[發(fā)明專利]基于物聯(lián)網(wǎng)和CCNN模型的農(nóng)業(yè)果實(shí)成熟度檢測(cè)系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 202110051701.8
• 申請(qǐng)日: 2021-01-15
• 公開（公告）號(hào): CN112749663B
• 公開（公告）日: 2023-07-07
• 發(fā)明（設(shè)計(jì)）人: 江煜;楊忠
• 申請(qǐng)（專利權(quán)）人: 金陵科技學(xué)院
• 主分類號(hào): G06V20/10
• 分類號(hào): G06V20/10;G06V10/774;G06V10/764;G06V10/82;G06N3/0464;G06N3/084
• 代理公司: 南京眾聯(lián)專利代理有限公司 32206
• 代理人: 蔣昱

基于物聯(lián)網(wǎng)和CCNN模型的農(nóng)業(yè)果實(shí)成熟度檢測(cè)系統(tǒng)。步驟1，利用高光譜成像技術(shù)采集農(nóng)業(yè)果實(shí)不同成熟階段下的圖片，并給不同時(shí)期下的圖片貼上對(duì)應(yīng)的訓(xùn)練標(biāo)簽；步驟2，利用通信模塊將采集到的圖片上傳至云計(jì)算中心并進(jìn)行保存；步驟3，通過WIFI將云數(shù)據(jù)中心的圖片發(fā)送給服務(wù)器進(jìn)行CCNN模型的訓(xùn)練，直至模型的損失函數(shù)或迭代次數(shù)滿足條件；步驟4，將訓(xùn)練好的CCNN模型應(yīng)用于實(shí)際，對(duì)高光譜攝像機(jī)采集的果實(shí)圖片進(jìn)行分類判斷，并將分類結(jié)果通過WIFI上傳至移動(dòng)終端；步驟5，操作人員通過終端實(shí)時(shí)掌握果實(shí)的成熟度，并根據(jù)成熟度進(jìn)一步確定接下來的工作。本發(fā)明通過所提出的CCNN網(wǎng)絡(luò)模型實(shí)現(xiàn)了對(duì)農(nóng)業(yè)果實(shí)成熟度的檢測(cè)，節(jié)約了大量的人力物力，提高了生產(chǎn)效率。

技術(shù)領(lǐng)域

本發(fā)明涉及智慧農(nóng)業(yè)物聯(lián)網(wǎng)領(lǐng)域，特別是涉及基于物聯(lián)網(wǎng)和CCNN模型的農(nóng)業(yè)果實(shí)成熟度檢測(cè)系統(tǒng)。

背景技術(shù)

我國(guó)作為一個(gè)農(nóng)業(yè)大國(guó)，農(nóng)業(yè)在我國(guó)的國(guó)民經(jīng)濟(jì)中有著很大的占比，同時(shí)農(nóng)業(yè)的發(fā)展也是一個(gè)國(guó)家穩(wěn)步發(fā)展的物質(zhì)保障，是一切社會(huì)生產(chǎn)的首要條件。在傳統(tǒng)的農(nóng)業(yè)中，主要的生產(chǎn)模式大多為人力，在科技飛速發(fā)展的現(xiàn)代社會(huì)，缺點(diǎn)是顯而易見的。在國(guó)家刊發(fā)的《改造傳統(tǒng)農(nóng)業(yè)》一文中提出，傳統(tǒng)的農(nóng)業(yè)不具備穩(wěn)定增長(zhǎng)的能力，現(xiàn)有的前沿科技可以很好的解決這一方面的問題，從而使得我國(guó)完全的進(jìn)入現(xiàn)代化農(nóng)業(yè)大國(guó)。對(duì)現(xiàn)有的前沿科技來說，近些年來獲得高速發(fā)展的深度學(xué)習(xí)是一個(gè)典型的代表，其與農(nóng)業(yè)的有機(jī)結(jié)合被認(rèn)為是解決農(nóng)業(yè)問題的有效途徑。

