[发明专利]一种信息服务平台在审

专利信息
申请号: 201810676323.0 申请日: 2018-06-27
公开(公告)号: CN108921717A 公开(公告)日: 2018-11-30
发明(设计)人: 孟玲 申请(专利权)人: 深圳源广安智能科技有限公司
主分类号: G06Q50/02 分类号: G06Q50/02;G06K9/00
代理公司: 暂无信息 代理人: 暂无信息
地址: 518000 广东省深圳市*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 数据库 信息服务平台 特征数据库 害虫识别 昆虫 农业生产标准 数据支持系统 信息发布系统 动物疾病 水情数据库 兽医 仓储 疫苗 农业生产信息 计算机技术 饲料 土壤 农产品 气象 流通 害虫 发布 销售 农作物
【权利要求书】:

1.一种信息服务平台,其特征在于,包括数据支持系统、害虫识别系统和信息发布系统,所述数据支持系统包括饲料、兽医和疫苗的数据库、动物疾病数据库、农业生产标准数据库、昆虫特征数据库、土壤、气象以及水情数据库、农产品仓储、流通、销售数据库,所述害虫识别系统用于根据昆虫特征数据库对农作物的害虫进行识别,所述信息发布系统用于对害虫识别结果和饲料、兽医和疫苗的数据库、动物疾病数据库、农业生产标准数据库、昆虫特征数据库、土壤、气象以及水情数据库、农产品仓储、流通、销售数据库进行发布。

2.根据权利要求1所述的信息服务平台,其特征在于,所述害虫识别系统包括第一处理单元、第二处理单元、第三处理单元、第四处理单元,所述第一处理单元用于对昆虫图像进行采集,所述第二处理单元用于将昆虫目标从图像中分割出来,所述第三处理单元用于对昆虫的特征进行提取,所述第四处理单元将提取的特征与昆虫特征数据库中预存的昆虫特征进行比对,实现对害虫的识别;所述第二处理单元包括第一转化子单元、第二转化子单元、图像分割子单元、图像去噪子单元和图像输出子单元,所述第一转化子单元用于将图像转化到HSV颜色空间,所述第二转化子单元用于将H分量进行灰度化,所述图像分割子单元基于H分量的灰度图像进行图像分割,所述图像去噪子单元用于对分割后的图像去噪,所述图像输出子单元输出去除噪声后的分割图像。

3.根据权利要求2所述的信息服务平台,其特征在于,所述图像分割子单元基于H分量的灰度图像进行图像分割:

图像中(i,j)像素点的灰度值用f(i,j)表示,分割后的二值图像中该点对应的灰度值用LG(i,j)表示:上述式子中,y表示分割阈值;最佳分割阈值y′利用下式确定:y′=max0≤y≤L-1[∑0≤x≤tpx0(t)-μ(t)]2+∑t<x≤L-1px1(t)-μ(t)]2];上述式子中,L表示灰度级数,px表示图像中灰度级为x的像素的个数占图像总像素的比例,x=0,1,…,L-1,μ0(t)表示背景的灰度均值,μ1(t)表示昆虫目标的灰度均值,μ(t)表示图像总的灰度均值;所述图像去噪子单元用于对分割后的图像去噪:首先对图像进行膨胀处理,将昆虫中断裂的地方连接,然后对图像进行腐蚀处理,所述膨胀和腐蚀处理采用的结构元素为8×8方阵。

4.根据权利要求3所述的信息服务平台,其特征在于,所述第三处理单元包括一次特征提取子单元、二次特征提取子单元和特征确定子单元,所述一次特征提取子单元用于确定昆虫目标的第一特征,所述二次特征提取子单元用于确定昆虫目标的第二特征,所述特征确定子单元根据昆虫目标的第一特征和第二特征确定昆虫目标的特征向量。

5.根据权利要求4所述的信息服务平台,其特征在于,所述一次特征提取子单元用于确定昆虫目标的第一特征:

利用下式确定昆虫目标的第一特征:上述式子中,EH1(k)表示昆虫目标的第一特征,k=0,1,…,L-1,pk表示昆虫目标中灰度为k的像素的个数占昆虫目标总像素的比例。

6.根据权利要求5所述的信息服务平台,其特征在于,所述二次特征提取子单元用于确定昆虫目标的第二特征:

利用下式确定昆虫目标的第二特征:上述式子中,EH2(u)表示昆虫目标的第二特征,u表示昆虫目标在RGB色彩空间的颜色分量,u=1,2,3,分别表示红色分量、绿色分量和蓝色分量,zuv表示昆虫目标中第v个像素的第u个颜色分量的值。

7.根据权利要求6所述的信息服务平台,其特征在于,所述特征确定子单元根据昆虫目标的第一特征和第二特征确定昆虫目标的特征向量:根据昆虫目标的第一特征和第二特征确定昆虫目标的特征向量为Y:Y=[EH1(0),EH1(1),…,EH1(L-1),EH2(1),EH2(2),EH2(3)]。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于深圳源广安智能科技有限公司,未经深圳源广安智能科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201810676323.0/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top