一种植被灌溉方法、装置、存储介质及电子设备

本说明书涉及计算机，尤其涉及一种植被灌溉方法、装置、存储介质及电子设备。背景技术：1、如今，城市的发展与建设水平逐年提高，城市绿化作为城市发展中重要的一环，一直以来都进行着不断地改善。而其中，对于植被的灌溉是绿化过程中不可缺少的一部分。2、目前，现有的方法在对植被进行灌溉时，依赖于各种传感设备，例如温湿度传感器、风速传感器、日照传感器等，通过对各种传感设备收集的数据进行分析，决定是否需要对植被进行灌溉。同时，传感设备本身在采集数据的过程中很容易产生误差，导致最终的判断结果往往也并不准确。3、因此，如何更加准确且通用地分辨植被是否需要灌溉并加以处理是一个亟待解决的问题。技术实现思路1、本说明书提供一种植被灌溉方法、装置、存储介质及电子设备，以至少部分地解决现有技术存在的上述问题。2、本说明书采用下述技术方案：3、本说明书提供了一种植被灌溉方法，包括：4、确定各图像采集设备与各灌溉设备之间的对应关系；5、针对每个图像采集设备，获取该图像采集设备采集的目标图像，所述目标图像中包含植被区域；6、将所述目标图像输入预先训练的判断模型，以确定所述目标图像中包含的植被区域是否需要灌溉；7、当所述目标图像中包含的植被区域需要灌溉时，根据图像采集设备与灌溉设备之间的对应关系，开启与该图像采集设备对应的灌溉设备。8、可选地，所述各图像采集设备与所述gpu服务器相连接，且所述各灌溉设备与所述gpu服务器相连接。9、可选地，所述各图像采集设备采集目标图像的时刻不同。10、可选地，确定各图像采集设备与各灌溉设备之间的对应关系，具体包括：11、针对每个图像采集设备，确定位于该图像采集设备的采集范围内的植被区域；12、将用于灌溉位于该图像采集设备的采集范围内的植被区域的灌溉设备，确定为与该图像采集设备对应的灌溉设备。13、可选地，所述判断模型至少包括提取子网、输出子网；14、将所述目标图像输入预先训练的判断模型，以确定所述目标图像中包含的植被区域是否需要灌溉，具体包括：15、将所述目标图像输入预先训练的判断模型，通过所述提取子网提取所述目标图像的图像特征；16、将所述图像特征输入所述输出子网，得到所述输出子网输出的判断结果；17、根据所述判断结果确定所述目标图像中包含的植被区域是否需要灌溉。18、可选地，预先训练判断模型，具体包括：19、获取样本图像以及所述样本图像的标注，其中，所述样本图像中包含样本植被区域，所述标注包括所述样本植被区域是否需要灌溉；20、将所述样本图像输入待训练的判断模型，得到所述判断模型输出的待优化判断结果；21、以所述待优化判断结果与所述标注之间的差异最小为优化目标，对所述判断模型进行训练。22、本说明书提供了一种植被灌溉系统，所述系统包括gpu服务器、图像采集设备、灌溉设备；23、所述gpu服务器用于存储所述图像采集设备与所述灌溉设备之间的对应关系，获取所述图像采集设备采集的目标图像，并判断所述目标图像中包含的植被区域是否需要灌溉，响应于所述目标图像中包含的植被区域需要灌溉时，开启与采集所述目标图像的图像采集设备对应的灌溉设备；24、所述图像采集设备用于采集包含植被区域的目标图像，并将所述目标图像上传至所述gpu服务器；25、所述灌溉设备用于响应于接收到所述gpu服务器下发的开启指令，开始运行。26、本说明书提供的一种植被灌溉装置，所述装置包括：27、确定模块，用于确定各图像采集设备与各灌溉设备之间的对应关系；28、采集模块，用于针对每个图像采集设备，获取该图像采集设备采集的目标图像，所述目标图像中包含植被区域；29、输入模块，用于将所述目标图像输入预先训练的判断模型，以确定所述目标图像中包含的植被区域是否需要灌溉；30、灌溉模块，用于当所述目标图像中包含的植被区域需要灌溉时，根据图像采集设备与灌溉设备之间的对应关系，开启与该图像采集设备对应的灌溉设备。31、本说明书提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述植被灌溉方法。32、本说明书提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述植被灌溉方法。33、本说明书采用的上述至少一个技术方案能够达到以下有益效果：34、在本说明书提供的植被灌溉方法中，确定各图像采集设备与各灌溉设备之间的对应关系；针对每个图像采集设备，获取该图像采集设备采集的目标图像，所述目标图像中包含植被区域；将所述目标图像输入预先训练的判断模型，以确定所述目标图像中包含的植被区域是否需要灌溉；当所述目标图像中包含的植被区域需要灌溉时，根据图像采集设备与灌溉设备之间的对应关系，开启与该图像采集设备对应的灌溉设备。35、在采用本说明书提供的植被灌溉方法对植被区域进行灌溉时，gpu服务器可周期性地获取通过各图像采集设备采集到的包含植被区域的目标图像，并将目标图像输入预先训练的判断模型中，以根据判断模型的输出结果，确定目标图像中包含的植被区域是否需要灌溉，并进行相应的处理。在采用本方法时，能够直接通过植被区域的图像判断出植被区域是否需要进行灌溉，无需获取额外数据，避免了数据采集阶段的误差的同时，大量减少了服务器需要处理的数据量，提高工作效率。同时，本方法能够在不同环境下给出同样准确的结果，具有较强的通用性。技术特征：1.一种植被灌溉方法，其特征在于，所述方法应用于图形处理器gpu服务器，所述方法包括：2.如权利要求1所述的方法，其特征在于，所述各图像采集设备与所述gpu服务器相连接，且所述各灌溉设备与所述gpu服务器相连接。3.如权利要求1所述的方法，其特征在于，所述各图像采集设备采集目标图像的时刻不同。4.如权利要求1所述的方法，其特征在于，确定各图像采集设备与各灌溉设备之间的对应关系，具体包括：5.如权利要求1所述的方法，其特征在于，所述判断模型至少包括提取子网、输出子网；6.如权利要求1所述的方法，其特征在于，预先训练判断模型，具体包括：7.一种植被灌溉系统，其特征在于，所述系统包括gpu服务器、图像采集设备、灌溉设备；8.一种植被灌溉装置，其特征在于，包括：9.一种计算机可读存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述权利要求1～6任一项所述的方法。10.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现上述权利要求1～6任一项所述的方法。技术总结本说明书公开了一种植被灌溉方法、装置、存储介质及电子设备。在采用本说明书提供的植被灌溉方法对植被区域进行灌溉时，GPU服务器可周期性地获取通过各图像采集设备采集到的包含植被区域的目标图像，并将目标图像输入预先训练的判断模型中，以根据判断模型的输出结果，确定目标图像中包含的植被区域是否需要灌溉，并进行相应的处理。在采用本方法时，能够直接通过植被区域的图像判断出植被区域是否需要进行灌溉，无需获取额外数据，避免了数据采集阶段的误差的同时，大量减少了服务器需要处理的数据量，提高工作效率。同时，本方法能够在不同环境下给出同样准确的结果，具有较强的通用性。技术研发人员：请求不公布姓名受保护的技术使用者：摩尔线程智能科技（北京）有限责任公司技术研发日：技术公布日：2024/5/16