本發(fā)明屬于林業(yè)生產(chǎn)，更具體地說，涉及一種苗圃植物病蟲害檢測系統(tǒng)及方法。

背景技術(shù)：

1、在現(xiàn)代林業(yè)生產(chǎn)中，苗圃植物的健康管理是提高作物產(chǎn)量和質(zhì)量的重要環(huán)節(jié)?，F(xiàn)有的病蟲害檢測技術(shù)通常依賴于rgb相機或單一類型的傳感器，通過圖像處理和機器學習算法對植物病蟲害進行識別。然而，這些技術(shù)方案存在著明顯的不足。首先，現(xiàn)有裝置通常僅依賴可見光譜的圖像數(shù)據(jù)，容易受到光照變化和環(huán)境因素的影響，導致檢測精度較低。其次，這些裝置的覆蓋范圍有限，通常只能針對單株植物或局部區(qū)域進行檢測，難以在廣闊的苗圃環(huán)境中實現(xiàn)大面積的監(jiān)控。此外，傳統(tǒng)病蟲害檢測裝置的實時性較差，數(shù)據(jù)通常需要上傳至服務器進行集中處理，這種處理方式會造成時間延遲，影響對病蟲害的及時應對。最后，現(xiàn)有裝置大多采用傳統(tǒng)的機器學習算法，這些算法在面對復雜環(huán)境和多變的病蟲害形態(tài)時，容易出現(xiàn)誤判或漏判現(xiàn)象。因此，現(xiàn)有技術(shù)在檢測精度、覆蓋范圍、實時性和算法性能等方面存在顯著不足，亟需改進。

2、針對上述問題也進行了相應的改進，如中國專利申請?zhí)朿n202211114174.1，公開日為2022年11月29日，該專利公開了一種植物病蟲害自動檢測裝置及植物病蟲害自動檢測方法，植物病蟲害自動檢測裝置包括殼體、成像組件、環(huán)境檢測組件和控制設(shè)備倉，成像組件包括攝像機和伺服云臺，伺服云臺固定連接于殼體頂部，攝像機連接于伺服云臺，環(huán)境檢測組件包括氣象檢測器和土壤速測器，氣象檢測器固定連接于殼體頂部，土壤速測器包括機殼和用于插入土壤以采集土壤參數(shù)的插針，機殼豎直滑動連接于殼體側(cè)壁，插針固定連接于機殼，控制設(shè)備倉固定連接于殼體，控制設(shè)備倉內(nèi)安裝有用于控制植物病蟲害自動檢測裝置工作狀態(tài)的程序控制器。該專利的不足之處在于：雖然提高了植物病蟲害檢測的精度，環(huán)境監(jiān)測組件的設(shè)置增加了成本，且各組件之間易發(fā)生相互干擾影響檢測效果。

3、又如中國專利申請?zhí)朿n202410362779.5，公開日為2024年3月28日，該專利公開了一種園林植物病蟲害區(qū)域快速檢測方法，包括：根據(jù)每個疑似病蟲害像素點的鄰域范圍內(nèi)疑似病蟲害像素點個數(shù)、以及疑似病蟲害像素點之間的距離，得到每個疑似病蟲害像素點的目標程度值，并得到目標像素點；根據(jù)每個目標像素點的鄰域范圍內(nèi)像素點的灰度分布和鄰域范圍內(nèi)的紋理值、每個目標像素點的目標程度值、相鄰邊緣像素點斜率的差異，得到每個目標像素點的衰敗概率；根據(jù)每個目標像素點的衰敗概率，得到葉子圖像中的病蟲害區(qū)域。該專利的不足之處在于：雖然降低了光照對病蟲害檢測的影響，但計算復雜且耗時長，增加成本。

技術(shù)實現(xiàn)思路

1、1、要解決的問題

2、針對現(xiàn)有植物病蟲害檢測精度差且耗時長的問題，本發(fā)明提供一種苗圃植物病蟲害檢測系統(tǒng)及方法。整個檢測系統(tǒng)既提升了檢測的準確性又提升了檢測的效率，使得能夠在田間環(huán)境中實現(xiàn)實時、自動化的病蟲害檢測，適合大規(guī)模的推廣使用；整個檢測方法有助于更準確的判斷病蟲害的位置和范圍，并且能夠在較為復雜的條件下仍然實現(xiàn)準確檢測病蟲害。

