[发明专利]基于改进神经网络的水稻生育期识别方法及系统在审

专利信息
申请号: 202210163798.6 申请日: 2022-02-22
公开(公告)号: CN114627467A 公开(公告)日: 2022-06-14
发明(设计)人: 肖德琴;潘永琪;曾瑞麟;刘又夫;卞智逸;招胜秋;刘俊彬;谭祖杰 申请(专利权)人: 华南农业大学
主分类号: G06V20/68 分类号: G06V20/68;G06V10/20;G06V10/774;G06V10/764;G06V10/82;G06K9/62;G06N3/04;G06N3/08
代理公司: 广州粤高专利商标代理有限公司 44102 代理人: 禹小明
地址: 510642 广*** 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: 基于 改进 神经网络 水稻 生育 识别 方法 系统
【说明书】:

发明提出一种基于改进神经网络的水稻生育期识别方法及系统,包括获取水稻田间图像,对所述水稻田间图像进行预处理以构建训练集和验证集;建立包括条件卷积模块和CBAM注意力模块的水稻生育期识别神经网络,利用训练集和验证集对水稻生育期识别神经网络进行训练并优化,将待识别的水稻田间图像输入网络中,得到水稻生育期的识别结果。本发明通过建立包括条件卷积模块和CBAM注意力模块的水稻生育期识别神经网络,能够实现针对水稻生育期的不同阶段进行实时识别,有效提高水稻生育期的识别效率与准确率。

技术领域

本发明涉及深度学习领域,更具体地,涉及一种基于改进神经网络的水稻生育期识别方法及系统。

背景技术

水稻是我国三大主要粮食作物之一,其产量和质量在我国一直备受重视。为了保持和提高稻米的产量和品质,必须利用来自稻田的信息对水稻生育期进行准确的监测识别和分析。水稻的整个生育期包括移栽期、返青期、分蘖期、拔节期、孕穗期、抽穗期、乳熟期以及成熟期。水稻生育期是重要的农业信息,识别关键生育期对水稻田间生产和管理起着重要的作用,也是监测水稻长势和进行水稻产量分析的重要依据。目前传统的人工观测水稻生育期方式难以满足农业现代化发展的需求,迫切需要对自动识别水稻发育期的方法进行研究,以减少劳动成本,提高观测准确性和实时性。

现有一种作物生育期预测方法,其通过获取预测年份上一年的逐日气象因子信息并将其输入预设气象因子预测模型,得到预测年份逐日气象因子信息;将所述预测年份逐日气象因子信息输入预设生育期预测模型,得到预测年份生育期预测天数;通过将能够预测逐日气象因子信息的预设气象因子预测模型和能够预测年份生育期预测天数的预设生育期预测模型结合,得到一个完整的生育期预测方案。

然而,上述方法过于依赖预测年份上一年的气象因子信息和生育期信息,无法根据预测年份下的气象信息和种植情况,实时进行预测生育期,预测的效率低且结果不准确。

发明内容

本发明为克服现有技术不能在水稻生育期的不同阶段进行实时识别,导致水稻生育期的识别效率低且识别结果不准确的缺陷,提供一种基于改进神经网络的水稻生育期识别方法及系统。

为解决上述技术问题,本发明的技术方案如下:

第一个方面,本发明提出一种基于改进神经网络的水稻生育期识别方法,包括以下步骤:

S1:获取水稻田间图像,对所述水稻田间图像进行预处理,利用经过预处理后的水稻田间图像构建训练集和验证集。

S2:建立包括条件卷积模块和CBAM注意力模块的水稻生育期识别神经网络。

S3:将一组训练集输入所述水稻生育期识别神经网络进行训练后,利用验证集对水稻生育期识别神经网络进行一次验证并调参,直至将所有训练集输入水稻生育期识别神经网络,完成训练。

S4:将待识别的水稻田间图像输入训练后的水稻生育期识别神经网络,水稻生育期识别神经网络输出水稻生育期的识别结果。

将待识别的水稻田间图像输入优化后的水稻生育期识别神经网络。水稻生育期识别神经网络的条件卷积模块中针对水稻生育期每一个阶段的水稻田间图像样例,定制有相应的卷积核。利用所述卷积核对水稻生育期每一个阶段的水稻田间图像样例做卷积得到对应的输出,并将输出结果输入CBAM注意力模块中,CBAM注意力模块从输出结果中提取出重要特征,并将提取的重要特征输入到全连接层中,全连接层输出分类结果,作为水稻生育期的识别结果。

作为优选方案,S2中,选取ResNet网络结构作为基本网络结构,建立水稻生育期识别神经网络,所述水稻生育期识别神经网络还包括Bottleneck模块和全连接层,所述CBAM注意力模块包括第一CBAM注意力模块和第二CBAM注意力模块;所述条件卷积模块、第一CBAM注意力模块、Bottleneck模块、第二CBAM注意力模块和全连接层依次连接。

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华南农业大学,未经华南农业大学许可,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/202210163798.6/2.html,转载请声明来源钻瓜专利网。

同类专利
专利分类
×

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