發(fā)明：一種蟲害識別檢測系統.pdf

19 國家知識產權局 12 發(fā)明 專利申請 10 申請公布號 43 申請公布日 21 申請 號 202210112887 8 22 申請日 2022 01 29 71 申請人 重慶市農業(yè)科 學院 地址 401329 重慶市九龍坡區(qū)白市驛鎮(zhèn)農 科 大道 72 發(fā)明人 李脈 鄭吉澍 郭蕭 皇甫佳一 李佩原 冉杰 龍翰威 74 專利代理 機構 重慶天 成卓 越專利代理事務 所 普通 合 伙 5 0240 專利代理師 王宏松 51 Int Cl G06T 7 00 2017 01 G06T 7 90 2017 01 G06K 9 62 2022 01 G06V 10 774 2022 01 G05D 1 02 2020 01 54 發(fā)明名稱 一種蟲害識別檢測系統 57 摘要 本發(fā) 明提出了一種蟲害識別檢測系統 包括 鋪設在蔬菜立體栽培工廠內的導航磁條和地標 網格 以及行走在導航磁條和地標網格構成的行 進路線上的的AGV車 還包括安裝在AGV 巡檢車上 的巡檢機器人 巡檢機器人將拍攝的蔬菜圖像發(fā) 送至蟲害云端工作平臺 本發(fā)明能夠對蔬菜上的 蟲害進行識別 做出對應的措施 保證高效工廠 化蔬菜立體栽培的產量和質量 權利要求書3頁 說明書10頁 附圖6頁 CN 114549430 A 2022 05 27 CN 114549430 A 1 一種蟲害識別檢測系統 包括鋪設在蔬菜立體栽培工廠內的導航磁條和地標網格 以及行走在導航磁條和地標網格構成的行進路線 上的的AGV車 其特征在于 還包括安裝在 AGV巡檢車 上的巡檢機器人 巡檢機器人將拍攝的蔬菜圖像發(fā)送至蟲害云端工作平臺 2 根據權利要求1所述的蟲害識別檢測系統 其特征在于 還包括蟲害云端工作平臺判 斷巡檢機器人拍攝的蔬菜圖像是否存在蟲害 若巡檢機器人拍攝的蔬菜圖像存在蟲害 蟲害云端工作平臺發(fā)送滅蟲控制命令至滅蟲 裝置 由滅蟲裝置對巡檢機器人拍攝的蔬菜進行 蟲害消除 若巡檢機器人拍攝的蔬菜圖像不存在蟲害 蟲害云端工作平臺不向滅蟲裝置發(fā)送滅蟲 控制命令 3 根據權利要求1所述的蟲害識別檢測系統 其特征在于 AGV巡檢車包括用于可拆卸 安裝巡檢機器人的安裝固定平臺 在安裝固定平臺底部 設置有用于識別導航磁條和地標網 格的行走裝置 在安裝固定平臺內設置有用于固定安裝PCB印刷電路板的P CB印刷電路板固 定安裝座 P CB印刷電路板固定安裝在P CB印刷電路板固定安裝座上 在PCB印刷電路板上設 置有AGV巡檢車控制器和無線 數據連接模塊 AGV巡檢車控制器與行走裝置的行走控制端相 連 AGV巡檢車控制器的數據通訊端與無線數據連接模塊的通訊端相連 AGV巡檢車通過無線數據 連接模塊接收或 和發(fā)送蟲害云端工作平臺發(fā)送或 和接收的 通訊數據 AGV巡檢車根據接收的通訊數據向行走裝置發(fā)送控制 命令 使其AGV巡檢車承載 巡檢機器人至目標位置 4 根據權利要求3所述的蟲害識別檢測系統 其特征在于 無線數據 連接模塊包括WiFi 數據連接模塊 2G數據連接模塊 3G數據連接模塊 4G數據連接模塊 5G數據連接模塊之一 或者任意組合 無線數據連接模塊為WiFi數據連接模塊時 AGV巡檢車控制器的數據通訊WiFi端與 WiFi數據連接模塊的通訊端相連 無線數據連接模塊為2G數據連接模塊時 AGV巡檢車控制器的數據通訊2G端與2G數據 連接模塊的通訊端相連 無線數據連接模塊為3G數據連接模塊時 AGV巡檢車控制器的數據通訊3G端與3G數據 連接模塊的通訊端相連 無線數據連接模塊為4G數據連接模塊時 AGV巡檢車控制器的數據通訊4G端與4G數據 連接模塊的通訊端相連 無線數據連接模塊為5G數據連接模塊時 AGV巡檢車控制器的數據通訊5G端與5G數據 連接模塊的通訊端相連 5 根據權利要求1所述的蟲害識別檢測系統 其特征在于 巡檢機器人包括可拆卸安裝 在AGV巡檢車上的巡檢機器人本體 在巡檢機器人本體內設置有用于固定安裝P CB印制電路 板的P CB印制電路板固定安裝座 P CB印制電路板固定安裝在P CB印制電路板固定安裝座上 在PCB印制電路板上設置有巡檢機器人控制器 在巡檢機器人手臂末端設置有用于拍攝蔬 菜蟲害圖像的攝像頭 攝像頭的圖像數據端與巡檢機器人控制器的圖像數據端相連 巡檢 機器人控制器的數據交 互端與AGV巡檢車控制器的數據交 互端相連 巡檢機器人控制器接收到AGV巡檢車控制器發(fā)送 的拍攝蔬菜蟲害圖像控制命令后 巡 