一种基于人工智能的园林绿化维护智能监测方法及系统技术方案

本发明专利技术公开一种基于人工智能的园林绿化维护智能监测方法及系统，在本发明专利技术方案中，通过两方面来评估园林状态的变化，一是评估同一区域内不同时刻的园林状态评价参数变化，二是评估不同区域之间的园林状态参数变化，通过纵向对比和横向对比确定园林状态的稳定性，在监测过程中，能够及时的发现园林状态异常的区域，给予重点关注并进行维护，及时防止缺水、缺肥、病虫侵蚀等情况发生。病虫侵蚀等情况发生。病虫侵蚀等情况发生。

【技术实现步骤摘要】
一种基于人工智能的园林绿化维护智能监测方法及系统


[0001]本专利技术涉及智慧园林领域，特别是涉及一种基于人工智能的园林绿化维护智能监测方法及系统。

技术介绍

[0002]随着我国国民经济水平的提高和城市化进程的加快，园林建设在城市美化中的作用越来越突出，城市园林中绿化面积不断增加，苗木种类越来越繁多，城市园林的绿化维护管理显得愈加重要。
[0003]在目前园林维护过程中，主要通过人工观察园林植物的长势判断是否需要施肥、灌溉或者是否有植物病害等发生，上述基本都是由绿化管理人员主观判断。随着人工智能技术额发展，自主学习、图像识别等技术逐步应用到各行各业，通过拍摄的园林植物图像分析植物长势情况已经得到应用，为园林维护提供了极大的便利，工作人员通过将拍摄的图像输入到建立好的分析模型中，即可自动判断植物长势情况从而判断是否需要浇水、施肥，植物是否具有受到某种病害侵害的趋势等，为园林维护提供了更加科学的技术手段。
[0004]如何充分利用人工智能分析模型，获更多数据信息，更加准确的监测园林植物生长情况，是本领域的研究热点问题，有必要在现有园林维护领域内人工智能模型分析的基础上，进一步挖掘相关信息，提高监测效果。

