一种通过图片快速计算柑橘产量的方法技术

本发明专利技术公开了一种通过图片快速计算柑橘产量的方法，包括以下步骤：S1：智能终端获取单株柑橘图片；S2：将S1获取的单株柑橘图片由网络模型进行识别，返回单株识别果粒数量n、k(m)树龄系数、k(w)树形系数；S3：通过如下公式得到柑橘数量：P＝n＊{e

A Fast Method for Calculating Citrus Yield by Picture

The invention discloses a method for quickly calculating citrus yield by pictures, which includes the following steps: S1: intelligent terminal obtains individual citrus pictures; S2: identifying individual citrus pictures acquired by S1 by network model, returning the number of identified fruit grains n, K (m) tree age coefficient, K (w) tree shape coefficient; S3: obtaining citrus quantity by following formula: P = n {e}.

【技术实现步骤摘要】
一种通过图片快速计算柑橘产量的方法
本专利技术属于农产品图像识别和智能计算领域，特别涉及一种通过图片快速计算柑橘产量的方法。技术背景在柑橘收果前，一般通过数数或估算的方式，获得单株柑橘产果数量，然后换算产量。现有的通过估算计算产量的方法中，一般以单株估算果粒数量、平均单粒重量、平均每亩株数和亩数的乘积得出。通过计数、点数单株柑橘果粒数量，然后估算产量，效率低，准确率低。现有的对拍摄图像中果粒数量的智能识别方法，仅能统计拍摄面外表的果粒数量，难以根据图片得到单株果树的果粒数量。
技术实现思路
根据上述的技术问题，本专利技术通过智能终端拍摄挂果阶段的单株柑橘的照片，根据果粒系数、树龄、树形，即可科学估算出单株柑橘果树的果粒，并通过对柑橘单颗重量的修正，准确计算种植区柑橘产量。具体技术方案如下：一种通过图片快速计算柑橘产量的方法，包括以下步骤：S1：智能终端获取单株柑橘图片；S2：将S1获取的单株柑橘图片由网络模型进行识别，返回单株识别果粒数量n、k(m)树龄系数、k(w)树形系数；S3：通过如下公式得到柑橘数量：P＝n*{e[k(n)+k(m)+k(w)]-1}*[ln(x+1)]*y*z其中，P为柑橘产量，n为单株识别果粒数量，k(n)为果粒系数，k(m)为树龄系数，k(w)为树形系数，x为平均单粒重量，y为平均每亩株数，z为亩数。由于单株柑橘的图片仅拍摄到单株柑橘果树单侧外层的挂果数量，因此，需要对果粒的特征、柑橘树龄和树形的挂果特征、该批次果粒的重量特征进行修正，合理的估算出单株柑橘的数量。进一步地，还包括如下步骤：S0：建立n单株识别果粒数量、k(m)树龄系数、k(w)树形系数的网络模型。进一步地，果粒系数k(n)通过以下计算方法获得：其中，n为单株识别果粒数量，ns为真实单株果粒数量，fs为修正值。进一步地，树龄系数k(m)，其中，m≥1.5，0.85≤k(m)≤1。进一步地，树形系数k(w)，其中，0.98≤k(w)≤1.12。进一步地，平均单粒柑橘重量x通过如下公式获得：其中，X为柑橘样本数量，x为单株识别果粒数量,xi为样本中单颗柑橘的重量。进一步地，单株识别果粒数量n的网络模型建立具体步骤如下：S0-1-1：拍摄不同的含有柑橘果的若干照片；S0-1-2：利用labelimg标注工具对S0-1-1获取的图片中的柑橘果进行标注，框出图片中的果实；S0-1-3：对S0-1-2标注好的图片进行预处理，包括数据增强和归一化处理；S0-1-4：将S0-1-3预处理后的图片按照5：1的比例将数据分成训练集和测试集；S0-1-5：训练集中的数据通过fasterrcnn深度神经网络提取图片的特征信息，特征信息包括纹理信息、色彩信息、形状信息，然后预测图片中目标的位置信息，经多次迭代后生成网络参数；S0-1-6：测试集中的数据通过fasterrcnn深度神经网络对S0-1-5生成的网络参数进行测试，获得测试图片的位置信息与测试图片在S0-1-2标注的位置信息进行比较，最终通过平均精度map和召回率recall进行评估；S0-1-7：重复步骤S0-1-5和S0-1-6，直至map和recall达到需求；S0-1-8：将最终训练好的网络参数，加载到fasterrcnn网络模型当中。