檢機器人控制器向巡檢機器人手臂發(fā)送運動控制命令 使其設置在巡檢機器人手臂末端的 權 利 要 求 書 1 3 頁 2 CN 114549430 A 攝像頭拍攝蔬菜圖像 將拍攝的蔬菜圖像通過AGV巡檢車上的無線數據連接模傳輸至蟲害 云端工作平臺 6 根據權利要求3所述的蟲害識別檢測系統 其特征在于 AGV巡檢車承載巡檢機器人 至目標位置的方法包括以下步驟 S1 AGV巡檢車控制器判斷在行 走 過程中是否 接收到地標信號 若在行走過程中接收到地標信號 則此時AGV巡檢車處于導航磁條相交點 在相交點處 有K條導航磁條 所述 為大于或者等于3的正整數 分別為第1導航磁條 第2導航磁條 第3 導航磁條 第K導航磁條 第 導航磁條為AGV巡檢車當前所處導航磁條 第1導航磁條 第2導 航磁條 第3導 航磁條 第K 1導 航磁條為待選擇的導 航磁條 執(zhí) 行 下一 步 若在行 走 過程中未接收到地標信號 則AGV巡檢車繼續(xù)向前 行 走 返回步驟S1 S2 以待選擇的導 航磁條向前 前進相同距離L后處于預計點 在第1導 航磁條 上向前 前進距離L后 處于第1導 航磁條 上的第1預計點 在第2導 航磁條 上向前 前進距離L后 處于第2導 航磁條 上的第2預計點 在第3導 航磁條 上向前 前進距離L后 處于第3導 航磁條 上的第3預計點 在第K 1導 航磁條 上向前 前進距離L后 處于第K 1導 航磁條 上的第K 1預計點 S3 計算第k預計點與目標位置兩點連線的距離 k 1 2 3 K 1 以兩點連線距離 最小的預計點所在導 航磁條為前進的導 航磁條 7 一種蟲害識別檢測方法 其特 征在于 包括以下步驟 S1 蟲害云端工作平臺對獲取的蔬菜圖像進行編號 分別為A 1 A 2 A 3 A B A b表示第 b蔬菜云端圖像 b 1 2 3 B 為攝像頭拍攝的圖像總張數 A 1表示第1蔬菜云端圖 像 A 2表示第2蔬菜云端圖像 A 3表示第3蔬菜云端圖像 A B表示第B蔬菜云端圖像 令 1 S2 判斷A 是否為RGB圖像 若A 為RGB圖像 則將A a轉換為gray圖像 則執(zhí) 行 下一 步 若A a為gray圖像 則執(zhí) 行 下一 步 S3 將gray圖像A a gray導入訓練好的yo lo v5s模型中進行輸出 結果 若輸出結果為蔬菜圖像中存在蟲害 則蟲害云端工作平臺向其滅蟲裝置發(fā)送蟲害消除 控制命令 由滅蟲裝置對巡檢機器人拍攝的蔬菜所在位置進行 蟲害消除 若輸出 結果 為蔬菜圖像中不存在蟲害 則判斷下一張圖像 8 根據權利要 求7所述的蟲害識別檢測方法 其特征在于 在步驟S2中 將A a轉換為gray 圖像的方法為 Aa gray A a x y R R Aa x y G G Aa x y B B 其中 A a gr y表示A 的gray圖像 Aa x y R表示A 在像素坐標點 x y 處的紅色分量值 x x 1 x2 x3 xi x表示像素 坐標點中的橫坐標點 x 1 x2 x3 xi 表示橫坐標點 集 合 i表示橫坐標點的總個數 Aa x y G表示A 在像素坐標點 x y 處的綠色分量值 y y 1 y2 y3 yj y表示像素 坐標點中的縱坐標點 y 1 y2 y3 yj 表示縱坐標點 集 合 j表示縱坐標點的總個數 A x y B表示A a在像素坐標點 x y 處的藍色 分量 值 R表示紅色 分量 值的比例系數值 R 0 1 權 利 要 求 書 2 3 頁 3 CN 114549430 A G表示紅色 分量 值的比例系數值 G 0 1 B表示紅色 分量 值的比例系數值 B 0 1 且 R G B 1 橫坐標點 集 合與縱坐標點 集 合構成像素圖像 9 根據權利要求8所述的蟲害識別檢測方法 其特征在于 在步驟S2中 橫坐標點的總 個數i的計算方法為 i image Iwidth 其中 image表示攝 像頭拍攝的圖像的分辨 率 Iwidth表示拍攝圖像的寬度值 i表示橫坐標點的總個數 縱坐標點的總個數j的計算方法為 j image Ihigh 其中 im ge 表示攝 像頭拍攝的圖像的分辨 率 Ihigh表示拍攝圖像的高度值 j表示縱坐標點的總個數 10 根據權利要求7所述的蟲害識別檢測方法 其特征在于 還包括蟲害云端工作平臺 向其滅蟲裝置發(fā)送滅蟲裝置由始發(fā)點至消除蟲害位置的路徑 權 利 要 求 書 3 3 頁 4 CN 114549430 A 一種蟲害識別檢測系統 技術領域 0001 本發(fā)明涉及 一種蔬菜立體栽培工廠化技術領域 特別是涉及一種蟲害識別檢測系 統 背景技術 0002 