一种基于作物表型机器视觉判别的温室智能植保装置及植保方法

摘要

本发明提供了一种基于作物表型机器视觉判别的温室智能植保装置，包括移动装置、配药装置、喷药装置、视觉装置和中央控制单元，所述视觉装置包括多光谱相机和近景摄像机。所述喷药装置包括第一喷药杆、第二喷药杆和多个旋翼，第一、第二喷药杆上均设置有多个可单独控制喷雾量的喷头。本发明通过视觉装置监测作物表型判别病虫害类别与程度并进行预警，辅助管理员及时准确选取药剂，自动进行配药，由中央控制单元规划导航路线，并根据病虫害程度与位置实时调整各喷头的喷药量，实现治病与预防结合的目的，精准施药、节水节肥、绿色发展，可以有效避免作业人员农药中毒现象，促进温室植保作业的安全性、精准性提升。

说明书

技术领域

本发明属于植物植保技术领域，具体涉及一种一种基于作物表型机器视觉判别的温室智能植保装置及植保方法。

背景技术

中国作为农业大国，18亿亩基本农田，每年需要大量的农业植保作业，我国每年农药中毒人数有10万之众，致死率约20％。相较于大田作业，温室环境相对密闭，空气流通较差，植保作业时农药暴露对操作人员身体产生有害影响更为严重。而且，由于传统施药技术与施药观念落后，导致“药水滴淌”、喷药不均匀、农药残留及污染环境等问题。

近年来，随着农业机械化和农业绿色化的推进，我国已经研发并推广了背负式喷雾机、担架式喷雾机等人力植保机械，适用于标准化农田的小动力植保机械、拖拉机配套植保机械，解决了喷洒不匀、喷药效率低等问题。目前，航空植保机械可突破地形限制，是一款可远距离遥控操作、有效减少作业人员暴露的植保机械，在未来大田种植应用前景广阔。但是，针对操作空间狭窄且相对封闭的温室环境，智能植保机械则相形见绌。亟需一款适用温室环境果蔬种植的智能植保机械，既能避免喷洒作业人员于农药暴露的危险，又能提高喷洒作业安全性、均匀性和精准性，减少生产成本投入。

发明内容

本发明所要解决的技术问题在于针对上述现有技术的不足，提供一种基于作物表型机器视觉判别的温室智能植保装置及植保方法，该装置结构设计科学合理，操作简便，自动化程度高，对温室内植物的植保效果好。

为解决上述技术问题，本发明采用的技术方案是：一种一种基于作物表型机器视觉判别的温室智能植保装置，其特征在于，包括移动装置、配药装置、喷药装置、视觉装置和中央控制单元；所述配药装置连接喷药装置，所述移动装置承载喷药装置和视觉装置，所述移动装置、配药装置、喷药装置和视觉装置均与中央控制单元连接。

所述移动装置包括轨道、滑轮和支架，所述轨道安装于温室顶部框架结构上，所述轨道内设置滑轮，所述滑轮连接支架，所述支架为平面工作台面，所述支架还可用于悬挂黄篮板，配合喷药作业，对美洲斑潜蝇、温室白粉虱进行诱杀，进一步提高病虫害防治效果。

所述配药装置包括配药桶、原药瓶和搅拌棒，所述配药桶的顶部开设进水口、底部开设出液口，所述进水口内活动安装原药瓶，所述配药桶内设置“丰”型搅拌棒，搅拌棒由搅拌电机驱动；

所述喷药装置包括包括第一喷药杆、第二喷药杆和多个旋翼，第一、第二喷药杆上均设置有多个可单独控制喷雾量的喷头；

所述视觉装置包括多光谱相机和近景摄像机，所述多光谱相机和近景摄像机均安装于支架上且与中央控制单元相连。多光谱相机每天采集作物图片后传至中央控制单元，中央控制单元将图片与预先深度学习图片进行比对，对番茄所属的生长期和生长状况进行识别，并对病虫害进行预警且标记位置。所述近景摄像机与所述多光谱相机并列安装于支架上，通过电连接中央控制单元，根据多光谱相机标记位置，对感染病虫害作物近景拍摄高清图片，利用预先训练出的病虫害分类模块确定病虫害种类及程度，提出施药方案。

