植物生长柜雷达监测方法、系统、存储介质及生长柜

文档序号:359140 发布日期:2021-12-07 浏览:31次 >En<

阅读说明:本技术 植物生长柜雷达监测方法、系统、存储介质及生长柜 (Radar monitoring method and system for plant growth cabinet, storage medium and growth cabinet ) 是由 陈翀 郑威 岳冬 林进华 于 2020-06-05 设计创作,主要内容包括:本申请涉及农业防害虫技术领域,具体涉及一种植物生长柜雷达监测方法、系统、存储介质及生长柜,解决了相关技术中无法方便、准确的监测植物生长柜中昆虫的状态以及及时反馈除虫信息的问题。该方法包括:向所述植物生长柜空间内发射电磁波雷达信号;获取所述电磁波雷达信号的回波信号;对所述回波信号进行信号处理,得到所述回波信号的点云数据;对所述点云数据进行数据处理,从而获得所述植物生长柜中的昆虫信息。(The application relates to the technical field of agricultural pest prevention, in particular to a radar monitoring method and system for a plant growth cabinet, a storage medium and a growth cabinet, and solves the problems that the state of insects in the plant growth cabinet cannot be conveniently and accurately monitored and deinsectization information cannot be fed back in time in the related technology. The method comprises the following steps: transmitting an electromagnetic wave radar signal into the space of the plant growing cabinet; acquiring an echo signal of the electromagnetic wave radar signal; performing signal processing on the echo signal to obtain point cloud data of the echo signal; and carrying out data processing on the point cloud data so as to obtain insect information in the plant growth cabinet.)

植物生长柜雷达监测方法、系统、存储介质及生长柜

技术领域

本申请涉及农业防害虫技术领域,特别地涉及一种植物生长柜雷达监测方法、系统、存储介质及生长柜。

背景技术

随着人们对健康生活的重视,越来越多的人开始自己种植的绿色蔬菜,从而使得植物生长柜的使用越来约普遍。然而,在使用植物生长柜中种植绿色蔬菜时,存在害虫对绿色蔬菜进行危害,如何灭掉蔬菜上的害虫却成为许多人的难题。

而相关技术中大多通过摄像头来监测植物生长柜中的绿色蔬菜和害虫的状态,采用摄像头来监测植物生长柜时,摄像头镜头必须裸露在外而且很难避免视野被遮挡,容易造成监测结果不准确,且采用摄像头进行监测时会涉及到侵犯用户隐私等问题。

发明内容

针对上述问题,本申请提供一种植物生长柜雷达监测方法、系统、存储介质及生长柜,解决了相关技术中无法方便、准确的监测植物生长柜中昆虫的状态以及及时反馈除虫信息的技术问题。

第一方面,本申请提供了一种植物生长柜雷达监测方法,所述方法包括:

向所述植物生长柜空间内发射电磁波雷达信号;

获取所述电磁波雷达信号的回波信号;

对所述回波信号进行信号处理,得到所述回波信号的点云数据;

对所述点云数据进行数据处理,从而获得所述植物生长柜中的昆虫信息。

根据本申请的实施例,可选的,上述植物生长柜雷达监测方法中,所述获得所述植物生长柜中的昆虫信息,包括:获得所述植物生长柜中的昆虫数量、体积大小和所述昆虫的所处位置。

根据本申请的实施例,可选的,上述植物生长柜雷达监测方法中,所述对所述回波信号进行信号处理,获得所述回波信号的点云数据,包括:

对所述回波信号滤波、模数转换和频谱分析;

基于所述频谱分析得到的结果确定所述植物生长柜内运动物体相对于电磁波雷达发射装置的距离、仰角和方位角;

基于所述回波信号的多普勒效应得到所述运动物体的径向速度;

基于恒虚警滤区分出回波信号中的判别信号和噪声信号,得到信噪比。

根据本申请的实施例,可选的,上述植物生长柜雷达监测方法中,对所述点云数据进行数据处理,从而获得所述植物生长柜中的昆虫信息,包括:

