[发明专利]一种水稻有效穗快速检测方法

权利要求书

1.一种水稻有效穗快速检测方法，其特征在于，通过水稻成熟期的水稻有效分蘖数来获取水稻有效穗数，包括以下步骤：

S1：采集水稻稻茬图像；

S2：利用深度卷积神经网络方法检测水稻的有效分蘖，计算水稻有效穗数。

2.根据权利要求1所述的一种水稻有效穗快速检测方法，其特征在于，所述S1的具体步骤为：

A1：采用镰刀将整株成熟期的水稻割下，留茬高度为2-3厘米；

A2：将割下的成熟期水稻移开，远离稻茬位置；

A3：用移动采集设备拍下整株稻茬样本图像，距离地面的拍照高度为13-20厘米；

A4：对采集完的稻茬样本图像进行图像预处理操作，所述图像预处理操作包括数据清洗和数据格式转换。

3.根据权利要求1所述的一种水稻有效穗快速检测方法，其特征在于，所述S2的具体步骤为：

B1：利用LabelImg图像标注软件标注稻茬样本图像，建立水稻稻茬图像基础数据库，所述基础数据库包括训练集、测试集和验证集；

B2：为了更好检测目标，利用三种不同纵横比和三种不同尺寸的锚框进行测试，最后得出纵横比为1∶1的锚框是最优锚框；

B3：为了得到最优的水稻有效分蘖检测模型，在其他参数保持一致的前提下，采用三种不同的主干网络并以两种不同的训练方式对水稻稻茬图像进行训练，一共得到六种模型；

B4：从六种模型中选出最优的水稻有效分蘖快速检测模型，并进行参数优化，得到最终的水稻有效分蘖快速检测模型；

4.根据权利要求3所述的一种水稻有效穗快速检测方法，其特征在于，所述S2中B1的具体内容为：

C1：PASCAL VOC数据集图像的最长边是500像素，为保持图像尺寸的一致性，将稻茬样本图像格式转化成PASCAL VOC格式，即用算法将稻茬图像的最长边缩放至500像素，最短边按原图像的纵横比进行相应的缩放；

C2：用算法将缩放之后的稻茬样本图像进行统一编号；

C3：用1abelImg图像标注软件对预处理完的稻茬样本图像进行人工数据标注；当有效分蘖横截面被遮挡的面积超过85％或者位于图像边缘的有效分蘖横截面面积小于15％时，有效分蘖将不进行标注；从有效分蘖旁边长出的新芽也不进行标注；当有效分蘖横截面的颜色是白色、绿色或者浅棕色的时候都标注为有效分蘖。

C4：为了提高模型的鲁棒性和防止过拟合，特殊情况的样本图像也会被标注。

C5：用算法将标注完的稻茬样本数据按0.56∶0.24∶0.2的比例随机分为训练集、验证集和测试集。

5.根据权利要求3所述的一种水稻有效穗快速检测方法，其特征在于，步骤S2中B3包括：将三种不同的主干网络(ZF，VGG16和CGG_CNN_1024_M)嵌入到Faster-RCNN模型中，并用两种不同的训练方式分别进行训练，最终得出六种模型，从六种模型中选出最佳模型。

6.根据权利要求3所述的一种水稻有效穗快速检测方法，其特征在于，步骤S2中B4包括：保持其他参数一致的前提下，通过分别改变批次大小为256、128、64以及32，学习率为0.1、0.01、0.001、0.0001，对步骤S2中B3选出来的模型分别进行训练，得出最终得最优模型。

7.根据权利要求4所述的一种水稻有效穗快速检测方法，其特征在于，所述C4中所述的特殊情况的样本图像包括光照不均匀、水反光、模糊和阴暗。

8.根据权利要求5所述的一种水稻有效穗快速检测方法，其特征在于，所述两种不同的训练方式包括交替训练法和端到端训练法。

9.根据权利要求2所述的一种水稻有效穗快速检测方法，其特征在于，所述移动采集设备可选用智能手机或者照相机。