[发明专利]一种大豆出苗整齐度判断方法及系统

权利要求书

1.一种大豆出苗整齐度判断方法，包括出苗数量检测模块、自裁剪模块、生长时期辨别模块和出苗比例计算模块，是通过以下步骤实现的：

步骤一、获取大豆田间可见光图像：对不同区域种植的不同品种的大豆，在不同天气下获取可见光图像；

步骤二、建立出苗数量检测模块：通过自动检测图像中的大豆目标，对每个被检测出的大豆利用连通区域绘制最小外接矩形，并进行编号，获取大豆出苗数量；

步骤三、建立自裁剪模块：将步骤二中所有被最小外接矩形框选的大豆利用自裁剪模块从原始图像中分割出来，将图像尺寸统一为255*255*3；

步骤四、对步骤三中获取图像进行缩放、旋转、对比度调整、亮度调整的处理，以达到图像增强目的，扩充图像数据集样本数量和多样性，构建包含出苗期(VE)、子叶期(VC)、一节期(V1)和二节期(V2)的10000张图像数据集，每个时期图像2500张，分别形成一个文件夹，以0、1、2、3的标签进行区分；

步骤五、建立生长时期辨别模块：该模块由特征提取网络、特征融合网络、数据降维网络和图像分类网络组成，具体如下：

5.1、所述特征提取网络由逐通道卷积和常规卷积层组成，用于分别提取图像的各通道信息和扩大感受野特征；所述特征融合网络将特征提取网络提取的各通道信息进行融合，并将所述通道特征信息与空间特征信息进行融合；所述数据降维网络，用于每个卷积层之后，使用Global平均池化，最终将特征图的空间分辨率降为1*1；

5.2、所述图像分类网络处于全连接层中，通过该网络存储模型中最终特征信息并通过softmax实现最终分类与预测，从而辨别大豆生长时期，引入了dropout对模型进行优化，防止模型过拟合；

5.3、对步骤四中的图像数据集通过随机采样方式划分为训练集、验证集和测试集；

5.4、对模型进行训练，使模型能够充分学习大豆各时期图像特征，并在验证过程中及时调整各项参数，利用Adam算法优化模型，设置动态学习率，当测试结果的准确率和损失值满足要求时，得到适合辨别大豆生长时期的模型；

步骤六、建立出苗比例计算模块：出苗比例计算模块由出苗数量检测模块和生长时期辨别模块的输出结果组成，得到大豆每个时期占比情况；

步骤七、集成上述步骤中建立的出苗数量检测模块、自裁剪模块、生长时期辨别模块和出苗比例计算模块，建立用于大豆出苗整齐度判断的卷积神经网络soy-growth network，将图像输入到网络中，进行大豆出苗整齐度的判断。

2.一种大豆出苗整齐度判断系统，其特征在于：包括感知层、传输层、存储层、服务层、应用层和展示层；

所述的感知层，用于数据采集，获取大豆田间数字图像信息；

所述的传输层，用于读取图像数据集，并以图像文件形式存储，要对图像进行处理；

所述的存储层，用于处理时的短期快速存储，存储数据集，构建数据库；

所述的服务层，对需要处理的数据，通过集成各种软件、算法、模型和公式，进行处理和分析；

所述的应用层，从图像中提取出数据，理解图像内容，输出识别结果和决策意见；

所述的展示层，具备图像大小、光度分辨率、空间分辨率、噪声特性等重要的显示特性，将系统应用结果形成趋势图等，直观展示，便于制定决策和规划。