优选的，所述配药桶和原药瓶均为圆柱形，所述原药瓶的侧壁上设置有以1为单位间隔的刻度线，原药瓶上刻度线的最大值为10，所述配药桶的侧壁上设置有以50为单位间隔的刻度线，配药桶上刻度线的最大值为1000，方便按比例精准稀释农药。

优选的，所述第一喷药杆上方设置多个压力喷头，装置工作时第一喷药杆上的压力喷头置于作物垄间地面和植物叶片背面之间，压力喷头药液下压力较大，不易受温度高、干旱等蒸发散失的影响，主要针对叶片背面进行喷施，对番茄的叶霉病、温室白粉虱喷施效果显著；所述第二喷药杆下部设置多个离心喷头和多个旋翼，装置工作时离心喷头和旋翼位于作物叶片上方，利用旋翼产生的向下气流增加第二喷药杆所产生的雾流对作物的穿透性，提高番茄脐腐病、叶霉病、温室白粉虱等病虫害防治效果。所述离心喷头工作压力较低，雾化程度较高，水滴细小，对作物打击强度小。

优选的，所述视觉装置与综控显示器连接，所述综控显示器连接报警装置。

优选的，所述配药装置的出液口通过输药装置连接喷药装置，所述输药装置设置在所述轨道上与支架联动，所述喷药装置包括软管、过滤器、第一卷扬机和水泵，所述软管一端连接出液口，另一端通过过滤器与水泵的进水口相连，软管由设置在地面的第一卷扬机进行收纳，所述水泵设置有两个出水口分别与第一喷药杆和第二喷药杆相连。

本发明还提供了一种基于作物表型机器视觉判别的温室智能植保装置及植保方法，其特征在于，包括以下步骤：

S1、病虫害识别：多光谱相机每天采集作物图片后传至中央控制单元，中央控制单元将图片与预先深度学习图片进行比对，对番茄所属的生长期和生长状况进行识别，并对病虫害进行预警且标记位置；

S2、设计施药方案：近景摄像机根据多光谱相机标记位置，对感染病虫害作物近景拍摄高清图片，利用预先训练出的病虫害分类模块确定病虫害种类及程度，提出施药方案；

S3、配置药液：温室管理人员参考施药方案，选取农药种类及剂型，输入水药配比，将适量药液倒入原药瓶，中央控制单元可根据药量控制进水口出电磁阀，从而精准控制水量，注水的同时，电机协同搅拌棒转动，使药液与水充分融合；

S4、喷洒药液完成植保：中央控制单元控制移动装置移动和喷药装置在指定位置进行喷药。

优选的，S1中所述的病虫害识别具体包括以下步骤：首先多光谱相机获取目标区域作物第一图像，将第一图像输入预设模块，识别作物种类、生长期及是否感染病虫害，无异常情况，获取下一区域作物图像；若区域内作物疑似感染病虫害，则由近景摄像机获取疑似病虫害所在区域近景高清第二图像，将第二图像输入预先深度学习的病虫害分类模块，判别病虫害类型及程度，记录区域位置、病虫害数据等信息。

优选的，所述预先深度学习的病虫害分类模块选用ResNet50卷积神经网络，具体构建方法包括以下步骤：

一、数据预处理，包含获取常见温室种植作物表型参数数据库和常见病虫害参数数据库，将由注释的RGB图像的80％作为训练数据集，其余20％作为测试数据集，使用t分布随机邻域嵌入可视化技术对高维数据集进行可视化的降维，进行预处理及数据增强，以达到扩充数据集和增强数据特征的作用；

