[发明专利]设施番茄农事决策辅助方法及装置在审

专利信息
申请号: 202110129527.4 申请日: 2021-01-29
公开(公告)号: CN112836623A 公开(公告)日: 2021-05-25
发明(设计)人: 张云鹤;张馨;陈新;鲍锋;郭瑞;唐冰霞 申请(专利权)人: 北京农业智能装备技术研究中心
主分类号: G06K9/00 分类号: G06K9/00;G06K9/62;G06N3/04;G06N3/08;G06Q50/02
代理公司: 北京路浩知识产权代理有限公司 11002 代理人: 郭亮
地址: 100097 北京市海淀区*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 设施 番茄 农事 决策 辅助 方法 装置
【权利要求书】:

1.一种设施番茄农事决策辅助方法,其特征在于,包括:

通过智能眼镜获取设施内的作物图像;

将所述作物图像,输入智能眼镜中预存储的改进型单镜头多盒检测器SSD网络模型,输出需要农事决策的部位,并在智能眼镜中进行显示;

其中,所述改进型SSD网络模型,为基于移动深度学习网络MobileNet V3网络代替SSD网络的特征提取网络结构,并基于确定的农事决策部位作为标签的样本图像,进行训练得到;所述农事决策包括,整枝打杈、疏花、疏果、叶片摘除和熟果采摘中任意一种或多种。

2.根据权利要求1所述的设施番茄农事决策辅助方法,其特征在于,所述通过智能眼镜获取设施内的作物图像之前,还包括:

通过巡检机器人获取作物各生长周期的图像,对需要农事决策的部位和无需农事决策的部位,分别标注对应的正负样本图像;

在智能眼镜以外的计算设备上,构建改进型SSD网络模型,基于样本图像,对构建的改进型SSD网络模型进行训练;

将训练完成的改进型SSD网络模型,发送至智能眼镜进行存储。

3.根据权利要求1所述的设施番茄农事决策辅助方法,其特征在于,所述构建改进型SSD网络模型,包括:

选取MobileNet V3中的layer_14和layer_17作为特征提取层,代替SSD网络的特征提取网络。

4.根据权利要求1所述的设施番茄农事决策辅助方法,其特征在于,对构建的改进型SSD网络模型进行训练之后,还包括:

根据采样AP值确定训练后模型的性能;

其中,P为准确率,R为召回率,TP为真实的正样本数量,FP为错误的正样本数量,FN为错误的负样本数量。

5.根据权利要求2所述的设施番茄农事决策辅助方法,其特征在于,所述通过巡检机器人获取作物各生长周期的图像,对需要农事决策的部位和无需农事决策的部位,分别标注对应的正负样本图像,包括以下中的一项或多项:

采集具有腋芽的枝杈部分的样本图像,将腋芽大于预设长度的图像标记为需要打岔的正样本;

采集开花部位的样本图像,将每穗花朵数量大于预设数量的图像标记为需要疏花的正样本;

采集穗果坐齐后的样本图像,将单株的果实大于预设数量的样本图像标记为需要疏果的正样本;

分别采集成熟果实和非成熟果实的样本图像,将成熟果实图像标记为适合采摘的正样本,将非成熟果实图像标记为不适合采摘的负样本;

采集叶片部位的样本图像,将叶片覆盖果实的部位或叶片密度大于预设条件的部位,标记为需要叶片摘除的正样本。

6.根据权利要求2所述的设施番茄农事决策辅助方法,其特征在于,所述通过巡检机器人获取作物各生长周期的图像之后,还包括:

从获取的整体图像数据集中,独立同分布采样得到作物各生长周期的图像,用于训练。

7.根据权利要求1所述的设施番茄农事决策辅助方法,其特征在于,输出需要农事决策的部位,并在智能眼镜中进行显示之后,还包括:

根据显示的需决策部位,进行农事决策作业后,获取作业后的设施内作物图像;

根据所述需要农事决策的部位和已作业的部位,对决策作业的效果进行评估。

8.一种设施番茄农事决策辅助装置,其特征在于,用于智能眼镜,包括:

采集模块,用于获取设施内的作物图像;

处理模块,用于将所述作物图像,输入智能眼镜中预存储的改进型SSD网络模型,输出需要农事决策的部位,并在智能眼镜中进行显示;

其中,所述改进型SSD网络模型,为基于MobileNet V3网络代替SSD网络的特征提取网络结构,并基于确定的农事决策部位作为标签的样本图像,进行训练得到;所述农事决策包括,整枝打杈、蔬花、蔬果、叶片摘除和熟果采摘中任意一种或多种。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京农业智能装备技术研究中心,未经北京农业智能装备技术研究中心许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110129527.4/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top