[发明专利]果树产量预测方法、装置、设备及计算机可读存储介质

权利要求书

1.一种果树产量预测方法，其特征在于，所述果树产量预测方法包括：

获取预先采集的待预测果园中目标类型果树的预测样本图片集，以及所述待预测果园的区域图片；

将所述预测样本图片集输入预置用于预测所述目标类型果树枝量的第一模型，得到所述目标类型果树的平均枝量；

将所述区域图片输入预置用于对所述目标类型果树进行密度估算和面积估算的第二模型，得到所述待预测果园中所述目标类型果树的种植密度和种植面积；

根据所述目标类型果树的预设单枝结果数、所述平均枝量、所述种植密度和所述种植面积，计算得到所述待预测果园中所述目标类型果树的预测产量；

其中，预先设置有多种不同类型果树分别对应的第二模型，当有多种所述目标类型果树时，所述将所述区域图片输入预置用于对所述目标类型果树进行密度估算和面积估算的第二模型，得到所述待预测果园中所述目标类型果树的种植密度和种植面积的步骤包括：

将所述区域图片分别输入各种所述目标类型果树分别对应的第二模型，得到各种所述目标类型果树分别对应的置信度矩阵和种植密度，其中，所述置信度矩阵中的元素与所述区域图片的像素点一一对应；

遍历各个所述置信度矩阵，对于所述区域图片中的每个像素点，比较所述像素点在所有所述置信度矩阵中对应的概率值，根据最大概率值所属的置信度矩阵，确定所述像素点所属的果树种类，其中，若检测到所述像素点在两个所述置信度矩阵中对应的概率值相同，则对所述像素点的类别进行随机处理；

分别统计所述区域图片中属于各种所述目标类型果树的像素点个数，分别根据属于各种所述目标类型果树的像素点的个数以及预设区域图片采集装置的分辨率，计算得到所述待预测果园中各种所述目标类型果树分别对应的种植面积；

当所述随机处理的次数达到预设次数时，输出提示信息，以提示用户对所述第二模型进行再次训练，或提示用户调整第二模型的结构或参数。

2.如权利要求1所述的果树产量预测方法，其特征在于，所述获取预先采集的待预测果园中目标类型果树的预测样本图片集，以及所述待预测果园的区域图片的步骤之前，还包括：

获取通过预设近距离拍摄装置采集的所述目标类型果树的训练样本图片集，以及所述训练样本图片集中每张图片对应人工标注的标注枝量；

通过所述训练样本图片集和所述标注枝量，基于迭代训练的方式对预置待训练的第一卷积神经网络CNN模型进行训练，得到图像CNN模型，将所述图像CNN模型作为所述第一模型。

3.如权利要求1所述的果树产量预测方法，其特征在于，所述获取预先采集的待预测果园中目标类型果树的预测样本图片集，以及所述待预测果园的区域图片的步骤之前，还包括：

获取通过预设区域图片采集装置采集的多个果园区域的区域图片集，以及所述区域图片集中每张图片对应人工标注的所述目标类型果树的标注密度和标注区域；

通过所述区域图片集、所述标注密度和所述标注区域，基于迭代训练的方式对预置待训练的第二CNN模型进行训练，得到CNN语义分割模型，将所述CNN语义分割模型作为所述第二模型。

4.如权利要求1所述的果树产量预测方法，其特征在于，所述根据所述目标类型果树的预设单枝结果数、所述平均枝量、所述种植密度和所述种植面积，计算得到所述待预测果园中所述目标类型果树的预测产量的步骤包括：

将所述种植面积除以所述种植密度得到所述待预测果园中所述目标类型果树的棵数；

将所述棵数乘以所述平均枝量得到所述待预测果园中所述目标类型果树的总枝量；

将所述目标类型果树的预设单枝结果数与所述总枝量相乘，得到所述待预测果园中所述目标类型果树的预测产量。