首页分享一种基于AI的无人值守农作物病虫害监测预警系统

一种基于AI的无人值守农作物病虫害监测预警系统

来源：花匠小妙招时间：2024-09-22 15:34

一种基于ai的无人值守农作物病虫害监测预警系统
技术领域
1.本技术涉及农业病虫害防治技术领域，具体公开了一种基于ai的无人值守农作物病虫害监测预警系统。

背景技术：

2.农作物病虫害自动监测、病虫灾预测、及早干预定点喷杀，是农业现代化的重要研究方向之一，对国家粮食安全和农业经济发展有重要意义。因此需加快农业人工智能研发应用，研发适应性强、性价比高、智能决策的新一代农业机器人。
3.农作物虫情监测方面，近年来有不少学者使用机器学习中图像识别的方式对诱杀的各种害虫检测、预警进行研究，但也都基于固定点间接监测的方式改进了检测与统计方式，更侧重图像识别算法研究，无法灵活监测农地各点虫害情况，也不能采集到大范围具有代表性的害虫种类及种群密度。
4.农作物病虫害监测方面，传统方法仍是农业技术人员以人眼或者手机app 的方式对农作物的病虫害识别进行人工巡查，这种效率低下，出错率高。一些部门使用无人机红外成像或卫星遥感技术对大片范围的农作物进行病害检测。此类技术需要较大范围农作物产生了病害才易检测到，无法精细检测，灵活性较低。还有一些使用多台智能摄像头在固定点对农作物进行病虫害检测的方法，这种方法成本高，灵活性差，难以获得全面准确的病虫害情况，更无法及时进行定点喷杀处理。
5.农作物病虫害处理方面，通常是人工定点喷杀或无人机大面积喷杀。人工定点喷杀效率低下，处理非常不及时，无人机大面积过度喷洒提倡绿色食品生产理念不符。
6.因此，发明人有鉴于此，提供了一种基于ai的无人值守农作物病虫害监测预警系统，以便解决上述问题。

