[发明专利]基于树莓派和LORA的农业监测方法、系统及计算机设备

权利要求书

1.一种基于树莓派和LORA的农业监测方法，其特征在于，所述方法包括：

在服务器端预先搭建好卷积神经网络，所述卷积神经网络用于对图片数据进行病虫害预测；

在服务器端对所述卷积神经网络进行训练得到对应的参数文件；

将搭建好的卷积神经网络和参数文件移植至网关内的树莓派中；

当所述网关接收到LORA节点发送的图片数据时，在所述网关中直接通过已训练好参数的卷积神经网络进行病虫害预测；

将卷积神经网络的预测结果发送至服务器端。

2.根据权利要求1所述的基于树莓派和LORA的农业监测方法，其特征在于，所述在服务器端预先搭建好卷积神经网络，所述卷积神经网络用于对图片数据进行病虫害预测的步骤还包括：

在服务器端预先搭建好卷积神经网络，所述卷积神经网络包括输入层、输出层及隐藏层；

所述输入层由多个输入单元组成用于从外部环境接收信息，所述输入单元可接收样本中各种不同的特征信息；

所述隐藏层介于输入层和输出层之间，所述隐藏层通过函数联系输入层变量和输出层变量；

所述输出层由多个输出单元组成用于生成预测结果，每个输出单元会对应到特定的分类结果。

3.根据权利要求1所述的基于树莓派和LORA的农业监测方法，其特征在于，所述在服务器端对所述卷积神经网络进行训练得到对应的参数文件的步骤还包括：

将事先采集好的样本集送入所述卷积神经网络；

根据所述卷积神经网络的实际输出与期望输出间的差别来调整卷积神经网络中的权重矩阵；

对每个样本重复上述过程，直至样本集的整体误差不超过预设规定的范围。

4.根据权利要求3所述的基于树莓派和LORA的农业监测方法，其特征在于，所述将搭建好的卷积神经网络和参数文件移植至网关内的树莓派中的步骤还包括：

通过对所述卷积神经网络进行训练得到由权重组成的权重参数文件；

将由代码构成的卷积神经网络和权重参数文件直接在树莓派中的java虚拟机上运行；

接收LORA节点发送的图片数据，在树莓派上直接进行图片识别得到对应的病虫害识别结果，并将识别结果发送至服务器端。

5.一种基于树莓派和LORA的农业监测系统，其特征在于，所述系统包括：

服务器端，所述服务器端用于预先搭建好卷积神经网络，所述卷积神经网络用于对图片数据进行病虫害预测；在服务器端对所述卷积神经网络进行训练得到对应的参数文件；将搭建好的卷积神经网络和参数文件移植至网关内的树莓派中；

LORA节点，所述LORA节点用于采集图片数据并将所述图片数据发送至对应的网关；

网关，所述网关用于当接收到LORA节点发送的图片数据时，在所述网关中直接通过已训练好参数的卷积神经网络进行病虫害预测；将卷积神经网络的预测结果发送至服务器端。

6.根据权利要求5所述的基于树莓派和LORA的农业监测系统，其特征在于，所述服务器端还用于：

在服务器端预先搭建好卷积神经网络，所述卷积神经网络包括输入层、输出层及隐藏层；

所述输入层由多个输入单元组成用于从外部环境接收信息，所述输入单元可接收样本中各种不同的特征信息；

所述隐藏层介于输入层和输出层之间，所述隐藏层通过函数联系输入层变量和输出层变量；

所述输出层由多个输出单元组成用于生成预测结果，每个输出单元会对应到特定的分类结果。

7.根据权利要求5所述的基于树莓派和LORA的农业监测系统，其特征在于，所述服务器端还用于：

将事先采集好的样本集送入所述卷积神经网络；

根据所述卷积神经网络的实际输出与期望输出间的差别来调整卷积神经网络中的权重矩阵；

对每个样本重复上述过程，直至样本集的整体误差不超过预设规定的范围。