[发明专利]一种基于深度学习的甘蔗蔗芽特征识别装置

权利要求书

1.一种基于深度学习的甘蔗蔗芽特征识别装置，其特征在于，其包括依次连接的预处理模块、预学习模块、浅层学习模块、深度学习模块、蔗芽特征输出模块和云服务器与监测终端模块；其中，

所述预处理模块包括摄像头、图像采集单元和图像滤波单元三个部分；

所述预学习模块包括快速蔗节识别模块、快速甘蔗位置识别模块两个部分；

所述浅层学习模块采用浅层神经网络结构，进行快速的特征识别；

所述深度学习模块采用深度神经网络结构，进行精确的特征识别，其包括深度训练模块、深度识别模块；深度训练模块用于样本的训练，深度识别模块用于采用已经训练好的参数，在正常工作时进行精确的特征识别；

蔗芽特征输出模块包括生成蔗芽位置信息、生成输出字符串；

云服务器与监测终端模块包括TCP云服务器，用于保存系统的参数，保存甘蔗种的数据库信息。

2.根据权利要求1所述的一种基于深度学习的甘蔗蔗芽特征识别装置，其特征在于：快速甘蔗位置识别模块包括Y方向梯度计算，其采用RBG三基色单独计算梯度的方法，然后进行Y方向梯度投影，计算每一行X轴的值总合，相当于把整个梯度图像投影到Y轴上，获得一个一维的X方向梯度投影数组波形，Y方向第一级滤波、Y方向第一级整形、Y方向第二级滤波、Y方向第二级整形、确定甘蔗所在区域。

3.根据权利要求1所述的一种基于深度学习的甘蔗蔗芽特征识别装置，其特征在于：快速蔗节识别模块包括X方向梯度计算、Y方向梯度投影、投影波形限幅，X方向梯度计算包括X方向第一路滤波、X方向第一路整形、X方向第二路滤波、X方向第二路整形、两路波形合成、蔗节位置识别，其中X方向第一路滤波、X方向第一路整形、X方向第二路滤波、X方向第二路整形，分别进行两路的滤波和整形，然后进行两路数据进行或运算；最后进行蔗节位置识别，输出数据波形上升沿处为某一蔗节的开始位置，输出数据波形下降沿处为某一蔗节的结束位置；依次把所有蔗节位置都标定；对于过密的两个蔗节位置进行合并，合并近邻区域，如果两个近邻区域小于经验值，则对该两个近邻区域进行合并；生成蔗节位置数据，其中，经验值默认取总数据长度的2％。

4.根据权利要求1所述的一种基于深度学习的甘蔗蔗芽特征识别装置，其特征在于：浅层学习模块包括浅层训练模块、浅层识别模块；浅层训练模块用于样本的训练，浅层识别模块用于采用已经训练好的参数，在正常工作时进行特征识别；

所述的浅层训练模块的具体步骤包括：

(1)把蔗芽图片分成两大类别，第1类为蔗芽图片，第2类为非蔗芽图片；

(2)两类图片采用40X40的大小；

(3)构建5层结构的MLP神经网络，5层的节点数，默认值分别为：

1600,300,150,50,1；节点数可以通过设置进行改变；

(4)激活函数设置为sigmoid函数；

(5)训练方法为反向传播，学习率默认为0.01，可以通过设置进行改变；

(6)算法的中止条件：最大迭代次数默认采用300000次，容许误差默认采用1e-6，可以通过设置进行改变；

(7)训练用特征向量以列向量存储；

(8)进行训练，并保存MLP网络及参数数据。

5.根据权利要求1所述的一种基于深度学习的甘蔗蔗芽特征识别装置，其特征在于：浅层识别模块包括以下步骤：

(1)根据生成的蔗节位置数据，提取每一个蔗节的位置；

(2)根据提取的蔗节位置，在蔗节位置以及附近进行扫描，抽取40X40大小的图片块；

(3)根据生成的MLP网络及参数数据，构建识别网络，对40X40大小的图片块进行识别，判断是蔗芽的可能性；

(4)提取该节最有可能是蔗芽的位置。