[发明专利]柑橘林病虫害智能识别与林间信息监测系统有效

专利信息
申请号: 201911237047.9 申请日: 2019-12-05
公开(公告)号: CN110940636B 公开(公告)日: 2020-12-08
发明(设计)人: 邓小玲;王天伟;兰玉彬;钱士程;殷献博;薛力瑞;黄康华;朱梓豪;黄梓效;曾国亮 申请(专利权)人: 华南农业大学
主分类号: G01N21/17 分类号: G01N21/17;G06K9/00;G06K9/62
代理公司: 北京慕达星云知识产权代理事务所(特殊普通合伙) 11465 代理人: 曹鹏飞
地址: 510642 广*** 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: 柑橘 病虫害 智能 识别 林间 信息 监测 系统
【说明书】:

发明公开了一种柑橘林病虫害智能识别与林间信息监测系统,包括:移动识别监测平台采集各种图像以及林间数据,并发送给上位机和云平台;并进行初步诊断,将初步诊断结果发送给上位机;无人机采集遥感图像,发送给云平台和上位机,以及对遥感图像进行处理,生成空中遥感诊断结果,并发送给上位机;上位机接收并显示各种图像、林间数据、初步诊断结果以及空中遥感诊断结果,以及向移动识别监测平台和无人机发送用户指令;上位机从云平台获取多源数据融合分析诊断结果和处方图;云平台将从移动识别监测平台和无人机获取的数据进行多源数据融合分析,并向上位机发送多源数据融合分析的诊断结果和处方图,以有效减少人力、时间投入。

技术领域

本发明涉及柑橘林病虫害林间监测技术领域,更具体的说是涉及一种柑橘林病虫害智能识别与林间信息监测系统。

背景技术

柑橘林在柑橘生长期间,容易遭受多种病虫害的侵袭,比如柑桔疮痂病、溃疡病、炭疽病、黄龙病等病虫害。其中有些可以通过施药来解决,有些则只能通过观察症状,尽早发现后采取其它方式进行处理,如俗称“柑橘癌症”的黄龙病,由于尚无有效的治疗药物,对于该病主要以防控为主,及时发现病树和传播媒介柑橘木虱的存在,对病树整株挖除,并做灭杀木虱的农学处理,是防治柑橘黄龙病的关键。

目前关于柑橘病虫害的无损监测法主要是地面识别监测,采取人工排查,但是上述方案存在着一定的局限性,具体如下:

地面识别监测方面,人工据经验判断虽然准确率较高,但是也存在因主观因素误判、难以传承的缺点。而且面对广袤的种植面积,林间蚊虫较多,人工排查费时费力,在整个生长周期想要及时避免病虫害并获得理想果实效果显然是不现实的,有违智慧精准农业的初衷。

因此,如何实现较小人力和时间成本的智能识别与林间监测是本领域技术人员亟需解决的问题。

发明内容

有鉴于此,本发明提供了一种柑橘林病虫害智能识别与林间信息监测系统,能够有效减少人力、时间投入。

为了实现上述目的,本发明采用如下技术方案:

一种柑橘林病虫害智能识别与林间信息监测系统,包括:路径轨道系统、移动识别监测平台、无人机、上位机和云平台;

所述移动识别监测平台安装在所述路径轨道系统上,用于采集各种图像以及林间数据,并分别发送给所述上位机和所述云平台;以及基于各种图像以及林间数据进行初步诊断,并将初步诊断结果发送给所述上位机;

所述无人机上搭载有高光谱相机,用于采集柑橘林分布区域的低空高光谱遥感图像,发送给所述云平台和所述上位机,以及对所述低空高光谱遥感图像进行处理,生成空中遥感诊断结果,并发送给所述上位机;

所述上位机接收并通过可视化界面显示所述移动识别监测平台实时传回的各种图像、林间数据、初步诊断结果以及无人机传回的空中遥感诊断结果;以及分别向所述移动识别监测平台和所述无人机发送用户指令;所述上位机通过网络与所述云平台连接,从所述云平台获取多源数据融合分析诊断结果和处方图;

所述云平台与所述移动识别监测平台和所述无人机均通信连接,将从所述移动识别监测平台获取的各种图像以及林间数据以及从所述无人机处获取的低空高光谱遥感图像进行多源数据融合分析,并向所述上位机和所述无人机发送多源数据融合分析的诊断结果和处方图。

优选的,所述云平台包括:

获取模块,用于获取所述各种图像以及林间数据以及低空高光谱遥感图像;

存储模块,用于将所述各种图像以及林间数据以及低空高光谱遥感图像存入数据库;

处理模块,用于对输入的林间数据以及低空高光谱遥感图像进行大数据比对分析,排除边缘计算中误诊的可能,生成诊断结果和处方图;

输出模块,用于将所述诊断结果和处方图输出至所述上位机。

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华南农业大学,未经华南农业大学许可,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/201911237047.9/2.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