二、模型训练，包含进行权值初始化，利用卷积层对训练数据集进行特征提取，生成特征图，采用Keras为对比基准进行初始化，经过池化层和全连接层进行前向传递得到输出值，然后求出输出值与目标值之间的误差进行反向传递，根据所得误差进行权值更新，最后得到训练好的分类模型；

三、图像识别，包含采用已训练的分类模型对未知类别的作物表型参数数据进行对比，得到输出值，对作物所属的生长期和生长状况、病虫害情况进行识别。

本发明与现有技术相比具有以下优点：

1、本发明通过视觉装置根据作物种类及生长期确定病虫害位置与种类、程度，提供施药方案，采用中央控制单元及移动装置来实现自主规划路线和自动喷药，避免喷洒作业人员于农药暴露的危险，工作效率高，操作简单。

2、本发明喷头可以根据种植区域病虫害程度调控喷药量，做到治病与预防精准结合；同时，喷洒技术采用喷雾喷洒方式至少可以节约50％的农药使用量，节约90％的用水量，这将很大程度的降低资源成本。

3、本发明喷药杆上方设有多个旋翼，旋翼产生的向下气流有助于增加雾流对作物的穿透性，针对番茄脐腐病、叶霉病、温室白粉虱等病虫害防治效果好。

下面结合附图和实施例对本发明作进一步详细说明。

附图说明

图1是本发明的整体结构示意图。

图2是本发明中各部分之间的连接示意图。

图3是本发明中配药装置的结构示意图。

图4是本发明中的旋翼结构示意图。

图5是本发明中移动装置的结构示意图。

图6是本发明中的支架结构示意图。

图7是本发明中病虫害识别方法流程图。

附图标记说明：

1-配药装置；11-进水口；111-水阀；12-原药瓶；121-原药瓶刻度线；122-电磁阀；13-配药桶；14-搅拌棒；15-出水口；16-搅拌电机；17-支架；18-配药桶刻度线；2-输药装置；21-软管；22-第一过滤器；23-第一卷扬机；231-卷轴；232-收管电机；3-喷药装置；31-第一喷药杆；32-第二喷药杆；33-旋翼；331-旋叶；332-铰接头；333-上盖；334-电机定子；335-电机转子；34-水泵；341-水泵进水口；342-水泵出水口；4-移动装置；41-轨道；42-滑轮；43-支架；431-第一相机支架；432-第二相机支架；433-黄篮板挂钩；434-第二卷扬机；435-第三卷扬机；44-轮轴；45-连接杆；5-视觉装置；51-近景摄像机；52-多光谱相机；6-中央控制单元；61-综控显示器；62-存储单元；7-电源组件。

具体实施方式

如图1至图6所示，本发明包括移动装置4、配药装置1、喷药装置3、视觉装置5和中央控制单元6；所述配药装置1连接喷药装置3，所述移动装置4承载喷药装置3和视觉装置5，所述移动装置4、配药装置1、喷药装置3和视觉装置5均与中央控制单元6连接。

所述移动装置4包括轨道41、滑轮42和支架43，所述轨道41安装于温室顶部框架结构上，轨道41延温室纵向中轴位置布置，其长度略小于温室长度，所述轨道41内设置滑轮42，滑轮42间的轮轴下端通过连接杆45与支架43相连，所述支架43主要作用为搭载视觉装置5、喷药装置3，所述支架43为平面工作台面，所述支架43上还设置有黄篮板挂钩433。

所述配药装置1包括配药桶13、原药瓶12和搅拌棒14，所述配药桶13的顶部开设进水口11、底部开设出液口15，所述进水口11内活动安装原药瓶12，原药瓶12底部设置电磁阀122，所述配药桶13内设置“丰”型搅拌棒14，搅拌棒14由搅拌电机16驱动；进水口11通过活动水管接头和水管连接外部水源。

