[发明专利]植物种类识别方法、装置及智能眼镜

说明书

本发明提供了一种植物种类识别方法、装置及智能眼镜，包括：采集待识别植物的植物数据；上述植物数据包括：植物图像特征、采集高度以及采集角度；上述采集角度用于指示上述待识别植物与采集点之间的连线与铅垂线的夹角；将上述植物数据输入预先训练好的植物种类识别模型中，输出植物种类识别结果；上述植物种类识别结果包括上述待识别植物的植物种类以及上述植物种类对应的概率；根据上述植物种类识别结果，确定上述待识别植物的植物种类。本申请通过增加植物种类识别过程的数据维度，提升了植物识别的准确率。

技术领域

本发明涉及智能识别技术领域，尤其是涉及一种植物种类识别方法、装置及智能眼镜。

背景技术

目前的植物种类识别方法一般通过采集待检测植物的植物图像特征，然后将上述植物图像特征输入植物种类识别模型来实现植物种类的识别。然而，在植物图像在采集过程，可能存在图像的失真，导致植物图像特征缺失，进一步造成现有的植物种类识别方法的准确率较低。

发明内容

本发明的目的在于提供一种植物种类识别方法、装置及智能眼镜，以提升植物种类识别的准确率。

第一方面，本发明实施例提供了一种植物种类识别方法，其中，包括：采集待识别植物的植物数据；上述植物数据包括：植物图像特征、采集高度以及采集角度；上述采集角度用于指示上述待识别植物与采集点之间的连线与铅垂线的夹角；将上述植物数据输入预先训练好的植物种类识别模型中，输出植物种类识别结果；上述植物种类识别结果包括上述待识别植物的植物种类以及上述植物种类对应的概率；根据上述植物种类识别结果，确定上述待识别植物的植物种类。

结合第一方面，本发明实施例提供了第一方面的第一种可能的实施方式，其中，上述植物种类识别模型通过下述方式训练得到：获取预设的训练数据集；上述训练数据集包括预设植物数据和上述预设植物数据的标注；上述标注包括上述预设植物数据对应的植物种类；根据上述训练数据集训练预设的初始卷积神经网络，直至满足预设的训练结束条件，得到训练好的植物种类识别模型。

结合第一方面的第一种可能的实施方式，本发明实施例提供了第一方面的第二种可能的实施方式，其中，根据上述训练数据集训练预设的初始卷积神经网络，直至满足预设的训练结束条件，得到训练好的植物种类识别模型的步骤包括：根据上述训练数据集训练预设的第一初始卷积神经网络，直至满足预设的训练结束条件，得到训练好的第一神经网络模型；在上述第一神经网络模型中添加全连接层，搭建第二神经网络模型；根据上述训练数据集训练上述第二神经网络模型，直至满足预设的训练结束条件，得到训练好的第二神经网络模型；基于上述第一神经网络模型和上述第二神经网络模型，得到上述植物种类识别模型。

结合第一方面的第二种可能的实施方式，本发明实施例提供了第一方面的第三种可能的实施方式，其中，将上述植物数据输入预先训练好的植物种类识别模型中，输出植物种类识别结果的步骤，包括：将上述植物数据输入上述第一神经网络模型和上述第二神经网络模型中，输出上述植物种类识别结果。

结合第一方面，本发明实施例提供了第一方面的第四种可能的实施方式，其中，根据上述植物种类识别结果，确定上述待识别植物的植物种类的步骤，包括：将上述植物种类识别结果中概率数值最大对应的植物种类，确定为上述待识别植物的植物种类。

结合第一方面，本发明实施例提供了第一方面的第五种可能的实施方式，其中，上述采集待识别植物的植物数据的步骤之后，上述方法还包括：获取上述采集点的GPS信息；基于上述GPS信息，确定上述采集点的采集场景，并将上述采集场景添加到上述植物数据中。

结合第一方面，本发明实施例提供了第一方面的第六种可能的实施方式，其中，上述采集待识别植物的采集高度的步骤，包括：通过预设的双目摄像头采集上述待识别植物的左右植物图像；基于上述左右植物图像提取用户的人体轮廓；基于上述人体轮廓计算上述用户的人体高度；将上述人体高度确定为上述采集高度。