3、2、技術(shù)方案

4、為解決上述問題，本發(fā)明采用如下的技術(shù)方案。

5、一種苗圃植物病蟲害檢測系統(tǒng)，包括用于采集數(shù)據(jù)的感知單元和對數(shù)據(jù)進行處理的計算單元，所述感知單元包括相機組件，所述相機組件用于采集苗圃植物的可見光圖像和苗圃植物的三維深度信息；所述計算單元包括計算組件，所述計算組件用于先使用無監(jiān)督學習的方式對苗圃植物的可見光圖像和植物的三維深度信息進行圖像特征提取和深度特征提取，再根據(jù)圖像特征和深度特征使用有監(jiān)督微調(diào)的方式檢測苗圃植物的病蟲害類別。

6、采用上述技術(shù)方案，通過在該檢測系統(tǒng)的數(shù)據(jù)采集中引入植物的三維深度信息，相比于傳統(tǒng)的單一光譜圖像檢測方式，植物的三維深度信息能夠更全面地捕捉植物的表面特征和結(jié)構(gòu)信息，大大減少了環(huán)境因素對檢測結(jié)果的影響，從而提高了病蟲害檢測的精準度和檢測過程的魯棒性；并且計算組件的計算方式是先對數(shù)據(jù)進行特征提取后再對特征進行檢測，大幅度提高計算效率并且提升計算精度。

7、總的來說，本技術(shù)的苗圃植物病蟲害檢測系統(tǒng)通過采集多維度數(shù)據(jù)，并進行數(shù)據(jù)融合實現(xiàn)了對病蟲害的高精度檢測；并且系統(tǒng)的構(gòu)成簡單，感知單元與計算單元之間彼此電連接，也增加了整個檢測過程的實時性，感知單元采集到的數(shù)據(jù)能夠迅速進入到計算單元進行計算，保障整個過程的時效性，在保障精度與效率的同時節(jié)省成本，使得能夠在田間環(huán)境中實現(xiàn)實時、自動化的病蟲害檢測，適合大規(guī)模的推廣使用。

8、更進一步的，所述相機組件包括rgb相機和深度相機，rgb相機采集苗圃植物的可見光圖像；深度相機采集苗圃植物的三維深度信息；且rgb相機和深度相機均放置在距離植物頂芽1m～1.4m。

9、采用上述技術(shù)方案，利用不同的相機進行不同數(shù)據(jù)的采集，使得兩個可見光圖像與三維深度信息的采集互不干擾，便于不同相機位置的實時調(diào)整；且兩個相機的位置進行限定，使得采集的區(qū)域保持合適的數(shù)量，避免采集區(qū)域過小影響整個檢測效率，采集區(qū)域過大影響整個檢測精度。

10、更進一步的，相機組件設(shè)置在可調(diào)節(jié)支架上，所述可調(diào)節(jié)支架能夠改變相機組件距離地面的高度以及改變相機組件拍攝的角度。

11、采用上述技術(shù)方案，可調(diào)節(jié)支架的設(shè)置使得相機組件的位置可調(diào)，也就可以獲得植物各個部位和層面的信息，能夠提供不同視角和層次的植物信息，增加了數(shù)據(jù)來源的全面性，繼而提升了后續(xù)檢測結(jié)果的精度。

12、更進一步的，所述感知單元還包括：

13、散熱組件：用于對相機組件進行散熱；

14、電源組件：用于對相機組件以及散熱組件供電。

15、采用上述技術(shù)方案，散熱組件的設(shè)置使得感知單元中的相機組件能夠在長時間的工作狀態(tài)下保持性能穩(wěn)定，既不會影響拍攝精度，又能夠保證整個感知單元處于一個溫度適宜的環(huán)境，保證感知單元內(nèi)的單元組件正常工作。

16、更進一步的，所述計算組件為深度學習模型，所述深度學習模型的訓練過程包括無監(jiān)督學習階段和有監(jiān)督微調(diào)階段：

17、無監(jiān)督學習階段采用simclr模型，苗圃植物的可見光圖像和三維深度信息輸入至simclr模型中，simclr模型進行提取苗圃植物中的圖像特征和深度特征；