技术实现要素：

7.本发明的目的在于解决传统的病虫害监测技术监测不及时、不准确的问题。
8.为了达到上述目的，本发明的基础方案提供一种基于ai的无人值守农作物病虫害监测预警系统，包括带有人机交互功能的后台管理服务器、若干可自主巡航的病虫害监测机器人和若干分别与病虫害机器人配对的土壤环境监测装置；
9.后台管理服务器设有用于调度病虫害监测机器人并接收土壤环境监测装置检测数据的后台管理预警系统；
10.病虫害监测机器人内置有用于执行部件控制的驱动控制板和用于运行高层业务及算法功能的边缘计算平台，边缘计算平台与驱动控制板之间设有用于通信的控制协议；
11.病虫害监测机器人在边缘计算平台内预设有用于采集农作物和环境数据采集子系统、用于诱杀害虫的害虫诱杀子系统、用于检测病虫害的病虫害检测子系统、用于控制病虫害监测机器人自主巡航路径的自主巡航子系统、用于控制病虫害机器人行驶控制的行驶驱动子系统、用于喷洒施药的靶向施药子系统、用于数据传输的数据通信子系统、用于远程
通信和远程控制的远程管理子系统；
12.病虫害检测子系统内搭建有用于分析、计算数据采集子系统所采集数据的深度神经网络模型，数据通信子系统将检测信息、处理结果均上链关联至后台管理预警系统。
13.进一步，所述土壤环境监测装置采集信息包括：土壤墒情、土壤ph值、土壤ec值、土壤的温度值、雨量和微量元素含量，并将采集信息通过配对的病虫害监测机器人中转上传到后台管理预警系统。
14.进一步，所述数据采集子系统包括与边缘计算平台电连接的两个分别对农作物和诱杀后的害虫进行图像采集的高清摄像头。
15.进一步，所述驱动主控制板电连接有用于土壤环境检测装置所检测信息的无线射频模块，数据采集子系统将收集由无线射频模块接收的数据并传递至后台管理预警系统。
16.进一步，所述病虫害检测子系统在检测出农作物病虫害目标位置后，将通过驱动控制板驱动靶向施药子系统对病虫害目标位置进行农药喷洒。
17.进一步，所述害虫诱杀子系统包括与驱动控制板电连接的害虫诱杀灯和 led补光灯。
18.进一步，所述害虫诱杀子系统还可通过深度神经网络模型进行虫害种类、数量的检测，并通过数据通信子系统上传至后台管理预警系统。
19.进一步，所述自主巡航子系统内搭建有与边缘计算平台电连接的激光雷达，并可通过激光雷达对现场环境进行扫描建立点云地图，并设有自主导航模式依次驱动病虫害监测机器人行驶到由后台管理预警系统设定的闭环导航点。
20.进一步，所述后台管理预警系统可向管理员提供可视化的历史数据分析、实时病虫害警告、病虫灾害预警、机器人配置管理、实时远程视频和机器人远程控制。
21.进一步，所述后台管理预警系统可对各个机器人上传的数据进行分类存储，并搭建有用于预测近期农作物病虫害发生范围和概率的病虫害暴发数学模型。
22.本基础方案的原理及效果在于：
23.1.本系统将害虫诱杀子系统搭载在移动式机器人上，配合ai病虫检测技术，使得农作物害虫种类及种群密度的数据监测更灵活、大范围，更具有代表性的特点。
24.2.本系统提供的病虫害监测机器人为移动式机器人，在农地内巡航时，使用高清摄像头及ai病虫害检测技术，使得农作物病虫害监测具有灵活、低成本、准确性高、高效、无人值守、及时的效果，解决了传统的病虫害监测技术监测不及时、不准确的问题。
25.3.本系统的病虫害监测机器人，在移动时同时进行靶向施药，使得农作物除虫除害作业及时、高效、绿色。
26.4.本系统所提供的后台管理预警系统通过基于气象因子影响的病虫害暴发数学模型对将来发生严重的病虫灾害进行了预警，展现了良好的经济性。
附图说明
27.为了更清楚地说明本技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
28.图1示出了本技术实施例提出的一种基于ai的无人值守农作物病虫害监测预警系统的应用场景的示意图；
29.图2示出了本技术实施例提出的一种基于ai的无人值守农作物病虫害监测预警系统的病虫害监测机器人的硬件框图；
30.图3示出了本技术实施例提出的一种基于ai的无人值守农作物病虫害监测预警系统的系统软件框图。
具体实施方式
31.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
32.下面通过具体实施方式进一步详细的说明：