进一步地，树龄系数k(m)的网络模型建立具体步骤如下：S0-2-1：拍摄不同特定树龄段的单株柑橘的若干照片，特定树龄段包括：1.5≤m＜2.5，2.5≤m＜3.5，3.5≤m＜4.5，4.5≤y，并将图片按照树龄段分为4个类；S0-2-2：对步骤S0-2-1分类好的图片进行预处理，包括数据增强和归一化处理；S0-2-3：将S0-2-2中不同分类的图片按照5：1的比例将数据分成训练集和测试集；S0-2-4：训练集中的数据通过GoogleNet深度神经网络提取图片的特征信息，特征信息包括纹理信息、色彩信息、形状信息，然后预测图片的所属分类，经多次迭代后生成网络参数；S0-2-5：测试集中的数据通过GoogleNet深度神经网络对S0-2-4生成的网络参数进行测试，获得测试图片的所属分类与测试图片在S0-2-1中所属分类进行比较，最终召回率recall和识别精度进行评估；S0-2-6：重复步骤S0-2-4和S0-2-5，直至recall和识别精度达到需求；S0-2-7：将最终训练好的网络参数，加载到GoogleNet网络模型当中。进一步地，树形系数k(w)的网络模型建立具体步骤如下：S0-3-1：拍摄不同特定树形w的单株柑橘树的若干照片，特定树形w包括：多主枝放射形、自然开心形、圆柱形、主干形、自然圆头形，并将图片按照树形分为5个类；S0-3-2：对步骤S0-3-1分类好的图片进行预处理，包括数据增强和归一化处理；S0-3-3：将S0-3-2中不同分类的图片按照5：1的比例将数据分成训练集和测试集；S0-3-4：训练集中的数据通过GoogleNet深度神经网络提取图片的特征信息，特征信息包括纹理信息、色彩信息、形状信息，然后预测图片的所属分类，经多次迭代后生成网络参数；S0-3-5：测试集中的数据通过GoogleNet深度神经网络对S0-3-4生成的网络参数进行测试，获得测试图片的所属分类与测试图片在S0-3-1中所属分类进行比较，最终召回率recall和识别精度进行评估；S0-3-6：重复步骤S0-3-4和S0-3-5，直至recall和识别精度达到需求；S0-3-7：将最终训练好的网络参数，加载到GoogleNet网络模型当中。本专利技术的有益效果为：本方法实现通过智能终端拍摄挂果阶段的单株柑橘的照片，智能识别出柑橘果粒的数量，根据果粒系数、树龄、树形、单颗果粒重量特征，即可科学估算出单株柑橘果树的果粒，准确计算种植区柑橘产量。附图说明附图1为本专利技术的一种通过图片快速计算柑橘产量的方法的实现流程图。具体实施方式以下通过附图具体对本专利技术的方案进行阐述。一种通过图片快速计算柑橘产量的方法，包括以下步骤：S0：建立n单株识别果粒数量、k(m)树龄系数、k(w)树形系数的网络模型；S0-1：建立单株识别果粒数量n的网络模型；S0-1-1：拍摄不同的含有柑橘果的若干照片作为柑橘果样本库，图片数量不少于1000张；S0-1-2：利用labelimg标注工具对S0-1-1获取的图片中的柑橘果进行标注，框出图片中的果实；S0-1-3：对S0-1-2标注好的图片进行预处理，使用OpenCV的RotateImage对图片进行旋转、使用LightImage对图片亮度进行处理，实现数据增强；使用caffe的Scalelayer和BatchNormlayer实现数据归一化处理；增加样本数量，以提高算法鲁棒性，使网络能够更好的进行优化；S0-1-4：将S0-1-3预处理后的图片按照5：1的比例将数据分成训练集和测试集；S0-1-5：训练集中的数据通过fasterrcnn深度神经网络提取图片的特征信息，特征信息包括纹理信息、色彩信息、形状信息，然后预测图片中目标的位置信息，经50万次迭代后生成网络参数；S0-1-6：测试集中的数据通过fasterrcnn深度神经网络对S0-1-5生成的网络参数进行测试，获得测试图片的位置信息与测试图片在S0-1-2标注的位置信息进本文档来自技高网...

