[發明專利]一種基于大數據與圖像識別的家庭養護倒掛金鐘的APP

在審

• 申請號: 201710147797.1
• 申請日: 2017-03-14
• 公開（公告）號: CN106919934A
• 公開（公告）日: 2017-07-04
• 發明（設計）人: 石楊
• 申請（專利權）人: 湖南威達科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06F9/44;H04M1/725;H04N7/18;A01G9/24;A01G27/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術領域

本發明涉及大數據與圖像識別領域，特別是涉及一種基于大數據與圖像識別的家庭養護倒掛金鐘的APP。

背景技術

隨著城市居民對家居環境要求的提高，家庭栽植倒掛金鐘的用戶越來越多，然而由于家庭養花的人群大多缺乏專業知識，且主要目的為了享受倒掛金鐘帶給生活的樂趣，而非研究那些對城市居民而言并很陌生的農業知識，且城市人群生活節奏快，學習本就不感興趣的農業知識的時間和精力少，但是倒掛金鐘是一種相對嬌貴的花卉品種，養護不當易遭到病蟲害的傷害，當自己種植的倒掛金鐘發生病蟲害時，往往難以用肉眼憑自己的經驗分辨出病蟲害的類型從而難以找到正確的方法對癥下藥，傳統的做法是拍照后上傳至互聯網論壇，求助其他人，但這種辦法見效慢，且遇到網友各執一詞時，用戶難以分辨并采取正確的措施，致使倒掛金鐘所患的病蟲害被耽誤救治，造成生長不良甚至死亡的后果，而一種基于大數據與圖像識別的家庭養護倒掛金鐘的APP采用大數據與圖像識別技術，為用戶提供了云計算的幫助，能夠讓完全不懂倒掛金鐘養護知識的用戶也能最及時的對樣本倒掛金鐘實施科學的養護措施。

發明內容

本發明主要解決的技術問題是提供一種基于大數據與圖像識別的家庭養護倒掛金鐘的APP，能夠讓完全不具備倒掛金鐘養護知識的用戶通過手機攝像頭掃描所栽植的倒掛金鐘的莖葉花部位就能達到迅速精準識別該倒掛金鐘所患病蟲害類型及防治措施和倒掛金鐘的日常養護方法，指導用戶進行倒掛金鐘的養護。

為解決上述技術問題，本發明采用的一個技術方案是：提供一種基于大數據與圖像識別的家庭養護倒掛金鐘的APP，包括以下步驟：

步驟一：將帶有高清攝像頭的智能手機硬件搭載一種基于大數據與圖像識別的家庭養護倒掛金鐘的APP，將APP應用與云端大數據與圖像識別系統相連，構建智能手機APP節點，每一個APP節點代表一個APP用戶；

步驟二：當用戶登錄APP應用時，APP自動將用戶地理位置、行進方式的APP應用信息傳送到云端的大數據分析系統；

步驟三：用戶將APP內置圖像識別功能打開，并用智能手機攝像頭分別掃描倒掛金鐘的莖葉部位與花朵部位，掃描成功后APP發出提示音，并將所掃描到的圖片信息傳輸至云端圖像識別分析系統；

步驟四：云端圖像識別分析系統根據該用戶處獲得的數張倒掛金鐘樣本圖片，經人工智能圖像識別系統辨識出該花卉為倒掛金鐘，并且根據莖、葉、花樣本圖片中的信息辨識出該樣本倒掛金鐘是否患有病蟲害以及患病蟲害的種類與程度；

步驟五：云端的大數據分析系統結合該用戶的位置信息與當前的時間信息，挖掘出該用戶所在位置的地形、地貌、氣候信息，并結合云端圖像識別系統提供的該樣本植物的種類和患病蟲害信息，自動搜索與該倒掛金鐘種植位置和生長情況下相類似環境下的科學的養護方法與病蟲害治理方法；

步驟六：云端大數據分析系統將云計算得到的該樣本的倒掛金鐘應當采取的科學正確的養護方法傳輸給該用戶的智能手機APP，手機APP將最終結果通過智能手機的屏幕和喇叭反饋給該用戶；

步驟七：用戶依據該APP應用給出的答案對該倒掛金鐘采取相對應的養護措施，在一定天數后，用戶將倒掛金鐘生長情況是否得到有效改善的結果反饋給APP；

步驟八：APP將用戶的反饋情況發送至云端大數據分析系統，如該樣本得到有效反饋，則將其錄入大數據庫，用于為之后的用戶提供幫助；如該樣本得到負面反饋，則要求用戶再次提供該倒掛金鐘的莖、葉、花的掃描圖片數據，并對大數據庫進行標注，再重復步驟步驟四至步驟八，直至在步驟八中得到用戶的正面反饋或用戶在步驟七時停止反饋為止。

進一步的，APP應用將用戶的位置信息和用戶掃描的同一處地方栽植的同一種倒掛金鐘的莖、葉、花三個關鍵部位的圖片信息傳輸給云端服務器，云端服務器的圖像識別系統將數據庫中的海量數據與該樣本數據信息比對，得出該植物名為倒掛金鐘以及其病蟲害信息；云端的大數據分析系統將該樣本的品類信息結合位置信息與大數據庫中的患有同一病蟲害的倒掛金鐘的處理辦法結合種植地區的特點，進行比對分析后，得出該樣本倒掛金鐘最佳的養護解決方案，并將該方案傳輸給用戶手機。

進一步的，APP向用戶給出樣本倒掛金鐘最佳養護解決方案后，具備用戶對倒掛金鐘展開實施方案后的反饋功能，且經過信息的反饋與校對，有助于云端的大數據中心數據庫的豐富與更新，使之在分析數據的同時具備機器的自我學習功能，讓云計算的結果隨著用戶樣本量的增多而更為準確。