本發(fā)明涉及機器視覺技術(shù)領(lǐng)域，尤其是一種基于機器視覺技術(shù)的水稻估產(chǎn)系統(tǒng)及方法。

背景技術(shù)：

機器視覺技術(shù)已經(jīng)在各個領(lǐng)域得到了廣泛地應(yīng)用，機器視覺技術(shù)在農(nóng)業(yè)方面的應(yīng)用非常成功，如作物病蟲害檢測，能夠通過圖像識別技術(shù)，快速有效地檢測農(nóng)作物的病蟲害情況；農(nóng)作物生長狀況監(jiān)測，能夠通過圖像識別技術(shù)，快速有效地識別出農(nóng)作物的生長情況；農(nóng)作物估產(chǎn)，能夠通過圖像識別技術(shù)，快速有效地統(tǒng)計出農(nóng)作物的生長情況和果實數(shù)目，預(yù)估農(nóng)作物的產(chǎn)量。

對農(nóng)作物的估產(chǎn)，傳統(tǒng)方法，一般需要有豐富經(jīng)驗的農(nóng)民或者專家，實地觀察農(nóng)作物的生長情況，根據(jù)以往的農(nóng)作物收獲數(shù)據(jù)等，預(yù)估農(nóng)作物的產(chǎn)量。由于人工估產(chǎn)的經(jīng)驗性和個人主觀預(yù)測等不確定性因素影響，預(yù)測結(jié)果往往與實際結(jié)果有不小的偏差，實地考察，人工勞力成本高，效率低下。最大的缺點是，經(jīng)驗豐富的專家和農(nóng)民的經(jīng)驗分享困難，不利于普通農(nóng)戶的生產(chǎn)和規(guī)劃。此外，大規(guī)模種植的農(nóng)田，實際上進行人工估產(chǎn)是非常不靠譜的，對于廣袤無垠的農(nóng)田農(nóng)民一眼都看不到頭，不知道面積幾許，何談精確的估產(chǎn)。依靠人力掃描一圈農(nóng)田，非常不具有操作性，很多農(nóng)田沒有什么田埂或者公路，即使有路，幾千畝的農(nóng)田，環(huán)繞一周工作量也是巨大的。

技術(shù)實現(xiàn)要素：

本發(fā)明的首要目的在于提供一種利用圖像識別技術(shù)，智能識別農(nóng)田中的水稻，統(tǒng)計出單位面積的水稻數(shù)量，進而估產(chǎn)整個農(nóng)田，節(jié)省了大量勞力成本，不僅提高了效率，而且提高了估產(chǎn)的有效性的基于機器視覺技術(shù)的水稻估產(chǎn)系統(tǒng)。

為實現(xiàn)上述目的，本發(fā)明采用了以下技術(shù)方案：一種基于機器視覺技術(shù)的水稻估產(chǎn)系統(tǒng)，包括：

圖像采集子系統(tǒng)，通過安裝在農(nóng)田區(qū)域內(nèi)的監(jiān)測攝像頭，采集監(jiān)測點的水稻圖像；

水稻估產(chǎn)子系統(tǒng)，用于對采集到的農(nóng)田水稻圖像依次進行預(yù)處理、樣本圖像訓(xùn)練、識別水稻圖像中的水稻、估測整個農(nóng)田的產(chǎn)量；

數(shù)據(jù)存儲子系統(tǒng)，采用云端服務(wù)器，對云端服務(wù)器接收采集的水稻圖像，按照地理位置、日期分類，對接收的圖像進行統(tǒng)一命名，然后存儲在云端服務(wù)器上，供用戶下載使用；同時，將水稻識別數(shù)據(jù)和農(nóng)田估產(chǎn)數(shù)據(jù)存儲在云端服務(wù)器上。

所述圖像采集子系統(tǒng)的第一輸出端與水稻估產(chǎn)子系統(tǒng)的輸入端相連，所述圖像采集子系統(tǒng)的第二輸出端與數(shù)據(jù)存儲子系統(tǒng)的第二輸入端相連，所述水稻估產(chǎn)子系統(tǒng)的輸出端與數(shù)據(jù)存儲子系統(tǒng)的第一輸入端相連。

所述水稻估產(chǎn)子系統(tǒng)包括：

圖像預(yù)處理模塊，用于實現(xiàn)對采集到的圖像數(shù)據(jù)進行預(yù)處理，預(yù)處理過程包括檢查圖像的采集是否成功，以及采集到的圖像質(zhì)量的好壞；

水稻樣本圖像訓(xùn)練模塊，采用bp神經(jīng)網(wǎng)絡(luò)算法對水稻樣本圖像進行訓(xùn)練，建立水稻識別模型；

水稻圖像識別模塊，用于識別水稻圖像中的水稻，使用系統(tǒng)中訓(xùn)練出來的的水稻識別模型準(zhǔn)確識別出圖像中的所有水稻，特別是對于有重疊的水稻區(qū)域進行識別；

