本發(fā)明涉及農(nóng)業(yè)，尤其涉及一種自動(dòng)識(shí)別雜草作物的方法及系統(tǒng)。

背景技術(shù)：

1、在當(dāng)今農(nóng)業(yè)生產(chǎn)中，除草是確保作物健康生長(zhǎng)的重要環(huán)節(jié)。傳統(tǒng)的除草方法主要依賴人工除草和化學(xué)除草劑。人工除草雖然精確，但勞動(dòng)強(qiáng)度大，效率低，難以滿足大規(guī)模農(nóng)業(yè)生產(chǎn)的需求?；瘜W(xué)除草劑能夠快速處理大面積的雜草，但長(zhǎng)期使用可能導(dǎo)致土壤和水源污染，對(duì)非目標(biāo)植物產(chǎn)生負(fù)面影響，同時(shí)雜草對(duì)除草劑的抗性也在逐漸增強(qiáng)。

2、近年來(lái)，隨著科技的發(fā)展，自動(dòng)化、智能化技術(shù)被引入到農(nóng)業(yè)生產(chǎn)中，旨在提高農(nóng)業(yè)生產(chǎn)的效率和可持續(xù)性。在這一背景下，激光除草技術(shù)應(yīng)運(yùn)而生，提供了一種新的除草方案。激光除草技術(shù)通過(guò)使用高能激光精確地瞄準(zhǔn)并消滅雜草，避免了化學(xué)除草劑的使用，減少了對(duì)環(huán)境的影響。此技術(shù)的優(yōu)勢(shì)在于其精確性高、反應(yīng)速度快、并能夠減少人工勞動(dòng)的需求。

3、然而，盡管激光除草技術(shù)具有明顯的優(yōu)勢(shì)，但其在實(shí)際應(yīng)用中仍面臨一些挑戰(zhàn)和限制。其中之一是如何精確識(shí)別雜草和作物，以確保只消滅雜草而不傷害到周圍的作物。傳統(tǒng)的識(shí)別方法依賴于圖像處理技術(shù)，通過(guò)分析植物的形狀、顏色等特征來(lái)區(qū)分雜草和作物。然而，這種方法在復(fù)雜的田間環(huán)境中往往難以達(dá)到滿意的識(shí)別準(zhǔn)確率，特別是在作物和雜草密集生長(zhǎng)、相互遮擋的情況下。

技術(shù)實(shí)現(xiàn)思路

1、有鑒于此，本發(fā)明實(shí)施例提供一種自動(dòng)識(shí)別雜草作物的方法及系統(tǒng)，便于在復(fù)雜環(huán)境中準(zhǔn)確識(shí)別雜草。

2、第一方面，本發(fā)明實(shí)施例提供的自動(dòng)識(shí)別雜草作物的方法，包括：實(shí)時(shí)采集植物的生化信號(hào)；其中，所述植物包括田間作物和雜草，所述生化信號(hào)包括揮發(fā)性有機(jī)化合物、植物荷爾蒙及生物標(biāo)記物；利用納米技術(shù)對(duì)采集到的所述生化信號(hào)進(jìn)行增強(qiáng)處理；訓(xùn)練深度學(xué)習(xí)模型，基于所述深度學(xué)習(xí)模型分析增強(qiáng)處理后的所述生化信號(hào)，以識(shí)別所述雜草。

3、可選的，所述利用納米技術(shù)對(duì)采集到的所述生化信號(hào)進(jìn)行增強(qiáng)處理，包括：

4、利用納米材料對(duì)所述生化信號(hào)進(jìn)行放大處理，以增強(qiáng)對(duì)所述生化信號(hào)的檢測(cè)能力。

5、可選的，所述利用納米材料對(duì)所述生化信號(hào)進(jìn)行放大處理，以增強(qiáng)對(duì)所述生化信號(hào)的檢測(cè)能力，包括：控制預(yù)設(shè)種類的納米材料或預(yù)設(shè)尺寸和預(yù)設(shè)形狀的納米材料與特定生化分子相結(jié)合，并對(duì)所述生化信號(hào)進(jìn)行非線性放大處理，以增強(qiáng)對(duì)所述生化信號(hào)的檢測(cè)能力。

