一种基于深度学习和生长模型的香菇产量自动预测评估系统

1.本发明涉及智慧农业技术领域，尤其是涉及一种基于深度学习和生长模型的香菇产量自动预测评估系统。


背景技术：

2.作物产量预测具有预测和规划农业生产、提高农业生产效率、监测和应对气候变化、支持农业保险和风险管理等效用，在全世界范围内对于农业生产的规划、管理和应对挑战具有重要的作用，可以提高农业生产效率、适应气候变化、减轻风险和保障粮食安全。
3.国内作物产量预测研究大多需要手动测量并输入作物参数，需要大量的人力投入，包括实地调查、数据收集和数据处理等，时间消耗长。


技术实现要素：

4.鉴于以上问题，本发明提供了一种基于深度学习和生长模型的香菇产量自动预测评估系统，不仅提高农业生产效率和可持续发展能力，为香菇产量预测给出一种可供参考的方案，而且整个过程减少人工参与，节约时间，降低劳动成本，提高经济效益。
5.为了实现上述目的及其他相关目的，本发明提供的技术方案如下：一种基于深度学习和生长模型的香菇产量自动预测评估系统，所述系统包括香菇产量预测识别云平台、香菇信息采集边缘装置和移动终端，所述移动终端与所述香菇产量预测识别云平台通讯连接，所述香菇产量预测识别云平台与所述香菇信息采集边缘装置连接；所述香菇产量预测识别云平台包括产量识别模块、产量预测模块、数据处理模块、数据储存模块和异常上报模块，所述产量识别模块是根据采集到的香菇图片基于深度学习算法来识别图片内幼菇期香菇和成熟期香菇，所述成熟期香菇数目为当前香菇产量，所述幼菇期香菇为香菇褐变部分形成菌盖至菌盖菌幕尚未破裂的时期的香菇，所述成熟期香菇为香菇菌幕破裂后的时期的香菇；所述产量预测模块是幼菇期香菇与采集到的累积环境数据进行绑定生成幼菇期香菇成熟度，生长模型基于幼菇期香菇成熟度预测幼菇期香菇成熟时间与数目；所述数据处理模块是将采集到的环境数据进行累积处理；所述数据存储模块是将所有数据储存至数据库内；所述异常上报模块是针对香菇信息采集边缘装置采集环境数据或图片数据出错时进行报错。
6.进一步的，所述产量识别模块的流程如下：s1.香菇信息采集边缘装置初始化，实时获取菇棚内的香菇图片数据信息；s2.对所述菇棚内的香菇图片数据信息进行分析，判断所述菇棚内的香菇图片数据信息是否异常，若异常则进入步骤s4，若正常则进入步骤s3；s3.将所述菇棚内的香菇图片数据信息输入深度学习算法进行识别，输出成熟期
香菇数目；s4.向工作人员提供决策信息并制定方案进行异常排查。
7.进一步的，所述幼菇期香菇成熟度的计算函数为：snnumj=snum
i-1
+mnum
i-1-mnumidacc
ji
=dacc
j(i-1)
+hdaccsign1=mnum
i-mnum
i-1
sign1=snnum
j-sign1snnumj=sign1，其中，j为第j次新增幼菇期香菇次数，i为每日第i个小时，当i为0时，i-1为前一天的23，snnumj为第j次新增幼菇期香菇数目，mnumi为第i个小时成熟期香菇数目，snumi为i个小时幼菇期香菇数目，dacc
ji
为第j次新增幼菇期香菇在i小时前的环境累积值，hdacc为单位小时环境累积值，sign1为是否新增数据。
8.进一步的，所述产量预测模块的流程如下：u1.基于所述幼菇期香菇与采集到的累积环境数据，输出幼菇期香菇成熟度信息；u2.将所述幼菇期香菇成熟度信息输入生长模型，输出预测的幼菇期香菇成熟时间与数目数据信息；u3.将所述预测的幼菇期香菇成熟时间与数目数据信息传输至所述数据储存模块进行存储。
9.进一步的，所述深度学习算法通过学习香菇数据集，用于识别香菇子实体生育期，所述深度学习算法为yolo算法、ssd算法或faster-rcnn算法的一种或几种的融合。
10.进一步的，所述生长模型基于幼菇期香菇成熟度，预测幼菇期香菇成熟时间与数目，所述生长模型为非线性模型，所述生长模型为richards模型或logistic模型中的一种。
