一种基于大数据的农药包装袋智能识别方法、系统及介质

技术领域

本发明涉及计算机图像识别领域，更具体的，涉及一种基于大数据的农药包装袋智能识别方法、系统及介质。

背景技术

随着科学技术在农业中应用范围的不断扩大,农药在农业生产中的应用也越来越广，农药喷洒的量也日趋增大。一方面是因为许多害虫已形成抗体,另一方面是由于农药种类不够多或者技术水平含量低。

另外，在一些面积较大的农地里，需要大量的农药使用，农药一般用特定的农药包装袋包装，在农药使用完后，大量的农药包装袋被扔到了农田里，对环境造成了严重的污染。许多大型农田里，散落的农药包装袋数量较多，并且农田环境复杂，一些农药包装袋表面时常有破损，不完整，标识信息模糊等现象，让农业人员难以分辨原来的农药包装袋是属于哪种农药。但有些农药包装袋使用完后需要及时回收处理，否则将会进一步污染环境，如果用人为的方式回收，分拣农药包装袋则需要用到大量的人力劳动资源，既费时，也费力。

针对上述技术问题，现在亟需一种能够准确识别农药包装袋信息，快速回收农药包装袋的方法，以提高回收效率，降低人力成本，保护农业环境。

发明内容

为了解决上述至少一个技术问题，本发明提出了一种基于大数据的农药包装袋智能识别方法、系统及介质。

本发明第一方面提供了一种基于大数据的农药包装袋智能识别方法，包括：

获取待识别的农药包装袋图像信息；

根据获取到的待识别的农药包装袋图像信息动态选择预设的图像识别算法，进行图像识别，识别出具体农药类别；

获取需要回收的农药包装袋类别信息；

根据需要回收的农药包装袋类别信息，获取对应的位置信息，将所述农药包装袋位置信息作为回收巡航车的导航信息，以使回收巡航车导航至位置地点回收需要回收的农药包装袋。

本方案中，所述的获取待识别的农药包装袋图像信息，具体为：

获取待识别的农药包装袋的灰度图像；

将所述农药包装袋的灰度图像进行图像预处理，得到农药包装袋的图像矩阵；

基于机器学习算法，从农药包装袋的图像矩阵中，识别出待识别的农药包装袋图像信息，所述的图像信息包括农药包装袋的外观信息和农药包装袋表面的二维码，条形码，农药文字标识符信息。

本方案中，所述的根据获取到的待识别的农药包装袋图像信息动态选择预设的图像识别算法，进行图像识别，识别出具体农药类别，之前包括：

从大数据中检索每种农药包装袋的图像信息，所述图像信息包括农药包装袋的外观信息和农药包装袋表面的二维码，条形码，农药文字标识符信息；

构建农药包装袋信息数据库，将所述图像信息中每种农药包装袋的图像信息转化为一组图像特征值，将所述图像特征值导入农药包装袋信息数据库中；

间隔预设时间段后，从大数据中检索新的农药包装袋图像信息，将所述图像信息转化为一组图像特征值，将所述图像特征值导入农药包装袋信息数据库中，直到所有新的农药包装袋图像信息导入农药包装袋信息数据库中，以实现定时更新农药包装袋信息数据库。

本方案中，所述的根据获取到的待识别的农药包装袋图像信息动态选择预设的图像识别算法，进行图像识别，识别出具体农药类别，还包括：

建立图像识别算法模型，将农药包装袋信息数据库中的农药包装袋信息特征值进行预处理得到农药包装袋图像训练数据集，将所述农药包装袋图像训练数据集导入所述图像识别算法模型中，进行图像识别算法训练；

根据获取到的待识别农药包装袋图像信息，计算所述农药包装袋各图像信息完整度与各图像信息有效率，所述图像信息包括农药包装袋的外观信息和农药包装袋表面的二维码，条形码，农药文字标识符信息，所述图像信息完整度与图像信息有效率计算公式具体为：

R

R

计算得到所述各图像信息完整度与各图像信息有效率，将各图像信息完整度与各图像信息有效率进行排序，得到排序结果，将排序结果导入所述图像识别算法模型，图像识别算法模型将根据排序结果动态选择适合当前图像信息的图像识别算法，识别出具体农药类别。

本方案中，所述的获取需要回收的农药包装袋类别信息，具体为：

用户从输入设备输入需要回收的农药包装袋类别信息；

从所述输入设备获取需要回收的农药包装袋类别信息，所述用户需要回收的农药包装袋信息为一种或两种以上的组合。

本方案中，所述的根据需要回收的农药包装袋类别信息，获取对应的位置信息，将所述农药包装袋位置信息作为回收巡航车的导航信息，以使回收巡航车导航至位置地点回收需要回收的农药包装袋，具体为：

