[發明專利]基于深度學習網絡的堆肥腐熟實時預測方法

有效

• 申請號: 201810381202.3
• 申請日: 2018-04-25
• 公開（公告）號: CN108845075B
• 公開（公告）日: 2021-06-29
• 發明（設計）人: 徐陽春;薛衛;韋中;胡雪嬌;梅新蘭;陳行健
• 申請（專利權）人: 南京農業大學
• 主分類號: G01N33/00
• 分類號: G01N33/00;G06N3/04
• 代理公司: 南京天華專利代理有限責任公司 32218
• 代理人: 劉暢;徐冬濤

本發明公開了一種基于深度學習網絡的堆肥腐熟實時預測方法，以堆肥的堆體內溫度、濕度、表面圖像深度特征向量作為堆肥的描述特征，借助于深度學習方法高效學習能力，實現腐熟的在線實時監測。腐熟預測過程起始于堆體溫度、濕度實時測量和圖像采集，方法首先對圖像進行預處理，由卷積神經網絡(CNN)提取圖像的深度特征，然后與堆體溫度、濕度組合作為腐熟判斷過程的輸入量，送入循環神經網絡(RNN)預測出當前時刻是否腐熟。本發明提出的相對完善、合理、準確的堆肥腐熟實時監測方法，為生產提供指導。

技術領域

本發明涉及一種運用信息技術使用堆肥溫度、濕度、圖像信息通過深度學習網絡實現的堆肥腐熟實時預測方法，屬于農業信息學領域。

背景技術

在農業生產中，為了維持和提高土壤肥力需要向土壤施入一定量的有機質材料，在施用前利用微生物對這些材料進行一定程度的腐解處理叫腐熟。堆肥生產方式分靜態方式、動態方式，本發明以直線型發酵槽堆肥方式為研究對象。發酵槽的寬度一般2.0～6.0m，深度0.3～2.0m，長度20～60m。堆肥的一次發酵時間一般在15～25d，然后再將完成一次發酵的堆肥送入二次發酵場地進行后熟發酵。在實際生產中一次發酵與二次發酵也可在同一發酵槽內完成，但是這種方式加長了發酵槽的占用時間，影響畜禽糞便的處理能力，如能實時監測到腐熟完成，將提高場地利用效率。

腐熟度定義為堆肥的發酵完成程度，直接反映堆肥質量。故而企業在生產實踐中習慣采用腐熟度來表示堆肥進行程度，腐熟度的變化體現在物理、化學、生物這3個方面。化學、生物指標一般要通過復雜費時的實驗測得，而物理指標監測則相對簡單。常用的物理指標有：溫度、氣味、色度、光學特性等。但如果直接用其作為腐熟判斷指標，存在諸多限制。

綜合以上分析，亟需一種相對完善、合理、準確的堆肥腐熟實時監測方法，為生產提供指導。

發明內容

本發明針對背景技術中存在的問題，提出一種基于深度學習網絡的堆肥腐熟實時預測方法，包括以下步驟：

S1、提取t時刻堆肥溫度、濕度數據以及t時刻堆肥表面灰度圖像數據；

S2、預處理，將堆肥表面灰度圖像數據進行中值濾波；

S3、基于S2獲得的數據，構建卷積神經網絡CNN進行堆肥圖像特征提取；

S4、將堆肥溫度、濕度數據和堆肥圖像特征，組合形成堆肥實時特征向量，堆肥實時特征向量通過最小最大法歸一化進行整合；

S5、基于S4獲得的數據，采用循環神經網絡RNN進行預測。

優選的，S1中，通過下式提取t時刻堆肥溫度、濕度數據：

P_t＝[p_t,1,p_t,2,p_t,3]

D_t＝[d_t,1,d_t,2,d_t,3]

其中，p_t,1,p_t,2,p_t,3分別表示堆肥中距離堆肥表面垂直距離20cm、40cm、60cm處攝氏溫度，d_t,1,d_t,2,d_t,3分別表示堆肥中距離堆肥表面垂直距離20cm、40cm、60cm處濕度。

優選的，S1中，通過下式提取t時刻堆肥表面灰度圖像數據：

其中，H_t是圖像灰度矩陣，拍攝時攝像頭正對堆肥表面拍攝，距離堆肥表面1-2米，取拍攝圖像正中間區域80*80像素，n＝80。

優選的，S2中，對堆肥表面灰度圖像采用大小為3*3的濾波窗口進行中值濾波。