水稻估產(chǎn)模塊，用于統(tǒng)計單位面積農(nóng)田中的水稻數(shù)量，根據(jù)整個農(nóng)田的有效種植面積，估測整個農(nóng)田的產(chǎn)量。

本發(fā)明的另一目的在于提供一種基于機器視覺技術(shù)的水稻估產(chǎn)系統(tǒng)的估產(chǎn)方法，其特征在于：該方法包括下列順序的步驟：

（1）通過安裝在農(nóng)田區(qū)域內(nèi)的監(jiān)控攝像頭，采集農(nóng)田水稻圖像數(shù)據(jù)，并將數(shù)據(jù)傳輸?shù)皆贫朔?wù)器；

（2）對采集到的農(nóng)田水稻圖像數(shù)據(jù)進行預(yù)處理，得到預(yù)處理圖像；

（3）對預(yù)處理后的圖像進行圖像識別，統(tǒng)計出單位面積的水稻數(shù)量；

（4）根據(jù)單位面積水稻數(shù)量，對整個農(nóng)田進行估產(chǎn)。

所述步驟（4）具體是指：首先需要根據(jù)系統(tǒng)識別出的圖像中的水稻，對整個圖像進行掃描，一個一個識別圖像區(qū)域，一個一個識別出圖像中所有的水稻，并統(tǒng)計識別出的水稻數(shù)量；若遇到不可識別的重疊區(qū)域，則提醒攝像頭，再采集一張輔助圖像，即拍攝角度偏轉(zhuǎn)30度情況下該區(qū)域的農(nóng)田水稻圖像；再次對圖像進行識別，校驗重疊水稻區(qū)域的識別結(jié)果。

由上述技術(shù)方案可知，本發(fā)明通過攝像頭采集獲取農(nóng)田各監(jiān)測點的水稻圖像信息，并將采集到的農(nóng)田水稻圖像通過internet傳輸給云端服務(wù)器，存放在云端服務(wù)器，方便使用和共享；然后通過對所采集的水稻圖像進行預(yù)處理、水稻建模、水稻識別、計算單位面積的水稻數(shù)量、估產(chǎn)整個農(nóng)田的產(chǎn)量等，對農(nóng)田進行估產(chǎn)，非常有作用和必要，準(zhǔn)確的水稻估產(chǎn)數(shù)據(jù)，農(nóng)戶可以預(yù)知農(nóng)田的收益情況，知道農(nóng)田水稻的生長狀況，同時可以為投資建設(shè)等提供有效的決策信息。

附圖說明

圖1為本發(fā)明的系統(tǒng)組成框圖。

具體實施方式

如圖1所示，一種基于機器視覺技術(shù)的水稻估產(chǎn)系統(tǒng)，包括：圖像采集子系統(tǒng)1，通過安裝在農(nóng)田區(qū)域內(nèi)的監(jiān)測攝像頭，采集監(jiān)測點的水稻圖像；水稻估產(chǎn)子系統(tǒng)2，用于對采集到的農(nóng)田水稻圖像依次進行預(yù)處理、樣本圖像訓(xùn)練、識別水稻圖像中的水稻、估測整個農(nóng)田的產(chǎn)量；數(shù)據(jù)存儲子系統(tǒng)3，采用云端服務(wù)器，對云端服務(wù)器接收采集的水稻圖像，按照地理位置、日期分類，對接收的圖像進行統(tǒng)一命名，然后存儲在云端服務(wù)器上，供用戶下載使用；同時，將水稻識別數(shù)據(jù)和農(nóng)田估產(chǎn)數(shù)據(jù)存儲在云端服務(wù)器上。

如圖1所示，所述圖像采集子系統(tǒng)1的第一輸出端與水稻估產(chǎn)子系統(tǒng)2的輸入端相連，所述圖像采集子系統(tǒng)1的第二輸出端與數(shù)據(jù)存儲子系統(tǒng)3的第二輸入端相連，所述水稻估產(chǎn)子系統(tǒng)2的輸出端與數(shù)據(jù)存儲子系統(tǒng)3的第一輸入端相連。

如圖1所示，所述水稻估產(chǎn)子系統(tǒng)2包括：

圖像預(yù)處理模塊，用于實現(xiàn)對采集到的圖像數(shù)據(jù)進行預(yù)處理，預(yù)處理過程包括檢查圖像的采集是否成功，以及采集到的圖像質(zhì)量的好壞；還包括過濾采集到的圖像中的噪聲，由攝像頭成像原理可知，物理設(shè)備采集圖像的時候，無法避免噪聲的干擾，因此要保證圖像使用的質(zhì)量，保證結(jié)果有效性，必須對噪聲進行有效的過濾，盡可能地降低噪聲干擾對后續(xù)圖像處理的影響等。