蔬菜從播種 生長至收獲 經常受到各種有害生物 植物病原 害蟲等 的危害 農 作物病蟲害是我國的主要農業(yè)災害之一 它 具有種類多 影響大 并時常暴發(fā)成災的特點 其發(fā)生范圍和 嚴重程度對我國國民經濟 特別是農業(yè)生產常造成重大損失 有害生物種類 繁多且形態(tài)各異 發(fā)生規(guī)律各有不同 而且時常爆發(fā) 對我國國民經濟 特別是農業(yè)生產造 成重大損失 因此 正確識別植物病蟲害 掌握有害生物的習性 特點 對防控有害生物極其 重要 專利申請?zhí)?020116326389 名稱為 蔬菜病蟲害防治智能識別系統 公開了包括用 戶終端 云端服務器和專家平臺 用戶終端將蔬菜作 物圖像上傳至 云端服務器 云端服務器 確定蔬菜作 物圖像對應的蔬菜類別 并將蔬菜作 物圖像輸入蔬菜類別對應的病蟲害智能識 別模型中得到相應的識別結果 同時結合專家平臺的反饋的識別結果得到病蟲害類型識別 結果 根據病蟲害類型識別結果以及預先存儲的病蟲害類型識別結果對應的治理措施生成 病 蟲害診斷結果反饋給用戶終端 該系統基于人工智能技術提供病 蟲害識別功能 使得農 戶可以準確識別存在的病蟲害類型并采用合適的治理措施進行治理 識別率較高且較穩(wěn) 定 對防控蔬菜病蟲害極其重要 發(fā)明內容 0003 本發(fā)明旨在至少解決現有技術中存在的技術問題 特別創(chuàng)新地提出了蔬菜立體栽 培 工廠 0004 為了實現本發(fā)明的上述目的 本發(fā)明提供了一種蟲害識別檢測系統 包括鋪設在 蔬菜立體栽培工廠內的導航磁條和地標網格 以及行走在導航磁條和地標網格構成的行進 路線上的的AGV車 還包括安裝在AGV巡檢車上的巡檢機器人 巡檢機器人將拍攝的蔬菜圖 像發(fā)送至蟲害云端工作平臺 0005 在本發(fā)明的一種優(yōu)選實施方式中 還包括蟲害云端工作平臺判斷巡檢機器人拍攝 的蔬菜圖像是否存在蟲害 0006 若巡檢機器人拍攝的蔬菜圖像存在蟲害 蟲害云端工作平臺發(fā)送滅蟲控制命令至 滅蟲裝置 由滅蟲裝置對巡檢機器人拍攝的蔬菜進行 蟲害消除 0007 若巡檢機器人拍攝的蔬菜圖像不存在蟲害 蟲害云端工作平臺不向滅蟲裝置發(fā)送 滅蟲控制命令 0008 在本發(fā)明的一種優(yōu)選實施方式中 AGV巡檢車包括用于可拆卸安裝巡檢機器人的 安裝固定平臺 在安裝固定平臺底部設置有用于識別導航磁條和 地標網格的行走裝置 在 安裝固定平臺內設置有用于固定安裝PCB印刷電路板的PCB印刷電路板固定安裝座 PCB印 刷電路板固定安裝在PCB印刷電路板固定安裝座上 在PCB印刷電路板上設置有AGV巡檢車 說 明 書 1 10 頁 5 CN 114549430 A 控制器和無線數據連接模塊 AGV巡檢車控制器與行走裝置的行走控制 端相連 AGV巡檢車 控制器的數據通訊端與無線數據連接模塊的通訊端相連 0009 AGV巡檢車通過無線數據連接模塊接收或 和發(fā)送蟲害云端工作平臺發(fā)送或 和接 收的通訊數據 AGV巡檢車根據接收的通訊數據向行走裝置發(fā)送控制 命令 使其AGV巡檢車 承載巡檢機器人至目標位置 0010 在本發(fā)明的一種優(yōu)選實施方式中 無線數據連接模塊包括WiFi數據連接模塊 2G 數據連接模塊 3G數據連接模塊 4G數據連接模塊 5G數據連接模塊之一或者任意組合 0011 無線數據連接模塊為WiFi數據連接模塊時 AGV巡檢車控制 器的數據通訊WiFi端 與W iFi數據連接模塊的通訊端相連 0012 無線數據連接模塊為2G數據連接模塊時 AGV巡檢車控制器的數據通訊2G端與2G 數據連接模塊的通訊端相連 0013 無線數據連接模塊為3G數據連接模塊時 AGV巡檢車控制器的數據通訊3G端與3G 數據連接模塊的通訊端相連 0014 無線數據連接模塊為4G數據連接模塊時 AGV巡檢車控制器的數據通訊4G端與4G 數據連接模塊的通訊端相連 0015 無線數據連接模塊為5G數據連接模塊時 AGV巡檢車控制器的數據通訊5G端與5G 數據連接模塊的通訊端相連 0016 在本發(fā)明的一種優(yōu)選實施方式中 巡檢機器人包括可拆卸安裝在AGV巡檢車上的 巡檢機器人本體 在巡檢機器人本體內設置有用于固定安裝PCB印制電路板的P CB印制電路 板固定安裝座 PCB印制電路板固定安裝在PCB印制電路板固定安裝座上 在P CB印制電路板 上設置有巡檢機器人控制器 在巡檢機器人手臂末端設置有用于拍攝蔬菜 蟲害圖像的攝像 頭 攝像頭的圖像數據端與巡檢機器人控制器的圖像數據端相連 