【技术保护点】
1.一种通过图片快速计算柑橘产量的方法，其特征在于，包括以下步骤：S1：智能终端获取单株柑橘图片；S2：将S1获取的单株柑橘图片由网络模型进行识别，返回单株识别果粒数量n、k(m)树龄系数、k(w)树形系数；S3：通过如下公式得到柑橘数量：P＝n*{e

【技术特征摘要】
1.一种通过图片快速计算柑橘产量的方法，其特征在于，包括以下步骤：S1：智能终端获取单株柑橘图片；S2：将S1获取的单株柑橘图片由网络模型进行识别，返回单株识别果粒数量n、k(m)树龄系数、k(w)树形系数；S3：通过如下公式得到柑橘数量：P＝n*{e[k(n)+k(m)+k(w)]-1}*[ln(x+1)]*y*z其中，P为柑橘产量，n为单株识别果粒数量，k(n)为果粒系数，k(m)为树龄系数，k(w)为树形系数，x为平均单粒重量，y为平均每亩株数，z为亩数。2.根据权利要求2所述的一种通过图片快速计算柑橘产量的方法，其特征在于，还包括如下步骤：S0：建立n单株识别果粒数量、k(m)树龄系数、k(w)树形系数的网络模型。3.根据权利要求1所述的一种通过图片快速计算柑橘产量的方法，其特征在于，果粒系数k(n)通过以下计算方法获得：其中，n为单株识别果粒数量，ns为真实单株果粒数量，fs为修正值。4.根据权利要求1所述的一种通过图片快速计算柑橘产量的方法，其特征在于，树龄系数k(m)，其中，m≥1.5，0.85≤k(m)≤1。5.根据权利要求1所述的一种通过图片快速计算柑橘产量的方法，其特征在于，树形系数k(w)，其中，0.98≤k(w)≤1.12。6.根据权利要求1所述的一种通过图片快速计算柑橘产量的方法，其特征在于，平均单粒柑橘重量x通过如下公式获得：其中，X为柑橘样本数量，x为单株识别果粒数量,xi为样本中单颗柑橘的重量。7.根据权利要求2所述的一种通过图片快速计算柑橘产量的方法，其特征在于，单株识别果粒数量n的网络模型建立具体步骤如下：S0-1-1：拍摄不同的含有柑橘果的若干照片；S0-1-2：利用labelimg标注工具对S0-1-1获取的图片中的柑橘果进行标注，框出图片中的果实；S0-1-3：对S0-1-2标注好的图片进行预处理，包括数据增强和归一化处理；S0-1-4：将S0-1-3预处理后的图片按照5：1的比例将数据分成训练集和测试集；S0-1-5：训练集中的数据通过fasterrcnn深度神经网络提取图片的特征信息，然后预测图片中目标的位置信息，经多次迭代后生成网络参数；S0-1-6：测试集中的数据通过fasterrcnn深度神经网络对S0-1-5生成的网络参数进行测试，获得测试图片的位置信息与测试图片在S0-1-2标注的位置信息进行比较，最终通过平均精度map和召回率recall进行评估；S0-1-...

【专利技术属性】
技术研发人员：韦光亮，王筱东，吴光杰，张玉国，苏世宁，黄彬，龚骏逸，
申请(专利权)人：广西慧云信息技术有限公司，
类型：发明
国别省市：广西,45