[发明专利]一种基于多深度模型集成学习的棉花苗识别方法

权利要求书

1.一种基于多深度模型集成学习的棉花苗识别方法，其特征在于，包括以下步骤：

S1、使用无人机采集棉花苗影像；

S2、对棉花苗影像进行图像处理，得到棉花苗数据集；

S3、构建棉花苗检测模型对棉花苗数据集进行识别，得到最佳深度学习模型；

S4、搭建云环境，将最佳深度学习模型配置在云环境上；

S5、使用云环境下的最佳深度学习模型进行棉花苗识别。

2.如权利要求1所述的一种基于多深度模型集成学习的棉花苗识别方法，其特征在于，步骤S1中所述无人机包括ParrotSequoia传感器。

3.如权利要求1所述的一种基于多深度模型集成学习的棉花苗识别方法，其特征在于，步骤S2中的图像处理包括通过Pix4Dmapper对棉花苗影像进行拼接、校正，得到高分辨率的无人机遥感影像，即棉花苗数据集。

4.如权利要求1所述一种基于多深度模型集成学习的棉花苗识别方法，其特征在于，步骤S3包括以下步骤：

S3-1、将棉花苗数据集分为训练集和测试集；

S3-2、使用训练集分别对U-Net模型、ResNet模型、VGG模型、GoogLeNet模型进行训练；

S3-3、对训练后的U-Net模型、训练后的ResNet模型、训练后的VGG模型、训练后的GoogLeNet模型的参数进行调整，分别得到最优模型；

S3-4、根据测试集分别使用最优的U-Net模型、最优的ResNet模型、最优的VGG模型和最优的GoogLeNet模型得到预测结果；

S3-5、使用硬投票的方法对各个预测结果进行表决，得到分类结果；

S3-6、根据分类结果和最优的U-Net模型、最优的ResNet模型、最优的VGG模型和最优的GoogLeNet模型得到最佳深度学习模型。

5.如权利要求4所述的一种基于多深度模型集成学习的棉花苗识别方法，其特征在于，步骤S3-5包括以下子步骤：

S3-5-1、分别获取最优的U-Net模型、最优的ResNet模型、最优的VGG模型和最优的GoogLeNet模型的预测结果；

S3-5-2、统计测试集为棉花苗的预测结果的数量和测试集不为棉花苗的预测结果的数量，将数量最多的预测结果作为分类结果。

6.如权利要求1所述的一种基于多深度模型集成学习的棉花苗识别方法，其特征在于，所述云环境使用ENVIServicesEngine云端。

7.一种电子设备，其特征在于，包括：

存储器，用于存储一个或多个程序；

处理器；

当所述一个或多个程序被所述处理器执行时，实现如权利要求1-6中任一项所述的方法。