对所述点云数据进行聚类处理和滤波跟踪,以确定监测目标,其中每一个聚类就是一个监测目标;

对每个所述监测目标的所述点云数据提取其微多普勒特征,得到每个所述监测目标的微多普勒特征;

基于所述微多普勒特征和分类模型对所述监测目标进行分类,识别所述监测目标中分类结果为昆虫的监测目标;

统计所述昆虫的数量,并对所述昆虫进行定位;

反馈所述昆虫的数量和位置信息。

根据本申请的实施例,可选的,上述植物生长柜雷达监测方法中,所述对所述点云数据进行聚类处理,包括:

步骤1:随机选取点云中的两个点,以所述两个点中的一个点为中心点,另一个点为聚类点;

步骤2:判断所述中心点与所述聚类点之间的距离是否小于设定阈值;若所述距离小于设定阈值时,执行步骤3;若所述距离大于设定阈值时,执行步骤4;

步骤3:若所述距离小于设定阈值时,保留所述聚类点,并计算所述中心点与所述聚类点之间距离的平均值,以所述平均值在所述点云中对应的点的位置作为新的中心点,所述点云中未进行聚类的点中任意一点作为新的聚类点,继续执行步骤2以及步骤3,直到遍历所述点云中的所有点;

步骤4:当所述距离大于或等于设定阈值时,舍弃所述聚类点,以所述点云中未进行聚类的点中任意一点作为新的聚类点,基于所述中心点和所述新的聚类点继续执行步骤1以及步骤2,直到遍历所述点云中的所有点。

根据本申请的实施例,可选的,上述植物生长柜雷达监测方法中,所述微多普勒特征包括监测目标的躯干带宽、偏移量、总带宽、质心、频率和周期中的至少一种。

根据本申请的实施例,可选的,上述植物生长柜雷达监测方法中,所述方法还包括对所述分类模型进行训练,所述训练包括:

搜集训练集,其中,所述训练集包括昆虫运动时的微多普勒特征,以及在特定场景中会动的非昆虫的微多普勒特征;

根据所述训练集对采用支持向量机算法的分类模型进行训练,以得到训练好的分类模型。

根据本申请的实施例,可选的,上述植物生长柜雷达监测方法中,统计植物生长柜中昆虫的数量之前,还包括:

判断所述监测目标的体积是否小于预设值,当所述监测目标的体积小于预设值时,判定该监测目标为昆虫。

根据本申请的实施例,可选的,上述植物生长柜雷达监测方法中,统计所述昆虫的数量之前,还包括:从所述监测目标中去除静态的监测目标。

第二方面,本申请提供了一种存储介质,该存储介质存储的计算机程序,可被一个或多个处理器执行,可用来实现如上述的植物生长柜雷达监测方法。

第三方面,本申请提供了一种植物生长柜雷达监测系统,所述系统包括电磁波雷达装置、存储器和处理器;

所述电磁波雷达装置,用于发射电磁波雷达信号、接收所述电磁波雷达信号的回波信号,并将所述回波信号传输给所述处理器和/或存储器;

所述处理器与所述存储器通信连接,用于执行所述存储器中的计算机程序,执行如上述的植物生长柜雷达监测方法;

所述存储器用于存储有计算机程序,以被所述处理器执行。

第四方面,本申请提供了一种植物生长柜,包括上述的植物生长柜雷达监测系统。

本申请提供的一种植物生长柜雷达监测方法、系统、存储介质及生长柜,该方法相较于相关技术的有益效果包括:

1、通过微波雷达对植物生长柜进行监测,可快速、准确的获得植物生长柜中的昆虫信息;

2、监测过程中不受光线等外界因素的影响、不易侵犯用户的隐私;

3、可根据监测结果作为用户驱虫的参考,保证植物生长柜中蔬菜的良好生长;

4、将微波雷达作为新的输入设备,通过相关算法实现人机交互,使得植物生长柜的更加智能。

附图说明

在下文中将基于实施例并参考附图来对本申请进行更详细的描述:

图1为本申请实施例提供的一种植物生长柜雷达监测方法的流程示意图;

图2为本申请实施例提供的对回波信息进行处理的示意图;

图3为本申请实施例提供的对点云数据进行处理的示意图;

图4为本申请实施例提供的植物生长柜雷达监测系统的示意图;

图5为本申请实施例提供的一种植物生长柜的示意图。

在附图中,相同的部件使用相同的附图标记,附图并未按照实际的比例绘制。

具体实施方式

以下将结合附图及实施例来详细说明本申请的实施方式,借此对本申请如何应用技术手段来解决技术问题,并达到相应技术效果的实现过程能充分理解并据以实施。本申请实施例以及实施例中的各个特征,在不相冲突前提下可以相互结合,所形成的技术方案均在本申请的保护范围之内。

本公开提供一种植物生长柜雷达监测方法、系统、存储介质及生长柜,该方法解决了相关技术中无法方便、准确的监测植物生长柜中昆虫的状态以及及时反馈除虫信息的技术问题。

实施例一

图1为本申请实施例提供的一种植物生长柜雷达监测方法的流程示意图,如图1所示,本方法包括:

步骤S110:向所述植物生长柜空间内发射电磁波雷达信号;

步骤S120:获取所述电磁波雷达信号的回波信号;

步骤S130:对所述回波信号进行信号处理,得到所述回波信号的点云数据;

步骤S140:对所述点云数据进行数据处理,从而获得所述植物生长柜中的昆虫信息。

雷达作为一种电磁波探测设备,随着雷达技术的不断发展,其灵敏度高、精度高、无需直接接触、可穿透性强的特点越来越受到研究者的重视。随着人工智能技术的发展,其与雷达技术相结合的研究成为一个重要的发展方向。雷达包括微波雷达、激光雷达等,微波雷达又包括毫米波雷达、厘米波雷达等。

本实施例以毫米波雷达为例,将毫米波雷达信号技术运用于植物生长柜的害虫监测上面,对于1cm以下的小昆虫,如白菜上的白粉虱和叶蝉等,均可用毫米波雷达跟踪观察,实现植物生长柜内昆虫的监测,并根据昆虫数量等情况给出相关处理方法。

本实施例利用毫米波雷达技术监测当前植物生长环境里的害虫状态,并根据当前害虫的状态给用户提供操作指导,保证植物处于良好的生长,相比摄像头,采用毫米雷达波采集数据不易侵犯用户的隐私,摄像头镜头必须裸露在外而且很难避免视野被遮挡,而毫米波雷达可以安装在塑料遮蔽物的后面且对于遮挡并不敏感。

进一步的,向所述植物生长柜空间内发射电磁波雷达信号,获得所述植物生长柜中的昆虫信息,包括获得所述植物生长柜中的昆虫数量、体积大小和所述昆虫的所处位置。

进一步的,所述对所述回波信号进行信号处理,获得所述回波信号的点云数据,包括:

对所述回波信号滤波、模数转换和频谱分析;

基于所述频谱分析得到的结果确定所述植物生长柜内运动物体相对于电磁波雷达发射装置的距离、仰角和方位角;

基于所述回波信号的多普勒效应得到所述运动物体的径向速度;

基于恒虚警滤区分出回波信号中的判别信号和噪声信号,得到信噪比。

具体的,图2为本申请实施例提供的对回波信息进行处理的示意图,如图2所示,将回波信号输入低通滤波器中的递归滤波器(Infinite Impulse Response,IIR)进行滤波;通过ADC模数转换器将回波信号的模拟状态信号转换为数字信号;使用快速傅里叶变换(fast Fourier transform,FFT)对数字信号进行频谱分析。

