[发明专利]一种种植大棚智能监测系统及方法在审

专利信息
申请号: 201710024705.0 申请日: 2017-01-13
公开(公告)号: CN106768066A 公开(公告)日: 2017-05-31
发明(设计)人: 涂兵;王锦萍;欧先锋;陶健;周宏冀;周瑶;谭雄杰;匡文兰;周承乐 申请(专利权)人: 湖南理工学院
主分类号: G01D21/02 分类号: G01D21/02;A01G9/14;A01G9/24;A01C23/00;A01C23/04
代理公司: 岳阳市大正专利事务所43103 代理人: 皮维华
地址: 414000 *** 国省代码: 湖南;43
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 种植 大棚 智能 监测 系统 方法
【权利要求书】:

1.一种种植大棚智能监控系统系统,它包括有大棚框架主体、可翻转的透明天花板、铺设在大棚顶部的方形导轨、大棚地面的S形导轨、方形导轨上的控速小车、S形导轨上的移动小车,其特征在于:所述透明天花板由电机控制,所述控速小车底部设有无线信号模块和上下伸缩支杆并且该支杆底部设有花洒;所述移动小车顶部设有无线信号模块和可伸缩旋转支杆并且该支杆顶部设有摄像头,所述控速小车、花洒、移动小车、摄像头均通过无线信号与计算机相连接,在大棚的内部地面上设有湿度传感器,且大棚内部两侧设有温度传感器,大棚左侧设有二氧化碳传感器,所述传感器均通过总线与计算机连接,所述计算机包括有参数设置模块、图像采集模块、作物参数提取分析模块、环境参数提取分析模块、花洒控制模块、天花板控制模块。

2.一种种植大棚智能监测方法,其特征在于包括下列步骤:

(1)根据大棚内作物设置温度、湿度、二氧化碳传感器和摄像头采集参数;

(2)开启移动小车,小车沿轨道来回移动;

(3)摄像头实时拍摄作物,摄像头自动采集作物视频图像并保存;

(4)提取步骤(3)视频图像中的作物叶子形态学特征,通过训练好的切比雪夫曲率预测模型,对叶子的形态学特征进行分析得到叶子边缘曲率数据,然后结合湿度传感器上的数据进行SVM分类预测,得到作物需水情况,判断是否需要洒水;

(5)提取步骤(3)视频图像中作物的茎干轮廓特征,用基于局部曲率的分段轮廓平滑算法对茎干的大致轮廓进行分析得到茎干的轮廓数据,然后将数据传输到计算机,通过训练好的SVM模型,得到当前作物的生长期;

(6)提取温度、二氧化碳传感器上的数据,采用SVM训练好的分类模型,通过SVM方法判断当前二氧化碳浓度是否超标;

(7)经过步骤(4)判断后,若需洒水则计算机发出无线信号至控速小车,使花洒移动到作物待浇水区域、控制软管开关,花洒喷洒水;

(8)经过步骤(5)判断后,根据所得到的作物生长期,计算机发出无线信号至控速小车,花洒移动到作物待施肥区域、控制软管开关,花洒喷洒与生长期对应的肥料液;

(9)经过步骤(6)判断后,若二氧化碳浓度超标,则计算机向可翻转透明天花板电机发送指令,使透明天花板翻转。

3.根据权利要求2所述的检测方法,其特征在于:所述步骤(4)的具体过程是:先使用二值阈值法将彩色图像处理为灰度图像,接着使用灰度边缘检测得到叶子边缘数据,再将该数据通过训练好的切比雪夫曲率预测模型,得到叶子的边缘曲率,接着将叶子边缘曲率和湿度传感器上当前湿度数据进行SVM分类预测,得到植物需水程度从而判断植物是否需要浇水。

4.根据权利要求2所述的检测方法,其特征在于:所述步骤(5)的具体过程是:先使用图像二分法提取茎干的大致轮廓,再对图像茎干轮廓的曲率进行领域平均,对平均值阈值操作得到轮廓点的分类;其次对分类后的轮廓点进行合并,将轮廓划分为特征区域和非特征区域;然后,在两类区域内分别采用不同方差的高斯滤波进行平滑去噪,得到茎干的轮廓数据;最后将数据传输到计算机,通过训练好的SVM模型,得到当前作物的生长期。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于湖南理工学院,未经湖南理工学院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201710024705.0/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top