[发明专利]一种基于深度学习的甘蔗蔗芽特征识别装置

说明书

本发明公开了一种基于深度学习的甘蔗蔗芽特征识别装置，其包括预处理模块、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。本发明采用梯度投影的方法进行甘蔗位置、蔗节的快速识别；采用浅层神经网络按10个像素的步进快速识别可能是蔗芽的位置，然后再用深度神经网络精确识别几个最有可能是蔗芽的位置。采用浅层神经网络结构，进行快速的特征识别，浅层训练模块用于样本的训练，浅层识别模块使用已经训练好的参数，在正常工作时进行特征识别；采用深度神经网络结构，进行精确的特征识别。本发明实现了甘蔗蔗芽的快速检测，在Intel i7‑3770处理器环境下测试（采用CPU模式）完成一次蔗芽特征识别的时间平均为341.09 ms。

技术领域

本发明涉及一种基于深度学习的甘蔗蔗芽特征识别装置，涉及深度学习、人工神经网络、图像处理、图像识别，以及涉甘蔗特征的识别和串口通信。

背景技术

目前我国研制及使用的甘蔗种植机机型均为实时切种式甘蔗种植机，种植机能顺序完成开沟、施肥、切种、覆土、铺膜等工序。但该种植机需人工将蔗种喂入切种器，实时切种并覆土种植，所以喂入工人劳动强度大、喂入不均匀、用蔗种多、容易造成漏播等情况，每亩用种量需1.3吨左右，且该种植机机箱较小，作业时补充蔗种麻烦，种植效率较低，种植密度不均匀。采用预切种式的甘蔗种植机械，每亩用种量仅需0.3-0.5吨，可以大幅节约蔗种，增加榨糖量，降低成本价格，并且有助于在排种阶段实现均匀排种，提高种植效率。因此相对于实时切种式，采用预切种式的甘蔗种植机械具有更明显的优点。

甘蔗切种的一个关键问题，一是要避开节的位置切割，避免切到蔗芽；二是保证一到两个完整节，如果没有节那就没有芽，白白浪费蔗种，如果节过多那么种植过密，并且也浪费了蔗芽。解决这两个问题的关键技术就是蔗节识别，然后再进行智能化切种。

蔗芽特征识别的研究，目前有少数的研究，黄亦其等基于Matlab的甘蔗茎节特征分布定位与试验[1]。目前还没有见到有关深度学习应用于蔗芽特征识别方面的研究。

目前市场上还没有专门的甘蔗蔗芽特征识别装置，特别是还没有可以实现快速识别甘蔗蔗节芽方法、装置。

本发明针对以上问题，提供一种基于深度学习的甘蔗蔗芽特征识别装置，通过摄像头拍摄甘蔗图像，然后通过计算机或者ARM嵌入式开发板进行图像处理与图像识别，识别出甘蔗位置，最后生成甘蔗位置数据，通过计算机或者ARM嵌入式开发板的串口输出甘蔗位置数据。

发明内容

为实现上述目的，本发明提供如下技术方案：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。

进一步，作为优选，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。