作品展示
作品展示 > A类:智能农业装备科技发明制作类 > A8其他智能农业装备
鲜花表型智能检测与采收决策系统
- 作品编号:2025A6080
- 所属领域:A8其他智能农业装备
- 作品层次:研究生
- 所在高校:昆明理工大学
- 所在院/系:现代农业工程学院
- 作品所处阶段:A、实验室阶段
- 作品展示形式:样机
- 制作成本估算:5万元
作品简介:
本作品是一个集感知、认知、决策于一体的综合性智能农业系统。它突破了传统单一参数检测的局限,通过搭载多光谱相机和深度相机,全面、无损地获取花朵的形态、颜色、纹理及内部生理状况等多维表型数据。系统利用深度学习与数据融合技术,构建了从表型数据到成熟度等级的精准映射模型。在此基础上,首创了基于多目标优化(兼顾成熟度、品质与市场价值)的采收决策算法,不仅能判断“是否成熟”,更能给出“何时采收最优”的决策建议,并通过云平台将分析结果与决策指令实时推送至用户终端,最终实现鲜花产值最大化。
主要创新点:
1. 从“检测”到“决策”的系统性创新:首创了面向鲜花产业的“表型感知-智能诊断-决策支持”全链条技术解决方案,实现了从工具到系统的跨越。
2. 多维表型数据的深度融合与解析:首次将形态、色彩、光谱等多维度表型信息共同纳入鲜花成熟度与品质评估模型,极大地提升了模型的生物学意义和判断准确性。
3. 基于运筹学模型的智能决策机制:将采收问题建模为一个多目标优化问题,综合考虑成熟度、预期瓶插期、市场价格波动等因素,生成经济效益最优的采收计划,核心技术具有强原创性。
技术关键和主要技术指标:
1. 多维度表型数据采集技术:集成RGB、多光谱与深度视觉传感器,同步获取花朵的2D/3D形态、颜色分布及超出人眼感知的光谱信息,构建数字表型数据库。
2. 基于多模态深度学习的表型解析模型: 设计特征金字塔网络(FPN)与自注意力机制相结合的网络结构,高效融合异构表型数据,精准提取与成熟度、健康度强相关的深度特征。
3. 采收决策优化算法:核心决策引擎。建立以“预期收益”为目标函数,以成熟度、库存、市场需求为约束条件的优化模型,并利用强化学习算法进行动态策略求解,为花农提供个性化采收方案。
4. 云-边-端协同系统架构:终端机器人负责数据采集与简单判别,边缘服务器进行复杂模型推理,云平台完成大数据分析与决策优化,实现系统资源的高效利用与功能的可扩展性。
推广应用价值:
作为云南花卉产业数字化转型的关键技术支撑,该研究通过构建“实例分割-成熟判别-数量估算”一体化智能框架,攻克密集遮挡环境下花朵识别与估算的瓶颈问题,可显著提升温室鲜花生产的标准化与智能化水平。在实际应用中,该技术可集成于巡检小车或无人机等移动平台,实现实时花期监测与采收调度,避免传统人工巡视的主观误差与低效瓶颈,预计可将采摘决策准确率提高20%以上,减少劳动力投入30%,并为产量预测提供数据化依据,帮助企业优化供应链管理,降低库存积压与市场波动风险。以云南为例,该省鲜切花产量占全国首位,年产值超1400亿元,本项目成果推广后,可助力智慧花卉园区建设,推动从经验管理向数据驱动转型,预计每年为产业节约成本数亿元。同时,该方法具备强通用性,可扩展至葡萄、草莓等群体作物估产场景,促进设施农业整体升级,具有广阔的经济、社会与生态效益。
作品视频: