一种基于深度学习的果园病虫害检测系统及其检测方法

摘要

一种基于深度学习的果园病虫害检测系统及其检测方法，检测系统包括检测装置和检测云端；检测装置包括底座、摄像机、伸缩运动模块、旋转运动模块、5G传输模块、感光模块、供电模块和控制器。本发明将图像采集装置、传输装置、发电装置相结合，将采集到的叶片病虫害信息及时的发送给云端，进行病虫害的识别，决策的结果发送到客户端，将深度学习的方法运用于果园的病虫害识别，通过对后台接收到的数据进行图像识别，有效的解决了果园里人工手持设备拍摄不便捷等问题，并且能够拍到叶片的上下两个面，对果园进行有效的病虫害的监控检测，节省了劳动力，大大提高了检测的效率，具有广阔的市场应用前景。

说明书

技术领域

本发明涉及农业病虫害检测、计算机视觉技术和人工智能领域技术领域，尤其涉及一种基于深度学习的果园病虫害检测系统及其检测方法。

背景技术

近年来，深度学习成为机器学习的大趋势,被广泛地应用到各个领域中，尤其在图像分类识别方面，展现出明显的优势，也引发了学习热潮，深度学习为计算机视觉和机器学习带来了革命性的进步。在病虫害检测方面，深度学习的方法具有很好的发展前景。现在，大多数的病虫害检测依靠人的经验进行判断，或者采样带回实验室进行培养后才能检测出具体的病虫害，虽然这样的防治方案针对性强，但是培养周期缓慢而且效率低下，有可能会错过最佳的病虫害治理时机。如果在病虫害出现的初期，就准确的判断出病虫害的类型，从而采取正确的治理措施，能够大大的节省人力物力财力资源。果园病虫害检测装置结合深度学习方法，能够准确的判断出病虫害的种类，从而提出快速有效的病虫害解决办法。

随着大数据时代的不断发展，农业领域也不断运用深度学习的技术，越来越多的数据平台被开发应用，利用已有的深度学习的方法，对拍到的含有病虫害的图片进行自动种类识别，将果园病虫害的特征具体化和可视化，用人工智能代替以往的人工肉眼判断，进而开发一个数据管理平台，可以有效地为果农节约成本、创造价值。而现有的果园病虫害检测方法虽然与深度学习相结合了，但是还没有找到较高的识别率模型。

发明内容

(一)发明目的

为解决背景技术中存在的技术问题，本发明提出一种基于深度学习的果园病虫害检测系统及其检测方法，目的是为了解决当前果园病虫害人工识别的各种问题，如人工判断病虫害的效率低、准确性较差，利用深度学习图像检测效率高、时效快、节省人力的特点，构建用于病虫害检测的深度学习模型，提出了一种基于深度学习的果园病虫害检测系统及其检测方法。

(二)技术方案

本发明提供了一种基于深度学习的果园病虫害检测系统及其检测方法，包括检测系统包括检测装置和检测云端；检测装置包括底座、摄像机、伸缩运动模块、旋转运动模块、5G传输模块、感光模块、供电模块和控制器；本检测方法包括以下步骤：

S1、感光模块根据光照强度的不同，控制摄像机每天采集果园叶片图像两次，通过G传输模块传输至检测云端；

S2、检测云端对采集到的图像利用yolo模型进行有无病虫害的识别，对于有病虫害的图像，再进行特征的提取和分类；

S3、检测云端将S2中有病虫害的图像做进一步处理，上传至yolo模型中；

S4、深度学习的yolo模型再对S3中的图像进行识别分类；

S5、决策结果发送至客户端。

优选的，伸缩运动模块设置为电动推杆；旋转运动模块设置为步进电机和固定杆；感光模块设置为光敏电阻；5G传输模块设置为嵌入式系统及5G系统；供电模块包括太阳能板和蓄电池；电动推杆设置在底座上；光敏电阻设置在电动推杆上；由步进电机驱动的固定杆转动设置在电动推杆上，且靠近光敏电阻；摄像机设置在固定杆上；太阳能板设置在底座上，且与蓄电池电性连接；嵌入式系统及5G系统设置在底座上。

