[发明专利]一种基于深度学习算法的柳树花期智能识别方法

说明书

本发明涉及植物物候观测技术领域，特别涉及一种基于深度学习算法的柳树花期智能识别方法。本发明基于深度学习算法，从海量照片集中，通过小目标检测方案识别柳树花，提供了一种快速、准确的柳树花期的物候观测新方法，是传统野外定点、定株人工观测和卫星遥感观测的有力补充。本发明基于复杂的机器学习算法，在日尺度甚至小时尺度上获取柳树始花期，第一时间、快速、精准识别，提高了柳树花期在时间尺度上的识别精度，该智能识别方法可推广至葇荑花序乃至无限花絮的精准识别。柳树花期在时间尺度上的精确识别，能够为预防和治理生理卫生问题与环境问题提供预告与预警，实现高效、及时、精准的预报。

技术领域

本发明涉及植物物候观测技术领域，特别涉及一种基于深度学习算法的柳树花期智能识别方法。

背景技术

物候研究对于理解植被对气候变化响应的过程、提高大气与植被之间物质与能量交换的模拟精度、准确评估植被生产力与全球碳收支具有重要意义。传统的植物物候以野外定点定株人工观测为主，受观测人员自身因素及外界环境条件的影响，费时费力，且具有一定的主观性。随着数码相机性能、普及度提升，中国、美国、欧盟、日本、加拿大等物候观测网络纷纷增设数码相机定点定株近景摄影测量，志愿者采用随手拍方式实时上传植物照片助力物候观测，形成了海量照片数据集。如何采用机器学习、大数据分析技术，高效、精准地从海量照片集中提取特定物候信息是改革传统物候观测技术的智能解决方案。

柳树花序属葇荑花序，其特点是花序的主轴在开花期间总花柄可继续生长，不断产生新的小花，花后或果实成熟后整个花序脱落。花轴出现代表花期开始，整个花序脱落即为花期结束。由于其生长特征，识别其花期需对单株进行日尺度乃至小时尺度的长期野外观测，人工野外定点定株观测存在时间成本消耗大、现场观测麻烦、对人员技术要求高等问题，大尺度的遥感影像无法精确判断其生长状态。

柳树种子成熟后产生的柳絮被吸入鼻腔后会引发上呼吸道过敏，引起强烈的刺激、流涕、咳嗽和哮喘等反应，严重的还会影响睡眠，造成严重的生理卫生问题；柳絮飞舞可能会遮挡行人、车辆出行视线，影响交通安全；同时聚集的柳絮遇明火极易引发火灾。

综上所述，目前尚缺乏一种简单、高效、高精度的柳树花期智能识别方法。

发明内容

针对上述问题，本发明提供一种基于深度学习算法的柳树花期智能识别方法。

一种基于深度学习算法的柳树花期智能识别方法，所述方法包括：

采集柳树图像数据集并预处理，得到照片数据集；

采用区域识别方法对所述照片数据集进行标注，得到标注数据集；

基于深度学习算法构建小目标识别模型，并根据标注数据集训练小目标识别模型；

将待检测的图像序列输入到训练好的小目标识别模型中，以判别始花期、盛花期和末花期。

进一步的，所述采集柳树图像数据集包括：拍摄目标柳树的多景序列照片，得到数码照片数据集。

进一步的，所述预处理包括：对所述柳树图像进行重命名，以及裁剪、旋转和缩放，以得到相似角度相同比例尺的柳树花。

进一步的，所述采用区域识别方法对所述照片数据集进行标注，具体包括：

借助数据标注工具，对数码照片数据集中柳树花序框选，保存得到标注数据集。

进一步的，所述基于深度学习算法构建小目标识别模型，具体包括：采用Yolov5s模型作为小目标识别模型。

进一步的，所述根据标注数据集训练小目标识别模型，具体包括：

将标注数据集按比例划分为训练样本集和测试样本集；

将划分后的标注数据集输入深度学习算法进行训练，获得测试结果，筛选最优模型作为所述小目标识别模型。