[发明专利]一种基于模糊识别技术与图像识别技术的果园管理系统

说明书

本发明涉及一种基于模糊识别技术与图像识别技术的果园管理系统，其特征在于：包括有图像采集模块，湿度采集模块，图像处理模块，模糊控制模块组成；图像采集模块采集果树图片，送入图像处理模块进行提取果树的树叶颜色及果实特征，将得到的特征数据同采集的土壤湿度数据一起送入模糊控制模块，根据内置的模糊控制程序对果树的发育状况进行判断。该控制系统可实现对果园的远程监测和部分程度上的自动管理。通过图像识别和湿度采集模块分析果树的发育情况，通过模糊控制对果园进行自动化控制。整个过程可实现无人化，大大降低了管理者的管理成本和管理门槛。

技术领域

本发明涉及智能控制领域和图像识别领域，具体是一种将图像识别技术引入基于模糊控制的控制系统，利用图像识别提取图像特征，通过模糊控制器的判断，输出控制指令，从而实现对果园的远程自动化管理。

背景技术

随着神经网络的的不断发展，图像识别的准确率得到了大幅的提升，在日常生活中也有了更多的应用场景。交通识别车牌，人脸识别的门禁系统，以及无处不在的二维码的扫描，都是图像识别发挥的巨大作用。在传统的图像识别过程中，一张图片需经过四个步骤才能得到最终结果，分别是：图像采集，图像预处理，特征提取和图像识别。目前广泛研究和应用的是对物体的识别。国内外有许多研究图像识别软件的公司，国外有康耐视，国内的代表有海深科技，图智能等。

图像识别问题的本质是将模式空间映射到类别空间去。在多年的发展中，主要有三种识别方法，分别是模糊模式识别，结构模式识别和统计模式识别。其中，最重要的就是对图像的分割问题，根据不同的图像类型，可以分为纹理图像分割，灰度图像分割和彩色图像分割和等不同的方法。分割后再用CNN对区域进行特征提取，最后采样SVM进行分类。

图像识别问题属于高级计算机问题，近些年来深度学习在解决图像问题上发展迅速。与传统人工提取特征相比，深层神经网络可以学得泛化性更强的特征。基于深度学习的图像识别技术发展迅速，在实际生产生活中有广泛应用，涉及安防，医疗，工业制等多个领域。深度学习的数据集收集需要耗费大量的人力物力，除了利用已有的数据集，合成图像也被广泛应用于扩充数据集。

利用图像识别技术对果树的发育状况进行监测是符合智能化，自动化的农业生产发展趋势。由于正在监测过程中不需人工参与操作，可以实现实时监控，远距离对果园进行管理。当监测到果树发育情况不良时及时施加操作，并通知管理者。将大大提升果园的管理效率，降低管理成本。

传统的控制方法建立在精确的数学模型基础上，但对于复杂的控制系统，难以建立精确的数学模型。在工程实践中，人们发现，一个复杂的控制系统可以由一个操作人员凭着丰富的实践经验得到良好的控制效果。即通过模拟人脑的思维方式设计控制器，可实现复杂系统的控制。1965年迷糊集合理论的提出奠定了模糊控制的基础，1974年利用模糊逻辑开发的第一台模糊控制的蒸汽机，开创了模糊控制的历史。之后富士电机致力于模糊逻辑元件的开发与研究，1989年将模糊控制消费品推向高潮。1979年至今为模糊控制发展的第三个阶段，即高性能模糊控制阶段。模糊控制不需要知道被控对象的精确数学模型，依托的是专家经验和专业知识形成的控制规则库。对于复杂的无法确定数学模型的系统会有较好的控制效果。

目前，图像识别技术与模糊控制的结合应用较少，本文介绍了一种两者相结合的具体控制系统，同时加入了湿度的监测，使检测结果更贴合生产中的实际情况。给出了系统的具体组成结构和工作流程，有较强的实用性和可扩展性，可修改设定，应用于不同的工业生产现场，满足不同的生产需求。

发明内容

本发明的目的是提供一种模糊控制与图像识别相结合的控制系统，实现对果园的自动化管理。该控制系统有如下优点：1.使用模糊控制逻辑，可将操作员的丰富经验规则化，便于移植和推广，可同时用于多个果园建立一整套监测系统，大大提升了果园的管理能力和效率。2.使用以专家经验形成的控制器，降低了管理果园对于管理者专业知识的要求，降低了入行门槛。3.使用了图像识别技术，图像识别技术已发展的较为成熟，具有较强的实用性和适应性。4.使用该控制系统，可以实现对果园的远程管理，无需现场勘察，节省了管理者的时间成本。