[发明专利]一种基于机器学习的中耕期甘蔗幼苗培土方法

权利要求书

1.一种基于机器学习的中耕期甘蔗幼苗培土方法，其特征在于，包括以下步骤：

1)训练获得中耕期甘蔗培土识别定位网络模型；

2)使用步骤1)的中耕期甘蔗培土识别定位网络模型对摄像头实时采集的幼苗期甘蔗图片进行实时特征提取、目标定位和获取目标的预测框中心点坐标信息并保存；

3)构建基于监督学习的坐标分类系统，根据幼苗期甘蔗的分布情况，将获取的预测框中心点坐标信息分成甘蔗中耕培土机的左侧和右侧两组坐标数据；

4)对两组坐标数据的计算处理，分别计算出每组坐标数据的倾斜值；

5)培土设备根据倾斜值的大小范围做出实时调整进行培土作业。

2.根据权利要求1所述基于机器学习的中耕期甘蔗幼苗培土方法，其特征在于，所述步骤1)包括以下步骤：

a、采集中耕期幼苗期甘蔗原始图像素材；

b、筛选图片素材，对图片中的目标进行标记，将图片素材按比例生成训练集、验证集和测试集；

c、使用卷积神经网络模型对训练集、验证集进行训练，获取最优权值作为训练结果；

d、调用卷积神经网络模型对测试集进行目标预测，获取目标信息并保存；

e、对保存的目标信息进行筛选并制作成监督学习模型的训练集和测试集，使用监督学习模型进行迭代训练获得识别定位网络模型。

3.根据权利要求2所述基于机器学习的中耕期甘蔗幼苗培土方法，其特征在于，所述步骤a)具体实施方式为：针对40cm-50cm高度且处于幼苗中耕期的甘蔗植株进行图片采集，将摄像头摆放在距离地面80-100cm的高度沿着中耕培土机的行驶路径进行视频录制，且在多个不同的甘蔗种植区域进行录制以获取不同甘蔗种植区域的图像。

4.根据权利要求2所述基于机器学习的中耕期甘蔗幼苗培土方法，其特征在于，所述步骤b)具体实施方式为：对甘蔗根部与土壤接触的局部位置进行标记，将目标添加同一类标签并生成标记文件，标记文件包含标签类别和标记框的中心点坐标以及宽高，然后按比例生成模型训练所需的训练集、验证集与测试集。

5.根据权利要求2所述基于机器学习的中耕期甘蔗幼苗培土方法，其特征在于，所述步骤e)具体实施方式为：读取保存的信息，根据预测框中心点坐标的数值特征，结合甘蔗的实际种植空间分布和培土需求，把预测框的中心点坐标标记为两类，按比例设置训练集和预测集作为监督学习模型的数据集；数据集以成对样例的内积形式出现，监督学习模型读取数据集并在低维空间完成计算，然后选择一个核函数替代内积，隐式地将非线性训练数据映射到高维空间同时不会增加可调参数的个数；迭代训练完成后，用训练集替代权重项，一部分特殊的训练样本即支持向量用于预测。

6.根据权利要求1所述基于机器学习的中耕期甘蔗幼苗培土方法，其特征在于，所述步骤3)具体实施方式为：根据摄像头实时采集的图片，调用网络模型进行目标预测，获得目标信息输入到监督学习模型，转换预测框中心点坐标为监督学习模型数据集的格式，使用监督学习模型由训练集生成的支持向量对数据集进行分类，生成两组以预测框中心点坐标为数据的数据集。

7.根据权利要求1所述基于机器学习的中耕期甘蔗幼苗培土方法，其特征在于，所述步骤4)具体实施方式为：

读取分类后的两组数据集，分别以每组数据集中的第1，2，3…m个预测框中心点坐标为基准，计算该坐标与其他中心点坐标斜率的绝对值，Ki代表斜率，m代表基准坐标的个数，xi，xj分别代表第i，j株的横坐标，yi，yj分别代表第i，j株的纵坐标， Ki的计算公式为：

舍弃斜率的最大值和最小值，计算余下斜率的平均值K1，K2，K3…Km；然后计算K1，K2，K3…Km的标准差S，S的计算公式为：

若S1，则说明K1，K2，K3…Km的离散程度较大，取中值M作为倾斜值，若S≤1，则取平均值Ka为倾斜值；Ka的计算公式为：

倾斜值L的分段函数为：

将分类后的两组数据集的倾斜值以一张图片为一组的形式传送给后续设备进行控制。