[发明专利]可远程自动化生成水稻生长过程动态视频的系统和方法

权利要求书

1.一种可远程自动化生成水稻生长过程动态视频的系统，其特征在于：系统包括设于水稻现场的数据采集设备、与数据采集设备远程连接的远程数据中心、与远程数据中心连接的任务调度模块及视频数据生成模块、与任务调度模块连接的人工智能处理模块、与视频数据生成模块连接的客户端；所述数据采集设备用于根据配置采集现场的图像数据，并将图像数据及对应的图像元信息数据实时存储至远程数据中心；所述任务调度模块用于定时获取远程数据中心中未识别的图像数据，并将获取的图像数据传至人工智能处理模块进行生长周期、病害、虫害和草害情况的识别，然后将人工智能处理模块的识别结果传至远程数据中心保存；所述视频数据生成模块用于根据客户端的请求基于远程数据中心的数据生成指定的水稻视频数据供客户端获取；

其中，所述远程数据中心包括文件存储中心和元信息数据库，所述文件存储中心用于存储数据采集设备采集的图像数据；所述元信息数据库用于存储图像数据对应的图像元信息数据以及任务调度模块传输的识别结果；所述图像数据对应的图像元信息数据包括图片的分辨率、图片尺寸、拍摄设备信息、拍摄时间、拍摄的预置位点和拍摄设备的GPS位置；图像元信息数据与图像数据具有一一映射关系；

所述图像元信息数据存至元信息数据库的过程为：所述图像元信息数据先上传至云物联网平台，云物联网平台再将图像元信息数据和对应图像数据的URL一起存储至元信息数据库；

所述视频数据生成模块用于根据客户端的请求基于远程数据中心的数据生成指定的水稻视频数据供客户端获取，具体为：视频数据生成模块解析客户端的请求，从远程数据中心中筛选出与请求对应的图像数据合成水稻视频，然后返回客户端包含水稻视频的URL，客户端根据需求从该URL下载视频进行监测。

2.一种可远程自动化生成水稻生长过程动态视频的方法，其特征在于：数据采集设备根据配置采集现场的图像数据，并将图像数据及对应的图像元信息数据实时上传，其中图像数据存储至远程数据中心的文件存储中心，图像元信息数据存储至远程数据中心的元信息数据库；任务调度模块定时获取文件存储中心中未识别的图像数据，并将获取的图像数据传至人工智能处理模块进行生长周期、病害、虫害和草害情况的识别，然后将人工智能处理模块的识别结果传至元信息数据库保存；视频数据生成模块根据客户端的请求基于元信息数据库的数据生成指定的水稻视频数据供客户端获取；

其中，所述图像元信息数据存储至元信息数据库具体为：所述图像元信息数据上传至云物联网平台，云物联网平台将图像元信息数据和对应图像数据的URL一起存储至元信息数据库；

所述视频数据生成模块根据客户端的请求基于元信息数据库的数据生成指定的水稻视频数据供客户端获取，具体包括：根据客户端的请求，视频数据生成模块通过SQL查询元信息数据库，筛选得到待生成视频的图像数据，再配合视频帧率参数，实时合成水稻生长过程的动态视频；

所述视频数据生成模块收到客户端的HTTP请求，解析请求中的参数，执行SQL语句查询元信息数据库，获取待生成视频的图像数据的URL，根据所述图像数据的URL下载图片，将所有下载的图片按照拍摄时间的先后顺序合成水稻生长过程的动态视频，将所述动态视频暂存在远程数据中心，返回HTTP响应，响应内容包括所述动态视频的URL；

客户端根据所述动态视频的URL下载所述动态视频。

3.根据权利要求2所述的一种可远程自动化生成水稻生长过程动态视频的方法，其特征在于：所述人工智能处理模块包括生长周期分类模型、病害分类模型、虫害分类模型和草害分类模型，所述模型均为MobileNetV3卷积神经网络模型，建模过程如下：

步骤1：收集历史现场的图像数据作为训练样本，标注每个图像数据的水稻生长状况及病虫害信息，将标注后的图像数据按比例分为训练集、验证集和测试集；

步骤2：在PyTorch框架下进行生长周期分类模型、病害分类模型、虫害分类模型和草害分类模型的训练；使用Softmax函数将各个分类模型的输出转为输出出现的概率；

步骤3：计算输出的交叉熵误差作为本次训练的损失值，判断所述损失值的下降情况是否符合预设条件，是则结束训练并保存此时的权重，否则返回步骤2继续迭代训练。