[发明专利]一种基于深度神经网络的水培花卉开花期花卉等级评估方法

说明书

本发明涉及一种基于深度神经网络的水培花卉开花期花卉等级评估方法，包括步骤：设计硬件系统，配置摄像机位置；处理比例关系；使用基于区域的掩码卷积神经网络对花卉的俯视图和侧视图进行识别和图像分割，得到植株的轮廓图和花冠框图；通过得到的轮廓图和相应的像素点计算出植株高度、冠径、花盖度和花朵均匀程度四项指标的数值。本发明的有益效果是：相比于传统的依赖于人工判定解决问题的想法，基于深度神经网络的花卉分级系统可以通过计算机进行自动的判定评估，大大的提升了花卉评级的效率，同时减少了人力劳动所带来的差异性，具有普适性。同时避免了传统分级评估中不断接触花卉的过程，大大降低了花卉受损的可能性。

技术领域

本发明涉及花卉等级评估领域，尤其涉及一种基于深度神经网络的水培花卉开花期花卉等级评估方法。

背景技术

近年来，随着我国经济的快速发展和人民生活水平的不断提高，人们对生活多样性和绿色环保的需求日益增强，水培花卉作为观赏植物中的一个新奇类型，越来越受到人们的关注和青睐。我国花卉产业蓬勃发展，种植面积与产量均位于世界第一位，虽然我国是花卉生产的大国却不是强国，产品仍然处于价值链的底层。

一般来说，可以将花卉生产分为两个阶段，第一部分是小苗培育，第二部分是大中苗培植。培育的具体的工艺流程包括：温室培育、大中苗培育、成品分级、包装。在此的过程中需要对花卉进行多次分级，对小苗的分级，可以将长势相同的植株集中，有助于在浇水施肥时实施更合理的策略。对中苗的分级，可以避免冠幅较大的植株挡风遮光。对将要上市的成品花卉进行分级，分拣出不符合标准的产品并区分等级，保证花卉品质。我国在花卉分级方法上大多数以手工分级为主，行业标准落后，自动化水平低，导致花卉质量下降，附加价值低。发达国家花卉产业广泛应用自动化生产设备，大大提高了生产效率和花卉成品的品质。但由于直接引进国外分级设备存在价格高，与我国分级标准存在差异等原因，不符合我国花卉分级的要求，所以需要开发我国自己的花卉分级系统。

发明内容

本发明的目的是克服现有技术中的不足，提供一种基于深度神经网络的水培花卉开花期花卉等级评估方法。

这种基于深度神经网络的水培花卉开花期花卉等级评估方法，包括以下步骤：

步骤1、设计硬件系统，配置摄像机位置；在花卉顶部放置一个摄像机，在侧面放置数个摄像机，拍摄花卉植株照片；所述硬件系统用于基于深度神经网络的检测；

步骤2、处理比例关系：固定了摄像机位置后，通过测量实物大小和计算像素点数量得到比例；所述比例为拍摄出来的照片像素和真实花卉的实物大小存在的比例；

步骤3、使用基于区域的掩码卷积神经网络对花卉的俯视图和侧视图进行识别和图像分割，得到植株的轮廓图和花冠框图；

步骤4、通过得到的轮廓图和相应的像素点计算出植株高度、冠径、花盖度和花朵均匀程度四项指标的数值；

步骤5、根据植株高度、冠径、花盖度和花朵均匀程度的数值进行评级，依据国家标准得到花卉植株高度、冠径、花盖度和花朵均匀程度的评级；

步骤6、通过花卉植株高度、冠径、花盖度和花朵均匀程度的评价等级，结合花朵生长是否倾斜和植冠的形状是否符合规范两项要素，综合评估得到开花期花卉的综合评级。

作为优选，所述步骤3具体包括如下步骤：

步骤3.1、搭建基于区域的掩码卷积神经网络，其框架在基础区域卷积神经网络基础上加入了全连接的分割子网；所述基于区域的掩码卷积神经网络一共包括三个任务：分类、回归和分割；

步骤3.2、将图片输入训练好的基于区域的掩码卷积神经网络模型中，识别输入花卉图片轮廓。

作为优选，步骤4所述计算植株高度、冠径、花盖度和花朵均匀程度，具体包括以下步骤：

步骤4.1、计算植株高度：