(2)根据本实用新型提供的基于深度学习的茶园病虫害自动检测系统，就地进行病虫害检测，减少了图像远程传输的问题，解决了肉眼和凭经验识别病虫害效率低、准确性差的问题；
22.(3)根据本实用新型提供的基于深度学习的茶园病虫害自动检测系统，可以将检测结果及时远传并反馈，为茶园的病虫害防治提供及时、合理的依据；
23.(4)根据本实用新型提供的基于深度学习的茶园病虫害自动检测系统，解决了人工拍摄图像劳动强度大、病虫害检测准确率差、效率低和远传数据冗余大等问题。
附图说明
24.图1示出根据本实用新型一种优选实施方式的基于深度学习的茶园病虫害自动检测系统结构示意图；
25.图2示出根据本实用新型一种优选实施方式的基于深度学习的茶园病虫害自动检测系统工作流程示意图。
26.附图标号说明：
27.1-小车；
28.2-滑台模组；
29.3-机械臂；
30.4-摄像头；
31.5-运动控制器；
32.6-诊断控制器；
33.7-通讯模块；
34.8-液晶触控屏。
具体实施方式
35.下面通过附图和实施方式对本实用新型进一步详细说明。通过这些说明，本实用新型的特点和优点将变得更为清楚明确。
36.其中，尽管在附图中示出了实施方式的各种方面，但是除非特别指出，不必按比例绘制附图。
37.本实用新型公开了一种基于深度学习的茶园病虫害自动检测系统，该系统包括图像采集单元和病虫害自诊断单元，如图1 所示，
38.所述图像采集单元包括小车1，所述小车具有电机，使得小车可行走，在小车1上设置有滑台模组2，所述滑台模组2具有滑块和导轨，所述滑块能够沿导轨上下滑动，在滑块上安装有机械臂3，机械臂3的末端设置有摄像头4，
39.所述图像采集单元还包括运动控制器5，运动控制器5与小车1的电机、滑台模组2、
机械臂3电连接，以控制小车1的行走、滑台模组2的升降和机械臂3的移动；
40.所述病虫害自诊断单元包括诊断控制器6、通讯模块7，所述诊断控制器6与摄像头4和通讯模块7电连接，接收摄像头4拍摄的图像，通过图像进行病虫害诊断，将诊断结果通过通讯模块7发送到网络。
41.本实用新型所述的系统，主要在茶园工作，茶园地面平整度差，且常有枝条等杂物，传统的轮式小车极易出现卡顿、翻车等情况，在本实用新型中，所述小车优选为履带小车，以更好的适应茶园的环境。
42.所述滑台模组又称为直线模组、直线导轨等，是一种常用的直线滑动定位结构。
43.根据本实用新型，所述滑台模组2优选为丝杆直线滑台，其控制电机安装在滑台模组2底部。
44.根据本实用新型，所述摄像头4搭载在云台上，使得摄像头4拍摄方向可变，从而能够从不同的角度对茶树进行拍摄。
45.在一个更优选的的实施方式中，所述云台为360度云台，使得摄像头拍摄无死角。
46.在本发明中，对云台的具体型号不做特别限定，例如可以采用海康威视系列360度云台。
47.根据本实用新型的一个优选的实施方式，所述机械臂3为伸缩机械臂，所述伸缩机械臂为一种仅能够在一个方向进行伸缩的机械臂，在本实用新型中，对伸缩机械臂的具体结构不做特别限定，只要能够实现上述功能即可。
48.由于小车能够在平面上自由移动，滑台模组2可实现竖直方向运动，云台可实现360度旋转，故机械臂3仅需要伸缩即可实现对摄像头的灵活调整，伸缩机械臂相比于其它机械臂，机械复杂度低、体积小、质量低，能够降低对小车的负载要求，保证小车的平衡性，并且降低了机械臂的故障率，此外，机械臂单一方向的伸缩，还能够使得机械臂尽可能少的与树枝等的接触，避免机械臂被缠绕导致小车无法移动。
49.在一个优选的实施方式中，所述摄像头4为双目摄像头，通过双目摄像头拍摄图像经过解算后，除能够获得普通图像的 rgb信息外，还能够获得深度信息，从而能够更为精准的对病虫害检测进行识别。
50.根据本实用新型，运动控制器5通过驱动器输出两路pwm 信号驱动履带小车按照规划好的线路前进，并通过驱动器控制滑台模组2的步进电机，实现滑块的上下移动，使得拍摄高度符合茶树生长状况；还控制旋转云台和双目摄像头完成多角度拍摄，做到监控无死角。
51.一个优选的实施方式，所述运动控制器5为stm32系列芯片。
52.根据本实用新型，所述诊断控制器6中装载有训练好的病虫害识别神经网络模型，所述病虫害识别神经网络模型为能够对拍摄到的茶树图像进行识病虫害识别的模型，在本实用新型中，对所述病虫害识别神经网络模型的具体结构不做特别限制，本领域技术人员可以根据实际需要采用任意一种已知的神经网络模型，例如bp神经网络模型为论文“[1]李祚泳,彭荔红.基于人工神经网络的农业病虫害预测模型及其效果检验[j].生态学报,1999(05):171-174”中提到的模型。
[0053]
在本实用新型中，通过诊断控制器6直接对摄像头4采集的图像进行识别，进而获取病虫害检测结果。
[0054]
通过诊断控制器6对摄像头4采集的图像直接进行识别，将识别后获得病虫害检测结果上传至服务器，相比于将采集的图像远程传输到服务器，再使用服务器进行图像识别，减少了数据的远程传输量，解决了大量数据远程传输的困难。
[0055]
在一个优选的实施方式中，所述诊断控制器6为jetsonxavier处理器。
[0056]
根据本实用新型，所述通讯模块7优选为能够进行远距离无线传输的dtu芯片，将诊断控制器6识别的结果通过网络发送给特定人群，以实现记录和/或预警。
[0057]
在一个优选的实施方式中，所述小车1上还设置有液晶触控屏8，以对系统进行控制和显示诊断结果。
[0058]
以上结合了优选的实施方式对本实用新型进行了说明，不过这些实施方式仅是范例性的，仅起到说明性的作用。在此基础上，可以对本实用新型进行多种替换和改进，这些均落入本实用新型的保护范围内。