申请/专利权人:南京农业大学三亚研究院;南京农业大学
申请日:2023-12-15
公开(公告)日:2024-03-19
公开(公告)号:CN117409403B
主分类号:G06V20/68
分类号:G06V20/68;G06V10/82;G06V10/26;G06V20/70;G06V10/94;G06V10/12
优先权:
专利状态码:有效-授权
法律状态:2024.03.19#授权;2024.02.02#实质审查的生效;2024.01.16#公开
摘要:本发明涉及一种基于深度学习的水稻稻穗成熟度估算方法,该方法包括:对水稻稻穗样品进行图像采集;对采集的水稻稻穗样品图像信息进行预处理后,输入预先建立的语义分割模型对水稻稻穗样品进行分割,根据分割结果提取得到水稻稻穗样品的表型参数;基于水稻稻穗样品的表型参数对水稻稻穗样品的含水率进行估算,并基于含水率对水稻稻穗样品的成熟度进行估算,从而实现更加精准和高效的水稻收获时间预测。本发明可以广泛应用于作物表型监测技术领域。
主权项:1.一种基于深度学习的水稻稻穗成熟度估算方法,其特征在于,包括以下步骤:对水稻稻穗样品进行图像采集,采集装置包括驱动传送装置、图像采集装置以及上位机;所述驱动传送装置用于将采集的水稻稻穗样品传送至所述图像采集装置内;所述图像采集装置用于对水稻稻穗样品进行图像采集,并发送到所述上位机;所述上位机对采集的水稻稻穗样品图像信息进行预处理后,输入预先建立的语义分割模型对水稻稻穗样品进行分割,根据分割结果提取得到水稻稻穗样品的表型参数;所述水稻稻穗样品的表型参数的提取,包括:对采集的水稻稻穗样品原始图像进行预处理,得到预设大小的裁切图像;将各裁切图像输入预先建立并训练好的语义分割模型进行分割,得到水稻稻穗样品的二值化掩模图像;基于得到的水稻稻穗样品的二值化掩模图像,提取得到水稻稻穗的形状参数信息和颜色参数信息;将得到的形状参数信息和颜色参数信息作为水稻稻穗样品的表型参数输出;所述语义分割模型的训练,包括:获取预设数量的裁切图像,对裁切图像进行标注得到第一训练数据集,并随机划分为第一训练集、第一验证集和第一测试集;利用第一训练集对预先建立的各语义分割模型进行训练,并基于第一验证集和第一测试集对训练后的各语义分割模型进行验证和测试,得到最优语义分割模型;基于水稻稻穗样品的表型参数,对水稻稻穗样品的成熟度进行估算。
全文数据:
权利要求:
百度查询: 南京农业大学三亚研究院;南京农业大学 一种基于深度学习的水稻稻穗成熟度估算方法
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。