根据通过频谱分析得到的频谱信息,得到植物生长柜中运动的物体(昆虫和受风等外界因素影响的蔬菜等)相对于毫米波雷达装置的距离、方位角、仰角;根据频谱信息中前后相邻两帧数据的相位差,使用多普勒效应原理,计算出物体运动的径向速度;在恒虚警滤(Constant False-Alarm Rate,CFAR)状态,保持虚警率一定的情况下,区分出判别信号和噪声信号,得出信噪比;得到所有植物生长柜中所有回波信号的点云数据和时频信息。

具体的,所述点云数据包括所述监测目标的距离、角度、速度、信噪比、时间。

具体的,时间可以根据时频信息得到,此处的时间可以为毫米波雷达接收到回波信号的时间。

毫米波雷达会获取一个监测目标的多个运动点来表示这个监测目标,因此需要通过聚类算法将同一个目标的运动的点聚类到一起。

进一步的,对所述点云数据进行数据处理,从而获得所述植物生长柜中的昆虫信息,包括:

对所述点云数据进行聚类处理和滤波跟踪,以确定监测目标,其中每一个聚类就是一个监测目标;

对每个所述监测目标的所述点云数据提取其微多普勒特征,得到每个所述监测目标的微多普勒特征;

基于所述微多普勒特征和分类模型对所述监测目标进行分类,识别所述监测目标中分类结果为昆虫的监测目标;

统计所述昆虫的数量,并对所述昆虫进行定位;

反馈所述昆虫的数量和位置信息。

进一步的,统计所述昆虫的数量之前,还包括:从所述监测目标中去除静态的监测目标。

具体的,通过多普勒传感器提取微多普勒特征时,自动去除速度为零的监测目标,实现去除静态监测目标的目的。

具体的,图3为本申请实施例提供的对点云数据进行处理的示意图,如图3所示,对点云数据进行聚类处理,得到聚类后的多个监测目标;

通过卡尔曼滤波(Kalman filtering)跟踪对监测目标的点云数据进行滤波处理和对监测目标进行跟踪,通过多普勒传感器提取监测目标的微多普勒特征;

将微多普勒特征输入到训练好的分类模型,实现监测目标的分类,剔除静态的监测目标实现过滤静态监测目标,统计监测目标的数量,即得到监测目标为昆虫的数量。

进一步的,所述对所述点云数据进行聚类处理,包括:

步骤1:随机选取点云中的两个点,以所述两个点中的一个点为中心点,另一个点为聚类点;

步骤2:判断所述中心点与所述聚类点之间的距离是否小于设定阈值;若所述距离小于设定阈值时,执行步骤3;若所述距离大于设定阈值时,执行步骤4;

步骤3:若所述距离小于设定阈值时,保留所述聚类点,并计算所述中心点与所述聚类点之间距离的平均值,以所述平均值在所述点云中对应的点的位置作为新的中心点,所述点云中未进行聚类的点中任意一点作为新的聚类点,继续执行步骤2以及步骤3,直到遍历所述点云中的所有点;

步骤4:当所述距离大于或等于设定阈值时,舍弃所述聚类点,以所述点云中未进行聚类的点中任意一点作为新的聚类点,基于所述中心点和所述新的聚类点继续执行步骤1以及步骤2,直到遍历所述点云中的所有点。

其中,聚类方法基于设定阈值和点数阈值来实现的,具体过程包括:获取毫米波雷达探测的某一监测目标的点,随机选取一个点,以此点为中心点,在剩下的点中依次选取一个点。

计算选取的这两个点之间的距离;若该距离大于或等于设定阈值,则舍弃该点,在剩下的点中依次选取下一个点计算选取的两个点的距离;若距离小于设定阈值,则将选取的点保存下来,与之前保存的点求平均,然后在剩下的点中依次选取下一个点计算与平均值的距离;重复上述过程直到完成对所有监测目标的点云数据的聚类处理。

