[发明专利]一种融合图像和时间特征的苹果物候期自动识别方法

权利要求书

1.一种融合图像和时间特征的苹果物候期自动识别方法，其特征在于：包括下列步骤：

S1、准备用于训练网络的数据集，将数据集中图像尺寸修改为416*416*3；

S2、对S1中图像的特征进行提取，使用第一全连接网络进一步抽象图像特征并修改图像尺寸为一维的图像特征p，所述S2中图像特征提取方法为：交替使用6个卷积层和5个池化层来提取图像特征，其中，每个卷积操作后接批量归一化和ReLu激活层，池化层采用最大池化方式；

S3、分析图像属性并提取图像拍摄时间作为初始时间特征向量，使用第二全连接网络处理该向量形成时间特征t；

S4、将所述图像特征p和时间特征t串行连接在一起，以特征向量X表示，将X输入至全连接层，通过计算转换为图像类别概率；

S5、将计算结果中概率值最大的类别作为最终的苹果树物候期图像类别。

2.根据权利要求1所述的一种融合图像和时间特征的苹果物候期自动识别方法，其特征在于：所述S1中的数据集采集方法为：使用摄像机自动观测采集与人工采集两种方式采集处于开花期、展叶期和结果期的苹果树图像，对所述摄像机自动观测采集与人工采集两种方式采集的处于开花期、展叶期和结果期的苹果树图像的灰度进行拉伸，使像素点在每个灰度区间分布的更均匀，使用图像随机裁剪和GridMask信息删除方式对处理后的苹果树图像进行数据量的扩增。

3.根据权利要求1所述的一种融合图像和时间特征的苹果物候期自动识别方法，其特征在于：所述S2中第一全连接网络为分别含有1024和512个神经元的全连接层，经过第一全连接网络图像特征变为一维特征向量，所述第一全连接网络的初始化的权重值由控制标准差为0.1的正态分布随机生成，所述第一全连接网络的初始化的偏置项初始化为0，处理后的一维图像特征p尺寸变为512*1。

4.根据权利要求1所述的一种融合图像和时间特征的苹果物候期自动识别方法，其特征在于：所述S3中第二全连接网络为分别含有32个神经元和64个神经元的全连接神经网络，所述第二全连接网络的初始化权重值由控制标准差为0.1的正态分布随机生成，所述第二全连接网络的偏置项初始化为0，处理后的一维时间特征t尺寸变为64*1。

5.根据权利要求1所述的一种融合图像和时间特征的苹果物候期自动识别方法，其特征在于：所述S4中的图像特征p和时间特征t的连接方式为串行连接，连接后形成的新的特征向量X通过下式获得：

6.根据权利要求1所述的一种融合图像和时间特征的苹果物候期自动识别方法，其特征在于：所述S4中的苹果树图像的物候期类别概率计算方法如下式：

所述h_i为最后的输出，所述P_i为类别概率。