11.进一步的，所述香菇信息采集边缘装置安装在香菇菇棚内，所述香菇信息采集边缘装置包括环境感知模块、图片采集模块和中控模块，所诉感知模块将菇棚内香菇环境数据由无线通信网络发送给所述中控模块，所述摄像模块将采集到的图片打包成数据帧的形式传输给所述中控模块，所述中控模块将香菇数据由4g或5g网络发送给所述香菇产量预测识别云平台。
12.进一步的，所述环境感知模块包括温度传感器、湿度传感器和光有效辐射传感器，所述温度传感器的型号为sht30温湿度传感器，所述湿度传感器的型号为dht11温湿度传感器，所述光有效辐射传感器的型号为pqs1光有效辐射传感器。
13.进一步的，所述图片采集模块包括ov7670摄像头、ov7725摄像头和ov7690摄像头，所述中控模块为arduino nano、树莓派或esp32一种，所述中控模块对所述环境感知模块和所述图片采集模块传递的数据进行处理与上传。
14.进一步的，所述移动终端为web应用，用户通过访问web应用查看香菇产量识别与预测结果，基于所述香菇产量识别与预测结果辅助分配采摘任务。
15.本发明具有以下积极效果：1.本发明通过香菇信息采集边缘装置对香菇菇棚内的不同成熟度的香菇进行图片数据信息采集，并进行打包实时传递给香菇产量预测识别云平台，整个过程无需人工进行实地考察，且获取信息的数据量大且完整，有利于数据预测的准确性判断。
16.2.本发明通过香菇产量预测识别云平台对实时获取的香菇图片数据信息进行数
据分析和处理，采用深度学习算法对香菇成熟度进行预测，并结合生长模型对幼菇期香菇成熟时间与数目进行预测，为香菇的采摘时间和产量的收入提供准确的数据支持，方便进行工作安排。
17.3.本发明不仅提高农业生产效率和可持续发展能力，为香菇产量预测给出一种可供参考的方案，而且整个过程减少人工参与，节约时间，降低劳动成本，提高经济效益。
附图说明
18.图1为本发明的系统框架示意图；图2为本发明的产量识别模块的流程示意图；图3为本发明的产量预测模块的流程示意图；图4为本发明的深度学习算法的识别示意图（一）；图5为本发明的深度学习算法的识别示意图（二）；图6为本发明的生长模型曲线示意图；图7为本发明的web应用示意图。
具体实施方式
19.以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
20.实施例1：如图1所示，一种基于深度学习和生长模型的香菇产量自动预测评估系统，所述系统包括香菇产量预测识别云平台、香菇信息采集边缘装置和移动终端，所述移动终端与所述香菇产量预测识别云平台通讯连接，所述香菇产量预测识别云平台与所述香菇信息采集边缘装置连接；所述香菇产量预测识别云平台包括产量识别模块、产量预测模块、数据处理模块、数据储存模块和异常上报模块，所述产量识别模块是根据采集到的香菇图片基于深度学习算法来识别图片内幼菇期香菇和成熟期香菇，所述成熟期香菇数目为当前香菇产量，所述幼菇期香菇为香菇褐变部分形成菌盖至菌盖菌幕尚未破裂的时期的香菇，所述成熟期香菇为香菇菌幕破裂后的时期的香菇；所述产量预测模块是幼菇期香菇与采集到的累积环境数据进行绑定生成幼菇期香菇成熟度，生长模型基于幼菇期香菇成熟度预测幼菇期香菇成熟时间与数目；所述数据处理模块是将采集到的环境数据进行累积处理；所述数据存储模块是将所有数据储存至数据库内；所述异常上报模块是针对香菇信息采集边缘装置采集环境数据或图片数据出错时进行报错。
21.在本实施例中，所述产量识别模块的流程如下：s1.香菇信息采集边缘装置初始化，实时获取菇棚内的香菇图片数据信息；s2.对所述菇棚内的香菇图片数据信息进行分析，判断所述菇棚内的香菇图片数据信息是否异常，若异常则进入步骤s4，若正常则进入步骤s3；
s3.将所述菇棚内的香菇图片数据信息输入深度学习算法进行识别，输出成熟期香菇数目；s4.向工作人员提供决策信息并制定方案进行异常排查。
22.在本实施例中，所述幼菇期香菇成熟度的计算函数为：snnumj=snum
i-1
+mnum
i-1-mnumidacc
ji
=dacc
j(i-1)
