申请/专利权人:广西大学
申请日:2023-12-28
公开(公告)日:2024-03-19
公开(公告)号:CN117726612A
主分类号:G06T7/00
分类号:G06T7/00;G06V10/766;G06V10/82;G06N3/0455;G06N3/0464
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.05#实质审查的生效;2024.03.19#公开
摘要:本发明公开了基于多输出序数回归模型的叶片叶绿素含量智能检测方法,包括:采集植物绿色叶片的样本图像集,通过U‑Net模型对样本图像集进行标注,提取叶片主体区域,构建标准数据集;基于标准数据集训练SwinTransformer多输出序数回归模型,获取叶片SPAD值反演模型;采集待检测叶片图像,输入叶片SPAD值反演模型识别叶片的SPAD值,并结合不同作物的SPAD值‑叶绿素含量对应模型,获得叶片的叶绿素含量估测值。本发明可以广泛应用于不同类型植物叶片的SPAD含量、叶绿素含量和植物氮含量评价研究,进而评估植物的生长状态、养分吸收和生长环境。
主权项:1.基于多输出序数回归模型的叶片叶绿素含量智能检测方法,其特征在于,包括:采集植物绿色叶片的样本图像集,通过U-Net模型对所述样本图像集进行标注,提取叶片主体区域,构建标准数据集;基于所述标准数据集训练SwinTransformer多输出序数回归模型,获取叶片SPAD值反演模型;采集待检测叶片图像,输入所述叶片SPAD值反演模型识别叶片的SPAD值,并结合不同作物的SPAD值-叶绿素含量对应模型,获得叶片的叶绿素含量估测值,其中,所述待检测叶片图像为无任何标签的叶片图像。
全文数据:
权利要求:
百度查询: 广西大学 基于多输出序数回归模型的叶片叶绿素含量智能检测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。