申请/专利权人:安徽农业大学
申请日:2024-03-09
公开(公告)日:2024-04-09
公开(公告)号:CN117854029A
主分类号:G06V20/56
分类号:G06V20/56;G06V10/26;G06V10/762;G06V10/44;G06V10/80;G06V10/764;G06V10/82;G06V10/25;G06N3/0464;G06N3/048;G06N3/08
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.26#实质审查的生效;2024.04.09#公开
摘要:本发明属于农作物根行预测技术领域,提供了一种基于机器视觉的智慧农业作物根行预测方法,首先,建立了多个时期的玉米田间数据库,包括大风,高杂草压力、缺苗等情况;随后将Deeplabv3+和Moblienetv3神经网络进行融合,得到一个轻量级语义分割网络,对数据集进行训练,得到最优模型对玉米冠层中心区域进行预测;接着采用水平条带划分、中心聚类算法提取特征点,采用最小二乘法进行特征点拟合得到作物冠层检测线;本发明通过对Deeplabv3+网络进行改进,得到了一种轻量级的语义分割深度神经网络,适用于不同时期玉米作物的冠层中心区域分割,在实时性和准确性上都非常有竞争力。
主权项:1.一种基于机器视觉的智慧农业作物根行预测方法,其特征在于:包括以下步骤:步骤一:首先基于RGB工业相机构建了多时期的玉米作物数据集CornImageset,然后对玉米作物数据集CornImageset进行特征点提取;步骤二:接着对提取的玉米作物数据集CornImageset进行构建神经网络算法模型;步骤三:然后根据神经网络算法模型对智慧农业作物根行进行预测。
全文数据:
权利要求:
百度查询: 安徽农业大学 一种基于机器视觉的智慧农业作物根行预测方法
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。