1.本发明涉及园林养护技术领域，尤其涉及一种植物萎蔫状态处理方法、装置、系统及存储介质。
背景技术：2.园林养护是园林建设的重要环节，俗话说“三分种，七分养”，可见园林养护的重要性。园林养护是长期性的工作，往往比园林种植花费更多人力、物力和财力，提高园林养护效率可以大大降低园林养护成本。灌溉是园林养护最重要的部分，目前园林养护主要的灌溉方式主要包括人工浇灌和自动喷灌，二者均是根据工人的养护经验进行灌溉或设置灌溉参数。然而不同工人养护经验差别较大，抑或是自动喷灌系统设计的局限性，导致出现植物浇灌不足或过量的问题，不利于园林植物健康生长，同时造成资源浪费。物联网的崛起和机器视觉的发展促进园林养护走向精细化趋势，植物生长状态监测技术得到重视。
3.申请号为201210035509.0的文献公开了一种基于计算机视觉的作物灌溉系统。该系统通过作物图像的获取、颜色空间的转换、图像的分割、特征参数的获取等步骤，结合生长数据模型进行特征参数的计算，并通过遗传神经网络完成判决，根据判决结果控制单片机驱动电磁阀，完成作物灌溉。该系统可以及时获取作物需水信息，进行准确灌溉，提高了水资源的利用率。但是模型简单，精准度不高，操作过程繁琐，实际误差较大。申请号为202011291557.7的文献公开了一种基于温度和图像的作物胁迫预警系统及预警方法。该方法利用数据采集装置中的红外热像仪和openmv机器视觉模块分别采集作物表面温度数据和图像数据，再由嵌入式树莓派模块通过无限传输模块传递至用户端电脑进行处理，用户端电脑读取图像数据后获取作物颜色分量和长势参数，将颜色分量与温度数据融合，辅助建立预警模型。该方法能够对作物长势信息进行实时、连续、无损监测，为温室环境参数的调整和控制提供参考，有助于预防病虫害及作物水分胁迫。但图像采集过程不够方便快捷，比较耗时费力，整个过程步骤较繁琐，不够简洁，不利于标准化推广。申请号为202110971230.2的文献公开了一种基于植株萎蔫程度进行精准灌溉的系统及方法，该方法包括：图像采集模块，通过图像传感器进行植株的图像信息采集，所采集的信息包括：叶片信息及茎部信息；图像预处理模块，所述图像预处理模块用于完成图像的预处理，包括图像裁剪、增强、色彩空间转化处理；需水量预测模块，将所采集的图像信息输入至经训练的深度神经网络进行计算，预测出当前植株萎蔫程度状态下对应的预测需水量；灌溉控制模块，根据预测出的所述植株的预测需水量形成控制指令，以进行定时定量的供水。然而其图像主要分析植物叶片和茎的数据，对于部分植物表现不佳。
4.针对目前对植物萎蔫状态的识别存在精准度不高或过于繁琐导致实用性不强的问题，有必要开展对植物萎蔫状态处理技术的进一步研究。
技术实现要素：5.本发明实施例提供一种植物萎蔫状态处理方法、装置、系统及存储介质，以解决目
前对植物萎蔫状态的识别存在精准度不高或过于繁琐导致实用性不强的问题。
6.一方面，本发明提供了一种植物萎蔫状态处理方法，包括：
7.获取easydl平台中植物萎蔫图像样本库的初始图像，初始图像的类型包括植物正常生长状态的图像、植物萎蔫状态的图像、多个摄像头角度的植物图像、多个距离的植物图像、多个季节的植物图像以及多个生长阶段的植物图像；
8.根据初始图像，训练得到植物萎蔫识别模型；
9.校验并发布植物萎蔫识别模型；
10.基于植物萎蔫识别模型识别待养护植物的萎蔫状态，以使待养护植物得到相应灌溉。
11.进一步地，基于植物萎蔫识别模型识别待养护植物的萎蔫状态的步骤，包括：
12.控制图像采集装置按预置时间间隔采集待养护的植物图像，得到待识别图像；
13.基于植物萎蔫识别模型和实时的时间信息识别待识别图像，判断待养护植物的萎蔫状态；
14.当待养护植物处于萎蔫状态，控制灌溉装置对待养护植物进行相应灌溉。
15.进一步地，在基于植物萎蔫识别模型识别待养护植物的萎蔫状态的步骤之后，还包括：
16.将待识别图像上传至植物萎蔫图像样本库。
17.进一步地，根据初始图像，训练得到植物萎蔫识别模型的步骤，包括：