33.一种基于ai的无人值守农作物病虫害监测预警系统，实施例1如图3所示，本系统由一个后台管理服务器搭配若干病虫害检测机器人和土壤环境监测装置组成。本系统内的后台管理服务器内置有后台管理预警系统，一套后台管理预警系统可同时管理并接收若干个病虫害检测机器人、土壤环境监测装置和由病虫害检测机器人及土壤环境监测装置所传递的信息。且后台管理预警系统可实现与管理员的人机交互。
34.在本系统推广实施期间，病虫害监测机器人和土壤检测装置的数量可根据农作物种植范围和密度决定。农作物种植范围越大，越密集，病虫害监测机器人和配对的土壤监测装置的数量越多。在使用期间，多个病虫害监测机器人可通过网络连接到后台管理预警系统，并由系统统一管理调度。其中所连接的网络可以为普通移动网络或者无线网络(普通移动网络可为4g或5g网络，无线网络为wlan网络)，当病虫害监测机器人在附近有稳定无线网络覆盖的情况下优先选择通过无线网络与后台管理预警系统连接，其次在选取普通移动网络进行连接。在使用病虫害监测机器人的时候，还需要配备供病虫害监测机器人充电的充电桩，在每个病虫害监测机器人巡航范围内应该都部署有充电桩。
35.病虫害监测机器人在边缘计算平台内预设有用于采集农作物和环境数据采集子系统、用于诱杀害虫的害虫诱杀子系统、用于检测病虫害的病虫害检测子系统、用于控制病虫害监测机器人自主巡航路径的自主巡航子系统、用于控制病虫害机器人行驶控制的行驶驱动子系统、用于喷洒施药的靶向施药子系统、用于数据传输的数据通信子系统、用于远程通信和远程控制的远程管理子系统。
36.在本实施例中，病虫害监测机器人的硬件架构设计均如图2所示。病虫害监测机器人均包括两个模块：驱动控制板和边缘计算平台。
37.驱动主控板通过物理线路连接有电机、温湿度光照传感器、无线充电模块、无线射频模块、6自由度云台、农药喷枪(靶向施药子程序的执行部分)、led 补光灯和害虫诱杀灯(害虫诱杀子程序的执行部分)。电机用于驱动轮子(为行驶驱动子程序的执行部分)。6自由度云台带有升降、俯仰和旋转的功能，摄像头1和施药喷枪安装在6自由度云台上。无线射频模块用来与外部的土壤环境监测装置配对通信。驱动主控板执行边缘计算平台的指令，(驱动主控制板与边缘计算平台之间预设有控制协议)并对其它连接部件完成查询控制功能。
38.病虫害监测机器人使用嵌入式边缘计算平台(上位机)来运行机器人高层业务及算法功能，使用stm32单片机作为驱动主控板(下位机)来完成执行部件的控制，上位机和下位机之间使用usb串口根据设有控制协议进行通信，上位机可向下位机发出查询和执行的指令。
39.边缘计算平台通过usb接口连接摄像头1、摄像头2、北斗定位模块、 wlan/4g/5g通信模块以及激光雷达，其中边缘计算平台可选用英伟达公司 jetson系列嵌入式人工智能平台，如jetson agx orin、jetson xavier nx系列等。激光雷达具体的参数可根据设定巡航速率来选用不同型号不同品牌的激光雷达。
40.病虫害监测机器人的业务软件架构如图3所示。该业务软件可以选择运行 ubuntu操作系统上，基于ros操作系统框架进行开发。对于ros而言，病虫害监测机器人中的8个子系统可通过ros操作系统中的8个节点进行编程实现。节点与节点间使用ros中的“话题/订阅”或者“请求/服务”的机制进行通信。机器人的各项配置参数可以使用ros中的参数服务器进行存储。
41.在本实施例中，数据采集子系统使用两个通用的usb摄像头来进行图像的采集，采集完成后通过“话题/订阅”向害虫诱杀子系统、病虫害检测子系统发布图像。在远程管理的情况下，采集子系统也同时向数据通信子系统发布视频流，用于向用户推送现场视频流。嵌入式边缘计算平台中的数据采集子系统还定时向驱动主控板查询温湿度光照、土壤环境等数据。
42.本发明实施例中，害虫诱杀子系统、病虫害检测子系统使用训练好的 yolov5多目标检测模型部署在边缘计算平台上，对病虫害进行检测与分类。检测后的结果通过“话题/订阅”向数据通信子系统发布。yolov5模型通过采集农地里实际的病虫害图像进行训练，训练数据尽量覆盖220种常见的病虫、病害场景，还需覆盖雨天、逆光、雾天、夜晚等不一样的场景，提高模型的泛化能力。
43.在本实施例中，靶向施药系统订阅病虫害检测子系统发布的检测结果，针对虫害检测出的位置与图像中心的偏离度，发布运动参数给行驶驱动系统，通过云台来调整摄像头1及喷枪的目标位置后，进行雾化施药。农药喷枪使用小型水泵用软导管连接农药箱体，农药箱体带有水位检测装置。边缘计算平台向驱动控制板查询农药量不足时，将状态发送至后台管理预警系统告知管理员。
