一种基于人工智能作物生产过程溯源档案的生成方法

1.本发明涉及人工智能技术领域，具体涉及一种基于人工智能作物生产过程溯源档案的生成方法。


背景技术：

2.现有农事行为溯源档案生成方法一般基于人工录入，农业从业人员普遍缺乏信息化知识和技术，农业生产管理水平低下，录入频次和质量较低，不能很好的为农产品溯源服务；另外，农事生产溯源档案人工录入，缺乏必要的监督，最终呈现给消费者的溯源档案缺乏可信度，不能为农产品的价值维护与增值服务。


技术实现要素：

3.本发明的目的是提供一种基于人工智能作物生产过程溯源档案的生成方法。
4.为解决上述技术问题，本发明采用如下技术方案：本发明提供一种基于人工智能作物生产过程溯源档案的生成方法，包括以下具体步骤：s1，训练集构建：建立测试场地，收集视频数据，获取时间段内各帧人物姿势信息，作为lstm模型的输入；s2，模型训练：将姿势数据集p(ij)划分为测试集和训练集，输入lstm模型，初定模型参数；s3，模型构建：选取精度评价指标，综合评价模型精度，采用sec-ua算法，优化模型参数，得到最终模型参数m；s4，档案生成。
5.具体的，所述步骤1中，包括如下步骤：s101，建立数据获取测试场地：综合考虑作物生产过程，建立类似真实生产环境的测试场地；s102，视频信息获取：按照作物生产过程农事操作分类a(0..i)，分别获取视频影像集v(ij)；s103，人物姿势数据获取：对v(ij)没帧z采用mediapipe操作，获取人物姿势数据集p(ij)，作为lstm模型的输入；s104，姿势数据预处理：对p(ij)采用mean/std，进行归一化处理。
6.具体的，所述步骤4中，包括如下步骤：s401，实时检测监控视频流，获取视频是否包含人物进入，以及获取对应监控图像中人员姓名信息和进场时间；s402，在人员进场后，循环获取进场后动作帧影像，使用改进的基于人工智能的方法mediapipe模型，获取单帧人物姿势数据；s403，数据标准化，采用mean/std方法预处理，获得姿势数据在同一坐标系下的位
置信息；s404，分类：采用lstm方法，将姿势数据分类，以区分不同农事行为；s405，记录档案：在人员离场后，获取离场时间，并获取人物进场后的某一帧数据作为快照信息，最终记录一条溯源档案。
7.本发明的有益效果在于：本发明以农田监控影像为输入，以改进的mediapipe姿势估计模型和lstm算法得到作物生长过程农事操作行为，记入作物生产溯源档案，减少人为操作，提高溯源档案的真实性和可信程度。
附图说明
8.利用附图对发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。
9.图1是本发明的方法流程图。
实施方式
10.下面将结合对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
11.实施例1，一种基于人工智能作物生产过程溯源档案的生成方法，包括以下具体步骤：s1，训练集构建：建立测试场地，收集视频数据，获取时间段内各帧人物姿势信息，作为lstm模型的输入；s2，模型训练：将姿势数据集p(ij)划分为测试集和训练集，输入lstm模型，初定模型参数；s3，模型构建：选取精度评价指标，综合评价模型精度，采用sec-ua算法，优化模型参数，得到最终模型参数m；s4，档案生成。
12.进一步的，所述步骤1中，包括如下步骤：s101，建立数据获取测试场地：综合考虑作物生产过程，建立类似真实生产环境的测试场地；s102，视频信息获取：按照作物生产过程农事操作分类a(0..i)，分别获取视频影像集v(ij)；s103，人物姿势数据获取：对v(ij)没帧z采用mediapipe操作，获取人物姿势数据集p(ij)，作为lstm模型的输入；s104，姿势数据预处理：对p(ij)采用mean/std，进行归一化处理。
13.进一步的，所述步骤4中，包括如下步骤：s401，实时检测监控视频流，获取视频是否包含人物进入，以及获取对应监控图像中人员姓名信息和进场时间；
s402，在人员进场后，循环获取进场后动作帧影像，使用改进的基于人工智能的方法mediapipe模型，获取单帧人物姿势数据；s403，数据标准化，采用mean/std方法预处理，获得姿势数据在同一坐标系下的位置信息；s404，分类：采用lstm方法，将姿势数据分类，以区分不同农事行为；s405，记录档案：在人员离场后，获取离场时间，并获取人物进场后的某一帧数据作为快照信息，最终记录一条溯源档案。
14.本实施例所述的基于人工智能作物生产过程溯源档案的生成方法包括模型预训练和档案生成两个部分，其中模型训练部分包括：测试场地建立，在综合考虑作物生产环境信息的基础上，建立训练场地；收集训练视频数据，获取视频数据人物姿势数据，数据标准化；划分训练集和测试集，初定模型参数，模型精度评价；选取优化算法，进行模型优化；档案生成步骤包括：获取监控实时影像；影像数据mediapipe模型，得到姿势估计参数；参数采用mean/std预处理，标准化；输入lstm模型；得到分类结果。
15.本发明以农田监控影像为输入，以改进的mediapipe姿势估计模型和lstm算法得到作物生长过程农事操作行为，记入作物生产溯源档案，减少人为操作，提高溯源档案的真实性和可信程度。
16.显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。


