[发明专利]一种基于人工智能的自动灌溉方法及设备

说明书

本发明公开了一种基于人工智能的自动灌溉方法及设备，属于人工智能技术领域，用于解决目前农田灌溉水资源利用率不高、灌区自动化程度低的技术问题。方法包括：通过搭载高光谱相机的无人机对灌区进行定时巡查，并采集若干高光谱图像；对若干高光谱图像中的植被像素与土壤像素进行分割，得到植被高光谱图像以及土壤高光谱图像；通过训练好的植被水分检测模型，对植被高光谱图像进行识别，得到植被含水率；以及通过训练好的土壤水分检测模型，对植被高光谱图像进行识别，得到土壤含水率；获取灌区预设时间内的预测降水量；将植被含水率、土壤含水率、预测降水量发送到灌溉决策系统中，判断是否对灌区进行灌溉。

技术领域

本申请涉及人工智能领域，尤其涉及一种基于人工智能的自动灌溉方法及 设备。

背景技术

农业生产在社会经济发展过程中具有重要的地位,同时也是支撑国民经济 发展的基础产业之一。近些年来,随着科学技术的全面发展,在一定程度上为人 工智能技术的产生以及完善奠定了基础,在各行各业中都有人工智能技术,尤其 是在农业生产领域,将人工智能技术广泛应用于农业生产,有利于农业的高质量 发展。

农田灌溉用水在农业用水中占较大比重，随着经济社会的发展，淡水资源 面临的压力还将持续增加。但目前农田灌溉存在水资源利用率不高、灌区信息 化程度低的缺点。不完善的灌溉方式费时、费水、费力，不利于农业的发展和 水资源的节约利用。

发明内容

本申请实施例提供了一种基于人工智能的自动灌溉方法及设备，用于解决 如下技术问题：目前农田灌溉水资源利用率不高、灌区自动化程度低。

本申请实施例采用下述技术方案：

一方面，本申请实施例提供了一种通过搭载高光谱相机的无人机对灌区进 行定时巡查，并采集若干高光谱图像；对所述若干高光谱图像中的植被像素与 土壤像素进行分割，得到植被高光谱图像以及土壤高光谱图像；通过训练好的 植被水分检测模型，对所述植被高光谱图像进行识别，得到植被含水率；以及 通过训练好的土壤水分检测模型，对所述植被高光谱图像进行识别，得到土壤 含水率；获取所述灌区预设时间内的预测降水量；将所述植被含水率、所述土 壤含水率、所述预测降水量发送到灌溉决策系统中，判断是否对所述灌区进行 灌溉；将所述灌溉决策系统输出的灌溉策略，发送到远程监控平台进行存储及 展示；其中，所述灌溉策略中包括是否对所述灌区进行灌溉，若需要对所述灌 区进行灌溉，则所述灌溉策略中还包括灌溉时间以及灌溉量。

在一种可行的实施方式中，对所述若干高光谱图像中的植被像素与土壤像 素进行分割，得到植被高光谱图像以及土壤高光谱图像，具体包括：将采集的 所述高光谱图像转化为灰度图像；将所述灰度图像的灰度值区间设为[0，a]； 以[0，a]区间内的每一个灰度值t作为分割阈值，将所述灰度图像分割为[0，t] 以及[t+1，a]两部分图像；计算所述两部分图像中每一部分的像素数量比例 α₀、α₁，以及每一部分的平均灰度值β₀、β₁；根据得到所述灰度图 像的总体平均灰度值；根据γ²＝α₀(β₀-β)²+α₁(β₁-β)²＝α₀α₁(β₀-β₁)²， 得到所述两部分图像的类间方差；将所述类间方差最大时对应的阈值T确定为最佳分割阈值，并将所述灰度图像分割为[0，T]以及[T+1，a]两部分图像；根 据所述灰度图像中[0，T]区间内的像素点，确定所述高光谱图像中的植被像素 点；根据所述灰度图像中[T+1，a]区间内的像素点，确定所述高光谱图像中的 土壤像素点；将所述高光谱图像中的植被像素点的像素值保持不变，土壤像素 点的像素值设为0或255，得到所述植被高光谱图像；将所述高光谱图像中的 土壤像素点的像素值保持不变，植被像素点的像素值设为0或255，得到所述 土壤高光谱图像。