18、有監(jiān)督微調(diào)階段采用efficientnet模型，simclr模型提取出的圖像特征和深度特征輸入至efficientnet模型中，efficientnet模型進行識別病蟲害類別；且利用標注好的存在病蟲害的可見光圖像和三維深度信息對efficientnet模型進行調(diào)整。

19、采用上述技術(shù)方案，深度學習模型結(jié)合無監(jiān)督學習階段和有監(jiān)督微調(diào)階段，利用無監(jiān)督學習階段提供強大的特征提取能力，并且能夠處理未標記的數(shù)據(jù)集，節(jié)省標記數(shù)據(jù)的時間與成本；再利用有監(jiān)督微調(diào)階段提供特定任務數(shù)據(jù)進行特定訓練和調(diào)整，使得模型在植物病蟲害檢測這一任務上的高精準度和高效率；同時結(jié)合無監(jiān)督和有監(jiān)督兩種方式使得模型能夠更好地適應不同的病蟲害檢測場景和數(shù)據(jù)集，增加了模型的適用性。

20、更進一步的，所述計算單元包括：

21、jetson?xavier?nx計算平臺：用于進行苗圃植物的病蟲害檢測，且jetson?xaviernx計算平臺包括所述深度學習模型；

22、顯示組件：用于將檢測結(jié)果進行顯示；

23、散熱組件：用于對jetson?xavier?nx計算平臺進行散熱。

24、采用上述技術(shù)方案，利用jetson?xavier?nx計算平臺強大的ai計算能力和低功耗特性，能夠?qū)崟r處理來自感知單元的大量數(shù)據(jù)，并準確識別植物的病蟲害類別，使得整個系統(tǒng)更加節(jié)能環(huán)保；并且散熱組件的設(shè)置進一步確保jetson?xavier?nx計算平臺在高溫工況下依然能夠穩(wěn)定工作，避免因過熱導致性能下降或裝置故障，提高計算單元的安全性。

25、更進一步的，所述計算單元還包括若干個預留接口，所述若干個預留接口用于與感知單元進行數(shù)據(jù)和電力的連接。

26、采用上述技術(shù)方案，若干個預留接口的設(shè)置使得計算單元與感知單元之間的連接靈活度高，可操作性強，便于面對不同的實際使用情況進行調(diào)整，增加整個系統(tǒng)的適用性。

27、一種如上述任一項所述的苗圃植物病蟲害檢測系統(tǒng)的檢測方法，包括如下步驟：

28、感知單元采集苗圃植物的可見光圖像和苗圃植物的三維深度信息；

29、計算單元將采集到的苗圃植物的可見光圖像和苗圃植物的三維深度信息進行計算分析，得到病蟲害檢測結(jié)果；其中計算過程如下：先對苗圃植物的可見光圖像和植物的三維深度信息進行圖像特征提取和深度特征提?。辉賹μ崛〉降膱D像特征和深度特征進行計算得到病蟲害檢測結(jié)果。

30、采用上述技術(shù)方案，通過在苗圃植物病蟲害檢測方法中引入了植物的三維深度信息，三維深度信息提供葉片間的空間關(guān)系，有助于更準確的判斷病蟲害的位置和范圍；且植物的三維深度信息也增強了計算單元的魯棒性，因為對光照條件的變化不敏感，有助于計算單元在光照條件較差的情況下仍能準確檢測病蟲害；整個檢測方法既提升了檢測的準確性又提升了檢測的效率，從而在大規(guī)模林業(yè)苗圃管理和精準林業(yè)應用中具有廣闊前景。

31、更進一步的，在計算單元進行計算前，還包括將苗圃植物的可見光圖像和苗圃植物的三維深度信息進行融合，得到rgb-d圖像；再對rgb-d圖像劃分為若干個等尺寸的網(wǎng)格，并對若干個網(wǎng)格進行預處理后對每個網(wǎng)格進行計算。

32、采用上述技術(shù)方案，將可見光圖像與三維深度信息進行融合得到rgb-d圖像，便于后續(xù)操作；且網(wǎng)格化處理一來提升整個運算效率；二來進一步提升檢測精度，使得最終的植物的病蟲害檢測結(jié)果更加直觀與形象，便于及時應對與調(diào)整。