一种果树状态检测方法及系统技术方案

本发明专利技术涉及果树智能检测技术领域，具体公开了一种果树状态检测方法及系统，所述方法包括根据预设的安装密度在果树区安装采集器，根据所述采集器获取区域数据；对所述区域数据进行自检，根据自检结果创建果树区模型；根据时间信息排列果树区模型，确定数据变化轨迹，并同步确定果树长势标签；基于所述数据变化轨迹和所述果树长势标签训练果树检测模型；所述果树检测模型的输出为异常区域及异常类型。本发明专利技术将一段时间内的数据变化情况转换为数据变化轨迹的集合，提高了数据的集成度，借助现有的识别技术及监督学习技术训练识别模型，有效地平衡了成本与检测全面性之间的关系。地平衡了成本与检测全面性之间的关系。地平衡了成本与检测全面性之间的关系。

【技术实现步骤摘要】
一种果树状态检测方法及系统


[0001]本专利技术涉及果树智能检测
，具体是一种果树状态检测方法及系统。

技术介绍

[0002]果树生长对土壤的要求土壤是果树栽培生长的基础,果树生命活动所需要的水分和营养元素主要来自土壤。从土壤温度、水分、气体、酸碱度及土层深度等方面分析了其与果树的关系,对果树增产有重要意义。
[0003]为了提高果树产量，种植人员在日常工作中，需要实时的对果树状态进行检测，当果园面积较大时，检测过程非常麻烦，要么通过较高的成本来保证检测的全面性，要么降低全面性要求，降低检测成本，在现有技术中，成本和全面性之间是对立的，但是最好的方式一定是以最小的成本尽量获取更高的全面性，如何在检测成本较少的情况下，提高检测全面性是本专利技术技术方案想要解决的技术问题。