6、可選的，所述訓(xùn)練深度學(xué)習(xí)模型，包括：收集并標(biāo)注預(yù)設(shè)量已知的所述植物的圖像和生化信號(hào)數(shù)據(jù)，作為訓(xùn)練集和驗(yàn)證集；基于所述數(shù)據(jù)選擇或自動(dòng)提取用于區(qū)分所述雜草和所述田間作物的特征；基于所述數(shù)據(jù)和所述特征構(gòu)建深度學(xué)習(xí)模型；基于所述數(shù)據(jù)訓(xùn)練所述深度學(xué)習(xí)模型，通過(guò)反向傳播算法不斷調(diào)整特征權(quán)重和偏差，以最小化預(yù)測(cè)誤差，提高所述植物被正確識(shí)別的概率；使用驗(yàn)證集評(píng)估所述深度學(xué)習(xí)模型；其中，所述植物被正確識(shí)別的概率根據(jù)如下公式計(jì)算：pi=?1?/?(1?+?exp(-∑(ωj×?xij+?b)))；式中，pi表示第i種植物被正確識(shí)別的概率；ωj代表模型中第j個(gè)特征的權(quán)重；xij是第i種植物第j個(gè)特征的值；b是偏差項(xiàng)；exp是指數(shù)函數(shù)。

7、可選的，在訓(xùn)練深度學(xué)習(xí)模型，基于所述深度學(xué)習(xí)模型分析增強(qiáng)處理后的所述生化信號(hào)，以識(shí)別所述雜草之后，所述方法還包括：精確定位雜草；使用預(yù)設(shè)波長(zhǎng)的激光除去所述雜草。

8、可選的，所述使用預(yù)設(shè)波長(zhǎng)的激光除去所述雜草，包括：使用預(yù)設(shè)波長(zhǎng)的激光匹配特定濃度的納米粒子，轉(zhuǎn)換激光能量為熱能以除去所述雜草；其中，所述激光作用于雜草的能量根據(jù)如下公式計(jì)算：e?=?1/2×?m?×?v2=?1/2×?m?×?(λ/?(2π×?nc))2；式中，e表示激光除草作用于目標(biāo)雜草時(shí)的能量；m表示激光作用質(zhì)量，視為激光能量轉(zhuǎn)化為熱能的等效質(zhì)量；v表示激光作用產(chǎn)生的熱能速度；λ表示激光波長(zhǎng)；nc表示納米粒子的濃度。

9、可選的，所述方法還包括：評(píng)估識(shí)別和除去所述雜草的結(jié)果；基于所述結(jié)果自動(dòng)調(diào)整所述深度學(xué)習(xí)模型中的特征權(quán)重，以優(yōu)化所述深度學(xué)習(xí)模型。

10、可選的，所述方法還包括：評(píng)估除去所述雜草的操作對(duì)田間環(huán)境的影響。

11、可選的，所述評(píng)估除去所述雜草的操作對(duì)田間環(huán)境的影響，包括：監(jiān)測(cè)土壤條件和植物健康狀況；其中，所述土壤條件包括土壤的化學(xué)成分和水分含量，所述植物健康狀況包括植物的生長(zhǎng)速度和葉綠素含量；分析所述土壤條件和植物健康狀況，以評(píng)估生態(tài)系統(tǒng)的健康狀況。

12、第二方面，本發(fā)明實(shí)施例提供的自動(dòng)識(shí)別雜草作物的系統(tǒng)，包括：采集模塊、信號(hào)增強(qiáng)模塊及雜草識(shí)別模塊；所述采集模塊用于實(shí)時(shí)采集植物的生化信號(hào)；其中，所述植物包括田間作物和雜草，所述生化信號(hào)包括揮發(fā)性有機(jī)化合物、植物荷爾蒙及特定生物標(biāo)記物；所述信號(hào)增強(qiáng)模塊用于利用納米技術(shù)對(duì)采集到的所述生化信號(hào)進(jìn)行增強(qiáng)處理；所述雜草識(shí)別模塊用于訓(xùn)練深度學(xué)習(xí)模型，基于所述深度學(xué)習(xí)模型分析增強(qiáng)處理后的所述生化信號(hào)，以識(shí)別所述雜草。