農(nóng)業(yè)物聯(lián)網(wǎng)可以實(shí)時(shí)獲取農(nóng)業(yè)作物的狀態(tài)，實(shí)現(xiàn)設(shè)備與人、設(shè)備間的泛在互聯(lián)，做到對(duì)網(wǎng)絡(luò)上各個(gè)終端、結(jié)點(diǎn)的智能化感知、識(shí)別和精準(zhǔn)管理。在全球農(nóng)業(yè)大數(shù)據(jù)共享的趨勢(shì)下，農(nóng)業(yè)物聯(lián)網(wǎng)將成為最重要的一環(huán)。對(duì)農(nóng)作物不同時(shí)期成熟度的識(shí)別，以往很大程度上依賴于人工，而近年來發(fā)展的卷積神經(jīng)網(wǎng)絡(luò)(CNN)在圖像識(shí)別中有著很好的性能，同時(shí)借助于物聯(lián)網(wǎng)、云計(jì)算的技術(shù)，可以很好的代替人工識(shí)別，使得農(nóng)業(yè)生產(chǎn)更加的智能化。雖然CNN網(wǎng)絡(luò)在圖片識(shí)別方面性能優(yōu)異，但是考慮到農(nóng)業(yè)產(chǎn)品惡劣的生長(zhǎng)環(huán)境，如多霧，多雨水等，這樣使得所采集的圖片質(zhì)量較差，所以在這種條件下就對(duì)模型的診斷精度以及魯棒性提出了很高的要求，是急需解決的一個(gè)難題。

國(guó)內(nèi)涉及農(nóng)業(yè)果實(shí)識(shí)別的專利有“一種基于深度學(xué)習(xí)的稻穗識(shí)別方法、系統(tǒng)、裝置和介質(zhì)”(201910931983.3)，通過YOLOv3深度學(xué)習(xí)方法，對(duì)目標(biāo)水稻數(shù)據(jù)集進(jìn)行訓(xùn)練，從而得到相應(yīng)的識(shí)別模型，然后將此模型應(yīng)用于實(shí)際，但該專利中并沒有考慮到攝像機(jī)采集的圖片存在不清晰的情況，也即是模型的魯棒性沒有考慮。國(guó)家發(fā)明專利“一種基于深度學(xué)習(xí)的咖啡果實(shí)成熟度的識(shí)別方法”(201910380011.X)，該方法采用了連續(xù)卷積層+稀疏激活函數(shù)Maxout函數(shù)層構(gòu)成的卷積神經(jīng)網(wǎng)絡(luò)模型來提取咖啡果實(shí)的圖像特征，然后利用分類器實(shí)現(xiàn)咖啡果實(shí)成熟度的分類，同樣的，該專利也未考慮模型的在多霧多雨水天氣下的魯棒性問題，在實(shí)際應(yīng)用中可能存在一定的局限性。由此可見，設(shè)計(jì)一個(gè)高識(shí)別精度和高魯棒性的智能檢測(cè)系統(tǒng)亟待解決。

發(fā)明內(nèi)容

為解決上述問題，本發(fā)明在CNN、SAE、云服務(wù)的基礎(chǔ)上，提出了基于物聯(lián)網(wǎng)和CCNN模型的農(nóng)業(yè)果實(shí)成熟度檢測(cè)系統(tǒng)。為解決不同成熟時(shí)期果實(shí)的分類問題，提出了一種新的網(wǎng)絡(luò)模型，聚合卷積神經(jīng)網(wǎng)絡(luò)(Convergent?convolutional?neural?network，CCNN)，該模型在CNN和SAE模型的基礎(chǔ)上進(jìn)行優(yōu)化升級(jí)，在提高網(wǎng)絡(luò)模型識(shí)別精確度的同時(shí)增強(qiáng)了模型的魯棒性。另外，在該系統(tǒng)中，采用了先進(jìn)的云計(jì)算的數(shù)據(jù)存儲(chǔ)技術(shù)，更加快捷高效的對(duì)采集的樣本數(shù)據(jù)進(jìn)行存儲(chǔ)和利用。最后，開發(fā)相應(yīng)的移動(dòng)終端，讓服務(wù)器處理的結(jié)果得以顯示，實(shí)現(xiàn)方便快捷的農(nóng)業(yè)果實(shí)成熟度的檢測(cè)。為達(dá)此目的，本發(fā)明提供基于物聯(lián)網(wǎng)和CCNN模型的農(nóng)業(yè)果實(shí)成熟度檢測(cè)系統(tǒng)，具體步驟如下，其特征在于：

步驟1，利用高光譜成像技術(shù)采集農(nóng)業(yè)果實(shí)不同成熟階段下的圖片，并給不同時(shí)期下的樣本圖片貼上對(duì)應(yīng)的標(biāo)簽；

步驟2，利用通信模塊，所述通信模塊謂STM32或TCP/IP協(xié)議，將采集到的圖片上傳至云計(jì)算中心并進(jìn)行保存；