获取待识别农药包装袋在所述三维地图模型里的具体位置信息，将所述位置信息作为导航信息发送到每部回收巡航车导航定位系统内，根据每部回收巡航车的当前位置，由导航定位系统计算并选取离所述待识别农药包装袋位置最近的回收巡航车，导航至所述位置进行回收处理。

每部回收巡航车内置导航定位系统，自动行驶系统，每部回收巡航车之间能够相互通信；

所述回收巡航车内置的导航定位系统和自动行驶系统拥有与图像识别模块和视频采集模块相互通信的功能；

所述的回收巡航车在特定区域内至少拥有一部或多部；

本发明第二方面还提供了一种基于大数据的农药包装袋智能识别系统，该系统包括：存储器、处理器，所述存储器中包括基于大数据的农药包装袋智能识别方法程序，所述基于大数据的农药包装袋智能识别方法程序被所述处理器执行时实现如下步骤：

获取待识别的农药包装袋图像信息；

根据获取到的待识别的农药包装袋图像信息动态选择预设的图像识别算法，进行图像识别，识别出具体农药类别；

获取需要回收的农药包装袋类别信息；

根据需要回收的农药包装袋类别信息，获取对应的位置信息，将所述农药包装袋位置信息作为回收巡航车的导航信息，以使回收巡航车导航至位置地点回收需要回收的农药包装袋。

本发明第三方面还提供一种基于大数据的农药包装袋智能识别可读存储介质，所述计算机可读存储介质中包括基于大数据的农药包装袋智能识别方法程序，所述基于大数据的农药包装袋智能识别方法程序被处理器执行时，实现如上述任一项所述的基于大数据的农药包装袋智能识别方法的步骤。

本发明公开一种基于大数据的农药包装袋智能识别方法、系统及介质，通过基于大数据检索和图像识别算法，准确识别农药包装袋所属类别。根据预设时间间隔，实时更新农药包装袋信息数据库，提高农药包装图像识别准确率。另外，在识别出所需回收的农药包装袋后，由回收巡航车自动行驶至所需回收的农药包装袋位置进行回收处理，提高了农药包装袋回收效率，降低了人工成本。

附图说明

图1示出了本发明一种基于大数据的农药包装袋智能识别方法的流程图；

图2示出了本发明中构建农药包装袋信息数据库的流程图；

图3示出了本发明中回收巡航车回收处理的流程图；

图4示出了本发明一种基于大数据的农药包装袋智能识别系统的框图；

具体实施方式

为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。

在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。

图1示出了本发明一种基于大数据的农药包装袋智能识别方法的流程图。

如图1所示，本发明第一方面提供了一种基于大数据的农药包装袋智能识别方法，包括：

S102，获取待识别的农药包装袋图像信息；

S104，根据获取到的待识别的农药包装袋图像信息动态选择预设的图像识别算法，进行图像识别，识别出具体农药类别；

S106，获取需要回收的农药包装袋类别信息；

S108，根据需要回收的农药包装袋类别信息，获取对应的位置信息，将所述农药包装袋位置信息作为回收巡航车的导航信息，以使回收巡航车导航至位置地点回收需要回收的农药包装袋；

需要说明的是，所述的获取待识别的农药包装袋图像信息，具体为：

获取待识别的农药包装袋的灰度图像；

将所述农药包装袋的灰度图像进行图像预处理，得到农药包装袋的图像矩阵；

基于机器学习算法，从农药包装袋的图像矩阵中，识别出待识别的农药包装袋图像信息，所述的图像信息包括农药包装袋的外观信息和农药包装袋表面的二维码，条形码，农药文字标识符信息。

需要说明的是，所述的获取待识别的农药包装袋图像信息运用了图像识别模块，所述图像识别模块由多个光学采集设备与图像识别系统组成，所述光学采集设备固定放置于特定位置。

图2示出了本发明中构建农药包装袋信息数据库的流程图；

根据本发明实施例，构建农药包装袋信息数据库具体包括：

S202，从大数据中检索每种农药包装袋的图像信息，所述图像信息包括农药包装袋的外观信息和农药包装袋表面的二维码，条形码，农药文字标识符信息；

S204，构建农药包装袋信息数据库，将所述图像信息中每种农药包装袋的图像信息转化为一组图像特征值，将所述图像特征值导入农药包装袋信息数据库中；

S206，间隔预设时间段后，从大数据中检索新的农药包装袋图像信息，将所述图像信息转化为一组图像特征值，将所述图像特征值导入农药包装袋信息数据库中，直到所有新的农药包装袋图像信息导入农药包装袋信息数据库中，以实现定时更新农药包装袋信息数据库。