44.在本实施例中，数据通信子系统采用http协议定时向后台管理预警系统发送心跳包，心跳包内包含本机器人的设备名称、产品序列号、设备类型、mac 地址、分组、ip、信号值、电量、定位坐标、运行模式、软件版本号、故障码、农药量基本信息等。当害虫诱杀子系统、病虫害检测子系统检向数据通信子系统发布检测结果时，数据通信子系统将获取到的结果进行打包后上传到台管理预警系统。
45.在本实施例中，自主巡航子系统通过ros中开源的功能包slam使用激光雷达进行扫描建图，建图方法可以使用gmapping或hector或karto。建图完成后，通过向后台管理预警系统设置好多个闭环目标点序列作为参数给到ros中的开源导航(navigation)功能包来实现闭环的路径规划导航，作为无人值守智能化巡航的基础。
46.在本实施例中，病虫害监测机器人在收到后台管理预警系统回应心跳的响应包后，解析响应包内的“ifwebsocketconnect”，如果为真，则主动向后台管理预警系统发起
websocket长连接。websocket连接建立后，后台管理预警系统向机器人发送不同的命令以实现手动驾驶、手动喷杀、配置修改、恢复、升级及推送现场视频流等功能。
47.在本实施例中，后台管理预警系统的软件架构如图3所示，该系统采用nginx 作为反向代理处理机器人和用户终端发来的http请求，后台服务程序采用基于 python的django web应用框架开发，其中采用开源的uwsgi库处理http服务请求转发到web应用框架中。
48.在本实施例中，后台管理预警系统的设备管理模块中接收所有机器人定时发来的心跳请求(状态上报)http包，并将这些机器人的状态信息按照不同机器人序列号存储到mysql数据库中。
49.在本实施例中，后台管理预警系统的数据存储与可视化模块接收所有机器人上报的病虫害检测、虫情监测、农作物生长态势的结果数据包，并将这些结果分类存储在mysql数据库中。用户在终端查看相关历史数据时，通过发送数据请求接口获取到并展示在页面中。
50.在本实施例中，可以基于广西近70年的气象数据，利用地理探测器模型、自回归、主成分分析等手段，筛选出影响病虫害暴发的关键气象指标因子，建立基于历史气象数据的区域病虫害预测预报模型，根据田间气象小型气象站的微气候数据，对区域病虫害预测的整模型参数进行微调，建立微气候条件下的病虫灾害预测模型。在数据分析模块中使用该模型将预测的结果在页面当中。
51.在本实施例中，后台管理预警系统还包括配置管理模块，可通过读取的参数获取病虫害监测机器人的配置信息。后台管理预警系统还包括一个权限管理模块和一个远程管理模块。其中管理员可通过权限管理模块实现分组增删改和用户增删改。管理员可通过远程管理模块实现现场视频通讯、地图显示以及远程操作功能。
52.在本系统实施时，病虫害监测机器人连接并注册后台管理预警系统后，首先对巡航的环境进行激光雷达扫描建图。随后管理员通过后台管理预警系统在现场地图上依次设置好巡航的闭环位置点，便可让病虫害监测机器人进入自动巡航模式工作。
53.后台管理预警系统可部署在阿里云、腾讯云、华为云等云平台上，也可以部署在局域网内的实体物理服务器中。管理员可在后台管理预警系统实时收到现场数据和预警信息，并在有必要时通过手动模式来远程控制机器人并查看现场实时视频画面。
54.本系统可将害虫诱杀子系统搭载在移动式机器人上，配合ai病虫检测技术，使得农作物害虫种类及种群密度的数据监测更灵活、大范围，更具有代表性的特点；
55.本系统所使用的病虫害监测机器人为可移动式机器人，在农地内巡航时，使用高清摄像头及ai病虫害检测技术，使得农作物病虫害监测具有灵活、低成本、准确性高、高效、无人值守、及时的效果；
56.本系统使用的病虫害监测机器人，在移动时同时进行靶向施药，使得农作物除虫除害作业及时、高效、绿色；
57.本系统内所提供的后台管理预警系统通过基于气象因子影响的病虫害暴发数学模型对将来发生严重的病虫灾害进行了预警，展现了良好的经济性。
58.最后应说明的是：以上实施例仅用以说明本技术的技术方案，而非对其限制；尽管参照前述实施例对本技术进行了详细的说明，本领域的普通技术人员当理解：其依然可以
对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不驱使相应技术方案的本质脱离本技术各实施例技术方案的精神和范围。

