申请/专利权人：内蒙古工业大学

申请日：2021-09-30

公开（公告）日：2024-04-16

公开（公告）号：CN113887940B

主分类号：G06Q10/0639

分类号：G06Q10/0639;G06Q50/02;G06N3/0464;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.04.16#授权;2022.01.21#实质审查的生效;2022.01.04#公开

摘要：本发明涉及图像处理技术领域，公开了一种基于卷积神经网络的牧草优势度识别方法，包括以下步骤：S1、将被监测草原划分出若干草地样方，以俯视的角度对草地样方进行拍照得到至少两幅彩色的样方图像，对每幅所述样方图像进行图像预处理后得到样方图像集；S2、构建牧草识别神经网络；S3、将所述样方图像集中的每幅样方图像分别输入牧草识别神经网络，得到标示目标牧草分类信息的掩模图像，根据每幅掩模图像中表示各个目标牧草种类的像素点的数量，计算该幅掩模图像中，每种目标牧草的覆盖度和优势度。本发明能够提高牧草的识别精度，为草原退化监测提供可靠的参考数据。

主权项：1.一种基于卷积神经网络的牧草优势度识别方法，其特征在于，包括以下步骤：S1、将被监测草原划分出若干草地样方，以俯视的角度对草地样方进行拍照得到至少两幅彩色的样方图像，对每幅所述样方图像进行图像预处理后得到样方图像集；S2、构建牧草识别神经网络，步骤如下：S21、选定至少两种目标牧草，每种目标牧草获取至少两幅彩色的目标牧草图像，对每幅所述目标牧草图像进行图像预处理和标注得到原始数据集；S22、对所述原始数据集进行数据增强得到增强数据集，将所述增强数据集划分成训练集、验证集和测试集；S23、根据Dense-net的稠密连接思想，对U-net神经网络改进得到牧草识别神经网络；所述U-net神经网络包括收缩网络结构和扩张网络结构，其中：在所述收缩网络结构中，使用稠密块替代原有的普通卷积模块，使用转接层代替原有的下采样层；在所述扩张网络结构中，使用稠密块替代原有的反卷积模块，使用转接层代替原有的上采样层；所述收缩网络结构和所述扩张网络结构的层数分别由原来的4层加深至6层；S24、使用训练集、验证集和测试集训练所述牧草识别神经网络，得到训练好的牧草识别神经网络；S3、将所述样方图像集中的每幅样方图像分别输入所述训练好的牧草识别神经网络，得到标示目标牧草分类信息的掩模图像，根据每幅掩模图像中表示各个目标牧草种类的像素点的数量，计算该幅掩模图像中，每种目标牧草的覆盖度和优势度；目标牧草Ai的盖度Di计算公式如下：Di=PiP，目标牧草Ai的优势度Ni计算公式如下：Ni=PiPT，其中，m种目标牧草分别表示为目标牧草A1，目标牧草A2，……，目标牧草Ai，……，目标牧草Am，m为不小于2的正整数，i为不大于m的正整数，Pi为掩模图像中表示目标牧草Ai的像素点数量，P表示整幅掩模图像的像素点数量，PT表示整幅掩模图像中所有种类的目标牧草的像素点数量之和，即PT=。

全文数据：

权利要求：

百度查询： 内蒙古工业大学 一种基于卷积神经网络的牧草优势度识别方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD