智能车及智慧农业管理系统技术方案

本申请提供一种智能车，包括：车架，行走组件，动力组件；智能车还包括：GPS定位组件；图像采集组件，用于采集智能车周围一定范围内的场景图像；第一发送单元，用于向监控平台发送场景图像；第一接收单元，接收控制指令；处理单元，根据控制指令，控制智能车执行相应的行为；其中，当监控平台识别场景图像中包含作物时，判断作物的生长状态，若作物有病虫害，则判断病虫害类别，并控制智能车发送受病虫害的作物的坐标数据至管理人员。本申请还提供一种智慧农业管理系统。通过智能车对农场进行巡检，实现对作物的病虫害识别，减少了图像传感器的大量使用。同时，利用智慧农业管理系统，实现农场的智能化管理。的智能化管理。的智能化管理。

【技术实现步骤摘要】
智能车及智慧农业管理系统


[0001]本申请涉及农业智能化
，具体涉及一种智能车及智慧农业管理系统。

技术介绍

[0002]随着社会的进步，农业土地集约化程度进一步提升，现代化的技术设备在农业中的应用越来越多，农业生产管理正逐步向机械化、信息化、智能化靠近，为农业生产管理提供科学的依据以及系统的管理方法。
[0003]现有的农业种植管理技术依托于在作物种植区域多点部署的监控装置，通过多点部署的监控装置采集作物的图像，对作物的生长状态进行分析，并依据分析的结果制定科学的农业生产管理决策，控制水肥一体化设备、环境管控装置等智能化设备对作物的生长环境进行调节。
[0004]但是，现有的农业种植管理技术存在以下问题：即使采用多点部署的方式设置监控装置也难以实现对作物种植区域的完全覆盖，又或者为了实现尽可能的覆盖作物种植区域需要大量部署监控装置，大大提高了生产管理成本。同时，多点部署的监控装置中，各个监控装置只能以固定的角度采集作物的图像，无法实现对作物的多角度观测，从而可能导致对作物的生长状态的错误判断。
[0005]因此，有必要提出一种技术方案，实现更高效、更精确的农业生产管理。