优选的，检测装置还包括驱动电机、转向轮和万向轮；由驱动电机驱动的转向轮设置在底座上；万向轮设置在底座上。

优选的，转向轮和万向轮上设置有减震件。

优选的，光敏电阻上设置有透明防雨罩。

与现有技术相比，本发明的上述技术方案具有如下有益的技术效果：实现果园病虫害的实时在线自动识别，能够为果园的病虫害防治提供合理依据，为提出解决办法争取一定时间，避免人工肉眼识别病虫害效率低、时效差的问题，提高果园相关作物的产量，减少不必要的经济损失。

附图说明

图1为本发明提出的一种基于深度学习的果园病虫害检测系统及其检测方法的流程图。

图2为本发明提出的一种基于深度学习的果园病虫害检测系统及其检测方法的检测装置结构示意图。

图3为本发明提出的一种基于深度学习的果园病虫害检测系统及其检测方法的硬件结构示意图。

附图标记：1、底座；2、太阳能板；3、蓄电池；4、嵌入式系统及5G系统；5、控制系统单元；6、电动推杆；7、光敏电阻；8、透明防雨罩；9、步进电机；10、固定杆；11、摄像机；12、驱动电机；13、转向轮；14、万向轮；15、减震件。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明了，下面结合具体实施方式并参照附图，对本发明进一步详细说明。应该理解，这些描述只是示例性的，而并非要限制本发明的范围。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本发明的概念。

如图1-3所示，本发明提出的一种基于深度学习的果园病虫害检测系统及其检测方法，包括检测系统包括检测装置和检测云端；检测装置包括底座1、摄像机11、伸缩运动模块、旋转运动模块、5G传输模块、感光模块、供电模块和控制器5；本检测方法包括以下步骤：

S1、感光模块根据光照强度的不同，控制摄像机11每天采集果园叶片图像两次，通过5G传输模块传输至检测云端；

S2、检测云端对采集到的图像利用yolo模型进行有无病虫害的识别，对于有病虫害的图像，再进行特征的提取和分类；

S3、检测云端将S2中有病虫害的图像做进一步处理，上传至yolo模型中；

S4、深度学习的yolo模型再对S3中的图像进行识别分类；

S5、决策结果发送至客户端。

在一个可选的实施例中，伸缩运动模块设置为电动推杆6；旋转运动模块设置为步进电机9和固定杆10；感光模块设置为光敏电阻7；5G传输模块设置为嵌入式系统及5G系统4，可以与各种组态软件通过虚拟串口直接连接，进行无线数据的传输，把采集的图像发送给云端；供电模块包括太阳能板2和蓄电池3；电动推杆6设置在底座1上；光敏电阻7设置在电动推杆6上，电动推杆6能够调节整个杆的长度，从而适应对果园叶片不同高度的拍照；由步进电机9驱动的固定杆10转动设置在电动推杆6上，且靠近光敏电阻7；摄像机11设置在固定杆10上；太阳能板2设置在底座1上，且与蓄电池3电性连接，进行光能的收集，将光能变为电能，利用蓄电池3进行储能，对系统装置进行供电；嵌入式系统及5G系统4设置在底座1上。

在一个可选的实施例中，检测装置还包括驱动电机12、转向轮13和万向轮14；由驱动电机12驱动的转向轮13设置在底座1上；万向轮14设置在底座1上，驱动电机12内部有转向控制机构与控制系统5相连接。

在一个可选的实施例中，转向轮13和万向轮14上设置有减震件15。

在一个可选的实施例中，光敏电阻7上设置有透明防雨罩8。

本发明的使用原理如下：当每天时间到达早上六点，光敏电阻和摄像机开始工作，摄像机10在光照到达设定的阈值时拍照叶片正面一次，伸缩杆和旋转杆到达叶片反面位置时再拍照一次，光敏电阻7可以根据光照强度设定的阈值进行合适时间的拍照；其中步进电机9能够控制摄像机11进行720°的旋转，从而拍摄叶片上下两个面；电动推杆6和步进电机配合，电动推杆6可以任意的伸长、收缩，步进电机9能够控制固定杆10的720°旋转，能够让摄像机拍到果园叶片的正反两面。

应当理解的是，本发明的上述具体实施方式仅仅用于示例性说明或解释本发明的原理，而不构成对本发明的限制。因此，在不偏离本发明的精神和范围的情况下所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。此外，本发明所附权利要求旨在涵盖落入所附权利要求范围和边界、或者这种范围和边界的等同形式内的全部变化和修改例。