技术实现思路

[0004]本专利技术的目的在于提供一种果树状态检测方法及系统，以解决上述
技术介绍
中提出的问题。
[0005]为实现上述目的，本专利技术提供如下技术方案：
[0006]一种果树状态检测方法，所述方法包括：
[0007]根据预设的安装密度在果树区安装采集器，根据所述采集器获取区域数据；
[0008]对所述区域数据进行自检，根据自检结果创建果树区模型；
[0009]根据时间信息排列果树区模型，确定数据变化轨迹，并同步确定果树长势标签；
[0010]基于所述数据变化轨迹和所述果树长势标签训练果树检测模型；所述果树检测模型的输出为异常区域及异常类型。
[0011]作为本专利技术进一步的方案：所述根据预设的安装密度在果树区安装采集器，根据所述采集器获取区域数据的步骤包括：
[0012]接收用户上传的成本信息，根据成本信息确定密度上界；
[0013]接收用户上传的需求信息，根据需求信息确定密度下界；
[0014]基于所述密度上界和所述密度下界接收用户输入的安装密度；
[0015]根据所述安装密度确定采集器的安装点位，并建立与安装点位对应的数据库；
[0016]在安装点位处安装采集器，根据所述数据库获取区域数据；其中，所述区域数据的类型由采集器确定；所述数据库为数据表链，一张数据表与一种类型的区域数据对应，所述数据表至少含有时间项和数据项。
[0017]作为本专利技术进一步的方案：所述对所述区域数据进行自检，根据自检结果创建果树区模型的步骤包括：
[0018]遍历各数据库中的数据表，采用预设的数据映射模型将数据项转换为数值项；
[0019]根据时间项将数值项转换为数值曲线，并同步拟合出数值函数；
[0020]计算数值函数的导函数，根据导函数的值确定平稳区间；
[0021]在平稳区间内选取时刻点，读取时刻点的数据项，创建果树区模型。
[0022]作为本专利技术进一步的方案：所述在平稳区间内选取时刻点，读取时刻点的数据项，创建果树区模型的步骤包括：
[0023]根据预设的采集密度在平稳区间内选取时刻点，基于时刻点在所有数据表中读取数据项及数值项；
[0024]读取果树区的区域尺寸，根据预设的比例尺和所述区域尺寸创建三维基底图；
[0025]根据数据项的类型对数值项进行分类，依次将各类数值项输入预设的色参映射模型，得到含有色值的色区；
[0026]根据数据项对应的数据库读取安装点位，基于安装点位将色值及色区插入三维基底图，得到果树区模型；
[0027]其中，当同一安装点位对应两个或两个以上的含有色值的色区时，连接色区。
[0028]作为本专利技术进一步的方案：所述根据时间信息排列果树区模型，确定数据变化轨迹，并同步确定果树长势标签的步骤包括：
[0029]基于预设时段读取果树区模型；
[0030]读取果树区模型中各个安装点位对应的含有色值的色区，计算色值变化向量及面积变化向量；
[0031]连接并统计色值变化向量及面积变化向量，得到总矩阵，作为数据变化轨迹；
[0032]将尾时刻的果树区模型中的区域数据输入预设的数据识别模型，得到果树长势标签；其中，所述果树长势标签为数据集，所述数据集中的元素为异常区域及异常类型。
[0033]作为本专利技术进一步的方案：所述基于所述数据变化轨迹和所述果树长势标签训练果树检测模型的步骤包括：
[0034]根据数据变化轨迹和果树长势标签创建训练集和测试集；所述训练集和测试集的数据比例为预设值；
[0035]根据所述训练集和测试集训练神经网络模型。
[0036]本专利技术技术方案还提供了一种果树状态检测系统，所述系统包括：
[0037]区域数据采集模块，用于根据预设的安装密度在果树区安装采集器，根据所述采集器获取区域数据；
[0038]数据自检模块，用于对所述区域数据进行自检，根据自检结果创建果树区模型；
[0039]样本建立模块，用于根据时间信息排列果树区模型，确定数据变化轨迹，并同步确定果树长势标签；
[0040]模型训练模块，用于基于所述数据变化轨迹和所述果树长势标签训练果树检测模型；所述果树检测模型的输出为异常区域及异常类型。
[0041]作为本专利技术进一步的方案：所述区域数据采集模块包括：
[0042]上界确定单元，用于接收用户上传的成本信息，根据成本信息确定密度上界；
[0043]下界确定单元，用于接收用户上传的需求信息，根据需求信息确定密度下界；
[0044]密度接收单元，用于基于所述密度上界和所述密度下界接收用户输入的安装密度；
[0045]数据库确定单元，用于根据所述安装密度确定采集器的安装点位，并建立与安装
点位对应的数据库；
[0046]获取执行单元，用于在安装点位处安装采集器，根据所述数据库获取区域数据；其中，所述区域数据的类型由采集器确定；所述数据库为数据表链，一张数据表与一种类型的区域数据对应，所述数据表至少含有时间项和数据项。
[0047]作为本专利技术进一步的方案：所述数据自检模块包括：
[0048]数值转换单元，用于遍历各数据库中的数据表，采用预设的数据映射模型将数据项转换为数值项；
[0049]函数拟合单元，用于根据时间项将数值项转换为数值曲线，并同步拟合出数值函数；
[0050]导数分析单元，用于计算数值函数的导函数，根据导函数的值确定平稳区间；
[0051]创建执行单元，用于在平稳区间内选取时刻点，读取时刻点的数据项，创建果树区模型。
[0052]作为本专利技术进一步的方案：所述创建执行单元包括：
[0053]读取子单元，用于根据预设的采集密度在平稳区间内选取时刻点，基于时刻点在所有数据表中读取数据项及数值项；
[0054]基底创建子单元，用于读取果树区的区域尺寸，根据预设的比例尺和所述区域尺寸创建三维基底图；
[0055]数值分类子单元，用于根据数据项的类型对数值项进行分类，依次将各类数值项输入预设的色参映射模型，得到含有色值本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种果树状态检测方法，其特征在于，所述方法包括：根据预设的安装密度在果树区安装采集器，根据所述采集器获取区域数据；对所述区域数据进行自检，根据自检结果创建果树区模型；根据时间信息排列果树区模型，确定数据变化轨迹，并同步确定果树长势标签；基于所述数据变化轨迹和所述果树长势标签训练果树检测模型；所述果树检测模型的输出为异常区域及异常类型。2.根据权利要求1所述的果树状态检测方法，其特征在于，所述根据预设的安装密度在果树区安装采集器，根据所述采集器获取区域数据的步骤包括：接收用户上传的成本信息，根据成本信息确定密度上界；接收用户上传的需求信息，根据需求信息确定密度下界；基于所述密度上界和所述密度下界接收用户输入的安装密度；根据所述安装密度确定采集器的安装点位，并建立与安装点位对应的数据库；在安装点位处安装采集器，根据所述数据库获取区域数据；其中，所述区域数据的类型由采集器确定；所述数据库为数据表链，一张数据表与一种类型的区域数据对应，所述数据表至少含有时间项和数据项。3.根据权利要求2所述的果树状态检测方法，其特征在于，所述对所述区域数据进行自检，根据自检结果创建果树区模型的步骤包括：遍历各数据库中的数据表，采用预设的数据映射模型将数据项转换为数值项；根据时间项将数值项转换为数值曲线，并同步拟合出数值函数；计算数值函数的导函数，根据导函数的值确定平稳区间；在平稳区间内选取时刻点，读取时刻点的数据项，创建果树区模型。4.根据权利要求3所述的果树状态检测方法，其特征在于，所述在平稳区间内选取时刻点，读取时刻点的数据项，创建果树区模型的步骤包括：根据预设的采集密度在平稳区间内选取时刻点，基于时刻点在所有数据表中读取数据项及数值项；读取果树区的区域尺寸，根据预设的比例尺和所述区域尺寸创建三维基底图；根据数据项的类型对数值项进行分类，依次将各类数值项输入预设的色参映射模型，得到含有色值的色区；根据数据项对应的数据库读取安装点位，基于安装点位将色值及色区插入三维基底图，得到果树区模型；其中，当同一安装点位对应两个或两个以上的含有色值的色区时，连接色区。5.根据权利要求2所述的果树状态检测方法，其特征在于，所述根据时间信息排列果树区模型，确定数据变化轨迹，并同步确定果树长势标签的步骤包括：基于预设时段读取果树区模型；读取果树区模型中各个安装点位对应的含有色值的色区，计算色值变化向量及面积变化向量；连接并统计色值变化向量及面积变化向量，得到总矩阵，作为数据变化轨迹；将尾时刻的果树区模型中的区域数据输入预设的数据识别模型，得到果树长势标签；其中，所述果树长势标签为数据集，所述数据集中的元素为异常区域及异常类型...

【专利技术属性】
技术研发人员：张旭，
申请(专利权)人：苏州市职业大学苏州开放大学，
类型：发明
国别省市：