进一步的,所述微多普勒特征包括监测目标的躯干带宽、偏移量、总带宽、质心、频率和周期中的至少一种。

其中,躯干带宽为毫米波雷达探测到的监测目标的高频包络线平均值与低频包络线平均值的差值;偏移量为毫米波雷达探测到的监测目标的高频包络线最小频率与低频包络线最大频率差值;总带宽为毫米波雷达探测到的监测目标的高频包络线的最大频率与低频包络线的最小频率值的差值;质心为毫米波雷达探测到的监测目标的多普勒速度与信噪比相关量计算的数据值;频率为根据对经过时间窗函数的截断光谱图中,各时间单元的峰值信号对应的频率值的平均值,确定的监测目标躯干的多普勒频率;周期为毫米波雷达的预设时长帧数,预设时长帧数为一个周期。

具体的,提取微多普勒特征,得到每个监测目标的微多普勒特征,包括:每个监测目标的点云数据中,再计算连续30帧中最大多普勒速度和最小多普勒速度,确定平均多普勒速度差值为该监测目标的多普勒速度,通过多普勒传感器提取微多普勒特征。

其中,多普勒传感器可以根据毫米波雷达的使用进行选择。

进一步的,所述方法还包括对所述分类模型进行训练,所述训练包括:

搜集训练集,其中,所述训练集包括昆虫运动时的微多普勒特征,以及在特定场景中会动的非昆虫的微多普勒特征;

根据所述训练集对采用支持向量机算法的分类模型进行训练,以得到训练好的分类模型。

其中,分类模型是采用支持向量机算法构建的。

具体的,搜集训练集包括:搜集昆虫运动时的微多普勒特征和在特定场景中会动的非昆虫的微多普勒特征,即两个类别组成训练集。

其中,在特定场景中会动的非昆虫的微多普勒特征可以是蔬菜在风的影响下进行摇摆时的微多普勒特征,也可以是植物生长柜中在受外界因素影响时由静态转为动态的非昆虫的微多普勒特征。

在昆虫数统计之前若监测目标的个体较大,则需要进行一段时间的跟踪验证,因为该监测目标可能是植物落叶。

进一步的,统计植物生长柜中昆虫的数量之前,还包括:

判断所述监测目标的体积是否小于预设值,当所述监测目标的体积小于预设值时,判定该监测目标为昆虫。

具体的,在监测目标的体积小于预设值时判定该监测目标为昆虫,再进行数量的统计。

具体的,在监测目标的体积大于或等于预设值时,通过毫米波雷达继续监测该目标,若在一段时间监测后,再次分类结果仍然为昆虫时,确定该监测目标为昆虫并进行数量统计。

其中,预设值可以是根据植物生长时所涉及到的昆虫的体积大小进行预设的。

得到昆虫的数量和每只昆虫的位置后,将昆虫的数量和位置等信息进行反馈,以便于用户根据该信息进行相应处理。

本实施例提供的一种植物生长柜雷达监测方法,包括:向所述植物生长柜空间内发射电磁波雷达信号;获取所述电磁波雷达信号的回波信号;对所述回波信号进行信号处理,得到所述回波信号的点云数据;对所述点云数据进行数据处理,从而获得所述植物生长柜中的昆虫信息。通过将毫米波雷达来监测植物生长柜的昆虫,可快速、准确的获得植物生长柜中的昆虫信息,解决了相关技术中无法方便、准确的监测植物生长柜中昆虫的状态以及及时反馈除虫信息的技术问题。

实施例二

本实施例还提供一种计算机可读存储介质,如闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘、服务器、App应用商城等等,其上存储有计算机程序,该计算机程序被处理器执行时可以实现如实施例一的方法步骤,本实施例在此不再重复赘述。

实施例三

本实施例提供一种植物生长柜雷达监测系统,包括电磁波雷达装置、存储器和处理器;

所述电磁波雷达装置,用于发射电磁波雷达信号、接收所述电磁波雷达信号的回波信号,并将所述回波信号传输给处理器和/或存储器;

所述处理器与所述存储器通信连接,用于执行所述存储器中的计算机程序,执行如实施例一所述的植物生长柜雷达监测方法;

