一种自动识别杂草作物的方法及系统与流程

本发明涉及农业，尤其涉及一种自动识别杂草作物的方法及系统。

背景技术：

1、在当今农业生产中，除草是确保作物健康生长的重要环节。传统的除草方法主要依赖人工除草和化学除草剂。人工除草虽然精确，但劳动强度大，效率低，难以满足大规模农业生产的需求。化学除草剂能够快速处理大面积的杂草，但长期使用可能导致土壤和水源污染，对非目标植物产生负面影响，同时杂草对除草剂的抗性也在逐渐增强。

2、近年来，随着科技的发展，自动化、智能化技术被引入到农业生产中，旨在提高农业生产的效率和可持续性。在这一背景下，激光除草技术应运而生，提供了一种新的除草方案。激光除草技术通过使用高能激光精确地瞄准并消灭杂草，避免了化学除草剂的使用，减少了对环境的影响。此技术的优势在于其精确性高、反应速度快、并能够减少人工劳动的需求。

3、然而，尽管激光除草技术具有明显的优势，但其在实际应用中仍面临一些挑战和限制。其中之一是如何精确识别杂草和作物，以确保只消灭杂草而不伤害到周围的作物。传统的识别方法依赖于图像处理技术，通过分析植物的形状、颜色等特征来区分杂草和作物。然而，这种方法在复杂的田间环境中往往难以达到满意的识别准确率，特别是在作物和杂草密集生长、相互遮挡的情况下。

技术实现思路

1、有鉴于此，本发明实施例提供一种自动识别杂草作物的方法及系统，便于在复杂环境中准确识别杂草。

2、第一方面，本发明实施例提供的自动识别杂草作物的方法，包括：实时采集植物的生化信号；其中，所述植物包括田间作物和杂草，所述生化信号包括挥发性有机化合物、植物荷尔蒙及生物标记物；利用纳米技术对采集到的所述生化信号进行增强处理；训练深度学习模型，基于所述深度学习模型分析增强处理后的所述生化信号，以识别所述杂草。

3、可选的，所述利用纳米技术对采集到的所述生化信号进行增强处理，包括：

4、利用纳米材料对所述生化信号进行放大处理，以增强对所述生化信号的检测能力。

5、可选的，所述利用纳米材料对所述生化信号进行放大处理，以增强对所述生化信号的检测能力，包括：控制预设种类的纳米材料或预设尺寸和预设形状的纳米材料与特定生化分子相结合，并对所述生化信号进行非线性放大处理，以增强对所述生化信号的检测能力。

6、可选的，所述训练深度学习模型，包括：收集并标注预设量已知的所述植物的图像和生化信号数据，作为训练集和验证集；基于所述数据选择或自动提取用于区分所述杂草和所述田间作物的特征；基于所述数据和所述特征构建深度学习模型；基于所述数据训练所述深度学习模型，通过反向传播算法不断调整特征权重和偏差，以最小化预测误差，提高所述植物被正确识别的概率；使用验证集评估所述深度学习模型；其中，所述植物被正确识别的概率根据如下公式计算：pi= 1 / (1 + exp(-∑(ωj× xij+ b)))；式中，pi表示第i种植物被正确识别的概率；ωj代表模型中第j个特征的权重；xij是第i种植物第j个特征的值；b是偏差项；exp是指数函数。

7、可选的，在训练深度学习模型，基于所述深度学习模型分析增强处理后的所述生化信号，以识别所述杂草之后，所述方法还包括：精确定位杂草；使用预设波长的激光除去所述杂草。

8、可选的，所述使用预设波长的激光除去所述杂草，包括：使用预设波长的激光匹配特定浓度的纳米粒子，转换激光能量为热能以除去所述杂草；其中，所述激光作用于杂草的能量根据如下公式计算：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标杂草时的能量；m表示激光作用质量，视为激光能量转化为热能的等效质量；v表示激光作用产生的热能速度；λ表示激光波长；nc表示纳米粒子的浓度。

9、可选的，所述方法还包括：评估识别和除去所述杂草的结果；基于所述结果自动调整所述深度学习模型中的特征权重，以优化所述深度学习模型。

10、可选的，所述方法还包括：评估除去所述杂草的操作对田间环境的影响。

11、可选的，所述评估除去所述杂草的操作对田间环境的影响，包括：监测土壤条件和植物健康状况；其中，所述土壤条件包括土壤的化学成分和水分含量，所述植物健康状况包括植物的生长速度和叶绿素含量；分析所述土壤条件和植物健康状况，以评估生态系统的健康状况。

12、第二方面，本发明实施例提供的自动识别杂草作物的系统，包括：采集模块、信号增强模块及杂草识别模块；所述采集模块用于实时采集植物的生化信号；其中，所述植物包括田间作物和杂草，所述生化信号包括挥发性有机化合物、植物荷尔蒙及特定生物标记物；所述信号增强模块用于利用纳米技术对采集到的所述生化信号进行增强处理；所述杂草识别模块用于训练深度学习模型，基于所述深度学习模型分析增强处理后的所述生化信号，以识别所述杂草。

13、本发明实施例提供的自动识别杂草作物的方法及系统，能够实时采集植物的生化信号；其中，所述植物包括田间作物和杂草，所述生化信号包括挥发性有机化合物、植物荷尔蒙及生物标记物；利用纳米技术对采集到的所述生化信号进行增强处理；训练深度学习模型，基于所述深度学习模型分析增强处理后的所述生化信号，以识别所述杂草。这样，便于在复杂环境中准确识别杂草。

技术特征：

1.一种自动识别杂草作物的方法，其特征在于，所述方法包括：

2.根据权利要求1所述的自动识别杂草作物的方法，其特征在于，所述利用纳米技术对采集到的所述生化信号进行增强处理，包括：

3.根据权利要求2所述的自动识别杂草作物的方法，其特征在于，所述利用纳米材料对所述生化信号进行放大处理，以增强对所述生化信号的检测能力，包括：

4.根据权利要求1所述的自动识别杂草作物的方法，其特征在于，所述训练深度学习模型，包括：

5.根据权利要求1所述的自动识别杂草作物的方法，其特征在于，在训练深度学习模型，基于所述深度学习模型分析增强处理后的所述生化信号，以识别所述杂草之后，所述方法还包括：

6.根据权利要求5所述的自动识别杂草作物的方法，其特征在于，所述使用预设波长的激光除去所述杂草，包括：

7.根据权利要求6所述的自动识别杂草作物的方法，其特征在于，所述方法还包括：

8.根据权利要求6所述的自动识别杂草作物的方法，其特征在于，所述方法还包括：

9.根据权利要求8所述的自动识别杂草作物的方法，其特征在于，所述评估除去所述杂草的操作对田间环境的影响，包括：

10.一种自动识别杂草作物的系统，其特征在于，所述系统包括：采集模块、信号增强模块及杂草识别模块；

技术总结本发明实施例公开一种自动识别杂草作物的方法及系统，涉及农业技术领域。为在复杂环境中准确识别杂草而发明。所述方法包括：实时采集植物的生化信号；其中，所述植物包括田间作物和杂草，所述生化信号包括挥发性有机化合物、植物荷尔蒙及生物标记物；利用纳米技术对采集到的所述生化信号进行增强处理；训练深度学习模型，基于所述深度学习模型分析增强处理后的所述生化信号，以识别所述杂草。本发明适用于除草场景中。技术研发人员：杨云飞,孙颖聪受保护的技术使用者：内蒙古八爪智能科技有限公司技术研发日：技术公布日：2024/9/9