一种基于图像处理的智慧农业管理系统

1.本发明属于智慧农业领域，特别是涉及一种基于图像处理的智慧农业管理系统。


背景技术：

2.智慧农业是指将现代科学技术与农业种植相结合，从而实现无人化、自动化、智能化管理，例如，将集成应用计算机与网络技术、物联网技术、音视频技术、3s技术、无线通信技术及专家智慧与农作物种植相结合，实现农业可视化远程诊断、远程控制、灾变预警等智能管理的手段。
3.随着智慧农业的发展，实时监测农作物所需的生长要素，如温度、光照、空气成分、土壤条件以及病虫害情况成为可能，且无需人为参与就可以在中获得这些数据。对于温室环境，这些数据更为敏感，直接关系到作物的生长情况以及最终的收益情况。而且以往的温室作物产量都根据往季的种植经验得出，而这种经验一般随着天气情况或者田间管理的变化产生较大的差异，很难准确预报最终的作物产量。


技术实现要素：

4.本发明的目的是提供一种基于图像处理的智慧农业管理系统，以解决上述现有技术存在的问题。
5.为实现上述目的，本发明提供了一种基于图像处理的智慧农业管理系统，包括依次相连接的：图像采集模块、实时监测模块、图像分析模块、存储数据库、环境预测模块、预警提示模块、综合处理模块；
6.所述图像采集模块用于采集农作物生长图像，对所述农作物生长图像进行预处理，并传输至所述图像分析模块；
7.所述实时监测模块用于实时监测农作物的生长环境变化，获取生长环境图像，并将所述生长环境图像传输至所述图像分析模块；
8.所述图像分析模块用于对所述农作物生长图像进行分析，输出分析结果至所述预警提示模块，同时将所述农作物生长图像传输至所述存储数据库；
9.所述存储数据库用于对所述农作物生长图像、所述农作物生长环境图像进行存储；
10.所述环境预测模块用于提取所述存储数据库中的农作物生长环境图像，基于所述生长环境图像进行环境预测；
11.所述预警提示模块用于基于所述分析结果生成预警提示信号，并将所述预警提示信号传输至所述综合处理模块；
12.所述综合处理模块用于分别基于所述预警提示信号与所述环境预测结果进行处理。
13.可选地，所述预处理包括：对所述农作物生长图像中农作物的发育特征、农作物的枯萎部位、发生虫害部位进行识别标记。
14.可选地，所述存储数据模块还用于基于互联网大数据技术存储农作物常规发育数据；
15.所述农作物常规发育数据包括农作物不同生长阶段的植株特征与各生长阶段的周期。
16.可选地，所述图像分析模块提取所述存储数据库中的农作物常规发育数据，并对所述农作物生长图像进行特征提取，将提取获得的特征与存储数据模块中的农作物常规发育数据进行比对，确定农作物的生长阶段；
17.基于农作物的枯萎部位计算枯萎面积，根据枯萎面积设置阈值，当所述枯萎面积达到农作物植株面积的30％时，生成枯萎预警信号，将所述枯萎预警信号传输至所述预警提示模块，同时基于农作物的生长阶段获取枯萎处理方案，将所述枯萎处理方案传输至所述综合处理模块。
18.可选地，所述图像分析模块基于农作物发生虫害的部位计算虫害面积，当所述虫害面积达到农作物植株面积的10％时，生成虫害预警信号，将所述虫害预警信号传输至所述预警提示模块。
19.可选地，所述环境预测模块对所述存储数据库30天内存储的所有农作物生长环境图像进行特征提取，同时构建卷积神经网络特征比对模型，将所提取的特征输入所述卷积神经网络特征比对模型进行比对，输出最佳特征，将所述最佳特征输入所述卷积神经网络特征比对模型，获取30天内的农作物生长环境变化曲线，基于所述生长环境变化曲线对农作物的生长环境变化进行预测。
20.可选地，所述环境预测模块基于所述生长环境变化曲线计算环境变化的平均波动间隔，当所述平均波动间隔小于等于2天时，生成环境变化预警信号至所述预警提示模块，并将相应的生长环境变化曲线传输至所述综合处理模块。
21.可选地，所述预警提示模块根据不同的预警信号进行不同频率的音频预警，当获取枯萎预警信号时，进行每秒5次频率的预警；当获取虫害预警信号时，进行每秒3次频率的预警；当获取环境变化预警信号时，进行每秒2此频率的预警。
22.可选地，所述综合处理模块基于枯萎处理方案对农作物进行浇水、施肥、修剪、光照处理；基于虫害预警信号进行喷洒农药、天敌防治处理；基于生长环境变化曲线进行控制农作物种类，种植面积，农田总面积处理。
23.本发明的技术效果为：
