廊道封閉采收自動識別方法及系統(tǒng) 技術(shù)領(lǐng)域 [0001] 本發(fā)明涉及采收技術(shù)，尤其涉及一種廊道封閉采收自動識別方法及系統(tǒng)。 背景技術(shù) [0002] 隨著人工智能和自動化技術(shù)的快速發(fā)展，在農(nóng)業(yè)生產(chǎn)中應(yīng)用自動化系統(tǒng)和智能控制技術(shù)以提高生產(chǎn)效率和產(chǎn)品質(zhì)量已成為一種趨勢。目前，在溫室大棚和人工氣候室等設(shè)施農(nóng)業(yè)環(huán)境中，采用人工方式對植物進(jìn)行采收存在效率低下、勞動強(qiáng)度大等缺陷。同時(shí)，由于環(huán)境參數(shù)的變化和植物生長狀態(tài)的不確定性，很難通過固定的采收方式達(dá)到最優(yōu)效果。 因此，亟需一種能夠自動識別植物生長狀態(tài)并根據(jù)實(shí)際情況調(diào)整采收策略的智能化采收系統(tǒng)。 [0003] 現(xiàn)有技術(shù)中，一些采收系統(tǒng)只能基于簡單的時(shí)間閾值或生長周期進(jìn)行采收調(diào)度，缺乏對實(shí)際植物生長狀態(tài)的準(zhǔn)確識別和評估。另一些系統(tǒng)雖然嘗試?yán)糜?jì)算機(jī)視覺等技術(shù)識別植物狀態(tài)，但識別精度和魯棒性有待提高。此外，現(xiàn)有系統(tǒng)通常無法根據(jù)采收結(jié)果自動調(diào)整環(huán)境參數(shù)以優(yōu)化植物生長狀況，導(dǎo)致采收商品率和庫存量無法有效控制。 [0004] 因此，本發(fā)明提出一種基于環(huán)境參數(shù)、植物生長狀態(tài)和成熟度的智能化廊道封閉采收自動識別方法。該方法綜合利用環(huán)境監(jiān)測、計(jì)算機(jī)視覺和人工智能等多種技術(shù)，能夠精準(zhǔn)識別植物的生長狀態(tài)和成熟度，據(jù)此判斷采收時(shí)機(jī)并執(zhí)行采收操作。同時(shí)，根據(jù)采收結(jié)果自動評估商品率和庫存量，若不滿足預(yù)設(shè)條件則調(diào)整環(huán)境參數(shù)，形成閉環(huán)控制，以優(yōu)化植物生長狀況和采收效果。 發(fā)明內(nèi)容 [0005] 本發(fā)明實(shí)施例提供一種廊道封閉采收自動識別方法及系統(tǒng)，能夠解決現(xiàn)有技術(shù)中的問題。 [0006] 本發(fā)明實(shí)施例的第一方面， [0007] 提供一種廊道封閉采收自動識別方法，包括： [0008] 獲取廊道封閉區(qū)域內(nèi)的環(huán)境參數(shù)，所述環(huán)境參數(shù)包括溫度、濕度和二氧化碳濃度，根據(jù)預(yù)設(shè)的植物生長模型，結(jié)合所述環(huán)境參數(shù)，計(jì)算廊道內(nèi)植物的生長狀況，得到植物生長數(shù)據(jù)；同時(shí)實(shí)時(shí)獲取廊道內(nèi)植物的圖像并進(jìn)行分割處理，得到植物區(qū)域圖像，提取植物區(qū)域圖像的顏色、紋理和形狀特征，輸入至預(yù)先訓(xùn)練的狀態(tài)識別模型中，識別植物的成熟度，得到植物成熟度數(shù)據(jù)； [0009] 根據(jù)植物生長數(shù)據(jù)和植物成熟度數(shù)據(jù)，判斷廊道內(nèi)植物是否達(dá)到采收條件，若植物達(dá)到采收條件，則控制采收執(zhí)行機(jī)構(gòu)對廊道內(nèi)的植物進(jìn)行采收操作，并獲取采收量數(shù)據(jù)，基于采收量數(shù)據(jù)，計(jì)算商品率和庫存量； [0010] 