所述存储器用于存储有计算机程序,以被所述处理器执行。

具体的,图4为本申请实施例提供的植物生长柜雷达监测系统的示意图,如图4所示,雷达装置分别与处理器和存储器通信连接,处理器和存储器通信连接;雷达装置发射电磁波雷达信号、并将所述电磁波雷达信号的回波信号传输给处理器和/或存储器;

处理器执行存储器中的计算机程序,对所述回波信号进行信号处理得到回波信号的点云数据,对点云数据进行数据处理,从而获得该植物生长柜中的昆虫信息;

存储器中存储有计算机程序,以被处理器执行。

其中,处理器可以是专用集成电路(Application Specific IntegratedCircuit,简称ASIC)、数字信号处理器(Digital Signal Processor,简称DSP)、数字信号处理设备(Digital Signal Processing Device,简称DSPD)、可编程逻辑器件(ProgrammableLogic Device,简称PLD)、现场可编程门阵列(Field Programmable Gate Array,简称FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述实施例一中的植物生长柜雷达监测方法。

存储器可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,例如静态随机存取存储器(Static Random Access Memory,简称SRAM),电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory,简称EEPROM),可擦除可编程只读存储器(Erasable Programmable Read-Only Memory,简称EPROM),可编程只读存储器(Programmable Read-Only Memory,简称PROM),只读存储器(Read-Only Memory,简称ROM),磁存储器,快闪存储器,磁盘或光盘。

实施例四

本实施例提供一种植物生长柜,该植物生长柜包括实施例三所述的植物生长柜雷达监测系统。

具体的,图5为本申请实施例提供的一种植物生长柜的示意图,如图5所示,通过设置在植物生长柜内部柜顶的雷达装置发送电磁波雷达信号,接收电磁波根据植物生长柜中蔬菜和昆虫返回的回波信号,并将回波信号通信传输给处理器;

所述处理器与所述处理器通信连接,用于执行所述存储器中的计算机程序,执行如实施例一所述的植物生长柜雷达监测方法;

所述存储器用于存储有计算机程序,以被所述处理器执行。

具体的,可通过植物生长柜的仪表盘显示昆虫的数量和每只昆虫的位置,从而报告给用户,提醒用户植物生长柜里蔬菜的生长遇到害虫威胁;也可以将昆虫的数量和位置等信息通过网络通讯的形式报告给用户,提醒用户植物生长柜里蔬菜的生长遇到害虫威胁;以便于用户根据该信息进行驱虫处理或其他处理。

综上,本申请提供的一种植物生长柜雷达监测方法、系统、存储介质及生长柜,该方法包括:向所述植物生长柜空间内发射电磁波雷达信号;获取所述电磁波雷达信号的回波信号;对所述回波信号进行信号处理,得到所述回波信号的点云数据;对所述点云数据进行数据处理,从而获得所述植物生长柜中的昆虫信息。本申请利用毫米波雷达技术监测当前植物生长环境里的害虫状态,并根据当前害虫的状态给用户提供操作指导,保证植物处于良好的生长,解决了相关技术中无法方便、准确的监测植物生长柜中昆虫的状态以及及时反馈除虫信息的技术问题。

在本申请实施例所提供的几个实施例中,应该理解到,所揭露的方法、系统,也可以通过其它的方式实现,以上所描述的方法实施例仅仅是示意性的。

需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、物品或者设备中还存在另外的相同要素。

虽然本申请所揭露的实施方式如上,但上述的内容只是为了便于理解本申请而采用的实施方式,并非用以限定本申请。任何本申请所属技术领域内的技术人员,在不脱离本申请所揭露的精神和范围的前提下,可以在实施的形式上及细节上作任何的修改与变化,但本申请的专利保护范围,仍须以所附的权利要求书所界定的范围为准。

13页详细技术资料下载
上一篇:一种医用注射器针头装配设备
下一篇:雷达目标数据关联的方法、装置、设备和存储介质

网友询问留言

已有0条留言

还没有人留言评论。精彩留言会获得点赞!

精彩留言,会给你点赞!

技术分类