[发明专利]一种智能杂草警示方法及系统

权利要求书

1.一种智能杂草警示方法，其特征在于，包括：

获取各类杂草的生长观测数据；

根据所述生长观测数据，为各个种植区域确定与各类杂草各生长状态对应的警示接收员和警示信息；

获取所述种植区域内的杂草生长状态图像；

提取所述杂草生长状态图像的图像特征；

将所述图像特征与预设数据库中各类杂草在各生长状态下的模板图像特征进行匹配查询；以便确定所述种植区域内的杂草种类和杂草生长状态；

将与所述种植区域内的杂草种类和杂草生长状态对应的所述警示信息发送至所述警示接收员。

2.根据权利要求1所述的智能杂草警示方法，其特征在于，所述杂草生长状态包括以下任意一种或者任意组合：

杂草生长期、杂草分布密度、杂草分布面积、杂草植株高度。

3.根据权利要求1所述的智能杂草警示方法，其特征在于，所述警示信息包括杂草处理措施。

4.根据权利要求1所述的智能杂草警示方法，其特征在于，还包括：

根据所述生长观测数据，为各个种植区域确定与预设季节或预设气候条件对应的警示接收员和警示信息，以便在所述预设季节或者所述预设气候条件满足时，将所述警示信息发送至所述警示接收员。

5.根据权利要求1所述的智能杂草警示方法，其特征在于，所述提取所述杂草生长状态图像的图像特征包括：

利用边缘检测算法对所述杂草生长状态图像进行边缘检测；

根据所述边缘检测的结果，利用轮廓特征提取算法提取图像轮廓特征和/或利用形状特征提取算法提取图像形状特征。

6.根据权利要求5所述的智能杂草警示方法，其特征在于，所述边缘检测算法包括：

Canny算法、Reberts算法、Prewitt算法、Sobel算法或者Laplacian算法；

所述轮廓特征提取算法包括：

链码算法、傅里叶算法、小波变换算法、尺度空间算法或者多边形近似算法；

所述形状特征提取算法包括：

栅格算法、傅里叶算法、Zernike矩算法、Pseudo-Zernike矩算法或形状描述矩算法。

7.根据权利要求1至6任一项所述的智能杂草警示方法，其特征在于，所述将所述图像特征与预设数据库中各类杂草在各生长状态下的模板图像特征进行匹配查询；以便确定所述种植区域内的杂草种类和杂草生长状态包括：

分别计算所述图像特征与所述预设数据库中各类杂草在各生长状态下的模板图像特征的相似度；

确定各个所述相似度中的最大值；

将所述相似度最大的模板图像特征所对应的杂草种类和杂草生长状态确定为所述种植区域内的杂草种类和杂草生长状态。

8.一种智能杂草警示系统，其特征在于，包括：

警示信息确定装置：用于获取各类杂草的生长观测数据；根据所述生长观测数据，为各个种植区域确定与各类杂草各生长状态对应的警示接收员和警示信息；

杂草监测装置：用于获取所述种植区域内的杂草生长状态图像；提取所述杂草生长状态图像的图像特征；将所述图像特征与预设数据库中各类杂草在各生长状态下的模板图像特征进行匹配查询；以便确定所述种植区域内的杂草种类和杂草生长状态；

警示发送装置：用于将与所述种植区域内的杂草种类和杂草生长状态对应的所述警示信息发送至所述警示接收员。

9.根据权利要求8所述的智能杂草警示系统，其特征在于，所述杂草监测装置具体用于：

利用边缘检测算法对所述杂草生长状态图像进行边缘检测；根据所述边缘检测的结果，利用轮廓特征提取算法提取图像轮廓特征和/或利用形状特征提取算法提取图像形状特征。

10.根据权利要求8或者9所述的智能杂草警示系统，其特征在于，所述杂草监测装置具体用于：

分别计算所述图像特征与所述预设数据库中各类杂草在各生长状态下的模板图像特征的相似度；确定各个所述相似度中的最大值；将所述相似度最大的模板图像特征所对应的杂草种类和杂草生长状态确定为所述种植区域内的杂草种类和杂草生长状态。