[發明專利]基于智能除蟲系統的病蟲定位方法、裝置、設備及介質有效
| 申請號： | 202110086756.2 | 申請日： | 2021-01-22 |
| 公開（公告）號： | CN112766178B | 公開（公告）日： | 2023-06-23 |
| 發明（設計）人： | 李致富;杜佳榮;曾俊海;王明;吳晉宇 | 申請（專利權）人： | 廣州大學 |
| 主分類號： | G06V20/10 | 分類號： | G06V20/10;G06V20/40;G06V10/80;G06V10/764;G06V10/82;G06N3/04;G06N3/08 |
| 代理公司： | 廣州嘉權專利商標事務所有限公司 44205 | 代理人： | ?？玛?/td> |
| 地址： | 510006 廣東*** | 國省代碼： | 廣東;44 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 基于 智能 除蟲 系統 病蟲 定位 方法 裝置 設備 介質 | ||
1.一種基于智能除蟲系統的病蟲定位方法，其特征在于，所述智能除蟲系統包括無人地面車輛、激光雷達、除蟲裝置和無人機，所述激光雷達和所述除蟲裝置設置于所述無人地面車輛上，所述無人機跟蹤飛行于所述無人地面車輛的上方；所述無人機上搭載有可見光數碼相機和多光譜數碼相機；
所述方法包括以下步驟：
通過所述可見光數碼相機采集得到作物的第一圖像數據；
通過所述多光譜數碼相機采集得到所述作物的第二圖像數據；
當所述第一圖像數據和所述第二圖像數據之間的差值小于第一閾值，獲取所述無人機距離所述作物的距離數據；
當所述距離數據大于第二閾值且小于第三閾值，對所述第一圖像數據和所述第二圖像數據進行融合，得到融合圖像數據；
將所述融合圖像數據輸入到病蟲定位神經網絡模型中，得到病蟲定位的預測結果；
所述對所述第一圖像數據和所述第二圖像數據進行融合，得到融合圖像數據，包括：
對所述第一圖像數據進行分組，得到多組第一圖像子數據，并確定每組所述第一圖像子數據的第一方差；
對所述第二圖像數據進行分組，得到多組第二圖像子數據，并確定每組所述第二圖像子數據的第二方差；
根據所述第一方差確定所述第一圖像數據的第一最優方差，并根據所述第二方差確定所述第二圖像數據的第二最優方差；
根據所述第一最優方差和所述第二最優方差，確定所述第一圖像數據對應的第一權重和所述第二圖像數據對應的第二權重；
根據所述第一權重和所述第二權重，對所述第一圖像數據和所述第二圖像數據進行融合，得到所述融合圖像數據；
對所述第一圖像數據進行分組，得到三組第一圖像子數據；
根據所述第一方差確定所述第一圖像數據的第一最優方差，其具體為：
通過公式確定所述第一圖像數據的第一最優方差；
式中，為所述第一圖像數據的第一最優方差，為第一組第一圖像子數據對應的第一方差，為第二組第一圖像子數據對應的第一方差，為第三組第一圖像子數據對應的第一方差。
2.根據權利要求1所述的方法，其特征在于，還包括以下步驟：
當所述第一圖像數據和所述第二圖像數據之間的像素差值大于第一閾值，獲取所述無人機距離所述作物的距離數據；
當所述距離數據小于第二閾值，將所述第一圖像數據輸入到病蟲定位神經網絡模型中，得到病蟲定位的預測結果。
3.根據權利要求1所述的方法，其特征在于，還包括以下步驟：
當所述第一圖像數據和所述第二圖像數據之間的像素差值大于第一閾值，獲取所述無人機距離所述作物的距離數據；
當所述距離數據大于第三閾值，將所述第二圖像數據輸入到病蟲定位神經網絡模型中，得到病蟲定位的預測結果。
4.根據權利要求1所述的方法，其特征在于，所述病蟲定位神經網絡模型包括區域候選網絡和分類網絡；
所述將所述融合圖像數據輸入到病蟲定位神經網絡模型中，得到病蟲定位的預測結果，其具體為：
將所述融合圖像數據輸入到區域候選網絡，得到目標的識別候選框；
通過所述分類網絡對所述識別候選框進行分類，得到所述目標的分類結果；所述分類結果用于表征所述目標是否屬于病蟲圖像；
根據所述分類結果，得到所述病蟲定位的所述預測結果。
5.根據權利要求1-4中任一項所述的方法，其特征在于，還包括以下步驟：
對所述第一圖像數據和所述第二圖像數據進行卡爾曼濾波。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于廣州大學，未經廣州大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202110086756.2/1.html，轉載請聲明來源鉆瓜專利網。
- 上一篇：一種基于物聯網的教育管理裝置
- 下一篇：一種船用可升降轉速可調節滾輪導纜器
