[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

说明书

本发明公开了一种果树产量预测方法、装置、设备及计算机可读存储介质，所述方法包括：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，以及待预测果园的区域图片；将预测样本图片集输入预置用于预测目标类型果树枝量的第一模型，得到目标类型果树的平均枝量；将区域图片输入预置用于对目标类型果树进行密度估算和面积估算的第二模型，得到待预测果园中目标类型果树的种植密度和种植面积；根据平均枝量、种植密度和种植面积计算得到待预测果园中目标类型果树的预测产量。本发明实现了结合小尺度的平均枝量数据和大尺度的种植面积、种植密度数据，对待预测果园中目标类型果树进行产量预测，提高了果园果树产量预测的精确度。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种果树产量预测方法、装置、设备及计算机可读存储介质。

背景技术

随着智慧农业的发展，为了提高对果园的智能化管理，精确地预测果园果树的产量已经成为一个普遍需求。但是，目前的产量预测方法，无法对果园的产量进行精细化的预测，如基于遥感卫星的产量预测方法，其受卫星分辨率限制，只能拍摄到大尺度的卫星图像，无法对果园的产量进行精细化的预测。

发明内容

本发明的主要目的在于提供一种果树产量预测方法、装置、设备及计算机可读存储介质，旨在解决现有的果园果树产量预测方法，无法对果园的产量进行精细化预测的技术问题。

为实现上述目的，本发明提供一种果树产量预测方法，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。

可选地，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。

可选地，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。

可选地，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，得到置信度矩阵和所述待预测果园中所述目标类型果树的种植密度，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；

基于所述置信度矩阵确定所述区域图片中属于所述目标类型果树的像素点的个数；