需要说明的是，所述的根据获取到的待识别的农药包装袋图像信息动态选择预设的图像识别算法，进行图像识别，识别出具体农药类别，还包括：

建立图像识别算法模型，将农药包装袋信息数据库中的农药包装袋信息特征值进行预处理得到农药包装袋图像训练数据集，将所述农药包装袋图像训练数据集导入所述图像识别算法模型中，进行图像识别算法训练；

根据获取到的待识别农药包装袋图像信息，计算所述农药包装袋各图像信息完整度与各图像信息有效率，所述图像信息包括农药包装袋的外观信息和农药包装袋表面的二维码，条形码，农药文字标识符信息，所述图像信息完整度与图像信息有效率计算公式具体为：

R

R

计算得到所述各图像信息完整度与各图像信息有效率，将各图像信息完整度与各图像信息有效率进行排序，得到排序结果，将排序结果导入所述图像识别算法模型，图像识别算法模型将根据排序结果动态选择适合当前图像信息的图像识别算法，识别出具体农药类别，特别地，以上所述R

另外，所述的动态选择适合当前待识别农药包装袋的图像识别算法，识别出具体农药类别，所述图像识别算法包括但不限于卷积神经网络算法，HOG特征提取算法，ORB算法，SIFT算法，SURF算法。

需要说明的是，所述的获取需要回收的农药包装袋类别信息，具体为：

用户从输入设备输入需要回收的农药包装袋类别信息；

从所述输入设备获取需要回收的农药包装袋类别信息，所述用户需要回收的农药包装袋信息为一种或两种以上的组合，特别地，所述输入设备包括但不限于用户移动设备，计算机终端设备。

图3示出了本发明中回收巡航车回收处理的流程图；

根据本发明实施例，回收巡航车回收处理流程具体包括：

S302，采集特定区域内的视频信息，将采集到的视频信息通过图像帧目标地形特征点提取，进行三维地图模型重建，得到特定区域的三维地图模型；

S304，将所述三维地图模型同步导入到回收巡航车导航定位系统内；

S306，获取待识别农药包装袋在三维地图模型里的具体位置信息，将位置信息作为导航信息发送到每部回收巡航车导航定位系统内；

S308，根据每部回收巡航车的当前位置，由回收巡航车的导航定位系统计算并选取离所述待识别农药包装袋位置最近的回收巡航车，导航至所述位置进行回收处理；

需要说明的是，每部回收巡航车内置导航定位系统，自动行驶系统，每部回收巡航车之间能够相互通信；所述回收巡航车内置的导航定位系统和自动行驶系统拥有与图像识别模块和视频采集模块相互通信的功能；所述的回收巡航车在特定区域内至少拥有一部或多部，另外，回收巡航车回收处理的流程运用到了视频采集模块与图像识别模块，所述视频采集模块包括多个相机设备，相机设备放置于特定位置。

图4示出了本发明一种基于大数据的农药包装袋智能识别系统的框图。

本发明第二方面还提供了一种基于大数据的农药包装袋智能识别系统4，该系统包括：存储器41、处理器42，所述存储器41中包括基于大数据的农药包装袋智能识别方法程序，所述基于大数据的农药包装袋智能识别方法程序被所述处理器42执行时实现如下步骤：

获取待识别的农药包装袋图像信息；

根据获取到的待识别的农药包装袋图像信息动态选择预设的图像识别算法，进行图像识别，识别出具体农药类别；

获取需要回收的农药包装袋类别信息；

根据需要回收的农药包装袋类别信息，获取对应的位置信息，将所述农药包装袋位置信息作为回收巡航车的导航信息，以使回收巡航车导航至位置地点回收需要回收的农药包装袋。

需要说明的是，所述的获取待识别的农药包装袋图像信息，具体为：

获取待识别的农药包装袋的灰度图像；

将所述农药包装袋的灰度图像进行图像预处理，得到农药包装袋的图像矩阵；

基于机器学习算法，从农药包装袋的图像矩阵中，识别出待识别的农药包装袋图像信息，所述的图像信息包括农药包装袋的外观信息和农药包装袋表面的二维码，条形码，农药文字标识符信息。

