本發(fā)明屬于圖像處理，具體涉及一種基于人工智能的圖像處理系統(tǒng)及方法。

背景技術(shù)：

1、近年來(lái)，隨著深度學(xué)習(xí)技術(shù)和計(jì)算機(jī)硬件設(shè)備的快速發(fā)展，圖像分類(lèi)、目標(biāo)檢測(cè)、實(shí)例分割等諸多領(lǐng)域均取得了巨大突破。深度學(xué)習(xí)技術(shù)能夠?qū)υ紙D像數(shù)據(jù)進(jìn)行特征的自動(dòng)提取和表示，其中流行的卷積神經(jīng)網(wǎng)絡(luò)對(duì)圖像變化具有很強(qiáng)的包容性，擬合能力強(qiáng)大。目標(biāo)檢測(cè)和實(shí)例分割可以被認(rèn)為是一種目標(biāo)定位，其在計(jì)算機(jī)視覺(jué)中屬于一項(xiàng)關(guān)鍵任務(wù)，它使人工智能系統(tǒng)能夠以對(duì)象為中心的方式進(jìn)行感知和推理。

2、農(nóng)業(yè)病蟲(chóng)害的傳統(tǒng)識(shí)別方式往往是植保專(zhuān)業(yè)人員或農(nóng)戶到田間實(shí)地觀察作物情況進(jìn)行判斷。前者存在反饋延遲的問(wèn)題，而后者往往是農(nóng)戶根據(jù)自身經(jīng)驗(yàn)自行判斷，可能會(huì)導(dǎo)致害蟲(chóng)抗藥性增加和農(nóng)藥殘留超標(biāo)。如今工業(yè)界尚不存在完善的農(nóng)作物圖像處理系統(tǒng)，它們要么用于單純的目標(biāo)檢測(cè)任務(wù)，要么通過(guò)建立字典來(lái)給出施藥建議，不是包含圖像檢測(cè)和施藥建議的一體化系統(tǒng)。另外，系統(tǒng)處理的昆蟲(chóng)圖像必須遵照一定的標(biāo)準(zhǔn)獲取，才能保證正確地進(jìn)行種類(lèi)識(shí)別。但在實(shí)際使用過(guò)程中，有可能難以按標(biāo)準(zhǔn)要求來(lái)獲取昆蟲(chóng)圖像，或者用戶會(huì)通過(guò)網(wǎng)絡(luò)上傳各種不同標(biāo)準(zhǔn)的昆蟲(chóng)圖像進(jìn)行自動(dòng)鑒定請(qǐng)求，這樣系統(tǒng)的廣泛應(yīng)用就有一定的困難和局限性。

3、因此，有必要提出一種基于人工智能的圖像處理系統(tǒng)及方法，以至少部分地解決現(xiàn)有技術(shù)中存在的問(wèn)題。

4、本背景技術(shù)所公開(kāi)的上述信息僅僅用于增加對(duì)本發(fā)明背景技術(shù)的理解，因此，其可能包括不構(gòu)成本領(lǐng)域普通技術(shù)人員已知的現(xiàn)有技術(shù)。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的在于提供一種基于人工智能的圖像處理系統(tǒng)及方法，以解決上述背景技術(shù)中提出的問(wèn)題。

2、為實(shí)現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：

3、一種基于人工智能的圖像處理系統(tǒng)，包括：圖像采集模塊、圖像檢測(cè)模塊、圖像后處理模塊、輔助決策模塊、數(shù)據(jù)管理模塊，所述圖像采集模塊負(fù)責(zé)獲取拍攝的田間作物圖像數(shù)據(jù)并對(duì)圖像質(zhì)量進(jìn)行分析，所述圖像檢測(cè)模塊利用人工智能技術(shù)對(duì)圖像進(jìn)行分類(lèi)、識(shí)別或檢測(cè)，減少數(shù)據(jù)處理和目標(biāo)分析所需的時(shí)間，所述圖像后處理模塊對(duì)檢測(cè)結(jié)果進(jìn)行分析、標(biāo)注或數(shù)據(jù)融合，生成信息總結(jié)并供決策生成使用，所述輔助決策模塊通過(guò)綜合分析和數(shù)據(jù)支持，根據(jù)作物病害構(gòu)造相應(yīng)的建議，提高作物產(chǎn)量和品質(zhì)，所述數(shù)據(jù)管理模塊用于對(duì)接收的數(shù)據(jù)進(jìn)行統(tǒng)一管理和存儲(chǔ)，確保圖像數(shù)據(jù)的安全性，防止未經(jīng)授權(quán)的訪問(wèn)。

