[發(fā)明專利]一種人工智能物聯(lián)網(wǎng)室內(nèi)花卉管理系統(tǒng)及方法

有效

• 申請?zhí)枺?/td>: 202010531424.6
• 申請日: 2020-06-11
• 公開（公告）號: CN111642291B
• 公開（公告）日: 2021-10-08
• 發(fā)明（設(shè)計）人: 海克洪;王迎曙
• 申請（專利權(quán)）人: 湖北美和易思教育科技有限公司
• 主分類號: A01G9/24
• 分類號: A01G9/24;G06K9/00;G06K9/62;G06N3/04;G01D21/02
• 代理公司: 武漢紅觀專利代理事務(wù)所(普通合伙) 42247
• 代理人: 李季

1.一種人工智能物聯(lián)網(wǎng)室內(nèi)花卉管理系統(tǒng)，包括中心處理器及分別與所述中心處理器通信連接的圖像采集模塊、環(huán)境監(jiān)測模塊、通信處理模塊，其特征在于，所述系統(tǒng)包括與所述中心處理器通信連接的澆水控制模塊；所述通信處理模塊與云端服務(wù)器通信連接，所述云端服務(wù)器包括圖像處理模塊、關(guān)系映射模塊；

所述圖像采集模塊用于實時采集室內(nèi)綠蘿的圖像數(shù)據(jù)；

所述環(huán)境監(jiān)測模塊用于實時采集室內(nèi)土壤溫度、土壤濕度和光照數(shù)據(jù)；

所述中心處理器用于接收所述圖像采集模塊、環(huán)境監(jiān)測模塊采集到的數(shù)據(jù)并經(jīng)過通信處理模塊上傳至云端服務(wù)器；接收云端服務(wù)器的處理結(jié)果并發(fā)送至澆水控制模塊；

所述圖像處理模塊用于獲取待測綠蘿圖像并采用深度學(xué)習(xí)算法提取出綠蘿葉片特征，根據(jù)綠蘿葉片特征判斷綠蘿是否萎焉，根據(jù)環(huán)境監(jiān)測模塊獲取的溫度、濕度和光照數(shù)據(jù)確定是否為缺水萎焉或積水萎焉；判斷萎焉程度，根據(jù)萎焉程度調(diào)整綠蘿的預(yù)設(shè)的澆水周期；

所述圖像處理模塊具體包括：

狀態(tài)判斷單元：按預(yù)設(shè)周期獲取同一拍攝角度下的待測綠蘿圖像，對相鄰兩張待測綠蘿圖像分別進行預(yù)處理，所述預(yù)處理包括灰度化、二值化處理、通過邊緣檢測提取出葉片輪廓；通過差分法初步判斷待測綠蘿圖像中是否出現(xiàn)異常，保存時間最接近的正常圖像；對于出現(xiàn)異常的待測綠蘿圖像，分離出一片綠蘿頂部葉片；

準(zhǔn)備綠蘿正常葉片、萎焉葉片作為訓(xùn)練集對卷積神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練，將分離出的綠蘿頂部葉片輸入訓(xùn)練好的卷積神經(jīng)網(wǎng)絡(luò)，判斷葉片是否萎焉；將環(huán)境監(jiān)測模塊獲取的溫度、濕度和光照數(shù)據(jù)分別與對應(yīng)的預(yù)設(shè)閾值比較，當(dāng)溫度、光照均超出對應(yīng)的預(yù)設(shè)閾值且濕度小于對應(yīng)的預(yù)設(shè)閾值時，判定分離出的綠蘿頂部葉片為缺水萎焉；當(dāng)溫度、光照均小于對應(yīng)的預(yù)設(shè)閾值且濕度大于對應(yīng)的預(yù)設(shè)閾值時，判定分離出的綠蘿頂部葉片為積水萎焉；

若分離出的綠蘿頂部葉片出現(xiàn)萎焉，計算所述時間最接近的正常圖像和出現(xiàn)異常的待測綠蘿圖像之間的余弦相似度L；

周期調(diào)整單元：用于根據(jù)狀態(tài)判斷單元 的判定結(jié)果和所述余弦相似度調(diào)整綠蘿預(yù)設(shè)的澆水周期，新的澆水周期T計算公式為：T＝(1-αL)T₀，T₀為綠蘿原有的澆水周期，α為調(diào)整系數(shù)，缺水萎焉時，α0，積水萎焉時，α0；

所述關(guān)系映射模塊用于根據(jù)預(yù)先建立的綠蘿與其他種類花卉的耐旱程度之間的映射關(guān)系確定不同季節(jié)下綠蘿澆水周期與其他種類花卉澆水周期之間的映射關(guān)系，根據(jù)綠蘿調(diào)整后的澆水周期更新室內(nèi)其他種類花卉的澆水周期，將綠蘿和其他種類花卉的更新后的澆水周期發(fā)送至澆水控制模塊；

