[发明专利]花朵开花过程的拍摄方法、装置、电子设备及存储介质有效

专利信息
申请号: 202111110052.0 申请日: 2021-09-23
公开(公告)号: CN113556473B 公开(公告)日: 2022-02-08
发明(设计)人: 邹玉玲 申请(专利权)人: 深圳市天和荣科技有限公司
主分类号: H04N5/232 分类号: H04N5/232;G06N3/08
代理公司: 深圳卓启知识产权代理有限公司 44729 代理人: 董慧婷
地址: 518000 广东省深圳市南山区*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 花朵 开花 过程 拍摄 方法 装置 电子设备 存储 介质
【权利要求书】:

1.一种花朵开花过程的拍摄方法,其特征在于,包括:

采集目标拍摄植物的图像;其中,所述目标拍摄植物包括目标拍摄花朵;

将所述目标拍摄植物的图像输入到神经网络模型中,输出所述目标拍摄花朵的品种及花期;其中,所述神经网络模型由多张已知品种及花期的拍摄植物的图像训练得到,所述花期包括:初花期、盛花期及落花期,同一品种的花朵的初花期对应的拍摄频率小于盛花期对应的拍摄频率,同一品种的花朵的落花期对应的拍摄频率小于盛花期对应的拍摄频率,同一品种的花朵的落花期对应的拍摄频率小于初花期对应的拍摄频率;不同品种的花朵的相同花期对应的拍摄频率不同;

根据所述目标拍摄花朵的品种及花期,从数据库中查找与所述目标拍摄花朵的品种及花期对应的目标拍摄频率;其中,所述数据库中包括多种不同品种的花朵以及各个品种的花朵的不同花期各自对应的拍摄频率;

根据所述目标拍摄频率调整相机的拍摄频率;

基于调整后的拍摄频率采集所述目标拍摄花朵的图像。

2.如权利要求1所述的方法,其特征在于,所述采集目标拍摄植物的图像之前,所述方法还包括:训练所述神经网络模型。

3.如权利要求2所述的方法,其特征在于,所述训练所述神经网络模型包括:

获取样本数据集;所述样本数据集包括多张拍摄植物的图像以及各个所述图像对应的品种及花期;

将所述样本数据集随机分为训练组和实验组;

将所述训练组的数据输入所述神经网络模型;

通过前向传播计算预测值和后向传播更新所述神经网络模型的参数;

将所述实验组输入所述神经网络模型;

评估所述神经网络模型的预测性能;

若所述预测性能的精准度小于预设精准度,则执行所述通过后向传播更新所述神经网络模型的参数。

4.如权利要求1所述的方法,其特征在于,所述基于调整后的拍摄频率采集所述目标拍摄花朵的图像之后,所述方法还包括:

保存所述目标拍摄花朵在各个所述花期的图像;

根据所述目标拍摄花朵在各个所述花期的图像输出所述目标拍摄花朵的开花过程的视频;

基于所述开花过程的视频接收用户的查看操作;

响应于所述查看操作,确定当前显示图像,并显示所述当前显示图像对应的花朵的品种、花期及目标延时拍摄参数。

5.一种花朵开花过程的拍摄装置,其特征在于,包括:

确定模块,用于采集目标拍摄植物的图像;其中,所述目标拍摄植物包括目标拍摄花朵;将所述目标拍摄植物的图像输入到神经网络模型中,输出所述目标拍摄花朵的品种及花期;其中,所述神经网络模型由多张已知品种及花期的拍摄植物的图像训练得到,所述花期包括:初花期、盛花期及落花期,同一品种的花朵的初花期对应的拍摄频率小于盛花期对应的拍摄频率,同一品种的花朵的落花期对应的拍摄频率小于盛花期对应的拍摄频率,同一品种的花朵的落花期对应的拍摄频率小于初花期对应的拍摄频率;不同品种的花朵的相同花期对应的拍摄频率不同;

查找模块,用于根据所述目标拍摄花朵的品种及花期,从数据库中查找与所述目标拍摄花朵的品种及花期对应的目标拍摄频率;其中,所述数据库中包括多种不同品种的花朵以及各个品种的花朵的不同花期各自对应的拍摄频率;

调整模块,用于根据所述目标拍摄频率调整相机的拍摄频率;

拍摄模块,用于基于调整后的拍摄频率采集所述目标拍摄花朵的图像。

6.一种电子设备,其特征在于,包括:存储器及处理器;其中,所述存储器用于存储有计算机程序,所述计算机程序适于由处理器加载并执行如权利要求1-4任一项的方法步骤。

7.一种计算机存储介质,其特征在于,所述计算机存储介质存储有多条指令,所述指令适于由处理器加载并执行如权利要求1-4任一项的方法步骤。

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深圳市天和荣科技有限公司,未经深圳市天和荣科技有限公司许可,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/202111110052.0/1.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