13、本發(fā)明實(shí)施例提供的自動(dòng)識(shí)別雜草作物的方法及系統(tǒng)，能夠?qū)崟r(shí)采集植物的生化信號(hào)；其中，所述植物包括田間作物和雜草，所述生化信號(hào)包括揮發(fā)性有機(jī)化合物、植物荷爾蒙及生物標(biāo)記物；利用納米技術(shù)對(duì)采集到的所述生化信號(hào)進(jìn)行增強(qiáng)處理；訓(xùn)練深度學(xué)習(xí)模型，基于所述深度學(xué)習(xí)模型分析增強(qiáng)處理后的所述生化信號(hào)，以識(shí)別所述雜草。這樣，便于在復(fù)雜環(huán)境中準(zhǔn)確識(shí)別雜草。

技術(shù)特征：

1.一種自動(dòng)識(shí)別雜草作物的方法，其特征在于，所述方法包括：

2.根據(jù)權(quán)利要求1所述的自動(dòng)識(shí)別雜草作物的方法，其特征在于，所述利用納米技術(shù)對(duì)采集到的所述生化信號(hào)進(jìn)行增強(qiáng)處理，包括：

3.根據(jù)權(quán)利要求2所述的自動(dòng)識(shí)別雜草作物的方法，其特征在于，所述利用納米材料對(duì)所述生化信號(hào)進(jìn)行放大處理，以增強(qiáng)對(duì)所述生化信號(hào)的檢測(cè)能力，包括：

4.根據(jù)權(quán)利要求1所述的自動(dòng)識(shí)別雜草作物的方法，其特征在于，所述訓(xùn)練深度學(xué)習(xí)模型，包括：

5.根據(jù)權(quán)利要求1所述的自動(dòng)識(shí)別雜草作物的方法，其特征在于，在訓(xùn)練深度學(xué)習(xí)模型，基于所述深度學(xué)習(xí)模型分析增強(qiáng)處理后的所述生化信號(hào)，以識(shí)別所述雜草之后，所述方法還包括：

6.根據(jù)權(quán)利要求5所述的自動(dòng)識(shí)別雜草作物的方法，其特征在于，所述使用預(yù)設(shè)波長(zhǎng)的激光除去所述雜草，包括：

7.根據(jù)權(quán)利要求6所述的自動(dòng)識(shí)別雜草作物的方法，其特征在于，所述方法還包括：

8.根據(jù)權(quán)利要求6所述的自動(dòng)識(shí)別雜草作物的方法，其特征在于，所述方法還包括：

9.根據(jù)權(quán)利要求8所述的自動(dòng)識(shí)別雜草作物的方法，其特征在于，所述評(píng)估除去所述雜草的操作對(duì)田間環(huán)境的影響，包括：

10.一種自動(dòng)識(shí)別雜草作物的系統(tǒng)，其特征在于，所述系統(tǒng)包括：采集模塊、信號(hào)增強(qiáng)模塊及雜草識(shí)別模塊；

技術(shù)總結(jié)
本發(fā)明實(shí)施例公開(kāi)一種自動(dòng)識(shí)別雜草作物的方法及系統(tǒng)，涉及農(nóng)業(yè)技術(shù)領(lǐng)域。為在復(fù)雜環(huán)境中準(zhǔn)確識(shí)別雜草而發(fā)明。所述方法包括：實(shí)時(shí)采集植物的生化信號(hào)；其中，所述植物包括田間作物和雜草，所述生化信號(hào)包括揮發(fā)性有機(jī)化合物、植物荷爾蒙及生物標(biāo)記物；利用納米技術(shù)對(duì)采集到的所述生化信號(hào)進(jìn)行增強(qiáng)處理；訓(xùn)練深度學(xué)習(xí)模型，基于所述深度學(xué)習(xí)模型分析增強(qiáng)處理后的所述生化信號(hào)，以識(shí)別所述雜草。本發(fā)明適用于除草場(chǎng)景中。

技術(shù)研發(fā)人員：楊云飛,孫穎聰
受保護(hù)的技術(shù)使用者：內(nèi)蒙古八爪智能科技有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/9/9