澆水控制模塊用于控制自動滴灌系統(tǒng)按照綠蘿和其他種類花卉更新后的澆水周期定期對綠蘿和其他種類花卉澆水。

2.根據(jù)權(quán)利要求1所述人工智能物聯(lián)網(wǎng)室內(nèi)花卉管理系統(tǒng)，其特征在于，所述關(guān)系映射模塊中，所述其他種類花卉為朱頂紅。

3.根據(jù)權(quán)利要求1所述人工智能物聯(lián)網(wǎng)室內(nèi)花卉管理系統(tǒng)，其特征在于，所述自動滴灌系統(tǒng)包括鋪設(shè)在室內(nèi)的一條主管道及與所述主管道連通的多條細(xì)軟管，主管道上裝有電磁閥和控制柜，細(xì)軟管通向每一個花盆，在細(xì)軟管的終端即花盆里裝有采用PWM控制的電磁閥滴頭；當(dāng)澆水控制模塊接收到新的澆水周期后，澆水控制模塊按新的澆水周期啟動主管電磁閥開始注水到主管，開啟植株花盆里的電磁閥滴頭開始滴水，當(dāng)水量達(dá)到植株需求時，自動關(guān)閉電磁閥和電磁閥滴頭。

4.一種人工智能物聯(lián)網(wǎng)室內(nèi)花卉管理方法，其特征在于，所述方法包括：

S1、實時采集室內(nèi)綠蘿的圖像數(shù)據(jù)、室內(nèi)土壤溫度、土壤濕度和光照數(shù)據(jù)；

S2、獲取待測綠蘿圖像并采用深度學(xué)習(xí)算法提取出綠蘿葉片特征，根據(jù)綠蘿葉片特征判斷綠蘿是否萎焉，判斷萎焉程度；

S3、根據(jù)環(huán)境監(jiān)測模塊獲取的溫度、濕度和光照數(shù)據(jù)確定是否為缺水萎焉或積水萎焉，根據(jù)所述萎焉程度調(diào)整綠蘿的預(yù)設(shè)的澆水周期；

S4、根據(jù)預(yù)先建立的綠蘿與其他種類花卉的耐旱程度之間的映射關(guān)系確定不同季節(jié)下綠蘿澆水周期與其他種類花卉澆水周期之間的映射關(guān)系，根據(jù)綠蘿調(diào)整后的澆水周期更新室內(nèi)其他種類花卉的澆水周期；

S5、控制自動滴灌系統(tǒng)按照綠蘿和其他種類花卉更新后的澆水周期定期對綠蘿和其他種類花卉澆水；

所述步驟S2具體為：

按預(yù)設(shè)周期獲取同一拍攝角度下的待測綠蘿圖像，對相鄰兩張待測綠蘿圖像分別進行預(yù)處理，所述預(yù)處理包括灰度化、二值化處理、通過邊緣檢測提取出葉片輪廓；

通過差分法初步判斷待測綠蘿圖像中是否出現(xiàn)異常，保存時間最接近的正常圖像；對于出現(xiàn)異常的待測綠蘿圖像，分離出一片綠蘿頂部葉片；

準(zhǔn)備綠蘿正常葉片、萎焉葉片作為訓(xùn)練集對卷積神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練，將分離出的綠蘿頂部葉片輸入訓(xùn)練好的卷積神經(jīng)網(wǎng)絡(luò)，判斷葉片是否萎焉；

計算時間最接近的正常圖像和出現(xiàn)異常的待測綠蘿圖像之間的余弦相似度L，根據(jù)所述余弦相似度評價萎焉程度；

所述步驟S3具體為：

當(dāng)判斷出葉片萎焉，將環(huán)境監(jiān)測模塊獲取的溫度、濕度和光照數(shù)據(jù)分別與對應(yīng)的預(yù)設(shè)閾值比較，當(dāng)溫度、光照均超出對應(yīng)的預(yù)設(shè)閾值且濕度小于對應(yīng)的預(yù)設(shè)閾值時，判定分離出的綠蘿頂部葉片為缺水萎焉；當(dāng)溫度、光照均小于對應(yīng)的預(yù)設(shè)閾值且濕度大于對應(yīng)的預(yù)設(shè)閾值時，判定分離出的綠蘿頂部葉片為積水萎焉；

根據(jù)所述余弦相似度調(diào)整綠蘿預(yù)設(shè)的澆水周期，新的澆水周期T計算公式為：T＝(1-αL)T₀，T₀為綠蘿原有的澆水周期，α為調(diào)整系數(shù)，缺水萎焉時，α0，積水萎焉時，α0。