巡檢機器人控制器的數 據交 互端與AGV巡檢車控制器的數據交 互端相連 0017 巡檢機器人控制器接收到AGV巡檢車控制器發(fā)送的拍攝蔬菜蟲害圖像控制命令 后 巡檢機器人控制器向巡檢機器人手臂發(fā)送運動控制命令 使其設置在巡檢機器人手臂 末端的攝像頭拍攝蔬菜圖像 將拍攝的蔬菜圖像通過AGV巡檢車上 的無線數據連接模傳輸 至蟲害云端工作平臺 0018 在本發(fā)明的一種優(yōu)選實施方式中 AGV巡檢車承載巡檢機器人至目標位置 的方法 包括以下步驟 0019 S1 AGV巡檢車控制器判斷在行 走 過程中是否 接收到地標信號 0020 若在行走過程中接收到地標信號 則此時AGV巡檢車處于導航磁條相交點 在相交 點處有K條導航磁條 所述 為大于或者等于3的正整 數 分別為第1導航磁條 第2 導航磁條 第3導航磁條 第K導航磁條 第 導航磁條為AGV巡檢車當前所 處導航磁條 第1導航磁 條 第2導 航磁條 第3導 航磁條 第K 1導 航磁條為待選擇的導 航磁條 執(zhí) 行 下一 步 0021 若在行 走 過程中未接收到地標信號 則AGV巡檢車繼續(xù)向前 行 走 返回步驟S1 0022 S2 以待選擇的導 航磁條向前 前進相同距離L后處于預計點 0023 在第1導 航磁條 上向前 前進距離L后 處于第1導 航磁條 上的第1預計點 0024 在第2導 航磁條 上向前 前進距離L后 處于第2導 航磁條 上的第2預計點 0025 在第3導 航磁條 上向前 前進距離L后 處于第3導 航磁條 上的第3預計點 說 明 書 2 10 頁 6 CN 114549430 A 0026 0027 在第K 1導 航磁條 上向前 前進距離L后 處于第K 1導 航磁條 上的第K 1預計點 0028 S3 計算第k預計點與目標位置兩點連線的距離 1 2 3 K 1 以兩點連線 距離最小的預計點所在導航磁條為前進的導航磁條 其第k預計點與目標位置兩點連線的 距離的計算方法為 0029 dk2 x0 xk 2 y0 yk 2 d 0 0030 其中 x0 y0 表示目標位置的位置坐標值 0031 xk yk 表示第k預計點的位置坐標值 0032 dk表示第k預計點與目標位置兩點連線的距離 AGV巡檢車承載巡檢機器人可以快 速的抵 達目標位置實現對蔬菜進行拍照 對蟲害情況進行判斷 0033 本發(fā)明還公開了一種蟲害識別檢測方法 如圖1所示 包括以下步驟 0034 S1 蟲害云端工作平臺對獲取的蔬菜圖像進行編號 分別為A 1 A 2 A 3 A B A b表 示第b蔬菜云端圖像 1 2 3 B 為攝像頭拍攝的圖像總張數 A 1表示第1蔬菜云端 圖像 A 2表示第2蔬菜云端圖像 A 3表示第3蔬菜云端圖像 A B表示第B蔬菜云端圖像 令a 1 0035 S2 判斷A a是否為RGB圖像 0036 若A a為RGB圖像 則將A 轉換為gray圖像 則執(zhí) 行 下一 步 0037 若A a為gray圖像 則執(zhí) 行 下一 步 0038 S3 將gray圖像A a gray導入訓練好的yo lo v5s模型中進行輸出 結果 0039 若輸出結果為蔬菜圖像中存在蟲害 則蟲害云端工作平臺向其滅蟲裝置發(fā)送蟲害 消除控制命令 由滅蟲裝置對巡檢機器人拍攝的蔬菜所在位置進行 蟲害消除 0040 若輸出 結果 為蔬菜圖像中不存在蟲害 則判斷下一張圖像 0041 在本發(fā)明的一種優(yōu)選實施方式 中 在步驟S2中 將A a轉換為gray圖像的方法為 0042 Aa gray A a x y R R A x y G G A x y B B 0043 其中 A gr y表示A a的gray圖像 0044 A x y R表示A 在像素坐標點 x y 處的紅色分量值 x x 1 x2 x3 xi x表示 像素坐標點中的橫坐標點 x 1 x2 x3 xi 表示橫坐標點 集 合 i表示橫坐標點的總個數 0045 Aa x y G表示A a在像素坐標點 x y 處的綠色分量值 y y 1 y2 y3 yj y表示 像素坐標點中的縱坐標點 y 1 y2 y3 yj 表示縱坐標點 集 合 j表示縱坐標點的總個數 0046 Aa x y B表示A 在像素坐標點 x y 處的藍色 分量 值 0047 R表示紅色 分量 值的比例系數值 R 0 1 0048 G表示紅色 分量 值的比例系數值 G 0 1 0049 B表示紅色 分量 值的比例系數值 B 0 1 且 R G B 1 0050 橫坐標點 集 合與縱坐標點 集 合構成像素圖像 