所述喷药装置3包括包括第一喷药杆31、第二喷药杆32和多个旋翼33，第一喷药杆31、第二喷药杆32上均设置有多个可单独控制喷雾量的喷头；

所述视觉装置5包括多光谱相机52和近景摄像机51，所述多光谱相机52和近景摄像机51均安装于支架上且与中央控制单元6相连。多光谱相机52每天采集作物图片后传至中央控制单元6，中央控制单元6将图片与预先深度学习图片进行比对，对番茄所属的生长期和生长状况进行识别，并对病虫害进行预警且标记位置。所述近景摄像机51与所述多光谱相机52并列安装于支架上，通过电连接中央控制单元6，根据多光谱相机52标记位置，对感染病虫害作物近景拍摄高清图片，利用预先训练出的病虫害分类模块确定病虫害种类及程度，提出施药方案。

本实施例中，所述配药装置1的出液口通过输药装置2连接喷药装置3，所述输药装置2设置在所述轨道41上与支架43联动，所述输药装置2包括软管21、过滤器、第一卷扬机23和水泵34，所述软管21一端连接出液口15，另一端通过第一过滤器22与水泵进水口341相连，第一卷扬机23包括卷轴231和驱动卷轴231的收管电机232，软管21由设置在地面的由收管电机231驱动的卷轴231进行收纳，所述水泵34设置有两个水泵出水口342，第一出水口通过第二过滤器、增压阀与第一喷药杆31相连；第二出水口通过第三过滤器与第二喷药杆32相连。

本实施例中，所述支架43搭载第一相机支架431、第二相机支架432、第二卷扬机434、第三卷扬机435，所述第一相机支架431与所述第二相机支架432分别通过螺栓固定多光谱相机52和近景摄像机51，所述第二卷扬机434、第三卷扬机435分别连接第一喷药杆31和第二喷药杆32，实现喷药杆的升降。另外，在不执行喷药作业时，黄篮板挂钩433可用于悬挂黄篮板，对美洲斑潜蝇、温室白粉虱进行监测和诱杀，配合喷药作业，进一步提高虫害防治效果。

本实施例中，所述配药桶13和原药瓶12均为圆柱形，所述原药瓶12的侧壁上设置有以1为单位间隔的原药瓶刻度线121，原药瓶刻度线121的最大值为10，所述配药桶13的侧壁上设置有以50为单位间隔的配药桶刻度线18，配药桶刻度线18的最大值为1000，两组刻度线相互对应方便按比例精准稀释农药。

本实施例中，所述第一喷药杆31上方设置多个压力喷头，装置工作时第一喷药杆31上的压力喷头置于作物垄间地面和植物叶片背面之间，压力喷头药液下压力较大，不易受温度高、干旱等蒸发散失的影响，主要针对叶片背面进行喷施，对番茄的叶霉病、温室白粉虱喷施效果显著；所述第二喷药杆32下部设置多个离心喷头和多个旋翼33，装置工作时离心喷头和旋翼33位于作物叶片上方，利用旋翼33产生的向下气流增加第二喷药杆32所产生的雾流对作物的穿透性，提高番茄脐腐病、叶霉病、温室白粉虱等病虫害防治效果。所述离心喷头工作压力较低，雾化程度较高，水滴细小，对作物打击强度小。所述多个压力喷头和所述离心喷头均由中央控制单元6单独控制，可根据病虫害位置和程度情况调整喷雾量的大小，实现治病与预防结合的目的，精准施药、节水节肥、绿色发展。

本实施例中，所述视觉装置5与综控显示器61连接，所述综控显示器61连接报警装置。综控显示器61设置在温室管理室内。

本实施例中，本发明还包括为各用电部件提供电源的电源组件7和存储单元62，存储单元62也与中央控制单元6连接用于存储作物生育期内生长信息、感染病虫害情况、施药情况等植保相关数据信息。

