[发明专利]基于深度学习网络的堆肥腐熟实时预测方法

摘要

本发明公开了一种基于深度学习网络的堆肥腐熟实时预测方法，以堆肥的堆体内温度、湿度、表面图像深度特征向量作为堆肥的描述特征，借助于深度学习方法高效学习能力，实现腐熟的在线实时监测。腐熟预测过程起始于堆体温度、湿度实时测量和图像采集，方法首先对图像进行预处理，由卷积神经网络(CNN)提取图像的深度特征，然后与堆体温度、湿度组合作为腐熟判断过程的输入量，送入循环神经网络(RNN)预测出当前时刻是否腐熟。本发明提出的相对完善、合理、准确的堆肥腐熟实时监测方法，为生产提供指导。

主权项

1.一种基于深度学习网络的堆肥腐熟实时预测方法，其特征在于包括以下步骤：S1、提取t时刻堆肥温度、湿度数据以及t时刻堆肥表面灰度图像数据；S2、预处理，将堆肥表面灰度图像数据进行中值滤波；S3、基于S2获得的数据，构建卷积神经网络CNN进行堆肥图像特征提取；S4、将堆肥温度、湿度数据和堆肥图像特征，组合形成堆肥实时特征向量，堆肥实时特征向量通过最小最大法归一化进行整合；S5、基于S4获得的数据，采用循环神经网络RNN进行预测。