The invention discloses a detection method, device and electronic equipment for rice growth period, in which the method includes: acquiring the image to be detected; inputting the image to be detected into the preset network model to detect the characteristic information of each growth period in the image to be detected; and the preset network model is obtained by training the sample image through the constructed neural network architecture. The feature information includes the number of features, and the reproductive period of the image to be detected is determined based on the feature information. This method trains the sample image based on the neural network architecture to get the preset network model, and detects the growth period of the input image to be detected. This method does not need to synthetically analyze multiple continuous growth sequence images, and can realize the growth period characteristics based on a single image to be detected. It can effectively recognize the growth period of rice under the condition of changeable light in the field, and has a high detection efficiency of rice growth period.
【技术实现步骤摘要】
水稻生育期的检测方法、装置及电子设备
本专利技术涉及图像处理以及农业气象观测交叉的
,具体涉及一种水稻生育期的检测方法、装置及电子设备。
技术介绍
水稻是我国主要粮食作物之一,在我国南方地区种植广泛。其中,水稻的整个生育期经历移栽期,返青期,分蘖期,拔节期,孕穗期,抽穗期,乳熟期,以及成熟期。长期以来,对于水稻各生育期的观测主要是以人工观测的方式为主,受观测员主观因素的影响较大;同时由于水稻种植地域广、生长周期长,利用人工观测的方式费时费力,且不够经济。因此,利用安装在农田的图像采集设备获取水稻整个生长季的时序图像,借助图像处理的手段,对其发育期进行观测就显得十分必要。现有技术中,一般是利用水稻时间序列图像的叶面特征值、稻穗盖度、稻穗的颜色或稻穗弯曲角度的形态,对水稻单个生育期进行检测。然而,上述方案中,需要一个完整的水稻生育期时间序列图像,导致检测周期长,对于单个生育期的检测效率低。
技术实现思路
有鉴于此,本专利技术实施例提供了一种水稻生育期的检测方法、装置及电子设备,以解决现有技术中水稻生育期的检测效率低的问题。根据第一方面,本专利技术实施例提供了一种水稻生育期的检测方法,包括:获取待检测图像;将所述待检测图像输入至预设网络模型,以检测所述待检测图像中各生育期的特征信息;其中,所述预设网络模型是通过构建出的神经网络架构对样本图像训练得到的;所述特征信息包括特征个数;基于所述特征信息,确定所述待检测图像的所述生育期。本专利技术实施例提供的水稻生育期的检测方法,基于神经网络架构对样本图像进行训练得到的预设网络模型,对输入待检测图像进行生育期的检测。该方 ...
【技术保护点】
1.一种水稻生育期的检测方法,其特征在于,包括:获取待检测图像;将所述待检测图像输入至预设网络模型,以检测所述待检测图像中各生育期的特征信息;其中,所述预设网络模型是通过构建出的神经网络架构对样本图像训练得到的;所述特征信息包括特征个数;基于所述特征信息,确定所述待检测图像的所述生育期。
【技术特征摘要】
1.一种水稻生育期的检测方法,其特征在于,包括:获取待检测图像;将所述待检测图像输入至预设网络模型,以检测所述待检测图像中各生育期的特征信息;其中,所述预设网络模型是通过构建出的神经网络架构对样本图像训练得到的;所述特征信息包括特征个数;基于所述特征信息,确定所述待检测图像的所述生育期。2.根据权利要求1所述的方法,其特征在于,所述基于所述特征信息,确定所述待检测图像的所述生育期,包括:统计所述拍摄日期内所有所述待检测图像的所述特征信息,以得到图像特征数据集;获取水稻生长过程中的小气候数据,以得到气象特征数据集;利用所述图像特征数据集以及所述气象特征数据集,确定所述待检测图像进入所述生育期的日期。3.根据权利要求2所述的方法,其特征在于,所述利用所述图像特征数据集以及所述气象特征数据集,确定所述待检测图像的所述生育期,包括:将所述图像特征数据集以及所述气象特征数据集进行迭代回归计算,确定所述待检测图像进入所述生育期的日期。4.根据权利要求2或3所述的方法,其特征在于,所述图像特征数据集包括:所述特征个数、所述特征个数的平均数、所述特征个数的中位数、所述特征个数的标准差以及所述待检测图像的长势指数中的至少一种;所述气象特征数据集包括:所述日平均温度、前一日平均温差、温差一阶差分以及旬积温中的至少一种。5.根据权利要求1所述的方法,其特征在于,所述预设网络模型是通过以下步骤得到的:获取所述样本图像;对所述样本图像进行卷积处理,以生成特征图;利用所述特征图训练RPN网络,以得到候选框特征信息;所述候选框特征信息包括所述候选...
【专利技术属性】
技术研发人员:周振,韩冰,周望,李新建,李媛媛,许晨蛟,
申请(专利权)人:江苏省无线电科学研究所有限公司,
类型:发明
国别省市:江苏,32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。