技术特征：
1.一种基于ai的无人值守农作物病虫害监测预警系统，其特征在于，包括带有人机交互功能的后台管理服务器、若干可自主巡航的病虫害监测机器人和若干分别与病虫害机器人配对的土壤环境监测装置；后台管理服务器设有用于调度病虫害监测机器人并接收土壤环境监测装置检测数据的后台管理预警系统；病虫害监测机器人内置有用于执行部件控制的驱动控制板和用于运行高层业务及算法功能的边缘计算平台，边缘计算平台与驱动控制板之间设有用于通信的控制协议；病虫害监测机器人在边缘计算平台内预设有用于采集农作物和环境数据采集子系统、用于诱杀害虫的害虫诱杀子系统、用于检测病虫害的病虫害检测子系统、用于控制病虫害监测机器人自主巡航路径的自主巡航子系统、用于控制病虫害机器人行驶控制的行驶驱动子系统、用于喷洒施药的靶向施药子系统、用于数据传输的数据通信子系统、用于远程通信和远程控制的远程管理子系统；病虫害检测子系统内搭建有用于分析、计算数据采集子系统所采集数据的深度神经网络模型，数据通信子系统将检测信息、处理结果均上链关联至后台管理预警系统。2.根据权利要求1所述的一种基于ai的无人值守农作物病虫害监测预警系统，其特征在于，所述土壤环境监测装置采集信息包括：土壤墒情、土壤ph值、土壤ec值、土壤的温度值、雨量和微量元素含量，并将采集信息通过配对的病虫害监测机器人中转上传到后台管理预警系统。3.根据权利要求2所述的一种基于ai的无人值守农作物病虫害监测预警系统，其特征在于，所述数据采集子系统包括与边缘计算平台电连接的两个分别对农作物和诱杀后的害虫进行图像采集的高清摄像头。4.根据权利要求3所述的一种基于ai的无人值守农作物病虫害监测预警系统，其特征在于，所述驱动主控制板电连接有用于土壤环境检测装置所检测信息的无线射频模块，数据采集子系统将收集由无线射频模块接收的数据并传递至后台管理预警系统。5.根据权利要求2或4所述的一种基于ai的无人值守农作物病虫害监测预警系统，其特征在于，所述病虫害检测子系统在检测出农作物病虫害目标位置后，将通过驱动控制板驱动靶向施药子系统对病虫害目标位置进行农药喷洒。6.根据权利要求5所述的一种基于ai的无人值守农作物病虫害监测预警系统，其特征在于，所述害虫诱杀子系统包括与驱动控制板电连接的害虫诱杀灯和led补光灯。7.根据权利要求6所述的一种基于ai的无人值守农作物病虫害监测预警系统，其特征在于，所述害虫诱杀子系统还可通过深度神经网络模型进行虫害种类、数量的检测，并通过数据通信子系统上传至后台管理预警系统。8.根据权利要求2或6所述的一种基于ai的无人值守农作物病虫害监测预警系统，其特征在于，所述自主巡航子系统内搭建有与边缘计算平台电连接的激光雷达，并可通过激光雷达对现场环境进行扫描建立点云地图，并设有自主导航模式依次驱动病虫害监测机器人行驶到由后台管理预警系统设定的闭环导航点。9.根据权利要求1所述的一种基于ai的无人值守农作物病虫害监测预警系统，其特征在于，所述后台管理预警系统可向管理员提供可视化的历史数据分析、实时病虫害警告、病虫灾害预警、机器人配置管理、实时远程视频和机器人远程控制。
10.根据权利要求9所述的一种基于ai的无人值守农作物病虫害监测预警系统，其特征在于，所述后台管理预警系统可对各个机器人上传的数据进行分类存储，并搭建有用于预测近期农作物病虫害发生范围和概率的病虫害暴发数学模型。

技术总结
本发明涉及农业病虫害防治技术领域，具体公开了一种基于AI的无人值守农作物病虫害监测预警系统，包括带有人机交互功能的后台管理服务器、若干可自主巡航的病虫害监测机器人和若干分别与病虫害机器人配对的土壤环境监测装置，后台管理服务器设有用于调度病虫害监测机器人并接收土壤环境监测装置检测数据的后台管理预警系统，虫害监测机器人内置有用于执行部件控制的驱动控制板和用于运行高层业务及算法功能的边缘计算平台，病虫害监测机器人内建的病虫害检测子系统设有用于分析、计算采集数据的深度神经网络模型，数据通信子系统将检测信息、处理结果均上链至后台管理预警系统，解决了传统的病虫害监测技术监测不及时、不准确的问题。不准确的问题。不准确的问题。

技术研发人员：周省邦刘书田陈东潘吟松
受保护的技术使用者：南宁师范大学
技术研发日：2022.08.01
技术公布日：2022/9/27