[发明专利]一种基于深度学习卷积神经网络的农作物成熟度监控方法有效
| 申请号： | 201910208251.1 | 申请日： | 2019-03-19 |
| 公开（公告）号： | CN109871833B | 公开（公告）日： | 2023-04-18 |
| 发明（设计）人： | 戴彰言;刘军;陈兵先;莫斯涛 | 申请（专利权）人： | 广东省农业科学院农业生物基因研究中心 |
| 主分类号： | G06V20/10 | 分类号： | G06V20/10;G06V20/17;G06V10/26;G06V10/764;G06V10/82;G06N3/0464;G06N3/09;G06Q50/02 |
| 代理公司： | 广州蓝晟专利代理事务所(普通合伙) 44452 | 代理人： | 栾洋洋 |
| 地址： | 510000 广东省广州*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于深度学习卷积神经网络的农作物成熟度监控方法，包括步骤：从接近生长成熟的农作物照片中分离出单个农作物植株的穗，利用计算机视觉算法，计算单个农作物植株穗的轮廓；对分离后的各农作物植株穗以其轮廓照片进行成熟程度分类；使用轮廓照片对深度卷积神经网络进行训练；使用验证照片对深度卷积神经网络进行验证；将监控地块进行分割和标记，并使用无人机拍摄所需监控地块照片；使用深度卷积神经网络对所述监控地块照片进行各植株成熟度分类统计，计算农作物的整体成熟度。与现有技术相比，本发明在植株生长的监控过程中，对不同地块可以实现自动化精确地分类统计，并对各个地块自动编号、记录和统计，并实现总体统计分析。 | ||
| 搜索关键词： | 一种 基于 深度 学习 卷积 神经网络 农作物 成熟度 监控 方法 | ||
【主权项】：
1.一种基于深度学习卷积神经网络的农作物成熟度监控方法，其特征在于，包括步骤S1：从接近生长成熟的农作物照片中分离出单个农作物植株的穗或者不同成熟度的植株群体轮廓，利用计算机视觉算法，计算单个农作物植株穗或者不同成熟度的植株群体轮廓；S2：对分离后的各农作物植株穗以其轮廓照片进行成熟程度分类；或者不分离单个穗，直接利用不同成熟度的植株群体轮廓照片进行成熟程度分类；S3：使用所述轮廓照片对深度卷积神经网络进行训练；S4：使用验证照片对所述深度卷积神经网络进行验证；S5：将监控地块进行分割和标记，并使用无人机拍摄所需监控地块照片；S6：使用所述深度卷积神经网络对所需监控地块内的农作物植株穗或者植株群体轮廓的成熟程度进行分类统计，判断农作物的整体成熟度。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于广东省农业科学院农业生物基因研究中心，未经广东省农业科学院农业生物基因研究中心许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910208251.1/，转载请声明来源钻瓜专利网。
- 上一篇：基于幅值相关度的励磁涌流识别方法及系统
- 下一篇：信息处理方法和装置