0051 在本發(fā)明的一種優(yōu)選實施方式中 在步驟S2中 橫坐標點的總個數i的計算方法 為 0052 i im ge Iwidth 說 明 書 3 10 頁 7 CN 114549430 A 0053 其中 im ge 表示攝 像頭拍攝的圖像的分辨 率 0054 Iwidth表示拍攝圖像的寬度值 0055 i表示橫坐標點的總個數 0056 縱坐標點的總個數j的計算方法為 0057 j im ge Ihigh 0058 其中 image表示攝 像頭拍攝的圖像的分辨 率 0059 Ihigh表示拍攝圖像的高度值 0060 j表示縱坐標點的總個數 0061 在本發(fā)明的一種優(yōu)選實施方式中 還包括蟲害云端工作平臺向其滅蟲裝置發(fā)送滅 蟲裝置由始發(fā)點至消除蟲害位置的路徑 0062 綜上所述 由于采用了上述技術方案 本發(fā)明能夠對蔬菜上的蟲害進行識別 做出 對應的措施 保證高效工廠化蔬菜立體栽培的產量和質量 0063 本發(fā)明的附加方面和優(yōu)點將在下面的描述中部分給出 部分將從下面的描述中變 得明顯 或通過本發(fā)明的實 踐了解到 附圖說明 0064 本發(fā)明的上述和 或附加的方面和優(yōu)點從結合下面附圖對實施例的描述中將變得 明顯和容 易理解 其中 0065 圖1是本發(fā)明的流 程 示 意框圖 0066 圖2是本發(fā)明蟲害分類識別網絡示 意圖 0067 圖3是本發(fā)明上位機系統界面 示 意圖 0068 圖4是本發(fā)明蚜蟲 蟲害圖像示 意圖 0069 圖5是本發(fā)明粉虱蟲害圖像示 意圖 0070 圖6是本發(fā)明batc h為 4 mosic增強后的訓練圖像示 意圖 0071 圖7 是本發(fā)明模型訓練過程中損失率曲線示 意圖 0072 圖8是本發(fā)明測試集標注的label圖像示 意圖 0073 圖9是本發(fā)明模型推理后得到的實際結果 示 意圖 0074 圖10是本發(fā)明蟲害精確率 召回率曲線示 意圖 0075 圖1 1是本發(fā)明蚜蟲 蟲害識別示 意圖 0076 圖12是本發(fā)明粉虱蟲害識別示 意圖 0077 圖13是本發(fā)明模型部署和界面測試示 意圖 具體實施方式 0078 下面詳細描述本發(fā)明的實施例 所述實施例的示例在附圖中示出 其中自始至終 相同或類似的標號表 示相同或類似的元件或具有相同或類似功能的元件 下面通過參考附 圖描述的實施例是示例性的 僅用于解釋本發(fā)明 而不能理解 為對本發(fā)明的限制 0079 本發(fā)明提供了一種蟲害識別檢測系統 包括鋪設在蔬菜立體栽培工廠內 的導航磁 條和地標網格 以及行走在導航磁條和地標網格構成的行進路線 上的AGV巡檢車 還包括安 裝在AGV巡檢車 上的巡檢機器人 巡檢機器人將拍攝的蔬菜圖像發(fā)送至蟲害云端工作平臺 說 明 書 4 10 頁 8 CN 114549430 A 0080 在本發(fā)明的一種優(yōu)選實施方式中 還包括蟲害云端工作平臺判斷巡檢機器人拍攝 的蔬菜圖像是否存在蟲害以及蟲害種類 0081 若巡檢機器人拍攝的蔬菜圖像存在蟲害 蟲害云端工作平臺發(fā)送滅蟲控制命令至 滅蟲裝置 由滅蟲裝置對巡檢機器人拍攝的蔬菜噴灑針對蟲害的對應殺蟲劑進行蟲害消 除 或者由滅蟲裝置對巡檢機器人拍攝的蔬菜定點釋放蟲害對應的蟲害天敵昆蟲 實現對 蔬菜蟲害的無農藥防治 0082 若巡檢機器人拍攝的蔬菜圖像不存在蟲害 蟲害云端工作平臺不向滅蟲裝置發(fā)送 滅蟲控制命令 0083 在本發(fā)明的一種優(yōu)選實施方式中 AGV巡檢車包括用于可拆卸安裝巡檢機器人的 安裝固定平臺 在安裝固定平臺底部設置有用于識別導航磁條和 地標網格的行走裝置 在 安裝固定平臺內設置有用于固定安裝PCB印刷電路板的PCB印刷電路板固定安裝座 PCB印 刷電路板固定安裝在PCB印刷電路板固定安裝座上 在PCB印刷電路板上設置有AGV巡檢車 控制器和無線數據連接模塊 AGV巡檢車控制器與行走裝置的行走控制 端相連 AGV巡檢車 控制器的數據通訊端與無線數據連接模塊的通訊端相連 0084 AGV巡檢車通過無線數據連接模塊接收或 和發(fā)送蟲害云端工作平臺發(fā)送或 和接 收的通訊數據 AGV巡檢車根據接收的通訊數據向行走裝置發(fā)送控制 命令 使其AGV巡檢車 承載巡檢機器人至目標位置 0085 在本發(fā)明的一種優(yōu)選實施方式中 無線數據連接模塊包括WiFi數據連接模塊 2G 數據連接模塊 