4、優(yōu)選的，所述數(shù)據(jù)采集模塊定期獲取田間作物的拍攝圖像，并且在每次采集時(shí)，記錄環(huán)境數(shù)據(jù)以及作物品種和當(dāng)前生長(zhǎng)狀態(tài)，同時(shí)用戶可自主上傳圖像數(shù)據(jù)，并填寫(xiě)田間作物的相關(guān)信息，通過(guò)超分端口采用llan網(wǎng)絡(luò)對(duì)圖像進(jìn)行超分，并將生成的圖像存儲(chǔ)至數(shù)據(jù)庫(kù)。

5、優(yōu)選的，所述圖像檢測(cè)模塊使用人工智能技術(shù)將害蟲(chóng)圖像從圖像數(shù)據(jù)中篩選出來(lái)，這里可以采用faster?rcnn網(wǎng)絡(luò)對(duì)圖像進(jìn)行害蟲(chóng)檢測(cè)，然后通過(guò)圖像分割及去噪將害蟲(chóng)區(qū)域從背景中分割出來(lái)，提取害蟲(chóng)特征值得到特征值矩陣，最后使用分類(lèi)器對(duì)害蟲(chóng)進(jìn)行自動(dòng)識(shí)別。

6、為了把害蟲(chóng)從背景中分割開(kāi)來(lái)，先將害蟲(chóng)的rgb分量轉(zhuǎn)換成hsv分量，然后將h分量的圖像采用最大類(lèi)間算法求解的自適應(yīng)閾值來(lái)進(jìn)行分割，分割后的圖像進(jìn)行二值化，害蟲(chóng)圖像經(jīng)過(guò)分割后，其背景圖像可能還有孤立點(diǎn)噪聲，采用尋找最大連通區(qū)域進(jìn)行去噪處理，最后填補(bǔ)最大連通區(qū)域內(nèi)部的空洞以得到最后的害蟲(chóng)圖像。

7、對(duì)害蟲(chóng)特征值進(jìn)行提取，每一組特征值可以組成一個(gè)特征向量，如下式所示：

8、

9、式中，idi是一個(gè)數(shù)字標(biāo)量，用來(lái)表示害蟲(chóng)類(lèi)別，indexn是符合支持向量機(jī)分類(lèi)的特征值索引值，tn是害蟲(chóng)的第n個(gè)特征值，對(duì)于所有要識(shí)別的害蟲(chóng)樣本圖像集，則有一個(gè)x向量組成的二維矩陣。設(shè)計(jì)一個(gè)支持向量機(jī)分類(lèi)器，對(duì)于上述二維特征值矩陣進(jìn)行樣本訓(xùn)練，得到分類(lèi)器的模型，然后系統(tǒng)利用該分類(lèi)器模型對(duì)用戶的識(shí)別請(qǐng)求給出自動(dòng)識(shí)別結(jié)果。

10、優(yōu)選的，所述圖像后處理模塊使用vgg?imageannotator為檢測(cè)到的害蟲(chóng)繪制邊界框，并根據(jù)檢測(cè)結(jié)果標(biāo)注害蟲(chóng)類(lèi)別，然后通過(guò)數(shù)據(jù)融合算法來(lái)整合相似的檢測(cè)結(jié)果，以提供更全面和準(zhǔn)確的害蟲(chóng)信息，采用自然語(yǔ)音生成技術(shù)將檢測(cè)結(jié)果轉(zhuǎn)換為描述性文本，或?qū)?shù)據(jù)以表格或圖形的形式呈現(xiàn)。

11、優(yōu)選的，所述輔助決策模塊集成數(shù)據(jù)分析結(jié)果，提供動(dòng)態(tài)決策支持，包括病害處理方案、施肥和灌溉建議，采用異步處理技術(shù)提升系統(tǒng)的響應(yīng)速度和處理能力，構(gòu)建基于規(guī)則的專(zhuān)家系統(tǒng)，結(jié)合農(nóng)業(yè)專(zhuān)家的知識(shí)，生成針對(duì)不同病害的處理建議。

