[發明專利]一種智能除草系統及除草方法

在審

• 申請號: 201911064435.1
• 申請日: 2019-11-04
• 公開（公告）號: CN110807425A
• 公開（公告）日: 2020-02-18
• 發明（設計）人: 王文秀;陳正宇;劉飛
• 申請（專利權）人: 金陵科技學院
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06N3/08;G06N3/04;A01D34/00;G01N21/84
• 代理公司: 南京蘇高專利商標事務所(普通合伙) 32204
• 代理人: 王恒靜

本發明公開了一種智能除草系統及除草方法，該系統包括：圖像采集模塊、處理器、路徑規劃模塊、顯示裝置和除草模塊；圖像采集模塊用于采用OV系列的攝像頭獲取原始農田圖像，并傳輸給所述處理器；處理器包括預處理模塊和識別模塊，所述預處理模塊用于對原始農田圖像預處理后，識別模塊用于采用內嵌有輕量級LeNet?5二值化網絡的FPGA根據所述原始農田圖像進行雜草識別訓練和檢測，并驅動所述除草模塊采用路徑規劃模塊預設的路徑行走后進行除草；所述顯示裝置與所述處理器互連，用于測試和除草過程中的輔助觀測。相比于傳統的神經網絡框架中的浮點數運算，二值化參數更適合FPGA邏輯實現，更輕便，適合流水線操作，實時性好，解決了速度與精度間難以權衡的問題。

技術領域

本發明涉及神經網絡技術領域，具體涉及一種智能除草系統及除草方法。

背景技術

農田現有的雜草去除主要依靠人工勞動實現，人工除草效率低，勞動量大，環境惡劣，已經不適應現代農業的發展。隨著精準農業的發展，機械除草的方法提升勞動效率，降低人力成本，使得雜草去除逐漸趨向于機械化和智能化。

目前，現有的雜草去除系統多集中從除草系統的結構設計，基于視覺的方法也處于理論階段。現有的基于圖像采集的無線遙控方法，雖然是基于視覺采集圖像，但依然是采用遙控的方式下發指令，智能水平有待提升。本發明基于深度學習的割草機器人，用于從天雜草去除，是輔助植被生長的全自動化機械工具。基于視覺的實時檢測和作業是技術革新的關鍵，將有利于全力推動現代農業建設邁上新臺階。

隨著人工智能、深度學習的發展，基于視覺的目標檢測方法不斷涌現，在滿足一定檢測速度的同時，也達到超高的精度。但對于雜草的識別方法仍處于理論研究階段，尚未應用于實際系統。現有的圖像識別方法，主要包括基于傳統的方法和基于神經網絡的方法兩大類。基于傳統方法的雜草識別方法雖然檢測速度快，實時性好，但識別精度低；而基于深度學習的方法識別精度高，但受限于硬件資源，且成本高，功耗大，不適合普及。

發明內容

發明目的：為了克服現有技術的不足，本發明提供一種智能除草系統，該系統可以解決雜草識別率低、速度慢以及硬件功耗高的問題，本發明還提供一種智能除草方法。

技術方案：本發明所述的智能除草系統，該系統包括：圖像采集模塊、處理器、路徑規劃模塊、顯示裝置和除草模塊；所述圖像采集模塊用于采用OV系列的攝像頭獲取原始農田圖像，并傳輸給所述處理器；所述處理器包括預處理模塊和識別模塊，所述預處理模塊用于對原始農田圖像預處理后，所述識別模塊用于采用內嵌有輕量級LeNet-5二值化網絡的FPGA根據所述原始農田圖像進行雜草識別訓練和檢測，并驅動所述除草模塊采用路徑規劃模塊預設的路徑行走后進行除草；所述路徑規劃模塊用于確定所述除草模塊行走時覆蓋的路徑；所述除草模塊用于根據所述處理器的指令清除農田里識別出的雜草；所述顯示裝置與所述處理器互連，用于測試和除草過程中的輔助觀測。

進一步地，包括：

所述識別模塊中，輕量級LeNet-5二值化網絡為在LeNet-5網絡基礎上，訓練過程及檢測過程的每個卷積層后加入二值化操作，實現權重的二值化。

進一步地，包括：

所述每個卷積層后加入二值化操作具體包括：

輸入層：輸入圖像尺寸為128*128；

CB1層：第一卷積層和二值化操作，所述第一卷積層包括6個卷積核，卷積核大小5*5，步長為1，二值化過程采用sign函數獲取，輸出向量大小為128*128*6；

P1層：池化層，采樣區域2*2，步長為2，輸出向量大小為64*64*6；

CB2層：第二卷積層和二值化操作，所述第二卷積層包括16個卷積核，卷積核大小3*3，步長為1，二值化過程采用sign函數獲取，輸出向量大小64*64*16；