3G數據連接模塊 4G數據連接模塊 5G數據連接模塊之一或者任意組合 0086 無線數據連接模塊為WiFi數據連接模塊時 AGV巡檢車控制 器的數據通訊WiFi端 與W iFi數據連接模塊的通訊端相連 0087 無線數據連接模塊為2G數據連接模塊時 AGV巡檢車控制器的數據通訊2G端與2G 數據連接模塊的通訊端相連 0088 無線數據連接模塊為3G數據連接模塊時 AGV巡檢車控制器的數據通訊3G端與3G 數據連接模塊的通訊端相連 0089 無線數據連接模塊為4G數據連接模塊時 AGV巡檢車控制器的數據通訊4G端與4G 數據連接模塊的通訊端相連 0090 無線數據連接模塊為5G數據連接模塊時 AGV巡檢車控制器的數據通訊5G端與5G 數據連接模塊的通訊端相連 0091 在本發(fā)明的一種優(yōu)選實施方式中 巡檢機器人包括可拆卸安裝在AGV巡檢車上的 巡檢機器人本體 在巡檢機器人本體內設置有用于固定安裝PCB印制電路板的P CB印制電路 板固定安裝座 PCB印制電路板固定安裝在PCB印制電路板固定安裝座上 在P CB印制電路板 上設置有巡檢機器人控制器 在巡檢機器人手臂末端設置有用于拍攝蔬菜 蟲害圖像的攝像 頭 攝像頭的圖像數據端與巡檢機器人控制器的圖像數據端相連 巡檢機器人控制器的數 據交 互端與AGV巡檢車控制器的數據交 互端相連 0092 巡檢機器人控制器接收到AGV巡檢車控制器發(fā)送的拍攝蔬菜蟲害圖像控制命令 后 巡檢機器人控制器向巡檢機器人手臂發(fā)送運動控制命令 使其設置在巡檢機器人手臂 末端的攝像頭拍攝蔬菜圖像 將拍攝的蔬菜圖像通過AGV巡檢車上 的無線數據連接模傳輸 至蟲害云端工作平臺 說 明 書 5 10 頁 9 CN 114549430 A 0093 在本發(fā)明的一種優(yōu)選實施方式中 AGV巡檢車承載巡檢機器人至目標位置 的方法 包括以下步驟 0094 S1 AGV巡檢車控制器判斷在行 走 過程中是否 接收到地標信號 0095 若在行走過程中接收到地標信號 則此時AGV巡檢車處于導航磁條相交點 在相交 點處有K條導航磁條 所述 為大于或者等于3的正整 數 分別為第1導航磁條 第2 導航磁條 第3導航磁條 第K導航磁條 第 導航磁條為AGV巡檢車當前所 處導航磁條 第1導航磁 條 第2導 航磁條 第3導 航磁條 第K 1導 航磁條為待選擇的導 航磁條 執(zhí) 行 下一 步 0096 若在行 走 過程中未接收到地標信號 則AGV巡檢車繼續(xù)向前 行 走 返回步驟S1 0097 S2 以待選擇的導 航磁條向前 前進相同距離L后處于預計點 0098 在第1導 航磁條 上向前 前進距離L后 處于第1導 航磁條 上的第1預計點 0099 在第2導 航磁條 上向前 前進距離L后 處于第2導 航磁條 上的第2預計點 0100 在第3導 航磁條 上向前 前進距離L后 處于第3導 航磁條 上的第3預計點 0101 0102 在第K 1導 航磁條 上向前 前進距離L后 處于第K 1導 航磁條 上的第K 1預計點 0103 S3 計算第k預計點與目標位置兩點連線的距離 1 2 3 K 1 以兩點連線 距離最小的預計點所在導航磁條為前進的導航磁條 其第k預計點與目標位置兩點連線的 距離的計算方法為 0104 dk2 x0 xk 2 y0 yk 2 d 0 0105 其中 x0 y0 表示目標位置的位置坐標值 0106 xk yk 表示第k預計點的位置坐標值 0107 dk表示第k預計點與目標位置 兩點連線的距離 0108 本發(fā)明還公開了一種蟲害識別檢測方法 包括以下步驟 0109 S1 蟲害云端工作平臺對獲取的蔬菜圖像進行編號 分別為A 1 A 2 A 3 A B A b表 示第b蔬菜云端圖像 1 2 3 B 為攝像頭拍攝的圖像總張數 A 1表示第1蔬菜云端 圖像 A 2表示第2蔬菜云端圖像 A 3表示第3蔬菜云端圖像 A B表示第B蔬菜云端圖像 令a 1 0110 S2 判斷A a是否為RGB圖像 0111 若A a為RGB圖像 則將A a轉換為gray圖像 則執(zhí) 行 下一 步 0112 若A a為gray圖像 則執(zhí) 行 下一 步 0113 S3 將gray圖像A a gray導入訓練好的yo lo v5s模型中進行輸出 結果 0114 若輸出結果為蔬菜圖像中存在蟲害 則蟲害云端工作平臺向其滅蟲裝置發(fā)送蟲害 消除控制命令 由滅蟲裝置對巡檢機器人拍攝的蔬菜所在位置進行 蟲害消除 0115 若輸出 結果 為蔬菜圖像中不存在蟲害 則判斷下一張圖像 0116 