目录
1 绪论 1
1.1 研究背景与意义 1
1.1.1 研究背景 1
1.1.2 研究意义 1
1.2 国内外研究现状 2
1.2.1 国外研究现状 2
1.2.2 国内研究现状 3
1.2.3 研究现状综述 3
1.3 研究内容和研究思路 4
1.4 本章小结 4
2 系统关键技术 5
2.1 机器视觉技术 5
2.2 Yolo视觉识别训练模型 5
2.3 云计算技术 6
2.4 云平台技术 7
2.5 边缘计算 7
2.6 Redis数据库 8
3 系统分析与设计 10
3.1 需求分析 10
3.1.1 系统功能需求分析 10
3.1.2 系统非功能需求分析 10
3.2 系统总体结构 11
3.2.1 系统总体模块架构设计 11
3.2.2 系统业务流程设计 13
3.3 系统详细设计 14
3.3.1 采集与控制子系统设计 14
3.3.2 云平台子系统设计 15
3.3.3 用户交互子系统设计 16
3.4 本章小结 17
4 系统实现 18
4.1 采集与控制的实现 18
4.1.1 图像采集模块 18
4.1.2 本地识别模块， 19
4.1.3 云端识别模块 22
4.1.4 电机自动控制模块 22
4.1.5 NB-IOT模块 23
4.2 云平台子系统的实现 25
4.2.1 MQTT模块 25
4.2.2 数据库模块实现 26
4.2.3 后台业务处理模块实现 27
4.3 用户交互子系统的实现 27
4.4 本章小结 29
5 系统测试 30
5.1 测试环境与测试方法 30
5.2 系统测试用例分析 30
5.3 系统模块测试 31
5.3.1 图像采集功能测试 31
5.3.2 图像识别功能测试 31
5.3.3 电机自动控制功能测试 31
5.3.4 移动端功能测试 32
5.4 本章小结 32
6 结论 33
7 参考文献 34
致 谢 36
1.3研究内容和研究思路
本课题运用机器视觉技术、NB-IOT通信技术、MQTT技术、WEB开发技术、云平台技术设计并实现[13]基于人工智能的稻田监控系统，完成对稻田图像、鸟类的识别、提示异常状态等等，从而减少鸟类对于稻田的损害。
本课题按照物联网设计要求，从实用性，先进性，标准化角度出发，以用户为中心，业务驱动网络构建的原则，以数据流为核心，自顶向下设计稻田监控系统。在开发和设计稻田监控系统的过程中，第一步为实现视觉传感器与主控模块的数据处理；其次判断数据是否异常，若异常则将数上传至云端进行识别，当云端返回结果满足一定条件时系统进行驱赶；最后是后台业务处理，提醒用户异常状态以及进行相关操作。
1.4本章小结
介绍了基于人工智能的稻田监控系统的探索价值以及背景，使得该探索能够在更加适宜的环境当中开展，在评述现阶段探索情况的基础上，对该系统实际探索问题的发展有更好的把握，也能够了解到当前已经存在的技术发展情况，针对当前稻田监控系统进行适宜的评价以及参考借鉴。基于前面背景、意义、现状设计出一种基于人工智能的稻田监控系统，并阐述具体的研究内容和研究思路，提出自己的设计思维。本系统能够对农田的鸟害信息进行检测，能够对稻田进行监控，能够识别出靠近稻田鸟类的信息，并最终在页面上进行展现，以最大程度的实现智能控制。