一種基于卷積神經(jīng)網(wǎng)絡(luò)的植物長勢模型的自反饋學(xué)習(xí)評估方法

基本信息

申請?zhí)?/td> CN202110156946.7 申請日 -
公開（公告）號 CN113158750A 公開（公告）日 2021-07-23
申請公布號 CN113158750A 申請公布日 2021-07-23
分類號 G06K9/00（2006.01）I;G06K9/34（2006.01）I;G06K9/46（2006.01）I;G06K9/62（2006.01）I;G06N3/04（2006.01）I;G06N3/08（2006.01）I 分類 計算；推算；計數(shù);
發(fā)明人 谷月;朱建至;余治梅;魏家威 申請（專利權(quán)）人 電凱（常州）新能源技術(shù)研究院有限公司
代理機構(gòu) 上海遠同律師事務(wù)所 代理人 胡志鴻;張堅
地址 213100江蘇省常州市武進區(qū)常武中路18號常州科教城中科創(chuàng)業(yè)中心A-1-506室
法律狀態(tài) -

摘要

摘要 本發(fā)明涉及一種基于卷積神經(jīng)網(wǎng)絡(luò)的植物長勢模型的自反饋學(xué)習(xí)評估方法，采集植物各個生長周期的圖像數(shù)據(jù)樣本集，搭建深度卷積神經(jīng)網(wǎng)絡(luò)并進行訓(xùn)練；連續(xù)采集植物生長各階段的二維及三維圖像；之后將所采集的二維及三維圖像輸入深度卷積神經(jīng)網(wǎng)絡(luò)，獲得植物長勢模型，并對植物長勢模型進行迭代優(yōu)化，以及獲得當(dāng)前的植物生長狀況數(shù)據(jù)。該方法克服了現(xiàn)有的植物特征識別過程中，由于采用人工的方式進行植物識別所導(dǎo)致的識別效率低下及誤差的問題，通過卷積神經(jīng)網(wǎng)絡(luò)的算法建模，可以精準(zhǔn)識別植物生長狀態(tài)。