[发明专利]基于卷曲叶片检测的玉米干旱识别方法

权利要求书

1.一种基于卷曲叶片检测的玉米干旱识别方法，其特征在于，包括以下步骤：

a)通过盆栽试验方法进行玉米控旱试验，分为适宜和干旱胁迫两个处理；

b)使用单反相机从玉米顶部获取玉米的俯视数字图像，建立图像数据集，并使用Labelme软件对数字图像中玉米卷曲叶片进行多精细的多边形标注,将数据划分为训练样本和测试样本，同时将图像数据转化为json文件；

c)使用标注好的训练集图像训练目标检测模型Mask R-CNN，训练步数为50步，使用ResNet101提取图像特征；

d)用测试集测试已训练好的卷曲叶片检测模型Mask R-CNN模型，用均值平均精度mAP，精度对模型进行评价，并检测出卷曲叶片在图像中的具体位置，对卷曲叶片进行分割。

2.根据权利要求1所述的方法，其特征在于，使用单反相机获取干旱胁迫下玉米俯视图数字图像，用Labelme软件的多边形框对玉米卷曲叶片进行标注，每张图像标注后生成一个json文件，json文件里包含了图像标注的信息，主要有目标物体的位置坐标，目标物体的类别标签，和图像大小信息，图像标注后进行图形的注释，根据json文件内的卷曲叶片标注的位置信息使用OpenCV软件分别画出每个卷曲叶片的二值图像，最后根据每个卷曲叶片的注释信息和原始图像生成MaskR-CNN所需格式的一个json文件，该文件包含了所有图像的类别标签，卷曲叶片的坐标信息。在模型训练中将标注好的玉米图像数据输入MaskR-CNN模型，图像数据集随机划分为训练集和测试集，其中80％划分为训练集，20％划分为测试集，在训练过程中通过tensorflow可视化工具tensorboard来查看模型的收敛情况，当模型训练好后用测试集对模型进行评估。