[发明专利]基于神经网络模型的土壤监测方法、系统和可读存储介质

说明书

本发明公开的一种基于神经网络模型的土壤监测方法、系统和可读存储介质，其中方法包括：基于预设的压力传感器获取目标区域内所述土壤的压力分布信息，输入到训练好的路径识别神经网络模型中，得到牲畜行进路径；基于采集到的畜牧图像信息识别所述牲畜行进路径上的草群数据信息；利用大数据分析对所述畜牧图像信息中的土壤表层的所有草群进行筛选，获取目标草群的坐标集；基于所述目标草群的坐标集输出监测区域，并调用所述监测区域内的预设传感器组识别对应位置的土壤信息。本发明基于设置好的CNN神经网络模型可以自动获取草地上牲畜的行进路径，进而获取路径上的草群信息以识别目标草群，以准确获取待监测土壤的位置以进行监测。

技术领域

本发明涉及土壤监测技术领域，更具体的，涉及一种基于神经网络模型的土壤监测方法、系统和可读存储介质。

背景技术

畜牧业在经济发展的早期阶段，常常表现为农作物生产的副业，即所谓“后院畜牧业”，如今随着经济的发展，逐渐的在某些部门发展成为相对独立的产业，例如牧场放牧业，随着肉类、奶类食品的需求量增大，牧场放牧业也需要同步进行升级改造。

牧场中对于草场以及牧场区域的限定也需要划分，其中，为了能够增大畜牧业的产量，可对牧场内的草场草群进行定期维护与检测，相应地，为了能够得到更好的草场也可以通过对草地土壤进行监测。

发明内容

鉴于上述问题，本发明的目的是提供一种基于神经网络模型的土壤监测方法、系统和可读存储介质，基于设置好的CNN神经网络模型可以自动获取草地上牲畜的行进路径，以识别目标草群，进而准确获取待监测土壤的位置以进行监测。

本发明第一方面提供了一种基于神经网络模型的土壤监测方法，包括以下步骤：

基于预设的压力传感器获取目标区域内所述土壤的压力分布信息，输入到训练好的路径识别神经网络模型中，得到牲畜行进路径；

基于采集到的畜牧图像信息识别所述牲畜行进路径上的所述土壤表层的草群数据信息；

利用大数据分析对所述畜牧图像信息中的所述土壤表层的所有草群进行筛选，获取所述目标区域内目标草群的坐标集；

基于所述目标草群的坐标集输出监测区域，并调用所述监测区域内的预设传感器组识别对应位置的土壤信息。

本方案中，所述基于预设的压力传感器获取目标区域内所述土壤的压力分布信息，输入到训练好的路径识别神经网络模型中，得到牲畜行进路径，具体为：

基于预设周期建立与所述压力传感器的通信连接；

获取所述压力传感器采集的土壤压力值，得到所述土壤的压力分布信息；

将所述压力分布信息输入到训练好的所述路径识别神经网络模型中得到模拟输出值，基于模拟输出值获得所述牲畜行进路径。

本方案中，所述路径识别神经网络模型训练方法为：

获取历史检测数据的土壤压力值与土壤压力分布信息；

将所述历史检测数据的土壤压力值与土壤压力分布信息进行预处理，得到训练样本集；

将所述训练样本集输入至初始化的所述路径识别神经网络模型中训练；

获取输出结果的准确率；

若所述准确率大于预设的准确率阈值，则停止训练，得到所述路径识别神经网络模型。

本方案中，所述基于采集到的畜牧图像信息识别所述牲畜行进路径上的所述土壤表层的草群数据信息，具体为：

建立与预设无人机的通信连接，基于所述周期获取所述畜牧图像信息；

基于所述牲畜行进路径获取对应所述畜牧图像信息上的位置信息；