[发明专利]一种监测易发芽作物发芽状态的方法及装置

权利要求书

1.一种监测易发芽作物发芽状态的方法，其特征在于，包括：

获取待监测图像，所述待监测图像包括未发芽图像、轻微发芽图像和严重发芽图像；

将所述待监测图像输入至训练好的CNN与RNN结合模型，输出所述待监测图像对应的发芽状态类别，所述发芽状态类别包括未发芽、轻微发芽和严重发芽；

所述CNN与RNN结合模型的训练过程，包括：

S1、将所述待监测图像输入CNN中，所述CNN的单神经元的权重计算公式为：

其中，W为权重，b为偏移量，x为向量，所述x由所述待监测图像经数字化后得到，i为层数，n为层数数目；

S2、将所述CNN输出的数据与RNN的参数整合，得到所述RNN的基础函数为：

S_t＝f(U*X_t+W*S_t-1)

其中，S_t为t时刻的记忆，X_t为t时刻的输入，U为X_t的系数，W为权重，S_t-1为t-1时刻的记忆，f()函数是神经网络中的激活函数；

S3、运用softmax来预测，进一步提高分类的准确性，具体公式表示为：

o_t＝softmax(VS_t)

其中，V为预测时的权重矩阵，S_t为t时刻的记忆，o_t为所述RNN于时刻t的输出；

S4、在所述RNN的GRU模型中，得到：

R_t＝σ(X_tW_xr+H_t-1W_hr+b_r)

Z_t＝σ(X_tW_xz+H_t-1W_hz+b_z)

其中，R_t为重置门、Z_t为更新门、为t时刻的候选隐含状态，H_t为t时刻的隐含状态，H_t-1为t-1时刻的隐含状态，X_t为t时刻的输入，W_xr、W_hr、b_r为R_t的参数，W_xz、W_hz、b_z为Z_t的参数，W_xh、W_hh、b_h为的参数；

S5、把所述CNN得到的图像的特征输入到所述GRU模型里，所述S_t为：

S_t＝tanh(U*X_t+W*S_t-1+V*X)

其中，X_t为t时刻的输入，U为X_t的系数，X为图像的特征，V为预测时的权重矩阵，S_t为t时刻的记忆，S_t-1为t-1时刻的记忆。

2.根据权利要求1所述的一种监测易发芽作物发芽状态的方法，其特征在于，所述将所述待监测图像输入至训练好的CNN与RNN结合模型之前，还包括：

采用自适应分割技术分割出所述待监测图像中的易发芽作物部分，得到易发芽作物部分图像；

将所述易发芽作物部分图像作归一化处理，以使所述易发芽作物部分图像的尺寸一致。

3.根据权利要求1所述的一种监测易发芽作物发芽状态的方法，其特征在于，所述发芽状态类别由人工分类并标注。

4.根据权利要求1所述的一种监测易发芽作物发芽状态的方法，其特征在于，所述CNN与RNN结合模型由Caffe深度学习框架进行训练。