[发明专利]一种番茄生长模型判定方法及装置

权利要求书

1.一种番茄生长模型判定方法，其特征在于，包括：

将番茄置于番茄培养基中，利用可旋转摄像头全方位获取番茄的待分类图像；

将所述待分类图像输入深度卷积神经网络模型，输出所述番茄对应的生长模型类别；其中，所述深度卷积神经网络模型是基于番茄样本图像及其对应的生长模型类别进行训练后得到的；

将所述番茄对应的生长模型，与预先分析得到的番茄各生长期对应的最优生长模型相比较，调整所述番茄的灌水量和施肥量；其中，所述生长模型的参数包括生长期、灌水量和施肥量；

所述深度卷积神经网络模型的获得过程包括：

采集番茄在各生长模型下的样本图像，将所述样本图像中番茄的花、果、茎特征进行标注，选取其中番茄的花、果、茎具有显著特征的样本图像作为训练样本；

根据所述训练样本及其对应的生长模型类别，对深度卷积神经网络进行训练，获得深度卷积神经网络模型。

2.根据权利要求1所述的方法，其特征在于，所述获取番茄的待分类图像具体包括：

计算机对摄像头发出取样指令，摄像头启动拍摄番茄培养基区域，获取番茄照片；

通过摄像头将拍摄到的番茄照片数据传输到计算机中，作为番茄的待分类图像；

其中，所述番茄置于番茄培养基内，所述番茄培养基的上方安装有摄像头，所述计算机与摄像头相连。

3.根据权利要求2所述的方法，其特征在于，所述摄像头的外部安装有防水保护罩，所述摄像头为可旋转摄像头。

4.一种番茄生长模型判定装置，其特征在于，包括：

获取模块，用于获取番茄的待分类图像；

判定模块，用于将所述待分类图像输入深度卷积神经网络模型，输出所述番茄对应的生长模型类别；其中，所述深度卷积神经网络模型是基于番茄样本图像及其对应的生长模型类别进行训练后得到的；所述深度卷积神经网络模型的获得过程包括：采集番茄在各生长模型下的样本图像，将所述样本图像中番茄的花、果、茎特征进行标注，选取其中番茄的花、果、茎具有显著特征的样本图像作为训练样本；根据所述训练样本及其对应的生长模型类别，对深度卷积神经网络进行训练，获得深度卷积神经网络模型；

调整模块，用于将所述番茄对应的生长模型，与预先分析得到的番茄各生长期对应的最优生长模型相比较，调整所述番茄的灌水量和施肥量；其中，所述生长模型的参数包括生长期、灌水量和施肥量。

5.根据权利要求4所述的装置，其特征在于，所述获取模块具体用于：

计算机对摄像头发出取样指令，摄像头启动拍摄番茄培养基区域，获取番茄照片；

通过摄像头将拍摄到的番茄照片数据传输到计算机中，作为番茄的待分类图像；

其中，所述番茄置于番茄培养基内，所述番茄培养基的上方安装有摄像头，所述计算机与摄像头相连。

6.一种番茄生长模型判定设备，其特征在于，包括：

至少一个处理器；

以及与所述处理器通信连接的至少一个存储器，其中：

所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行如权利要求1至3任一所述的方法。

7.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行如权利要求1至3任一所述的方法。