[发明专利]一种基于深度学习卷积神经网络的果树长势监控系统

权利要求书

1.一种基于深度学习卷积神经网络的果树精确长势监控系统，其特征在于，包括步骤：

S1：将监控地块进行分割和标记，在果树的各个生长周期使用无人机拍摄所需监控地块照片；

S2：利用基于卷积神经网络的目标检测方法从覆盖各个生长周期的果树照片中分离出单个果树植株，并利用计算机视觉算法勾画单个果树植株轮廓和单个果树植株典型部位及其色泽；

S3：对分离后的各果树植株或单个果树植株典型部位基于轮廓色泽等特性进行长势的人工分类，将果树精确长势分为过旺、正常、一般、较差和差类型，作为深度学习的训练样本；

S4：使用S3中的人工分类结果，对深度卷积神经网络进行训练，使之能对各类果树精确长势进行分类；

S5：使用验证照片对所述深度卷积神经网络的分类结果进行验证和精度评价，并重复S3和S4步骤直到精度达标；

S6：使用所述深度卷积神经网络对所需监控地块内的各类果树植株精确长势进行分类统计，最终判断监控地块内所有果树植株的长势状态；

S7：根据深度卷积神经网络对所需监控地块内的所有果树植株的长势状态进行相应的农艺操作；

S8：通过信息系统，将相关作物长势状态信息和农艺操作要求发送给操作人员，实行精准操作。

2.如权利要求1所述的基于深度学习卷积神经网络的果树精确长势监控系统，其特征在于，所述步骤S2包括步骤

S21：利用机器学习判断果树植株轮廓是否为单一植株或者单一植株典型部位；

S22：如果是单一果树植株或者单一植株典型部位，利用轮廓切割图像输出果树植株图片或者单一植株典型部位图片，计算长度，宽度和面积或者色泽；如果是粘连在一起的果树植株或者典型植株部位，利用图像分割算法分离粘连的植株或者典型植株部位。

3.如权利要求1所述的基于深度学习卷积神经网络的果树精确长势监控系统，其特征在于，所述步骤S6包括步骤:

S61：将各地块照片中的每一植株建档入库，形成一个植株数据库；

S62：通过对单一植株或者单一植株典型部位按照植株长势进行分类，并分别统计并入库；

S63：对整个地块内的植株进行统计分析，实现对整个地块的长势进行精确判断。