本实施例中，所述旋翼33包括旋叶331和旋转电机，将旋叶331通过铰接头332安装于上盖333与电机定子334之间，通过电机转子335带动，实现旋叶331旋转，产生垂直向下的气流。

本发明还提供了一种基于作物表型机器视觉判别的温室智能植保装置及植保方法，其特征在于，包括以下步骤：

S1、病虫害识别：多光谱相机52每天采集作物图片后传至中央控制单元6，中央控制单元6将图片与预先深度学习图片进行比对，对番茄所属的生长期和生长状况进行识别，并对病虫害进行预警且标记位置；

S2、设计施药方案：近景摄像机51根据多光谱相机52标记位置，对感染病虫害作物近景拍摄高清图片，利用预先训练出的病虫害分类模块确定病虫害种类及程度，提出施药方案；

S3、配置药液：温室管理人员参考施药方案，选取农药种类及剂型，输入水药配比，将适量药液倒入原药瓶12，中央控制单元6可根据药量控制进水口15处电磁阀122，从而精准控制水量，注水的同时，搅拌棒14转动，使药液与水充分融合；

S4、喷洒药液完成植保：中央控制单元6控制移动装置4移动和喷药装置3在指定位置进行喷药。

如图7所示，本实施例中，S1中所述的病虫害识别具体包括以下步骤：首先多光谱相机52获取目标区域作物第一图像，将第一图像输入预设模块，识别作物种类、生长期及是否感染病虫害，无异常情况，获取下一区域作物图像；若区域内作物疑似感染病虫害，则由近景摄像机51获取疑似病虫害所在区域近景高清第二图像，将第二图像输入预先深度学习的病虫害分类模块，判别病虫害类型及程度，记录区域位置、病虫害数据等信息。

本实施例中，所述预先深度学习的病虫害分类模块选用ResNet50卷积神经网络，具体构建方法包括以下步骤：

一、数据预处理，包含获取常见温室种植作物表型参数数据库和常见病虫害参数数据库，将由注释的RGB图像的80％作为训练数据集，其余20％作为测试数据集，使用t分布随机邻域嵌入可视化技术对高维数据集进行可视化的降维，进行预处理及数据增强，以达到扩充数据集和增强数据特征的作用。首先，由于得到的数据集多数是不平衡的，先对其进行平衡化处理，从而使用于训练模型的每一批的数据中都有均匀分布的各类图像。平衡数据的方法可选用针对不平衡学习的自适应样本合成方法(ADASYN)或少数类过采样技术(SMOTE)，ADASYN通过减少类别的不平衡所带来的偏差和自适应地将分类的决策边界转换为更困难的样本两种方法提高了对数据分布的学习效果；SMOTE包括对少数类的过采样和多数类的欠采样，从而得到最佳抽样结果；

二、模型训练生成，包含进行权值初始化，利用卷积层对训练数据集进行特征提取，生成特征图，经过池化层和全连接层进行前向传递得到输出值，然后求出输出值与目标值之间的误差进行反向传递，根据所得误差进行权值更新，最后得到训练好的分类模型。具体的，可以利用已经训练过的模型进行调优，来提高训练卷积神经网络的效率。如利用包含多类图像的ImageNet数据集，通过将某些层保持为冻结状态，再将一些层解冻并进行训练，从而进行调优数据库，采用Keras为对比基准进行初始化，用一个简单模型和一个非常高端的模型对数据集进行基准测试，以便发现给定模型是否产生了欠拟合和过拟合；

三、图像识别，包含采用已训练的分类模型对未知类别的作物表型参数数据进行对比，得到输出值，对作物所属的生长期和生长状况、病虫害情况进行识别。

以上所述，仅是本发明的较佳实施例，并非对本发明作任何限制。凡是根据发明技术实质对以上实施例所作的任何简单修改、变更以及等效变化，均仍属于本发明技术方案的保护范围内。