首页分享限制空间的绿植健康评价方法和装置与流程

限制空间的绿植健康评价方法和装置与流程

来源：花匠小妙招时间：2025-09-13 09:41

本技术涉及电数字数据处理，尤其涉及一种限制空间的绿植健康评价方法和装置。

背景技术：

1、在现代大型建筑的室内或者幕墙上已经开始在限制空间（例如：玻璃罩、隔网、幕墙等）内种植绿植来改善室内环境，以用于给室内环境提供新鲜空气以及增加绿化和生态感官元素，并通过调节养殖温度、湿度、风速等可实现不同植物的室内养殖，在限制空间内种植绿植是目前室内公共环境、幕墙的主流绿化和增氧手段。

2、目前对于生态舱的养护是通过人工定期统一灌溉的形式来养殖其内部植物，由于植物的习性不同，且大部分大型建筑的工作人员对于不同品种的植物也未制定相应的灌溉计划，使得植物容易出现叶片、枝干、花朵、果实的黄化、‌枯萎、脱落等负面状态。

3、一般在绿植初期表现出上述症状时就需要人工干预以治疗绿植，但目前对于绿植的健康状态的评价通常为通过人工视觉观察，在人工观察到绿植大面积枯萎、大面积脱落等明显视觉现象时才会进行干预，此时的绿植往往已经处于不可逆的枯萎过程，进而导致工作人员只能更换整个绿植，使得绿植的健康得不到保障。

技术实现思路

1、本技术的主要目的在于提供一种限制空间的绿植健康评价方法和装置，以解决现有技术中限制空间内绿植的养护不到位，导致绿植的健康状态和寿命得不到保障的问题。

2、为实现上述目的，本技术提供了如下技术方案：

3、一种限制空间的绿植健康评价方法，所述限制空间由上下依次通过盖板和基质盖合的四个透明挡板合围而成，所述基质上种植有绿植，所述绿植健康评价方法包括：

4、步骤s1，间隔预设时间周期获取所述绿植至少两个视角的若干个视觉影像；

5、步骤s2，通过目标检测算法分别获取每个视觉影像中的所有植物器官；

6、步骤s3，通过分类算法将所有植物器官进行分类，基于每个预设植物器官类型得到一个器官数量；

7、步骤s4，分别获取每个植物器官的影像面积值，并获取所有影像面积值的加和值；

8、步骤s5，基于同一个预设植物器官类型将所有预设时间周期的器官数量定义为一个自变量，将所述加和值定义为因变量，并基于同一个预设时间周期通过多元线性回归模型定义所有自变量和所述因变量的线性回归关系；

9、步骤s6，通过最小二乘法计算所述线性回归关系的回归系数并代入所述多元线性回归模型中，得到评价模型；

10、步骤s7，获取所述绿植的实时视觉图像，并通过所述视觉算法获取所述实时视觉图像的所有实时植物器官；

11、步骤s8，将所有实时植物器官代入所述评价模型，得到实时加和值；

12、步骤s9，判断所述实时加和值是否大于所述加和值，若是，则判定所述绿植为健康状态。

13、作为本技术的进一步改进，步骤s2，通过目标检测算法分别获取每个视觉影像中的所有植物器官，包括：

14、步骤s21，将当前的视觉影像平均划分为若干个数的栅格；

15、步骤s22，基于所有栅格根据所述目标检测算法对所有植物器官预测若干个边界框；

16、步骤s23，分别获取每个边界框的置信度，并获取置信度最大的边界框并标记为一阶边界框；

17、步骤s24，计算其他每个边界框分别与所述一阶边界框的交并比；

18、步骤s25，选取交并比大于等于预设阈值的边界框作为二阶边界框；

19、步骤s26，获取置信度最高的二阶边界框并定义为所述植物器官。

20、作为本技术的进一步改进，步骤s3，通过分类算法将所有植物器官进行分类，基于每个预设植物器官类型得到一个器官数量，包括：

21、步骤s31，将同一个预设时间周期的所有植物器官打包为一个待分类数据集，为第个预设时间周期的待分类数据集，为第个预设时间周期的待分类数据集的第个植物器官，为所有植物器官的个数；

22、步骤s32，根据所述预设植物器官类型的个数定义植物器官类别集合，其中，为所述类别集合中的第个预设植物器官类型，为所述预设植物器官类型的个数；

23、步骤s33，根据式（1）计算第个待分类数据集中每个植物器官分别在每个预设植物器官类型下的条件概率：

24、（1）；

25、其中，为在第个预设植物器官类型下第个预设时间周期的待分类数据集的第个植物器官的条件概率；为第个预设植物器官类型的边缘概率；为在第个预设植物器官类型下，第个预设时间周期的待分类数据集的第个植物器官的条件概率；

26、步骤s34，将第个预设时间周期的待分类数据集中所有植物器官分类至各自的条件概率最高的预设植物器官类型中，得到第个预设时间周期的的植物器官分类表；

27、步骤s35，分别统计每个预设植物器官类型下的器官数量。

28、作为本技术的进一步改进，步骤s5，基于同一个预设植物器官类型将所有预设时间周期的器官数量定义为一个自变量，将所述加和值定义为因变量，并基于同一个预设时间周期通过多元线性回归模型定义所有自变量和所述因变量的线性回归关系，包括：