18.基于easydl平台建立植物萎蔫识别初始模型；
19.导入初始图像；
20.标注初始图像，标注状态至少包括“正常”或“萎蔫”；
21.对初始图像进行筛选、分割、增强，并采用深度神经网络技术进行分析处理，得到训练图像；
22.根据训练图像，基于通用算法或autodl transfer训练植物萎蔫识别初始模型，得到植物萎蔫识别模型。
23.进一步地，校验并发布植物萎蔫识别模型的步骤，包括：
24.基于模型评估报告校验植物萎蔫识别模型的准确率；
25.当植物萎蔫识别模型的准确率大于准确率阈值，发布植物萎蔫识别模型。
26.进一步地，基于模型评估报告校验植物萎蔫识别模型的准确性的步骤，包括：
27.通过扩充数据、调整标注等方法进行模型迭代提高植物萎蔫识别模型识别的准确率；或，通过置信度来反复校验模型，提高植物萎蔫识别模型识别的准确率。
28.为了解决目前对植物萎蔫状态的识别存在精准度不高或过于繁琐导致实用性不强的问题，本发明的目的在于提供一种植物萎蔫状态处理方法，包括：获取easydl平台中植物萎蔫图像样本库的初始图像，初始图像的类型包括植物正常生长状态的图像、植物萎蔫状态的图像、多个摄像头角度的植物图像、多个距离的植物图像、多个季节的植物图像以及多个生长阶段的植物图像；根据初始图像，训练得到植物萎蔫识别模型；校验并发布植物萎蔫识别模型；基于植物萎蔫识别模型识别待养护植物的萎蔫状态，以使待养护植物得到相应灌溉。
29.与现有技术相比，本发明具有如下优点：
30.通过基于easydl机器视觉的植物萎蔫状态识别方法自动识别植物的萎蔫状态并自动灌溉，增加了园林植物灌溉的准确性和实用性，提高了园林植物的存活率，同时减少水资源的浪费，解决了目前对植物萎蔫状态的识别存在精准度不高或过于繁琐导致实用性不强的问题。
31.另一方面，本发明提供了一种植物萎蔫状态处理装置，包括：
32.获取模块，用于获取easydl平台中植物萎蔫图像样本库的初始图像，初始图像的类型包括植物正常生长状态的图像、植物萎蔫状态的图像、多个摄像头角度的植物图像、多个距离的植物图像、多个季节的植物图像以及多个生长阶段的植物图像；
33.训练模块，用于根据初始图像，训练得到植物萎蔫识别模型；
34.校验模块，用于校验并发布植物萎蔫识别模型；
35.识别模块，用于基于植物萎蔫识别模型识别待养护植物的萎蔫状态，以使待养护植物得到相应灌溉。
36.再一方面，本发明提供了一种植物萎蔫状态处理系统，包括灌溉装置、图像采集装置和上述的植物萎蔫状态处理装置，灌溉装置受控于植物萎蔫状态处理装置灌溉待养护植物进行，图像采集装置受控于植物萎蔫状态处理装置采集待养护的植物图像。
37.进一步地，还包括网关，植物萎蔫状态处理装置经网关分别与灌溉装置、图像采集装置连接，网关包括有线网络连接网关、wifi网关、4g移动通信网关或5g移动通讯网关的至少之一。
38.又一方面，本发明提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序当被处理器执行时可实现如上述的方法。
附图说明
39.为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例的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发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
40.图1是本发明一个实施例的植物萎蔫状态处理方法的流程图。
41.图2是本发明另一个实施例的植物萎蔫状态处理装置的示意图。
42.图3是本发明再一个实施例的植物萎蔫状态处理系统的示意图。
具体实施方式
43.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。
44.请参见图1，本发明一个实施例的植物萎蔫状态处理方法，包括以下步骤：