分別將計(jì)算得到的商品率和庫存量與預(yù)設(shè)商品率閾值和庫存量閾值進(jìn)行比較，若商品率低于預(yù)設(shè)商品率閾值或庫存量高于預(yù)設(shè)庫存量閾值，則調(diào)整廊道封閉區(qū)域內(nèi)的環(huán)境參數(shù)，控制廊道封閉區(qū)域內(nèi)的環(huán)境參數(shù)以優(yōu)化植物生長狀況；根據(jù)調(diào)整后的環(huán)境參數(shù)，重復(fù)執(zhí)行計(jì)算商品率和庫存量的步驟，直至商品率達(dá)到預(yù)設(shè)商品率閾值且?guī)齑媪康陀陬A(yù)設(shè)庫存量閾值，完成廊道封閉采收自動識別。 [0011] 在一種可選的實(shí)施例中， [0012] 實(shí)時(shí)獲取廊道內(nèi)植物的圖像并進(jìn)行分割處理，得到植物區(qū)域圖像，提取植物區(qū)域圖像的顏色、紋理和形狀特征，輸入至預(yù)先訓(xùn)練的狀態(tài)識別模型中，識別植物的成熟度，得到植物成熟度數(shù)據(jù)包括： [0013] 對廊道內(nèi)植物進(jìn)行多視角圖像采集，獲得多個(gè)視角的植物圖像并進(jìn)行分割和預(yù)處理，得到預(yù)處理后的多視角植物圖像； [0014] 從預(yù)處理后的多視角植物圖像中提取特征點(diǎn)，通過調(diào)整提取算法的參數(shù)控制提取的特征點(diǎn)數(shù)量，根據(jù)提取的特征點(diǎn)，得到不同視角圖像之間的對應(yīng)特征點(diǎn)對； [0015] 利用對應(yīng)特征點(diǎn)對，通過三維重建算法恢復(fù)植物的三維結(jié)構(gòu)，獲得多個(gè)植物三維模型，并從各個(gè)植物三維模型中提取對應(yīng)的表型參數(shù)，表型參數(shù)包括植株高度、冠層體積、葉面積、莖粗和果實(shí)數(shù)量； [0016] 根據(jù)各個(gè)植物三維模型和對應(yīng)的表型參數(shù)，構(gòu)建植物生長的時(shí)序數(shù)據(jù)，對植物生長的時(shí)序數(shù)據(jù)進(jìn)行分析，擬合植物生長曲線，建立植物成熟度模型，并采用機(jī)器學(xué)習(xí)算法，基于植物三維模型的表型參數(shù)和植物成熟度模型，通過特征選擇確定與植物成熟度相關(guān)的最優(yōu)特征子集，構(gòu)建狀態(tài)識別模型，并使用訓(xùn)練數(shù)據(jù)對狀態(tài)識別模型進(jìn)行訓(xùn)練； [0017] 對于新獲取的植物三維模型，提取其表型參數(shù)，將提取的表型參數(shù)輸入到訓(xùn)練好的狀態(tài)識別模型中，識別植物的成熟度，得到植物成熟度數(shù)據(jù)。 [0018] 在一種可選的實(shí)施例中， [0019] 對于新獲取的植物三維模型，提取其表型參數(shù)，將提取的表型參數(shù)輸入到訓(xùn)練好的狀態(tài)識別模型中，識別植物的成熟度，得到植物成熟度數(shù)據(jù)之前的步驟還包括： [0020] 將植物三維模型的表型參數(shù)進(jìn)行歸一化處理，并通過最遠(yuǎn)點(diǎn)采樣算法對歸一化處理后的表型參數(shù)進(jìn)行重采樣，得到重采樣后的參數(shù)矩陣； [0021] 將重采樣后的參數(shù)矩陣輸入至狀態(tài)識別模型中，所述狀態(tài)識別模型通過多個(gè)卷積層提取不同尺度和抽象層次的特征圖，并通過池化層對特征進(jìn)行下采樣，最后經(jīng)過全連接層進(jìn)行特征融合，生成最終的特征表示；