12、優(yōu)選的，所述數(shù)據(jù)管理模塊采用mysql數(shù)據(jù)庫(kù)存儲(chǔ)接收的數(shù)據(jù)，將歷史數(shù)據(jù)歸檔到較少訪問(wèn)的存儲(chǔ)位置中，以減輕數(shù)據(jù)庫(kù)的負(fù)擔(dān)，根據(jù)類(lèi)別標(biāo)簽創(chuàng)建索引實(shí)現(xiàn)對(duì)圖像數(shù)據(jù)的快速檢索，并且使用表分區(qū)將經(jīng)過(guò)不同處理的圖像數(shù)據(jù)以及相關(guān)信息進(jìn)行管理，提高查詢性能，通過(guò)連接池管理數(shù)據(jù)庫(kù)連接，減少連接創(chuàng)建和銷(xiāo)毀的開(kāi)銷(xiāo)。

13、一種基于人工智能的圖像處理方法，包括：

14、步驟一、獲取拍攝的田間作物圖像或由用戶上傳圖像，然后將圖像保存至數(shù)據(jù)庫(kù)并且更新數(shù)據(jù)列表；

15、步驟二、對(duì)低分辨率圖像進(jìn)行圖像超分辨率，然后應(yīng)用人工智能技術(shù)執(zhí)行以害蟲(chóng)為特征的篩選過(guò)程；

16、步驟三、基于害蟲(chóng)圖像使用分類(lèi)器對(duì)害蟲(chóng)進(jìn)行自動(dòng)識(shí)別，并針對(duì)輸出結(jié)果進(jìn)行處理，生成信息總結(jié)；

17、步驟四、使用圖像處理生成信息進(jìn)行綜合分析，結(jié)合歷史數(shù)據(jù)進(jìn)行全局評(píng)估，構(gòu)建并輸出決策建議；

18、步驟五、收集用戶的反饋和建議，并定期評(píng)估系統(tǒng)的檢測(cè)準(zhǔn)確性，進(jìn)一步改善系統(tǒng)性能和用戶體驗(yàn)。

19、優(yōu)選的，所述在步驟二中，經(jīng)過(guò)處理的低分辨率圖像統(tǒng)一存儲(chǔ)在新的文件位置，在步驟三中，根據(jù)識(shí)別結(jié)果標(biāo)注害蟲(chóng)類(lèi)別并將相似的害蟲(chóng)圖像整合在一起，在步驟四中，決策建議可以根據(jù)大語(yǔ)音模型通義千問(wèn)的回答進(jìn)行摘取，面對(duì)嚴(yán)重病害則在決策建議中標(biāo)注“緊急”，根據(jù)決策建議生成分析報(bào)告或通知信息發(fā)送給用戶，與決策建議生成同步進(jìn)行的是實(shí)施時(shí)間生成，通過(guò)調(diào)用openweathermap天氣api查詢一周內(nèi)天氣情況，選擇最近的晴天或陰天成為實(shí)施時(shí)間。

20、一種終端設(shè)備，其特征是：包括處理器和計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，處理器用于實(shí)現(xiàn)各指令；計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)用于存儲(chǔ)多條指令，所述指令適于由處理器加載并執(zhí)行上述中任一項(xiàng)所述的一種基于人工智能的圖像處理系統(tǒng)。

21、與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果是：

22、本發(fā)明通過(guò)超分辨率技術(shù)增強(qiáng)作物圖像，利用目標(biāo)檢測(cè)提取作物圖像中的害蟲(chóng)信息，根據(jù)對(duì)害蟲(chóng)信息的分析生成病蟲(chóng)害防治輔助決策，幫助用戶更精準(zhǔn)地處理蟲(chóng)害情況，使用數(shù)據(jù)管理技術(shù)和天氣預(yù)報(bào)接口完善了病蟲(chóng)害輔助決策流程，在此過(guò)程中對(duì)接收的圖像進(jìn)行預(yù)處理和特征提取，提取害蟲(chóng)特征值構(gòu)成特征向量，利用支持向量機(jī)分類(lèi)器進(jìn)行自動(dòng)識(shí)別，為害蟲(chóng)的防治提供及時(shí)準(zhǔn)確的蟲(chóng)情信息，有利于降低防治成本，提高防治效果。

23、上述概述僅僅是為了說(shuō)明書(shū)的目的，并不意圖以任何方式進(jìn)行限制。除上述描述的示意性的方面、實(shí)施方式和特征之外，通過(guò)參考附圖和以下的詳細(xì)描述，本發(fā)明進(jìn)一步的方向、實(shí)施方式和特征將會(huì)是容易明白的。