技术特征：
1.一种基于人工智能作物生产过程溯源档案的生成方法，其特征在于，包括以下具体步骤：s1，训练集构建：建立测试场地，收集视频数据，获取时间段内各帧人物姿势信息，作为lstm模型的输入；s2，模型训练：将姿势数据集p(ij)划分为测试集和训练集，输入lstm模型，初定模型参数；s3，模型构建：选取精度评价指标，综合评价模型精度，采用sec-ua算法，优化模型参数，得到最终模型参数m；s4，档案生成。2.如权利要求1所述的一种基于人工智能作物生产过程溯源档案的生成方法，其特征在于，所述步骤1中，包括如下步骤：s101，建立数据获取测试场地：综合考虑作物生产过程，建立类似真实生产环境的测试场地；s102，视频信息获取：按照作物生产过程农事操作分类a(0..i)，分别获取视频影像集v(ij)；s103，人物姿势数据获取：对v(ij)没帧z采用mediapipe操作，获取人物姿势数据集p(ij)，作为lstm模型的输入；s104，姿势数据预处理：对p(ij)采用mean/std，进行归一化处理。3.如权利要求1所述的一种基于人工智能作物生产过程溯源档案的生成方法，其特征在于：所述步骤4中，包括如下步骤：s401，实时检测监控视频流，获取视频是否包含人物进入，以及获取对应监控图像中人员姓名信息和进场时间；s402，在人员进场后，循环获取进场后动作帧影像，使用改进的基于人工智能的方法mediapipe模型，获取单帧人物姿势数据；s403，数据标准化，采用mean/std方法预处理，获得姿势数据在同一坐标系下的位置信息；s404，分类：采用lstm方法，将姿势数据分类，以区分不同农事行为；s405，记录档案：在人员离场后，获取离场时间，并获取人物进场后的某一帧数据作为快照信息，最终记录一条溯源档案。

技术总结
本发明公开了一种基于人工智能作物生产过程溯源档案的生成方法，步骤1：获取监控实时影像，步骤2：影像数据MediaPipe模型，得到姿势估计参数：步骤3：参数采用MEAN/STD预处理，标准化：步骤4：输入LSTM模型：步骤5：得到分类结果；档案生成步骤包括：步骤1：获取监控实时影像，步骤2：影像数据MediaPipe模型，得到姿势估计参数：步骤3：参数采用MEAN/STD预处理，标准化：步骤4：输入LSTM模型：步骤5：得到分类结果。本发明以农田监控影像为输入，以改进的MediaPipe姿势估计模型和LSTM算法得到作物生长过程农事操作行为，记入作物生产溯源档案，减少人为操作，提高溯源档案的真实性和可信程度。度。度。


技术研发人员：秦一浪 陈丹丹 李国强 张杰 王猛 张建涛 周萌
受保护的技术使用者：河南省农业科学院农业经济与信息研究所
技术研发日：2023.04.19
技术公布日：2023/8/5