+hdaccsign1=mnum
i-mnum
i-1
sign1=snnum
j-sign1snnumj=sign1，其中，j为第j次新增幼菇期香菇次数，i为每日第i个小时，当i为0时，i-1为前一天的23，snnumj为第j次新增幼菇期香菇数目，mnumi为第i个小时成熟期香菇数目，snumi为i个小时幼菇期香菇数目，dacc
ji
为第j次新增幼菇期香菇在i小时前的环境累积值，hdacc为单位小时环境累积值，sign1为是否新增数据。
23.在本实施例中，所述产量预测模块的流程如下：u1.基于所述幼菇期香菇与采集到的累积环境数据，输出幼菇期香菇成熟度信息；u2.将所述幼菇期香菇成熟度信息输入生长模型，输出预测的幼菇期香菇成熟时间与数目数据信息；u3.将所述预测的幼菇期香菇成熟时间与数目数据信息传输至所述数据储存模块进行存储。
24.在本实施例中，所述深度学习算法通过学习香菇数据集，用于识别香菇子实体生育期，所述深度学习算法为yolo算法、ssd算法或faster-rcnn算法的一种或几种的融合。
25.在本实施例中，所述生长模型基于幼菇期香菇成熟度，预测幼菇期香菇成熟时间与数目，所述生长模型为非线性模型，所述生长模型为richards模型或logistic模型中的一种。
26.在本实施例中，所述香菇信息采集边缘装置安装在香菇菇棚内，所述香菇信息采集边缘装置包括环境感知模块、图片采集模块和中控模块，所诉感知模块将菇棚内香菇环境数据由无线通信网络发送给所述中控模块，所述摄像模块将采集到的图片打包成数据帧的形式传输给所述中控模块，所述中控模块将香菇数据由4g或5g网络发送给所述香菇产量预测识别云平台。
27.在本实施例中，所述环境感知模块包括温度传感器、湿度传感器和光有效辐射传感器，所述温度传感器的型号为sht30温湿度传感器，所述湿度传感器的型号为dht11温湿度传感器，所述光有效辐射传感器的型号为pqs1光有效辐射传感器。
28.在本实施例中，所述图片采集模块包括ov7670摄像头、ov7725摄像头和ov7690摄像头，所述中控模块为arduino nano、树莓派或esp32一种，所述中控模块对所述环境感知模块和所述图片采集模块传递的数据进行处理与上传。
29.在本实施例中，所述移动终端为web应用，用户通过访问web应用查看香菇产量识别与预测结果，基于所述香菇产量识别与预测结果辅助分配采摘任务。
30.实施例2：在实施例1的一种基于深度学习和生长模型的香菇产量自动预测评估系统的基础上，下面对本发明作进一步的说明和描述。
31.如图2，为产量识别模块的工作流程图，首先香菇信息采集边缘装置初始化，香菇信息采集边缘装置采集菇棚内香菇图片后中控模块将检测的香菇数据发送给云平台，云平台对采集到的数据进行分析并判断采集的香菇数据是否异常，是则向工作人员提供决策信息，工作人员根据情况制定方案，否则云平台将香菇图片输入至深度学习模型中，深度学习模型输出成熟期香菇数目，工作人员基于香菇数目决策，制定采收方案。
32.如图3所示，为产量预测模块的工作流程图，首先香菇信息采集边缘装置初始化后采集菇棚内香菇环境数据和香菇图片，中控模块将检测的香菇数据发送给香菇产量预测识别云平台，香菇产量预测识别云平台对采集到的数据进行分析并判断采集的香菇数据是否异常，是则向工作人员提供决策信息，工作人员根据情况制定方案，否则香菇产量预测识别云平台将香菇图片输入至深度学习模型中，深度学习模型输出幼菇期香菇数目和成熟期香菇数目，香菇产量预测识别云平台计算出当前第m次新增幼菇期香菇数目(snnumm)，香菇产量预测识别云平台判断是否新增成熟期香菇，香菇产量预测识别云平台计算成熟期香菇数目，香菇产量预测识别云平台更新第n次新增的幼菇期香菇数目，香菇产量预测识别云平台将幼菇期香菇数目与环境累积值绑定，其中j∈[n,m]，输出幼菇期香菇成熟度，香菇产量预测识别云平台将幼菇期香菇成熟度输入至生长模型，香菇产量预测识别云平台输出生长模型预测的成熟时间和数目，香菇产量预测识别云平台将幼菇期香菇数目、成熟期香菇数目、幼菇期香菇成熟度、幼菇期香菇成熟时间和数目储存至香菇产量预测识别云平台数据库，香菇产量预测识别云平台将产量识别结果和产量预测结果通过4g或5g网络传输给移动终端显示。
[0033]
其中，深度学习算法示例，算法选取的为yolov5模型，conv为conv2d+bn+silu，conv2d为卷积操作，bn为归一化操作，silu为激活函数，c3_n表示使用n*个bottleneck结构的卷积模块，n*=n
×
depth_multiple，depth_multiple为模型深度倍数，sppf为空间金字塔池化结构，maxpool2d为最大池化操作，carafe为特征上采样模块，concat为特征融合函数。
[0034]
如图4或5所示，为深度学习识别示例，方形框shape为深度学习模型识别的幼菇期香菇，方形框mature为深度学习模型识别的成熟期香菇。
[0035]
如图6所示，为生长模型曲线示例，本文的生长模型为logistic模型，模型的输入选用的温湿积，logistic模型如下y=99.4125
÷
(1+13.1059e-0.0019x
)图中散点为香菇真实种植数据，基于该散点拟合出上述生长模型。
[0036]
如图7所示，为web应用示例，用户在该页面选择菇棚与设备后，系统会展示当日边缘设备拍摄的图片、当前菇棚成熟香菇数目与未成熟香菇数目、明日菇棚预测成熟香菇数目和后日菇棚预测成熟香菇数目，用户点击目标识别按钮后，系统会调用yolov5模块接口，识别当前图片内香菇子实体生育期并展示在该页面。当用户点击图片时，系统会放大图片，红色框为yolov5模型识别的幼菇期香菇。用户点击历史图片按钮后，需要在弹出窗中选择时间，系统将展示该时间内的香菇图片，图片以轮播图的方式展示。
[0037]
综上所述，本发明不仅提高农业生产效率和可持续发展能力，为香菇产量预测给出一种可供参考的方案，而且整个过程减少人工参与，节约时间，降低劳动成本，提高经济效益。
[0038]
上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明
白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

技术特征：
1.一种基于深度学习和生长模型的香菇产量自动预测评估系统，其特征在于，所述系统包括香菇产量预测识别云平台、香菇信息采集边缘装置和移动终端，所述移动终端与所述香菇产量预测识别云平台通讯连接，所述香菇产量预测识别云平台与所述香菇信息采集边缘装置连接；所述香菇产量预测识别云平台包括产量识别模块、产量预测模块、数据处理模块、数据储存模块和异常上报模块，所述产量识别模块是根据采集到的香菇图片基于深度学习算法来识别图片内幼菇期香菇和成熟期香菇，所述成熟期香菇数目为当前香菇产量，所述幼菇期香菇为香菇褐变部分形成菌盖至菌盖菌幕尚未破裂的时期的香菇，所述成熟期香菇为香菇菌幕破裂后的时期的香菇；所述产量预测模块是幼菇期香菇与采集到的累积环境数据进行绑定生成幼菇期香菇成熟度，生长模型基于幼菇期香菇成熟度预测幼菇期香菇成熟时间与数目；所述数据处理模块是将采集到的环境数据进行累积处理；所述数据存储模块是将所有数据储存至数据库内；所述异常上报模块是针对香菇信息采集边缘装置采集环境数据或图片数据出错时进行报错。2.根据权利要求1所述的基于深度学习和生长模型的香菇产量自动预测评估系统，其特征在于，所述产量识别模块的流程如下：s1.香菇信息采集边缘装置初始化，实时获取菇棚内的香菇图片数据信息；s2.对所述菇棚内的香菇图片数据信息进行分析，判断所述菇棚内的香菇图片数据信息是否异常，若异常则进入步骤s4，若正常则进入步骤s3；s3.将所述菇棚内的香菇图片数据信息输入深度学习算法进行识别，输出成熟期香菇数目；s4.向工作人员提供决策信息并制定方案进行异常排查。3.根据权利要求1所述的基于深度学习和生长模型的香菇产量自动预测评估系统，其特征在于，所述幼菇期香菇成熟度的计算函数为：snnum
