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) ...
【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
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。