在本發(fā)明的一種優(yōu)選實施方式 中 在步驟S2中 將A a轉換為gray圖像的方法為 0117 Aa gray A a x y R R Aa x y G G Aa x y B B 0118 其中 A gr y表示A a的gray圖像 0119 Aa x y R表示A a在像素坐標點 x y 處的紅色分量值 x x 1 x2 x3 xi x表示 像素坐標點中的橫坐標點 x 1 x2 x3 xi 表示橫坐標點 集 合 i表示橫坐標點的總個數 0120 Aa x y G表示A a在像素坐標點 x y 處的綠色分量值 y y 1 y2 y3 yj y表示 像素坐標點中的縱坐標點 y 1 y2 y3 yj 表示縱坐標點 集 合 j表示縱坐標點的總個數 說 明 書 6 10 頁 10 CN 114549430 A 0121 A x y B表示A a在像素坐標點 x y 處的藍色 分量 值 0122 R表示紅色 分量 值的比例系數值 R 0 1 0123 G表示紅色 分量 值的比例系數值 G 0 1 0124 B表示紅色 分量 值的比例系數值 B 0 1 且 R G B 1 0125 橫坐標點 集 合與縱坐標點 集 合構成像素圖像 0126 在本發(fā)明的一種優(yōu)選實施方式中 在步驟S2中 橫坐標點的總個數i的計算方法 為 0127 i image Iwidth 0128 其中 image表示攝 像頭拍攝的圖像的分辨 率 0129 Iwidth表示拍攝圖像的寬度值 0130 i表示橫坐標點的總個數 0131 縱坐標點的總個數j的計算方法為 0132 j image Ihigh 0133 其中 im ge 表示攝 像頭拍攝的圖像的分辨 率 0134 Ihigh表示拍攝圖像的高度值 0135 j表示縱坐標點的總個數 0136 在本發(fā)明的一種優(yōu)選實施方式中 還包括蟲害云端工作平臺向其滅蟲裝置發(fā)送滅 蟲裝置由始發(fā)點至消除蟲害位置的路徑 其由始發(fā)點至消除蟲害位置的路徑的方法與AGV 巡檢車承載巡檢機器人至目標位置的方法相同 0137 結合實際 考慮到蟲害實際大小 神經網絡需要具備對微小物體的準確識別和 分 類能力以及多尺度檢測的魯棒性 因此選用目前對小目標識別 具有較好能力的YOLO V5神 經網絡作為本檢測網絡的核心網絡 蟲害識別檢測輸入端是攝像頭采集到的實際圖像 因 此數據集的好壞對模型 的檢測結果尤為重要 首先需要采集蟲害圖片和 正常無蟲害圖片 建立數據集并標注蟲害類別 對輸入圖像進行增強和圖像處理后 使用Y OLO V5模 型對訓練 集進行預訓練和模型調參 獲得最優(yōu)的權重 在測試集精度滿足一定閾值后 轉入實際實驗 測試 優(yōu)化模型完成最終的識別效果 對訓練好的模型進行優(yōu)化部署 以達到實際使用需 求 0138 系統 組成和工作原理 0139 3 1系統 組成 0140 3 1 1蟲害識別模型 0141 使用YOLO V5模型作為核心網絡 完 成蟲害的檢測 與識別 輸入端為相機采集到的 實際圖形 輸出端為經 過網絡推理后得到的檢測結果 網絡結構圖如圖2所示 0142 3 1 2上位機界面 0143 上位機界面主要完成 攝像頭畫面實時顯示和蟲害識別分類信息顯示等 基于QT 搭建上位機開發(fā)環(huán)境 基于socket實現與機器人本體的TCP IP通訊 上位機界面如圖3所 示 說 明 書 7 10 頁 11 CN 114549430 A 0144 3 2算法原理 0145 蟲害識別檢測算法的核心是模型的訓練和推 理 通過高精度的相機進行蟲害的圖 像采集 對采集的圖像進行標注 建立完整的訓練集 網絡推理的輸入端 使用滑動窗口以 及自適應填充等方法 進行數據清洗 提高樣本質量 優(yōu)化輸入端 主干網絡主要包含 Focus FPN PAN特征提取網絡 Focus可以有效進行數據降維 而FPN PAN的組合則是實現多 尺度檢測的關鍵 通過淺層深層特征的融合 既保留了淺層的紋理信息 又得到的深層魯棒 性更強的特征信息 輸出端主要包含邊界回歸和非極大值抑制 使用DIOU nms 的方式可以 有效增強對 遮擋物體的識別率 0146 實驗 0147 4 1主 要設備 0148 工業(yè)相機 分辨率8 00MP 千兆網線 HMI界面 工控機 i7 RT X3060 win10操作系 統 巡檢機器人 0149 4 2實驗地 點 0150 重慶市九龍坡區(qū)重慶市農業(yè)科 學院內 0151 4 3實驗材 料 0152 帶有蟲害的農作和正常的農作物 0153 