技术实现思路

[0005]为解决以上技术问题，本专利技术提供一种基于人工智能的园林绿化维护智能监测方法及系统，充分利用人工智能分析模型，获更多数据信息，通过纵向分析与横向分析结合，评估园林状态的稳定性，从而更加准确的监测园林植物生长情况，提高监测效率。
[0006]为实现上述目的，本专利技术提供了如下方案：
[0007]第一方面，本专利技术提供的一种基于人工智能的园林绿化维护智能监测方法，包括以下步骤：
[0008]S1：获取多个区域在不同时刻的多个图像，并获取该时刻的评价参数信息；
[0009]获取不同区域、不同时刻的园林图像，并通过训练模型得到相应时刻图像的评价参数信息。
[0010]S2:确定有效评价参数；
[0011]在图像拍摄过程中，难免会受到光线、遮挡物等的影响造成对图像质量造成影响，进而影响训练模型的分析结果，因此有必要对训练模型输出的评价参数进行筛选，确定有效的评价参数。
[0012]S3:计算同一区域内评价参数的稳定性；
[0013]所述的稳定性是指在有效数据集合内，某一区域内在不同时间获得的多个评价参数之间的近似程度，稳定性函数的值域取值范围在[0,1],稳定性函数表明了同一区域内不同时间的评价参数的稳定性程度，稳定性函数数值越大，函数值趋近于1，则表明评价参数
稳定性越好，稳定性函数数值越小，函数值趋近于0，则表明评价参数稳定性越差。
[0014]S4:计算不同区域间评价参数的稳定性；
[0015]通过计算不同区域内的评价参数稳定性，能够反映出不同区域内园林植物评价参数的相对变化情况，方便工作人员更好的关注评价参数变化较大的区域，及时发现相关问题。
[0016]S5:计算评价参数的综合稳定性。
[0017]将同一区域内评价参数的稳定性与不同区域内评价参数的稳定性进行融合计算，计算得到评价参数的综合稳定性。
[0018]S6：根据评价参数的综合稳定性，输出监测结果。
[0019]第二方面，本专利技术还提供一种基于人工智能的园林绿化维护智能监测系统；所述的系统包括：
[0020]图像信息获取模块；获取多个区域在不同时刻的多个图像，并获取该时刻的评价参数信息；
[0021]参数筛选模块；用于确定有效评价参数；
[0022]数据分析模块；用于分析同一区域内评价参数的稳定性和不同区域间评价参数的稳定性；计算评价参数的综合稳定性；
[0023]结果输出模块；根据评价参数的综合稳定性，输出监测结果是否正常；
[0024]第三方面，本专利技术提供一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成第一方面所述的方法。
[0025]第四方面，本专利技术提供一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成第一方面所述的方法。
[0026]本专利技术相对于现有技术取得了以下技术效果：
[0027]本专利技术通过两方面来评估园林状态的变化，一是评估同一区域内不同时刻的园林状态评价参数变化，二是评估不同区域之间的园林状态参数变化，通过纵向对比和横向对比确定园林状态的稳定性，在监测过程中，能够及时的发现园林状态异常的区域，给予重点关注并进行维护，及时防止缺水、缺肥、病虫侵蚀等情况发生。
附图说明
[0028]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0029]图1为本专利技术步骤流程示意图；
[0030]图2为本专利技术系统模块示意图。
具体实施方式
[0031]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于
本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0032]本专利技术的目的是提供一种基于人工智能的园林绿化维护智能监测方法及系统，通过评估不同区域、不同时刻园林状态的稳定性，更加准确的监测园林绿化植物生长情况。
[0033]首先，对本专利技术的应用场景进行说明。目前在园林绿化维护方面，已经引入了人工智能的相关技术，通过航拍园林图像，输入到提前训练好的评估模型中，利用计算机对图像进行分析，提取相关数据信息，例如可以得到每张图像中的园林评价参数信息等。训练模型所输出的园林评价参数信息可以包括多种，例如植物外观形态参数、土壤表面状态参数等，也可以包括多种中的一种，上述评价参数是对园林某一状态的评价参数，例如植物外观形态评价参数用于评价植物整体形态，用于判断植物是否生病等植物的健康等级，土壤表面状态评价参数用于评价土壤是否缺水、缺肥等，以便及时的判断园林是否缺水、欠肥，是否有病虫等。上述评估模型是由专家根据经验得出不同园林状态下的评价参数，对不同状态下的植物外观、土壤状态等赋等级值进行量化，并输入到训练模型中训练，最终建立的较为准确的评估模型。本专利技术的目的是提供一种监测方法，进一步挖掘现有训练模型输出的相关数据，更好的判断植物的成长趋势，本专利技术不对训练模型进行改进，仅对相关模型分析得到的结果进行进一步挖掘运用，提高园林绿化维护监测准确性。
[0034]在本专利技术中的监测方法中，将需要监测维护的园林区域划分为若干独立的区域，各区域之间可以相邻也可以不相邻，其目的是将每个区域设置为独立的个体进行监测，因此对于划分形式等没有具体限制。每个区域在t时刻取得航拍图像1张或本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的园林绿化维护智能监测方法，其特征在于，包括以下步骤：S1：获取多个区域在不同时刻的多个图像，并获取该相应图像的评价参数；某一区域i在不同时刻j获得图像的评价参数信息表示为S(t
ij
)，其中i＝1,2
…
，n；j＝1,2
…
，m；S2:确定有效评价参数；S3:计算同一区域内评价参数的稳定性；S4:计算不同区域间评价参数的稳定性；S5:计算评价参数的综合稳定性；S6:根据评价参数的综合稳定性，输出监测结果；设定稳定性阈值，当评价参数的综合稳定性超出该阈值时，输出监测结果为异常；否则，输出监测结果为正常。2.根据权利要求1所述的基于人工智能的园林绿化维护智能监测方法，其特征在于，所述的S2包括:S201:计算不同时刻评价参数的差值；所述的差值计算采用数轴上的绝对距离进行计算；区域i中任意两个时刻t
j
与t
j+x
获得的评价参数差值为ΔS(t
ij
)＝|S(t
j
)
‑
S(t
j+x
)|；S202:计算本区域i中t
j
时刻与其他各时刻获得的评价参数差值的均值d(t
ij
)：S203:计算区域i内获得的m个评价参数相互之间的平均值S203:计算区域i内获得的m个评价参数相互之间的平均值S204:筛选有效评价参数集合ψ；有效评价参数集合ψ满足以下条件：则S(t
ij
)∈ψ。3.根据权利要求2所述的基于人工智能的园林绿化维护智能监测方法，其特征在于，所述的S3中，同一区域内...

【专利技术属性】
技术研发人员：王旭明，孙保明，张远，高峰，马乃超，
申请(专利权)人：峰景园林工程集团有限公司，
类型：发明
国别省市：