技术实现思路

[0006]本申请的目的在于提供一种智能车及智慧农业管理系统，利用智能车进行巡检，实现对作物的病虫害识别，减少图像传感器的大量使用。同时，利用智慧农业管理系统，实现农场的智能化管理。
[0007]基于以上目的，本申请提供一种智能车，用于农业管理，智能车包括：车架；行走组件，与车架连接；动力组件，设置在车架上，为智能车提供动力；智能车还包括：GPS定位组件，设置在车架上，用于定位智能车的当前位置坐标；图像采集组件，设置在车架上，用于采集智能车周围一定范围内的场景图像；第一发送单元，用于向监控平台发送场景图像，触发监控平台识别场景图像，并根据识别结果发送控制指令；第一接收单元，接收控制指令；处理单元，根据控制指令，控制智能车执行相应的行为；其中，当监控平台识别场景图像中包含作物时，判断作物的生长状态，若作物有病虫害，则判断病虫害类别，并控制智能车发送受病虫害的作物的坐标数据至管理人员。
[0008]进一步的，智能车还包括：
雷达避障组件，设置在车架上，当雷达避障组件检测到智能车的行进路线上出现障碍物时，智能车启动图像采集组件。
[0009]进一步的，智能车还包括：除草切割组件，设置在车架上，当监控平台识别场景图像中包含杂草时发送第一控制指令，处理单元根据第一控制指令控制除草切割组件清除杂草。
[0010]进一步的，智能车还包括：鸣笛组件，设置在车架上，当监控平台识别场景图像中包含人物或车辆时发送第二控制指令，处理单元根据第二控制指令控制鸣笛组件报警，驱赶人物或车辆。
[0011]本申请还提供一种智慧农业管理系统，包括：如上任一所述的智能车，以及，与智能车通信连接的监控平台；监控平台用于接收并识别智能车发送的场景图像，并根据识别结果发送相应的控制指令。
[0012]进一步的，监控平台基于深度学习算法进行图像识别；监控平台包括至少三种深度学习模型，其中，第一深度学习模型，利用YOLOv5s算法建立，将人物或车辆的图像作为样本集进行训练，用于输出场景图像是否为人物的二分类结果或者是否为车辆的二分类结果；第二深度学习模型，利用YOLOv5s算法建立，将病虫害的图像作为样本集进行训练，用于输出场景图像中作物的病虫害类别判别结果；第三深度学习模型，利用YOLOv5s算法建立，将杂草的图像作为样本集进行训练，用于输出场景图像中植株是否为杂草的二分类结果。
[0013]进一步的，监控平台还用于规划智能车的巡检路线，智能车按照巡检路线进行巡检；当监控平台接收智能车发送的场景图像时，判断智能车的当前位置是否为种植区域，当智能车处于非种植区域时，监控平台采用第一深度学习模型进行场景图像识别，若识别结果为非人物或车辆，则采用第三深度学习模型进行场景图像识别；当智能车处于种植区域时，监控平台采用第三深度学习模型进行场景图像识别，若识别结果为非杂草，则采用第二深度学习模型进行场景图像识别。
[0014]进一步的，智慧农业管理系统还包括人员车辆监控模块，人员车辆监控模块包括多个分别设置于农业园区各个出入口的图像传感器，用于采集图像传感器前一定范围内的场景图像，人员车辆监控模块将场景图像发送至监控平台；监控平台还包括第四深度学习模型，利用OpenCV算法建立，将车牌的图像作为样本集进行训练，用于输出场景图像中车辆的车牌提取结果；监控平台接收来自人员车辆监控模块的场景图像，采用第一深度学习模型进行场景图像识别，若识别结果为车辆，则采用第四深度学习模型进行场景图像识别，提取车牌信息。
[0015]进一步的，智慧农业管理系统还包括：环境检测模块，用于对种植区域的环境信息进行监测，种植区域的环境信息包括以下信息中的一种或多种：土壤PH、土壤温湿度、空气温湿度、CO2浓度、光照强度。
[0016]进一步的，系统还包括：灌溉给药模块，包括给药施肥单元、滴灌单元以及喷灌单元，其中，给药施肥单元分别与滴灌单元和喷灌单元连接，用于将肥料和/或与病虫害对应的药物传输至滴灌单元和/或喷灌单元；滴灌单元用于滴灌，喷灌单元用于喷灌。
[0017]本申请通过智能车对农场进行巡检，实现对作物的病虫害识别，减少了图像传感器的大量使用。同时，利用智慧农业管理系统，实现农场的智能化管理。
附图说明
[0018]图1为本申请一种实施例提供的智能车架构示意图；图2为本申请一种实施例提供的智能车示意图；图3为本申请一种实施例提供的智慧农业管理系统架构示意图；图4为本申请实施例提供的监控平台建立各个深度学习模型的流程图；图5为YOLOv5s算法网络架构示意图；图6为本申请实施例提供的智慧农业管理系统的使用方法流程图；图7为本申请另一实施例提供的智慧农业管理系统架构示意图；图8为本申请实施例提供的灌溉给药模块示意图；图9为本申请实施例提供的报警模块示意图。
具体实施方式
[0019]以下将结合附图所示的具体实施方式对本专利技术进行详细描述，但这些实施方式并不限制本专利技术，本领域的普通技术人员根据这些实施方式所做出的结构、方法、或功能上的变换均包含在本专利技术的保护范围内。
[0020]如图1所示，本申请提供一种智能车100，用于农业管理，智能车100包括：车架101、行走组件102、动力组件103。其中，行走组件102，与车架101连接。动力组件103设置在车架101上，为智能车100提供动力。
[0021]作为一种可选的实现方式，本申请实施例提供的智能车100还包括：GPS定位组件104、图像采集组件105、第一发送单元106、第一接收单元107、处理单元108。
[0022]其中，GPS定位组件104设置在车架101上，用于定位智能车100的当前位置坐标。
[0023]图像采集组件105设置在车架101上，用于采集智能车100周围一定范围内的场景图本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种智能车，用于农业管理，所述智能车包括：车架；行走组件，与所述车架连接；动力组件，设置在所述车架上，为所述智能车提供动力；其特征在于，所述智能车还包括：GPS定位组件，设置在所述车架上，用于定位所述智能车的当前位置坐标；图像采集组件，设置在所述车架上，用于采集所述智能车周围一定范围内的场景图像；第一发送单元，用于向监控平台发送所述场景图像，触发所述监控平台识别所述场景图像，并根据所述识别结果发送控制指令；第一接收单元，接收所述控制指令；处理单元，根据所述控制指令，控制所述智能车执行相应的行为；其中，当所述监控平台识别所述场景图像中包含作物时，判断所述作物的生长状态，若所述作物有病虫害，则判断病虫害类别，并控制所述智能车发送受病虫害的作物的坐标数据至管理人员。2.根据权利要求1所述的智能车，其特征在于，所述智能车还包括：雷达避障组件，设置在所述车架上，当所述雷达避障组件检测到所述智能车的行进路线上出现障碍物时，所述智能车启动所述图像采集组件。3.根据权利要求1所述的智能车，其特征在于，所述智能车还包括：除草切割组件，设置在所述车架上，当所述监控平台识别所述场景图像中包含杂草时发送第一控制指令，所述处理单元根据所述第一控制指令控制所述除草切割组件清除所述杂草。4.根据权利要求1所述的智能车，其特征在于，所述智能车还包括：鸣笛组件，设置在所述车架上，当所述监控平台识别所述场景图像中包含人物或车辆时发送第二控制指令，所述处理单元根据所述第二控制指令控制所述鸣笛组件报警，驱赶所述人物或车辆。5.一种智慧农业管理系统，其特征在于，包括：如权利要求1至4任一项所述的智能车，以及，与所述智能车通信连接的监控平台；所述监控平台用于接收并识别所述智能车发送的场景图像，并根据识别结果发送相应的控制指令。6.根据权利要求5所述的智慧农业管理系统，其特征在于，所述监控平台基于深度学习算法进行图像识别；所述监控平台包括至少三种深度学习模型，其中，第一深度学习模型，利用YOLOv5s算法建立，将人物或车辆的图像作为样本集进行训练，用于输出所述场景图像是否为人物的二分类结果或者是否为车辆的二分类结果；第二深度学习模型，利用YOLOv5s算...

【专利技术属性】
技术研发人员：肖丙刚，姜万顺，王心怡，葛盼鹏，屈亦挺，
申请(专利权)人：中国计量大学，
类型：发明
国别省市：