1.一種廊道封閉采收自動識別方法，其特征在于，包括： 獲取廊道封閉區(qū)域內(nèi)的環(huán)境參數(shù)，所述環(huán)境參數(shù)包括溫度、濕度和二氧化碳濃度，根據(jù)預(yù)設(shè)的植物生長模型，結(jié)合所述環(huán)境參數(shù)，計(jì)算廊道內(nèi)植物的生長狀況，得到植物生長數(shù)據(jù)；同時(shí)實(shí)時(shí)獲取廊道內(nèi)植物的圖像并進(jìn)行分割處理，得到植物區(qū)域圖像，提取植物區(qū)域圖像的顏色、紋理和形狀特征，輸入至預(yù)先訓(xùn)練的狀態(tài)識別模型中，識別植物的成熟度，得到植物成熟度數(shù)據(jù)； 根據(jù)植物生長數(shù)據(jù)和植物成熟度數(shù)據(jù)，判斷廊道內(nèi)植物是否達(dá)到采收條件，若植物達(dá)到采收條件，則控制采收執(zhí)行機(jī)構(gòu)對廊道內(nèi)的植物進(jìn)行采收操作，并獲取采收量數(shù)據(jù)，基于采收量數(shù)據(jù)，計(jì)算商品率和庫存量； 分別將計(jì)算得到的商品率和庫存量與預(yù)設(shè)商品率閾值和庫存量閾值進(jìn)行比較，若商品率低于預(yù)設(shè)商品率閾值或庫存量高于預(yù)設(shè)庫存量閾值，則調(diào)整廊道封閉區(qū)域內(nèi)的環(huán)境參數(shù)，控制廊道封閉區(qū)域內(nèi)的環(huán)境參數(shù)以優(yōu)化植物生長狀況；根據(jù)調(diào)整后的環(huán)境參數(shù)，重復(fù)執(zhí)行計(jì)算商品率和庫存量的步驟，直至商品率達(dá)到預(yù)設(shè)商品率閾值且?guī)齑媪康陀陬A(yù)設(shè)庫存量閾值，完成廊道封閉采收自動識別。 2.根據(jù)權(quán)利要求1所述的方法，其特征在于，實(shí)時(shí)獲取廊道內(nèi)植物的圖像并進(jìn)行分割處理，得到植物區(qū)域圖像，提取植物區(qū)域圖像的顏色、紋理和形狀特征，輸入至預(yù)先訓(xùn)練的狀態(tài)識別模型中，識別植物的成熟度，得到植物成熟度數(shù)據(jù)包括： 對廊道內(nèi)植物進(jìn)行多視角圖像采集，獲得多個(gè)視角的植物圖像并進(jìn)行分割和預(yù)處理，得到預(yù)處理后的多視角植物圖像； 從預(yù)處理后的多視角植物圖像中提取特征點(diǎn)，通過調(diào)整提取算法的參數(shù)控制提取的特征點(diǎn)數(shù)量，根據(jù)提取的特征點(diǎn)，得到不同視角圖像之間的對應(yīng)特征點(diǎn)對； 利用對應(yīng)特征點(diǎn)對，通過三維重建算法恢復(fù)植物的三維結(jié)構(gòu)，獲得多個(gè)植物三維模型，并從各個(gè)植物三維模型中提取對應(yīng)的表型參數(shù)，表型參數(shù)包括植株高度、冠層體積、葉面積、莖粗和果實(shí)數(shù)量； 根據(jù)各個(gè)植物三維模型和對應(yīng)的表型參數(shù)，構(gòu)建植物生長的時(shí)序數(shù)據(jù)，對植物生長的時(shí)序數(shù)據(jù)進(jìn)行分析，擬合植物生長曲線，建立植物成熟度模型，并采用機(jī)器學(xué)習(xí)算法，基于植物三維模型的表型參數(shù)和植物成熟度模型，通過特征選擇確定與植物成熟度相關(guān)的最優(yōu)特征子集，構(gòu)建狀態(tài)識別模型，并使用訓(xùn)練數(shù)據(jù)對狀態(tài)識別模型進(jìn)行訓(xùn)練； 對于新獲取的植物三維模型，提取其表型參數(shù)，將提取的表型參數(shù)輸入到訓(xùn)練好的狀態(tài)識別模型中，識別植物的成熟度，得到植物成熟度數(shù)據(jù)。