[发明专利]一种用于耕地监测的自动识别系统及方法

权利要求书

1.一种用于耕地监测的自动识别系统，其特征在于，所述系统包括：

数据搭建模块，用于将若干标记好植物名称的叶片图像作为训练样本；基于所述训练样本及预设神经网络算法，确定植物名称、叶片特征向量之间的对应关系，以更新预设的样本数据库；

目标获取模块，用于获取预设采集设备上传的采集图片，基于最大类间方差算法，获得采集图片中植物叶片对应的目标图片；

图片处理模块，用于将所述目标图片导入预设尺度不变特征变换算法，获取目标图片对应的目标特征向量；进而基于目标特征向量以及所述样本数据库，确定采集图片对应的植物名称。

2.根据权利要求1所述的用于耕地监测的自动识别系统，其特征在于，所述数据搭建模块包括：样本获取单元、样本处理单元以及数据库更新单元；

所述样本获取单元，用于获取若干标记好植物名称的原始图像；

所述样本处理单元，用于对原始图像进行灰度处理和图像分割，以获得叶片图像作为训练样本；导入所述训练样本至预设神经网络算法，以获得训练样本对应的叶片特征向量；将植物名称作为聚类中心，以通过邻近算法对所叶片特征向量进行聚类处理，去除无效的特征向量，以获得叶片特征向量与植物名称之间的对应关系；

所述数据库更新单元，用于将叶片特征向量与植物名称之间的对应关系，更新至预设的样本数据库。

3.根据权利要求1所述的用于耕地监测的自动识别系统，其特征在于，所述图片处理模块包括：特征变换单元；

所述特征变换单元，用于将目标图片导入尺度不变特征变换算法，以通过算法中预设的高斯函数获取目标图片中的关键点；确定计算所述关键点对应的直方图的高斯权重函数参数；确定所述直方图的泰勒展开式进行二次曲线拟合，确定关键点对应的方向；通过尺度不变特征变换，确定关键点对应的关键点描述子；根据关键点、关键点方向以及关键点描述子，确定目标图片对应的目标特征向量。

4.根据权利要求1所述的用于耕地监测的自动识别系统，其特征在于，所述系统还包括二次验证模块；

所述二次验证模块包括标准图片单元、MATLAB校验单元；

所述标准图片单元，用于存储植物名称对应的标准图片；

所述MATLAB矫正单元，用于在确定采集图片对应的植物名称后，基于MATLAB软件以及植物名称，确定采集图片与标准图片之间的相似度；当相似度小于预设相似度阈值时，生成错误维护指令至维护终端。

5.一种用于耕地监测的自动识别，其特征在于，方法包括：

将若干标记好植物名称的叶片图像作为训练样本；基于所述训练样本及预设神经网络算法，确定植物名称、叶片特征向量之间的对应关系，以更新预设的样本数据库；

获取预设采集设备上传的采集图片，基于最大类间方差算法，获得采集图片中植物叶片对应的目标图片；

将所述目标图片导入预设尺度不变特征变换算法，获取目标图片对应的目标特征向量；进而基于目标特征向量以及所述样本数据库，确定采集图片对应的植物名称。

6.根据权利要求5所述的用于耕地监测的自动识别方法，其特征在于，将若干标记好植物名称的叶片图像作为训练样本；基于所述训练样本及预设神经网络算法，确定植物名称、叶片特征向量之间的对应关系，以更新预设的样本数据库，具体包括：

获取若干标记好植物名称的原始图像；

对原始图像进行灰度处理和图像分割，以获得叶片图像作为训练样本；导入所述训练样本至预设神经网络算法，以获得训练样本对应的叶片特征向量；将植物名称作为聚类中心，以通过邻近算法对所叶片特征向量进行聚类处理，去除无效的特征向量，以获得叶片特征向量与植物名称之间的对应关系；

将叶片特征向量与植物名称之间的对应关系，更新至预设的样本数据库。