45.步骤101，获取easydl平台中植物萎蔫图像样本库的初始图像，初始图像的类型包括植物正常生长状态的图像、植物萎蔫状态的图像、多个摄像头角度的植物图像、多个距离的植物图像、多个季节的植物图像以及多个生长阶段的植物图像。
46.在本发明实施例中，easydl平台中设置了植物萎蔫图像样本库，该样本库中包含各种植物正常生长状态和萎蔫状态的图像，包括不同角度、不同距离的图像。获取多个类型的初始图像，即植物正常生长状态的图像、植物萎蔫状态的图像、多个摄像头角度的植物图像、多个距离的植物图像、多个季节的植物图像以及多个生长阶段的植物图像，使得后续步骤中训练得到的植物萎蔫识别模型更加全面，提升识别的精确度。
47.步骤102，根据初始图像，训练得到植物萎蔫识别模型。
48.在本发明实施例中，可以由easydl平台建立植物萎蔫识别初始模型，再根据上述步骤获得同一植物的多种类型的初始图像，训练得到植物萎蔫识别模型。已知地，easydl是基于飞桨开源深度学习平台，面向企业al应用开发者提供零门槛al开发平台，实现零算法基础定制高精度al模型，easydl提供一站式的智能标注、模型训练、服务部署等全流程功能，内置丰富的预训练模型，支持公有云、设备端、私有服务器、软硬一体方案等灵活的部署方式。
49.步骤103，校验并发布植物萎蔫识别模型。
50.在本步骤中，在发布以前，还需要校验该植物萎蔫识别模型，以提升其识别的准确率。
51.步骤104，基于植物萎蔫识别模型识别待养护植物的萎蔫状态，以使待养护植物得到相应灌溉。
52.为了解决目前对植物萎蔫状态的识别存在精准度不高或过于繁琐导致实用性不强的问题，本发明实施例通过基于easydl机器视觉的植物萎蔫状态识别方法自动识别植物的萎蔫状态并自动灌溉，增加了园林植物灌溉的准确性和实用性，提高了园林植物的存活率，同时减少水资源的浪费，解决了目前对植物萎蔫状态的识别存在精准度不高或过于繁琐导致实用性不强的问题。
53.在本发明实施例中，基于easydl机器视觉技术通过植物图像对植物萎蔫状态进行识别后，还可通过网关驱动灌溉，降低因缺水导致的植物死亡数量，提高了植物养护的精细度，节约水资源，全程完全无需养护人员参与，减少人力成本，尤其适用于高空立体绿化项目养护。
54.作为本发明实施例的另一种实施方式，基于以上植物萎蔫状态处理方法的进一步改进，包括以下步骤：
55.步骤101’，获取easydl平台中植物萎蔫图像样本库的初始图像，初始图像的类型包括植物正常生长状态的图像、植物萎蔫状态的图像、多个摄像头角度的植物图像、多个距离的植物图像、多个季节的植物图像以及多个生长阶段的植物图像。
56.步骤102’，根据初始图像，训练得到植物萎蔫识别模型。
57.具体地，步骤102’可以包括：
58.基于easydl平台建立植物萎蔫识别初始模型。在本步骤中，由easydl平台建立植物萎蔫识别初始模型。
59.导入初始图像。即导入植物正常生长状态和萎蔫状态的图像的多种图像至初始模型。
60.标注初始图像，标注状态至少包括“正常”或“萎蔫”。对初始图像进行标注，标注状态为“正常”或“萎蔫”等。
61.对初始图像进行筛选、分割、增强，并采用深度神经网络技术进行分析处理，得到训练图像。
62.根据训练图像，基于通用算法或autodl transfer训练植物萎蔫识别初始模型，得到植物萎蔫识别模型。easydl训练图像分类模型时，支持选择autodl transfer。autodl transfer模型是百度研发的autodl技术之一，结合了模型网络结构搜索、迁移学习技术、并针对用户数据进行自动优化。与通用算法相比，训练时间较长，但更适用于细分类场景。例如，通用算法可用于区分猫和狗，但如果要区分不同品种的猫，则autodl效果会更好。
63.步骤103’，基于模型评估报告校验植物萎蔫识别模型的准确率。
64.在本发明实施例中，基于模型评估报告校验植物萎蔫识别模型，以提升植物萎蔫识别模型的准确率。
65.具体地，步骤103’还可以包括：通过扩充数据、调整标注等方法进行模型迭代提高植物萎蔫识别模型识别的准确率；或，通过置信度来反复校验模型，提高植物萎蔫识别模型识别的准确率。
