[发明专利]基于图像深度特征序列的堆肥腐熟判断方法

说明书

本发明公开了一种基于图像深度特征序列的堆肥腐熟判断方法，包括以下步骤：S1、提取t时刻堆肥表面图像数据；S2、预处理，将堆肥表面图像数据进行图像去雾处理；S3、基于S2获得的数据，构建卷积神经网络CNN进行堆肥图像特征提取；S4、基于循环神经网络RNN进行预测，S3获得的堆肥图像特征作为输入量；S5、输出判断结果。本发明从堆肥图像外观特征出发，利用数字图像技术、人工智能技术，提出一种设备少、花费小、部署简单、抗干扰、实时响应的堆肥腐熟实时判断方法，为生产提供指导。

技术领域

本发明涉及一种运用信息技术使用图像信息通过深度学习网络实现的堆肥腐熟实时预测方法，属于农业信息学领域。

背景技术

在农业生产中，为了维持和提高土壤肥力需要向土壤施入一定量的有机质材料，在施用前利用微生物对这些材料进行一定程度的腐解处理叫腐熟。堆肥生产方式分静态方式、动态方式，本发明以直线型发酵槽堆肥方式为研究对象。堆肥的一次发酵时间一般在15～25天，然后再将完成一次发酵的堆肥送入二次发酵场地进行后熟发酵。在实际生产中一次发酵与二次发酵也可在同一发酵槽内完成，但是这种方式加长了发酵槽的占用时间，影响畜禽粪便的处理能力，如能实时快速监测到腐熟完成，将提高场地利用效率。

腐熟度定义为堆肥的发酵完成程度，直接反映堆肥质量。故而企业在生产实践中习惯采用腐熟度来表示堆肥进行程度，腐熟度的变化体现在物理、化学、生物这3个方面。常见的腐熟判断法有：微生物活动判定方法、物理性状判定方法、腐殖物质判定方法、综合评分法、生物判定方法、化学性状判定法等，大部分方法需要复杂物化实验，无法在堆肥现场使用，不能做到实时腐熟判断。本发明为一种物理性状判定方法，已知堆肥过程颜色一般呈现黄～黄褐色、褐色、黑褐色～黑色，堆肥的形状一般呈现粘块状、块状易散、粉状，这些图像特征可以用于实时判断腐熟，成本低、速度快。实际应用中，堆肥部分阶段会产生较大的雾气干扰图像，严重影响腐熟判断，所以在判断过程中必须消除雾气。

综合以上分析，亟需一种相对完善、合理、准确的堆肥腐熟实时监测方法，为生产提供指导。

发明内容

本发明针对背景技术中存在的问题，提出一种基于图像深度特征序列的堆肥腐熟判断方法，包括以下步骤：

S1、提取t时刻堆肥表面图像数据；

S2、预处理，将堆肥表面图像数据进行图像去雾处理；

S3、基于S2获得的数据，构建卷积神经网络CNN进行堆肥图像特征提取；

S4、基于循环神经网络RNN进行预测，t-5至t-1时刻图像特征及S3获得的t时刻堆肥图像特征作为输入量；

S5、输出判断结果。

具体的，S1中，通过下式提取t时刻堆肥表面图像数据：

R_tG_tB_t是图像RGB颜色矩阵I，拍摄时摄像头正对堆肥表面拍摄，距离堆肥表面1-6米，取拍摄图像正中间区域80*80像素，n＝80。

具体的，S2中，对R_tG_tB_t组成的颜色矩阵I，去雾过程如下：

a)、求取像素点最小值矩阵M：

b)、计算M中所有像素点的均值，对M作均值滤波处理，得到M_ave；

c)、计算环境光值L：

其中调解量ρ取1.25；