24.本发明通过对采集图像进行识别标记、特征提取进行比对实现了智能识别农作物生长阶段、智能判断农作物生长状态与农田虫害发生的效果，并可进行不同频率的预警提示，同时通过构建模型实现了对农作物生长环境变化的精准预测，为农作物的绿色安全生产提供了保障。
附图说明
25.构成本技术的一部分的附图用来提供对本技术的进一步理解，本技术的示意性实施例及其说明用于解释本技术，并不构成对本技术的不当限定。在附图中：
26.图1为本发明实施例中的基于图像处理的智慧农业管理系统结构图。
具体实施方式
27.需要说明的是，在不冲突的情况下，本技术中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本技术。
28.需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
29.实施例一
30.如图1所示，本实施例中提供一种基于图像处理的智慧农业管理系统，包括依次相连接的：
31.图像采集模块、实时监测模块、图像分析模块、存储数据库、环境预测模块、预警提示模块、综合处理模块，其中：
32.图像采集模块用于采集农作物生长图像，对农作物生长图像进行预处理，并传输至图像分析模块；具体地，预处理的过程包括：对农作物生长图像中农作物的发育特征、农作物的枯萎部位、发生虫害部位进行识别标记。
33.实时监测模块用于实时监测农作物的生长环境变化，获取生长环境图像，并将生长环境图像传输至图像分析模块；
34.存储数据库用于对农作物生长图像、农作物生长环境图像进行存储；存储数据模块还用于基于互联网大数据技术存储农作物常规发育数据。
35.图像分析模块用于对农作物生长图像进行分析，输出分析结果至预警提示模块，同时将农作物生长图像传输至存储数据库；具体地，图像分析模块的分析过程包括：
36.提取存储数据库中的农作物常规发育数据(农作物常规发育数据包括农作物不同生长阶段的植株特征与各生长阶段的周期)，并对农作物生长图像进行特征提取，将提取获得的特征与存储数据模块中的农作物常规发育数据进行比对，确定农作物的生长阶段；
37.基于农作物的枯萎部位计算枯萎面积，根据枯萎面积设置阈值，当枯萎面积达到农作物植株面积的30％时，生成枯萎预警信号，将枯萎预警信号传输至预警提示模块，同时基于农作物的生长阶段获取枯萎处理方案，将枯萎处理方案传输至综合处理模块。
38.基于农作物发生虫害的部位计算虫害面积，当虫害面积达到农作物植株面积的10％时，生成虫害预警信号，将虫害预警信号传输至预警提示模块。
39.环境预测模块用于提取存储数据库中的农作物生长环境图像，基于生长环境图像进行环境预测；具体的预测过程包括：
40.环境预测模块对存储数据库30天内存储的所有农作物生长环境图像进行特征提取，同时构建卷积神经网络特征比对模型，将所提取的特征输入卷积神经网络特征比对模型进行比对，输出最佳特征，将最佳特征输入卷积神经网络特征比对模型，获取30天内的农作物生长环境变化曲线，基于生长环境变化曲线对农作物的生长环境变化进行预测。
41.基于生长环境变化曲线计算环境变化的平均波动间隔，当平均波动间隔小于等于2天时，生成环境变化预警信号至预警提示模块，并将相应的生长环境变化曲线传输至综合处理模块。
42.预警提示模块用于基于分析结果生成预警提示信号，并将预警提示信号传输至综合处理模块；
43.在一些实施例中，预警提示模块根据不同的预警信号进行不同频率的音频预警，当获取枯萎预警信号时，进行每秒5次频率的预警；当获取虫害预警信号时，进行每秒3次频率的预警；当获取环境变化预警信号时，进行每秒2此频率的预警。
44.综合处理模块用于分别基于获取的不同信号进行处理；
45.在一些实施例中，综合处理模块基于枯萎处理方案对农作物进行浇水、施肥、修剪、光照处理；基于虫害预警信号进行喷洒农药、天敌防治处理；基于生长环境变化曲线进行控制农作物种类，种植面积，农田总面积处理。
46.以上所述，仅为本技术较佳的具体实施方式，但本技术的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本技术揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本技术的保护范围之内。因此，本技术的保护范围应该以权利要求的保护范围为准。