66.步骤104’，当植物萎蔫识别模型的准确率大于准确率阈值，发布植物萎蔫识别模型。
67.在本步骤中，经反复校验提升植物萎蔫识别模型识别的准确率，当植物萎蔫识别模型的准确率大于准确率阈值，完成训练。其中，准确率阈值可以是一预先设定的值，也可以是根据训练情况得到的值。
68.步骤105’，控制图像采集装置按预置时间间隔采集待养护的植物图像，得到待识别图像。
69.在本发明实施例中，植物图像采集系统可根据需求自定义时间间隔定时控制图像采集装置采集植物图像。
70.步骤106’，基于植物萎蔫识别模型和实时的时间信息识别待识别图像，判断待养护植物的萎蔫状态。
71.步骤107’，当待养护植物处于萎蔫状态，控制灌溉装置对待养护植物进行相应灌溉。
72.步骤108’，将待识别图像上传至植物萎蔫图像样本库。
73.在本发明实施例中，还可以将待识别图像上传至植物萎蔫图像样本库，以丰富初始图像，获得准确率更高的植物萎蔫识别模型。
74.请参见图2，本发明另一个实施例的一种植物萎蔫状态处理装置，可用于实现上述方法实施例的相应步骤，包括：
75.获取模块，用于获取easydl平台中植物萎蔫图像样本库的初始图像，初始图像的类型包括植物正常生长状态的图像、植物萎蔫状态的图像、多个摄像头角度的植物图像、多个距离的植物图像、多个季节的植物图像以及多个生长阶段的植物图像；
76.训练模块，用于根据初始图像，训练得到植物萎蔫识别模型；
77.校验模块，用于校验并发布植物萎蔫识别模型；
78.识别模块，用于基于植物萎蔫识别模型识别待养护植物的萎蔫状态，以使待养护植物得到相应灌溉。
79.再一方面，请参见图3，本发明提供了一种植物萎蔫状态处理系统，包括灌溉装置、
图像采集装置和上述的植物萎蔫状态处理装置，灌溉装置受控于植物萎蔫状态处理装置灌溉待养护植物进行，图像采集装置受控于植物萎蔫状态处理装置采集待养护的植物图像。
80.进一步地，还包括网关，植物萎蔫状态处理装置经网关分别与灌溉装置、图像采集装置连接，网关包括有线网络连接网关、wifi网关、4g移动通信网关或5g移动通讯网关的至少之一。
81.网关用于传递系统中各装置的信息，包括将传递图像信息至植物萎蔫状态处理装置、根据植物萎蔫状态处理装置的判定结果传递指令至灌溉装置。其中，灌溉装置可以执行植物萎蔫状态处理装置的判断结果，例如当若判断结果为“萎蔫”，则通过控制一电磁阀进行灌溉。
82.本发明实施例的植物萎蔫状态处理系统基于easydl机器视觉技术通过植物图像对植物萎蔫状态进行识别，并通过网关驱动灌溉，降低因缺水导致的植物死亡数量，提高了植物养护的精细度，节约水资源，全程完全无需养护人员参与，减少人力成本，尤其适用于高空立体绿化项目养护。
83.又一方面，本发明提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序当被处理器执行时可实现如上述的方法。
84.本领域普通技术人员可以意识到，结合本发明实施例中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
85.所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
86.以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。