需要说明的是，所述的获取待识别的农药包装袋图像信息运用了图像识别模块，所述图像识别模块由多个光学采集设备与图像识别系统组成，所述光学采集设备固定放置于特定位置。

需要说明的是，所述的的根据获取到的待识别的农药包装袋图像信息动态选择预设的图像识别算法，进行图像识别，识别出具体农药类别，之前包括：

从大数据中检索每种农药包装袋的图像信息，所述图像信息包括农药包装袋的外观信息和农药包装袋表面的二维码，条形码，农药文字标识符信息；

构建农药包装袋信息数据库，将所述图像信息中每种农药包装袋的图像信息转化为一组图像特征值，将所述图像特征值导入农药包装袋信息数据库中；

间隔预设时间段后，从大数据中检索新的农药包装袋图像信息，将所述图像信息转化为一组图像特征值，将所述图像特征值导入农药包装袋信息数据库中，直到所有新的农药包装袋图像信息导入农药包装袋信息数据库中，以实现定时更新农药包装袋信息数据库。

需要说明的是，所述的根据获取到的待识别的农药包装袋图像信息动态选择预设的图像识别算法，进行图像识别，识别出具体农药类别，还包括：

建立图像识别算法模型，将农药包装袋信息数据库中的农药包装袋信息特征值进行预处理得到农药包装袋图像训练数据集，将所述农药包装袋图像训练数据集导入所述图像识别算法模型中，进行图像识别算法训练；

根据获取到的待识别农药包装袋图像信息，计算所述农药包装袋各图像信息完整度与各图像信息有效率，所述图像信息包括农药包装袋的外观信息和农药包装袋表面的二维码，条形码，农药文字标识符信息，所述图像信息完整度与图像信息有效率计算公式具体为：

R

R

计算得到所述各图像信息完整度与各图像信息有效率，将各图像信息完整度与各图像信息有效率进行排序，得到排序结果，将排序结果导入所述图像识别算法模型，图像识别算法模型将根据排序结果动态选择适合当前图像信息的图像识别算法，识别出具体农药类别，特别地，以上所述R

另外，所述的动态选择适合当前待识别农药包装袋的图像识别算法，识别出具体农药类别，所述图像识别算法包括但不限于卷积神经网络算法，HOG特征提取算法，ORB算法，SIFT算法，SURF算法。

需要说明的是，所述的获取需要回收的农药包装袋类别信息，具体为：

用户从输入设备输入需要回收的农药包装袋类别信息；

从所述输入设备获取需要回收的农药包装袋类别信息，所述用户需要回收的农药包装袋信息为一种或两种以上的组合，特别地，所述输入设备包括但不限于用户移动设备，计算机终端设备。

需要说明的是，所述的根据需要回收的农药包装袋类别信息，获取对应的位置信息，将所述农药包装袋位置信息作为回收巡航车的导航信息，以使回收巡航车导航至位置地点回收需要回收的农药包装袋，具体为：

采集特定区域内的视频信息，将采集到的视频信息通过图像帧目标地形特征点提取，进行三维地图模型重建，得到特定区域的三维地图模型，将所述三维地图模型同步导入到回收巡航车导航定位系统内；

每部回收巡航车内置导航定位系统，自动行驶系统，每部回收巡航车之间能够相互通信；

所述回收巡航车内置的导航定位系统和自动行驶系统拥有与图像识别模块和视频采集模块相互通信的功能；

所述的回收巡航车在特定区域内至少拥有一部或多部；

获取待识别农药包装袋在所述三维地图模型里的具体位置信息，将所述位置信息作为导航信息发送到每部回收巡航车导航定位系统内，根据每部回收巡航车的当前位置，由导航定位系统计算并选取离所述待识别农药包装袋位置最近的回收巡航车，导航至所述位置进行回收处理。

本发明第三方面还提供了一种基于大数据的农药包装袋智能识别可读存储介质，所述计算机可读存储介质中包括基于大数据的农药包装袋智能识别方法程序，所述基于大数据的农药包装袋智能识别方法程序被处理器执行时，实现如上述任一项所述的基于大数据的农药包装袋智能识别方法的步骤。

本发明公开一种基于大数据的农药包装袋智能识别方法、系统及介质，通过基于大数据检索和图像识别算法，准确识别农药包装袋所属类别。根据预设时间间隔，实时更新农药包装袋信息数据库，提高农药包装图像识别准确率。另外，在识别出所需回收的农药包装袋后，由回收巡航车自动行驶至所需回收的农药包装袋位置进行回收处理，提高了农药包装袋回收效率，降低了人工成本。

在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。

上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。

另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。

本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

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，可轻易想到的变化或替换，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所述权利要求的保护范围为准。