水稻生育期的检测方法、装置及电子设备制造方法及图纸

本发明专利技术公开了一种水稻生育期的检测方法、装置及电子设备，其中，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。该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。该方法无需综合分析多张连续生长序列的图片，可以实现基于单张待检测图像中的生育期特征，并且可以在野外光线多变的环境条件下，对水稻生育期进行有效识别，且具有较高的水稻生育期的检测效率。

Detection Method, Device and Electronic Equipment for Rice Growth Period

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。该方法无需综合分析多张连续生长序列的图片，可以实现基于单张待检测图像中的生育期特征，并且可以在野外光线多变的环境条件下，对水稻生育期进行有效识别，且具有较高的水稻生育期的检测效率。结合第一方面，在第一方面第一实施方式中，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。本专利技术实施例提供的水稻生育期的检测方法，通过构建出的预设网络模型，以及融合水稻生长过程农田小气候信息，能够实现水稻生育期的精确、高效检测。结合第一方面第一实施方式，在第一方面第二实施方式中，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。结合第一方面第一实施方式或第一方面第二实施方式，在第一方面第三实施方式中，所述特征数据集包括：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。结合第一方面，在第一方面第四实施方式中，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框在所述样本图像中的位置以及所述候选框的置信度；基于所述特征图以及所述候选框特征信息，提取所述候选框的特征；对所述候选框的特征进行回归以及分类计算，以得到所述预设网络模型。本专利技术实施例提供的水稻生育期的检测方法，基于水稻各生育期训练样本图像，进行训练得到预设网络模型，该预设网络模型用于后续水稻生育期的检测，而不需要综合分析多张连续生长序列的图片，缩短了检测周期，提高了检测效率。结合第一方面第四实施方式，在第一方面第五实施方式中，所述基于所述特征图以及所述候选框特征信息，提取所述候选框的特征，包括：将所述特征图以及所述候选框特征信息同时输入至池化层，以提取所述候选框的特征。结合第一方面第五实施方式，在第一方面第六实施方式中，所述利用所述特征图训练RPN网络，以获取候选框特征信息，包括：依次利用滑动窗口对所述特征图进行滑动扫描，将对应于每个所述滑动窗口的所述特征图进行编码，以得到特征向量；采用激活函数对所述特征向量进行计算，以得到所述候选框特征信息。根据第二方面，本专利技术实施例提供了一种水稻生育期的检测装置，包括：获取模块，用于获取待检测图像；检测模块，用于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；确定模块，用于基于所述特征信息，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装置，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。该方法无需综合分析多张连续生长序列的图片，可以实现基于单张待检测图像中的生育期特征，并且可以在野外光线多变的环境条件下，对水稻生育期进行有效识别，且具有较高的水稻生育期的检测效率。根据第三方面，本专利技术实施例提供了一种电子设备，包括：存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器中存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行第一方面或者第一方面的任意一种实施方式中所述的水稻生育期的检测方法。根据第四方面，本专利技术实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储计算机指令，所述计算机指令用于使所述计算机执行第一方面或者第一方面的任意一种实施方式中所述的水稻生育期的检测方法。附图说明为了更清楚地说明本专利技术具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1是根据本专利技术实施例的水稻生育期的检测方法的流程图；图2是根据本专利技术实施例的水稻生育期的检测方法的流程图；图3是根据本专利技术实施例的水稻分蘖期图像该特征识别；图4是根据本专利技术实施例的水稻生育期的检测方法的流程图；图5是根据本专利技术实施例的水稻生育期的检测方法的流程图；图6是根据本专利技术实施例的预设网络模型的构建流程图；图7是根据本专利技术实施例的水稻分蘖期特征标签选择示意图；图8是根据本专利技术实施例的水稻生育期的检测装置的结构框图；图9是根据本专利技术实施例的水稻生育期的检测装置的结构框图；图10是本专利技术实施例提供的电子设备的硬件结构示意图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。根据本专利技术实施例，提供了一种水稻生育期的检测方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出本文档来自技高网...

【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