技术特征：1.一种植物萎蔫状态处理方法，其特征在于，包括：获取easydl平台中植物萎蔫图像样本库的初始图像，所述初始图像的类型包括植物正常生长状态的图像、植物萎蔫状态的图像、多个摄像头角度的植物图像、多个距离的植物图像、多个季节的植物图像以及多个生长阶段的植物图像；根据所述初始图像，训练得到植物萎蔫识别模型；校验并发布所述植物萎蔫识别模型；基于所述植物萎蔫识别模型识别待养护植物的萎蔫状态，以使所述待养护植物得到相应灌溉。2.根据权利要求1所述的植物萎蔫状态处理方法，其特征在于，所述基于所述植物萎蔫识别模型识别待养护植物的萎蔫状态的步骤，包括：控制图像采集装置按预置时间间隔采集所述待养护的植物图像，得到待识别图像；基于所述植物萎蔫识别模型和实时的时间信息识别所述待识别图像，判断所述待养护植物的萎蔫状态；当所述待养护植物处于萎蔫状态，控制灌溉装置对所述待养护植物进行相应灌溉。3.根据权利要求2所述的植物萎蔫状态处理方法，其特征在于，在所述基于所述植物萎蔫识别模型识别待养护植物的萎蔫状态的步骤之后，还包括：将所述待识别图像上传至所述植物萎蔫图像样本库。4.根据权利要求1所述的植物萎蔫状态处理方法，其特征在于，所述根据所述初始图像，训练得到植物萎蔫识别模型的步骤，包括：基于easydl平台建立植物萎蔫识别初始模型；导入所述初始图像；标注所述初始图像，标注状态至少包括“正常”或“萎蔫”；对所述初始图像进行筛选、分割、增强，并采用深度神经网络技术进行分析处理，得到训练图像；根据所述训练图像，基于通用算法或autodl transfer训练所述植物萎蔫识别初始模型，得到所述植物萎蔫识别模型。5.根据权利要求4所述的植物萎蔫状态处理方法，其特征在于，所述校验并发布所述植物萎蔫识别模型的步骤，包括：基于模型评估报告校验所述植物萎蔫识别模型的准确率；当所述植物萎蔫识别模型的准确率大于准确率阈值，发布所述植物萎蔫识别模型。6.根据权利要求5所述的植物萎蔫状态处理方法，其特征在于，所述基于模型评估报告校验所述植物萎蔫识别模型的准确性的步骤，包括：通过扩充数据、调整标注等方法进行模型迭代提高所述植物萎蔫识别模型识别的准确率；或，通过置信度来反复校验模型，提高所述植物萎蔫识别模型识别的准确率。7.一种植物萎蔫状态处理装置，其特征在于，包括：获取模块，用于获取easydl平台中植物萎蔫图像样本库的初始图像，所述初始图像的类型包括植物正常生长状态的图像、植物萎蔫状态的图像、多个摄像头角度的植物图像、多个距离的植物图像、多个季节的植物图像以及多个生长阶段的植物图像；训练模块，用于根据所述初始图像，训练得到植物萎蔫识别模型；
校验模块，用于校验并发布所述植物萎蔫识别模型；识别模块，用于基于所述植物萎蔫识别模型识别待养护植物的萎蔫状态，以使所述待养护植物得到相应灌溉。8.一种植物萎蔫状态处理系统，其特征在于，包括灌溉装置、图像采集装置和根据权利要求7所述的植物萎蔫状态处理装置，所述灌溉装置受控于所述植物萎蔫状态处理装置灌溉所述待养护植物进行，所述图像采集装置受控于所述植物萎蔫状态处理装置采集所述待养护的植物图像。9.根据权利要求8所述的植物萎蔫状态处理系统，其特征在于，还包括网关，所述植物萎蔫状态处理装置经所述网关分别与所述灌溉装置、所述图像采集装置连接，所述网关包括有线网络连接网关、wifi网关、4g移动通信网关或5g移动通讯网关的至少之一。10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序当被处理器执行时可实现如权利要求1至6任一项所述的方法。
技术总结本发明实施例公开了一种植物萎蔫状态处理方法、装置、系统及存储介质，该方法包括：获取EasyDL平台中植物萎蔫图像样本库的初始图像，初始图像的类型包括植物正常生长状态的图像和植物萎蔫状态的图像等；根据初始图像，训练得到植物萎蔫识别模型；校验并发布植物萎蔫识别模型；基于植物萎蔫识别模型识别待养护植物的萎蔫状态，以使待养护植物得到相应灌溉。本发明通过基于EasyDL机器视觉的植物萎蔫状态识别方法自动识别植物的萎蔫状态并自动灌溉，增加了园林植物灌溉的准确性和实用性，提高了园林植物的存活率，同时减少水资源的浪费，解决了目前对植物萎蔫状态的识别存在精准度不高或过于繁琐导致实用性不强的问题。度不高或过于繁琐导致实用性不强的问题。度不高或过于繁琐导致实用性不强的问题。
技术研发人员：熊俊 徐斌 黄金生 余江勇
受保护的技术使用者：广东东篱环境股份有限公司
技术研发日：2022.07.22
技术公布日：2022/11/1