4 4實驗步驟 0154 1 數據集采集 0155 由于目前并沒有關于蟲害類別的深度學習公開數據集 因此首先需要采集蟲害圖 片 制作訓練集 使用工業(yè)相機采集蟲害圖像 相機像素800萬以上 在試驗場地不同菜株和 不同時段下進行采集 實驗數據集共采集圖像800張 其中蚜蟲450張 占比56 粉虱350 張 占比43 使用圖像數量擴充 方法對圖像數量進 行擴充擴充后總圖像數量1600張 其中 蚜蟲900張 占比56 粉虱700張 占比43 數據分布比例不變 如圖4和5所示 數據集圖 像確保每一張圖像中至少含有一只害蟲 采用8 1 1 即80 10 10 的分配比例隨機 分配圖片作為訓練集 測試集 驗證集 在本實施方式中 使用圖像數量擴充方法對圖像數 量進行擴充的方法包括以下步驟 0156 第一步 將A a 轉換為gray圖像 A a 表示待處理圖像 將A a 轉換為gray圖像的方法 為 0157 Aa gray A a x y R R A x y G G A x y B B 0158 其中 A a gr y表示A 的gray圖像 0159 A x y R表示A 在像素坐標點 x y 處的紅色分量值 x x 1 x2 x3 xi x表 示像素坐標點中的橫坐標點 x 1 x2 x3 xi 表示橫坐標點集合 i表示橫坐標點的總個 數 橫坐標點的總個數i的計算方法為 0160 i im ge Iwidth 0161 其中 image表示攝 像頭拍攝的圖像的分辨 率 0162 Iwidth表示拍攝圖像的寬度值 0163 i表示橫坐標點的總個數 0164 Aa x y G表示A a 在像素坐標點 x y 處的綠色分量值 y y1 y2 y3 yj y表 示像素坐標點中的縱坐標點 y 1 y2 y3 yj 表示縱坐標點集合 j表示縱坐標點的總個 說 明 書 8 10 頁 12 CN 114549430 A 數 縱坐標點的總個數j的計算方法為 0165 j image Ihigh 0166 其中 image表示攝 像頭拍攝的圖像的分辨 率 0167 Ihigh表示拍攝圖像的高度值 0168 j表示縱坐標點的總個數 0169 Aa x y B表示A a 在像素坐標點 x y 處的藍色 分量 值 0170 R表示紅色 分量 值的比例系數值 R 0 1 0171 G表示紅色 分量 值的比例系數值 G 0 1 0172 B表示紅色 分量 值的比例系數值 B 0 1 且 R G B 1 0173 橫坐標點 集 合與縱坐標點 集 合構成像素圖像 0174 第二 步 根據設定的像素調節(jié)因子 得到對比圖像 0175 Aa gr y A gray 0176 其中 A a gr y表示待處 理圖像A a 的gray圖像 灰度圖像 0177 表示設定的像素調節(jié)因子 0 58 1 1 1 3 5 表示并集 0178 第三 步 判斷I width 與I high 間大小 0179 若I width I high I high 表示待處理圖像的高度值 I width 表示待處理圖像的寬度 值 則以I width 為 邊長構建一個方 形圖層 0180 若I width 92 粉虱 90 滿足實際要求 如圖 11和12所示 0200 將最終的模型轉換為onnx部署到qt界面中 實際巡行效果如圖13 模型最終單幀 檢測時間為0 5s 具 備較高的實時性 0201 5 2結論 0202 通過實驗數據和參數分析 最終的模型可以有效的識別檢測出蚜蟲 粉虱蟲害 且 實時性較高 具備落地部署的條件 同時后 期通過不斷迭代測試集數量和模型再訓練 具備 模型的檢測準確率和精度進一 步 提升的空間 0203 盡管已經示出和描述了本發(fā)明的實施例 本領域的普通技術人員可以理解 在不 脫離本發(fā)明的原理和宗旨的情況下可以對這些實施例進 行多種變化 修改 替換和變型 本 發(fā)明的范圍由權利要求及其 等同物限定 說 明 書 10 10 頁 14 CN 114549430 A 圖1 圖2 說 明 書 附 圖 1 6 頁 15 CN 114549430 A 圖3 圖4 圖5 說 明 書 附 圖 2 6 頁 16 CN 114549430 A 圖6 圖7 說 明 書 附 圖 3 6 頁 17 CN 114549430 A 圖8 圖9 說 明 書 附 圖 4 6 頁 18 CN 114549430 A 圖10 圖1 1 說 明 書 附 圖 5 6 頁 19 CN 114549430 A 圖12 圖13 說 明 書 附 圖 6 6 頁 20 CN 114549430 A