[发明专利]一种果树作物的产量评估方法

说明书

本发明实施例公开了一种果树作物的产量评估方法，所述评估方法为：建立果实尺寸识别系统，录入大量拍摄的果实照片，利用深度学习算法结合果实照片和照片像素点进行训练学习，根据不同尺寸的果实匹配其对应的像素点，实现果实尺寸的智能判定，利用机器视觉处理平台对采集到的实际果实照片进行识别，判断果实尺寸，分析果树作物产量情况。本发明解决了现有果树产量评估效率低、成本高的问题。

技术领域

本发明实施例涉及果树培育技术领域，具体涉及一种果树作物的产量评估方法。

背景技术

果树种植较多受到人工管理水平与自然气候的制约，因此每年果实产量存在很大的不稳定性，进一步造成市场供应和果农收入的波动。如果种植户能够在果树生长过程中通过一些相对简单的方法对果实产量进行估测，并根据预估产量及时调整生产管理与销售策略，可有效节省生产资料投入，并提高种植户收入，达到经济与生态效益的双赢。然而目前与产量预测相关的两种主流方法都较复杂，一种是利用遥感技术，通过影像光谱信息分析NVDI等参数，预测大面积范围的农作物产量；另一种则是通过专业生化检测设备，检测农作物生理指标、生长环境等与产量相关的因子，并分析生化因子与产量间的关系，建立产量预测模型。

目前已有的主流方法，专业性较强，且使用成本较高。遥感技术估测产量需要产量估测区域的高光谱图像，通过分析反演农作物的生物物理参数，较多地应用于大面积连片的农作物种植区域，且图像价格昂贵，适用于政府管理部门的宏观决策；而预测模型方法依赖于农作物生理指标、环境因子等一系列生化参数，参数获取需要专业测量设备，且不同区域具有不同的参数值，每次预测都需要重新采样化验，获取模型输入值。因此，已有主流方法都需要专业性技术人员的指导和专业设备的支持，产量估测所需材料需要重复投入，成本也相对较高，且操作步骤繁琐，预测周期相对较长，不利于在普通种植户中推广应用。

发明内容

为此，本发明实施例提供一种果树作物的产量评估方法，以解决现有果树产量评估效率低、成本高的问题。

为了实现上述目的，本发明实施例提供如下技术方案：

根据本发明实施例公开了一种果树作物的产量评估方法，所述评估方法为：建立果实尺寸识别系统，录入大量拍摄的果实照片，利用深度学习算法结合果实照片和照片像素点进行训练学习，根据不同尺寸的果实匹配其对应的像素点，实现果实尺寸的智能判定，利用机器视觉处理平台对采集到的实际果实照片进行识别，判断果实尺寸，分析果树作物产量情况。

进一步地，所述果实尺寸识别系统包括：深度学习训练用数据集和深度学习算法训练模块，所述深度学习训练用数据集导入用于深度学习训练的果实照片，并生成算法模块训练所需的格式化数据集，所述深度学习算法训练模块将果实照片中果实面积的像素点与实际测量的果实尺寸值进行匹配训练，针对不同果实照片的像素点判断果实的尺寸。

进一步地，所述机器视觉处理平台全方位采集视觉传感器中果实的RGB图像，对采集的图像进行图像分割，然后划分出果实感兴趣区域，提取果实轮廓，根据所提取的果实轮廓，使用形状不变特征提取形状特征向量，克服果实大小、位置和朝向各异的问题。

进一步地，所述机器视觉处理平台利用采集的不同形状农产品样本图像和提取的特征向量，训练支持向量机，确定支持向量机最优参数和检测正确率。

进一步地，所述机器视觉检测平台是由视觉传感器、光照系统、CCD摄像机、图像采集卡、计算机及控制机构组成，所述CCD摄像机的帧速120fps、分辨率656*492、型号MER030-120UM，所述图像采集卡与所述控制机构均是电连接在所述计算机上，所述CCD摄像机是电连接在所述图像采集卡上，所述视觉传感器位于所述CCD摄像机下方，所述光照系统提供充足的光照，利用所述机器视觉检测平台采集果实图像过程中，每次可以拍摄一个或多个果实照片。