水稻樣本圖像訓(xùn)練模塊，采用bp神經(jīng)網(wǎng)絡(luò)算法對水稻樣本圖像進行訓(xùn)練，建立水稻識別模型；主要使用bp神經(jīng)網(wǎng)絡(luò)算法對水稻樣本圖像進行訓(xùn)練，通過神經(jīng)網(wǎng)絡(luò)的訓(xùn)練，可以使得本系統(tǒng)訓(xùn)練出一個模型，即水稻圖像所具有的模型，如此之后，本系統(tǒng)就可以識別出圖像中的水稻，只有水稻圖像出現(xiàn)在系統(tǒng)面前，它就可以成功的識別，就如同人對某東西有了記憶一樣，再次看見這個東西，就認(rèn)識了，系統(tǒng)的水稻識別成功率高達(dá)98.78%

水稻圖像識別模塊，用于識別水稻圖像中的水稻，使用系統(tǒng)中訓(xùn)練出來的的水稻識別模型準(zhǔn)確識別出圖像中的所有水稻，特別是對于有重疊的水稻區(qū)域進行識別；使用系統(tǒng)中訓(xùn)練出來的的水稻識別模型準(zhǔn)確識別出圖像中的水稻，不僅僅是簡單的判斷圖像中是否有水稻，而是需要識別出圖像中的所有水稻，特別是對于有重疊的水稻區(qū)域的識別，如此才能有效統(tǒng)計單位面積的水稻數(shù)目。能否識別什么是水稻，僅僅是系統(tǒng)的第一步智能，系統(tǒng)的核心就是識別出重疊在一起的水稻，水稻會重疊，但是不會完完全全重疊，有區(qū)別，可以判斷出不是一棵水稻植株，關(guān)鍵技術(shù)還是一個角度的圖像可能會出現(xiàn)水稻重疊區(qū)域較多，但是只要偏轉(zhuǎn)攝像頭30度，則基本可以實現(xiàn)將重疊的水稻完全區(qū)別，偏轉(zhuǎn)30度的視域下的水稻圖像，重疊的水稻不可能依舊重疊在一起。

水稻估產(chǎn)模塊，用于統(tǒng)計單位面積農(nóng)田中的水稻數(shù)量，根據(jù)整個農(nóng)田的有效種植面積，估測整個農(nóng)田的產(chǎn)量。

本方法包括下列順序的步驟：

（1）通過安裝在農(nóng)田區(qū)域內(nèi)的監(jiān)控攝像頭，采集農(nóng)田水稻圖像數(shù)據(jù)，并將數(shù)據(jù)傳輸?shù)皆贫朔?wù)器；

（2）對采集到的農(nóng)田水稻圖像數(shù)據(jù)進行預(yù)處理，得到預(yù)處理圖像；

（3）對預(yù)處理后的圖像進行圖像識別，統(tǒng)計出單位面積的水稻數(shù)量；

（4）根據(jù)單位面積水稻數(shù)量，對整個農(nóng)田進行估產(chǎn)。

所述步驟（4）具體是指：首先需要根據(jù)系統(tǒng)識別出的圖像中的水稻，對整個圖像進行掃描，一個一個識別圖像區(qū)域，一個一個識別出圖像中所有的水稻，并統(tǒng)計識別出的水稻數(shù)量；若遇到不可識別的重疊區(qū)域，則提醒攝像頭，再采集一張輔助圖像，即拍攝角度偏轉(zhuǎn)30度情況下該區(qū)域的農(nóng)田水稻圖像；再次對圖像進行識別，校驗重疊水稻區(qū)域的識別結(jié)果。

數(shù)據(jù)存儲子系統(tǒng)3存儲的這些數(shù)據(jù)具有非常重要的使用價值，比如農(nóng)田水稻圖像，可以創(chuàng)建標(biāo)準(zhǔn)的水稻圖像庫，方便有關(guān)領(lǐng)域的專家和學(xué)者使用，為學(xué)術(shù)研究做貢獻(xiàn)，也可以用于系統(tǒng)進一步訓(xùn)練模型，使用的圖像數(shù)據(jù)越多，則模型對于水稻的識別越準(zhǔn)確，顯然可以提高系統(tǒng)的穩(wěn)定性和對農(nóng)田水稻估產(chǎn)的準(zhǔn)確性。

綜上所述，本發(fā)明通過攝像頭實時獲取遠(yuǎn)程的農(nóng)田水稻圖像信息，并將該信息通過網(wǎng)絡(luò)傳輸給云端服務(wù)器，再對農(nóng)田水稻進行估產(chǎn)。本系統(tǒng)的整個農(nóng)田水稻估產(chǎn)過程的實現(xiàn)，完全屬于全自動智能化的，無需人工做任何操作或監(jiān)督，大大節(jié)省了人力成本。系統(tǒng)產(chǎn)生的估產(chǎn)結(jié)果，比農(nóng)民的經(jīng)驗估產(chǎn)更加有效，對農(nóng)戶的種植也更加有指導(dǎo)意義，而且越是準(zhǔn)確的數(shù)據(jù)，越具有說服力和決策指導(dǎo)作用。