29、步骤s51，根据式（2）定义所述因变量与所有自变量的线性回归关系：

30、（2）；

31、其中，为第个预设时间周期的因变量；为所述线性回归关系的截距；为第个预设时间周期的第个植物器官的线性回归系数；为所述线性回归关系的随机误差。

32、作为本技术的进一步改进，步骤s6，通过最小二乘法计算所述线性回归关系的回归系数并代入所述多元线性回归模型中，得到评价模型，包括：

33、步骤s61，通过式（3）计算第个预设时间周期的的线性回归关系的回归系数：

34、（3）；

35、其中，为的估计值；为的转置矩阵。

36、作为本技术的进一步改进，步骤s9，判断所述实时加和值是否大于所述加和值，之后，包括：

37、步骤s10，若否，判定所述绿植为非健康状态；

38、步骤s20，通过所述视觉算法分别获取每个预设时间周期下的植物器官的颜色数据；

39、步骤s30，获取同一个预设植物器官类型下当前预设时间周期的所有颜色数据的当前平均值；

40、步骤s40，获取同一个预设植物器官类型下基于预设回退步数的历史时间周期的所有颜色数据的历史平均值；

41、步骤s50，判断所述当前平均值与所述历史平均值的差值；

42、步骤s60，将所述差值大于等于预设差值阈值的预设植物器官类型标记为非健康器官类型。

43、作为本技术的进一步改进，步骤s60，将所述差值大于等于预设差值阈值的预设植物器官类型标记为非健康器官类型，之后，包括：

44、步骤s100，发送所述非健康器官类型至外部接收端。

45、为实现上述目的，本技术还提供了如下技术方案：

46、一种限制空间的绿植健康评价装置，所述绿植健康评价装置应用于如上述的绿植健康评价方法，所述绿植健康评价装置包括：

47、绿植视觉影像获取模块，用于间隔预设时间周期获取所述绿植至少两个视角的若干个视觉影像；

48、植物器官获取模块，用于通过目标检测算法分别获取每个视觉影像中的所有植物器官；

49、植物器官分类模块，用于通过分类算法将所有植物器官进行分类，基于每个预设植物器官类型得到一个器官数量；

50、影像面积值及加和值获取模块，用于分别获取每个植物器官的影像面积值，并获取所有影像面积值的加和值；

51、线性回归关系定义模块，用于基于同一个预设植物器官类型将所有预设时间周期的器官数量定义为一个自变量，将所述加和值定义为因变量，并基于同一个预设时间周期通过多元线性回归模型定义所有自变量和所述因变量的线性回归关系；

52、评价模型获取模块，用于通过最小二乘法计算所述线性回归关系的回归系数并代入所述多元线性回归模型中，得到评价模型；

53、实时植物器官获取模块，用于获取所述绿植的实时视觉图像，并通过所述视觉算法获取所述实时视觉图像的所有实时植物器官；

54、实时加和值获取模块，用于将所有实时植物器官代入所述评价模型，得到实时加和值；

55、实时加和值判断模块，用于判断所述实时加和值是否大于所述加和值，若是，则判定所述绿植为健康状态。

56、为实现上述目的，本技术还提供了如下技术方案：

57、一种电子设备，包括处理器、以及与所述处理器耦接的存储器，所述存储器存储有可被所述处理器执行的程序指令；所述处理器执行所述存储器存储的所述程序指令时实现如上述的绿植健康评价方法。

58、为实现上述目的，本技术还提供了如下技术方案：

59、一种存储介质，所述存储介质内存储有程序指令，所述程序指令被处理器执行时实现能够实现上述的绿植健康评价方法。

60、本技术通过间隔预设时间周期获取绿植至少两个视角的若干个视觉影像；通过目标检测算法分别获取每个视觉影像中的所有植物器官；通过分类算法将所有植物器官进行分类，基于每个预设植物器官类型得到一个器官数量；分别获取每个植物器官的影像面积值，并获取所有影像面积值的加和值；基于同一个预设植物器官类型将所有预设时间周期的器官数量定义为一个自变量，将加和值定义为因变量；基于同一个预设时间周期通过多元线性回归模型定义所有自变量和因变量的线性回归关系；通过最小二乘法计算线性回归关系的回归系数并代入多元线性回归模型中，得到评价模型；获取绿植的实时视觉图像，并通过视觉算法获取实时视觉图像的所有实时植物器官；将所有实时植物器官代入评价模型，得到实时加和值；判断实时加和值是否大于加和值，若是，则判定绿植为健康状态。本技术利用了植物叶片、枝干、花朵、果实的‌枯萎、脱落、萎蔫、‌死亡均为水分减少的萎缩过程这一特性，其直观视觉效果即为植物在多个视角下的视觉面积减少，植物在初期缺水时即可表现出该特性，随着缺水程度的增加，视觉面积也会不断减小，即缺水程度与视觉面积为正相关特性，使得本技术能够通过至少两个视角来捕捉该特性，不需要鉴别植物品种，仅需通过视觉面积来判断健康状态即可。