[发明专利]植物种类的识别方法及装置、存储介质、计算机设备在审

专利信息
申请号: 201910185076.9 申请日: 2019-03-12
公开(公告)号: CN110070101A 公开(公告)日: 2019-07-30
发明(设计)人: 任嘉祥;马进;王健宗 申请(专利权)人: 平安科技(深圳)有限公司
主分类号: G06K9/62 分类号: G06K9/62
代理公司: 北京中强智尚知识产权代理有限公司 11448 代理人: 黄耀威
地址: 518000 广东省深圳市福田街*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 预设 植物样本 子图像 分辨率 计算机设备 训练样本集 存储介质 植物部位 植物图像 成功率 卷积神经网络 预处理 测试样本集 测试样本 模型识别 人力成本 图像截取 种植物 申请 抽样 图像 节约
【说明书】:

本申请公开了一种植物种类的识别方法及装置、存储介质、计算机设备,该方法包括:在植物样本图像上按照预设植物部位进行图像截取,得到与预设植物部位对应的植物样本子图像;对植物样本子图像进行分辨率预处理,得到预设分辨率的植物样本子图像;按照第一预设次数和第二预设次数,分别对所述预设分辨率的植物样本子图像进行有放回的抽样,得到训练样本集和测试样本;利用训练样本集训练MobileNetV2轻量级卷积神经网络模型,直至训练好的模型识别测试样本集的成功率大于或等于预设成功率;接收待识别的植物图像,并利用训练好的模型对待识别的植物图像的种类进行识别。本申请有助于提高植物种类的识别效率,节约人力成本。

技术领域

本申请涉及图像识别技术领域,尤其是涉及到一种植物种类的识别方法及装置、存储介质、计算机设备。

背景技术

如何识别植物种类是广大种植者的需求,在种植过程中,种植者需要去除其他种类植株,只在种植区域内保留所需种类植株。比如在苍术的种植过程中,经常会混入与苍术同属菊科苍术属的白术,两种植物的药效不同,但是外形十分相似,在苍术的种植过程中,需要去除白术和其他植株,防止白术或其他植株混入苍术中影响苍术药效。

对于外形相似的植株,目前需要经验丰富的人仔细观察进行区分,但是人工分类速度较慢并且对人员经验要求较高,人工分类的方式不仅所需人力成本较高,而且很难同时兼顾产量和品质需求。

发明内容

有鉴于此,本申请提供了一种植物种类的识别方法及装置、存储介质、计算机设备,有助于提高植物种类的识别效率。

根据本申请的一个方面,提供了一种植物种类的识别方法,包括:

在植物样本图像上按照预设植物部位进行图像截取,得到与所述预设植物部位对应的植物样本子图像;

对所述植物样本子图像进行分辨率预处理,得到预设分辨率的植物样本子图像;

按照第一预设次数和第二预设次数,分别对所述预设分辨率的植物样本子图像进行有放回的抽样,得到训练样本集和测试样本集,其中,所述第一预设次数大于所述第二预设次数;

利用所述训练样本集训练MobileNetV2轻量级卷积神经网络模型,直至训练好的模型识别所述测试样本集的成功率大于或等于预设成功率;

接收待识别的植物图像,并利用所述训练好的模型对所述待识别的植物图像的种类进行识别。

根据本申请的另一方面,提供了一种植物种类的识别装置,包括:

样本图像截取模块,用于在植物样本图像上按照预设植物部位进行图像截取,得到与所述预设植物部位对应的植物样本子图像;

样本分辨率处理模块,用于对所述植物样本子图像进行分辨率预处理,得到预设分辨率的植物样本图像;

样本集建立模块,用于按照第一预设次数和第二预设次数,分别对所述预设分辨率的植物样本子图像进行有放回的抽样,得到训练样本集和测试样本集,其中,所述第一预设次数大于所述第二预设次数;

模型训练模块,用于利用所述训练样本集训练MobileNetV2轻量级卷积神经网络模型,直至训练好的模型识别所述测试样本集的成功率大于或等于预设成功率;

图像识别模块,用于接收待识别的植物图像,并利用所述训练好的模型对所述待识别的植物图像的种类进行识别。

依据本申请又一个方面,提供了一种存储介质,其上存储有计算机程序,所述程序被处理器执行时实现上述植物种类的识别方法。

依据本申请再一个方面,提供了一种计算机设备,包括存储介质、处理器及存储在存储介质上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上述植物种类的识别方法。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于平安科技(深圳)有限公司,未经平安科技(深圳)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910185076.9/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top