j
=snum
i-1
+mnum
i-1-mnum
i
dacc
ji
=dacc
j(i-1)
+hdaccsign1=mnum
i-mnum
i-1
sign1=snnum
j-sign1snnum
j
=sign1，其中，j为第j次新增幼菇期香菇次数，i为每日第i个小时，当i为0时，i-1为前一天的23，snnum
j
为第j次新增幼菇期香菇数目，mnum
i
为第i个小时成熟期香菇数目，snum
i
为i个小时幼菇期香菇数目，dacc
ji
为第j次新增幼菇期香菇在i小时前的环境累积值，hdacc为单位小时环境累积值，sign1为是否新增数据。4.根据权利要求1所述的基于深度学习和生长模型的香菇产量自动预测评估系统，其特征在于，所述产量预测模块的流程如下：u1.基于所述幼菇期香菇与采集到的累积环境数据，输出幼菇期香菇成熟度信息；u2.将所述幼菇期香菇成熟度信息输入生长模型，输出预测的幼菇期香菇成熟时间与数目数据信息；
u3.将所述预测的幼菇期香菇成熟时间与数目数据信息传输至所述数据储存模块进行存储。5.根据权利要求1所述的基于深度学习和生长模型的香菇产量自动预测评估系统，其特征在于：所述深度学习算法通过学习香菇数据集，用于识别香菇子实体生育期，所述深度学习算法为yolo算法、ssd算法或faster-rcnn算法的一种或几种的融合。6.根据权利要求1所述的基于深度学习和生长模型的香菇产量自动预测评估系统，其特征在于：所述生长模型基于幼菇期香菇成熟度，预测幼菇期香菇成熟时间与数目，所述生长模型为非线性模型，所述生长模型为richards模型或logistic模型中的一种。7.根据权利要求1所述的基于深度学习和生长模型的香菇产量自动预测评估系统，其特征在于：所述香菇信息采集边缘装置安装在香菇菇棚内，所述香菇信息采集边缘装置包括环境感知模块、图片采集模块和中控模块，所诉感知模块将菇棚内香菇环境数据由无线通信网络发送给所述中控模块，所述摄像模块将采集到的图片打包成数据帧的形式传输给所述中控模块，所述中控模块将香菇数据由4g或5g网络发送给所述香菇产量预测识别云平台。8.根据权利要求7所述的基于深度学习和生长模型的香菇产量自动预测评估系统，其特征在于：所述环境感知模块包括温度传感器、湿度传感器和光有效辐射传感器，所述温度传感器的型号为sht30温湿度传感器，所述湿度传感器的型号为dht11温湿度传感器，所述光有效辐射传感器的型号为pqs1光有效辐射传感器。9.根据权利要求7所述的基于深度学习和生长模型的香菇产量自动预测评估系统，其特征在于：所述图片采集模块包括ov7670摄像头、ov7725摄像头和ov7690摄像头，所述中控模块为arduino nano、树莓派或esp32一种，所述中控模块对所述环境感知模块和所述图片采集模块传递的数据进行处理与上传。10.根据权利要求1所述的基于深度学习和生长模型的香菇产量自动预测评估系统，其特征在于：所述移动终端为web应用，用户通过访问web应用查看香菇产量识别与预测结果，基于所述香菇产量识别与预测结果辅助分配采摘任务。

技术总结
本发明涉及一种基于深度学习和生长模型的香菇产量自动预测评估系统，所述系统包括香菇产量预测识别云平台、香菇信息采集边缘装置和移动终端，所述移动终端与所述香菇产量预测识别云平台通讯连接，所述香菇产量预测识别云平台与所述香菇信息采集边缘装置连接；所述香菇产量预测识别云平台包括产量识别模块、产量预测模块、数据处理模块、数据储存模块和异常上报模块，所述产量识别模块是根据采集到的香菇图片基于深度学习算法来识别图片内幼菇期香菇和成熟期香菇。本发明不仅提高农业生产效率和可持续发展能力，为香菇产量预测给出一种可供参考的方案，而且整个过程减少人工参与，节约时间，降低劳动成本，提高经济效益。提高经济效益。提高经济效益。


技术研发人员：杨林 曾大鑫 庞彤 邓灿 邹敏 宋文韬
受保护的技术使用者：华中农业大学
技术研发日：2023.06.26
技术公布日：2023/9/13