[发明专利]图像处理方法、装置、存储介质和电子装置

权利要求书

1.一种图像处理方法，其特征在于，包括：

获取在当前时刻之前的预定时间段内拍摄第一目标植物所得到的第一目标图像集，其中，所述第一目标图像集中所包含的每个第一图像用于指示所述第一目标植物在拍摄时刻正在经历的生长状态；

通过图像识别模型对所述第一目标图像集进行识别处理，其中，所述图像识别模型为对样本图像进行训练所得到的用于识别植物的生长状态的模型；

输出由所述图像识别模型处理得到的用于指示所述第一目标植物的目标生长状态的目标结果，其中，所述目标生长状态为在第一生长状态之后的下一个生长状态，所述第一生长状态为在所述预定时间段内，拍摄时刻距离所述当前时刻最近的所述第一图像所指示的所述第一目标植物正在经历的生长状态，如果所述第一生长状态和第一目标植物在所述当前时刻的生长状态相同，则所述目标生长状态为当前时刻之后所述第一目标植物待经历的下一个生长状态，如果所述第一生长状态和所述第一目标植物在所述当前时刻的生长状态不相同，则所述目标生长状态为所述第一目标植物在所述当前时刻的生长状态，或者，所述目标生长状态为所述第一目标植物在所述当前时刻之前的生长状态；

在通过图像识别模型对所述第一目标图像集进行识别处理之前，所述方法还包括：

确定第二目标植物已经历过的多个生长状态，且获取每个所述生长状态对应的第二目标图像集，其中，所述第二目标植物与所述第一目标植物为相同种类的植物，所述多个生长状态包括所述目标生长状态，每个所述生长状态对应的所述第二目标图像集中所包含的每个第二图像，用于指示所述第二目标植物在拍摄时刻正在经历的所述生长状态，所述第二目标图像集包括对所述第二目标植物在每个生长状态对应的时间段内的不同拍摄时刻进行拍摄得到的多个所述第二图像，所述第二目标图像集中的多个第二图像均用于指示所述第一目标植物相同的生长状态；

将每个所述生长状态对应的所述第二目标图像集确定为一个所述样本图像，得到多个样本图像；

获取每个所述样本图像的特征向量，得到多个特征向量，其中，每个所述特征向量包括所述第二目标植物在经历每个所述生长状态时的生物特征；

对所述多个特征向量按照目标顺序进行排序，得到特征序列，其中，所述目标顺序为与所述多个特征向量一一对应的所述多个生长状态按照经历每个所述生长状态的时间进行排列的顺序；

通过所述多个生长状态和所述多个特征向量对子图像识别模型进行训练；

基于训练后的所述子图像识别模型确定所述图像识别模型；

其中，获取每个所述样本图像的特征向量，得到多个特征向量包括：

通过目标卷积神经网络获取每个所述样本图像的特征向量，得到所述多个特征向量，

具体为：输入植物的原始图像；

用三个不同的特征视野对所述原始图像进行卷积处理，得到第一个卷积层结果；

在池化层对所述第一个卷积层的结果进行池化处理，得到池化结果，以缩小卷积层的结果；

用另外的三个不同的特征视野对所述池化结果进行卷积处理，得到第二个卷积层结果；

对所述第二个卷积层的结果再进行一次池化，得到最终的池化结果。

2.根据权利要求1所述的方法，其特征在于，

通过所述多个生长状态和所述多个特征向量对所述子图像识别模型进行训练包括：通过所述多个生长状态和所述多个特征向量对循环神经网络中的所述子图像识别模型进行训练；

基于训练后的所述子图像识别模型确定所述图像识别模型包括：将所述目标卷积神经网络和训练后的所述循环神经网络中的所述子图像识别模型，确定为所述图像识别模型。

3.根据权利要求2所述的方法，其特征在于，

通过所述多个生长状态和所述多个特征向量对循环神经网络中的所述子图像识别模型进行训练包括：通过所述多个生长状态和所述特征序列对所述循环神经网络中的所述子图像识别模型进行训练。

4.根据权利要求2所述的方法，其特征在于，通过图像识别模型对所述第一目标图像集进行识别处理包括：

基于所述目标卷积神经网络获取所述第一目标图像集中所包含的每个所述第一图像的目标特征向量，得到多个目标特征向量；

通过训练后的所述循环神经网络中的所述子图像识别模型对所述多个目标特征向量进行处理。