The invention belongs to the technical field of image recognition, in particular to an intelligent analysis method and an intelligent analysis device for tomato growth state, including the establishment of a tomato growth analysis model in advance, the tomato growth analysis model including a linear regression model and a convolution neural network model, the acquisition of a tomato growth image, and the introduction of the tomato growth image into a linear regression model and a convolution neural network model respectively In the model, the linear regression model is used to analyze the tomato growth image and calculate the current growth index of tomato; the convolution neural network model is used to analyze the tomato growth image and calculate the current growth index of tomato leaves. Beneficial effects: for the qualitative analysis of tomato growth image, linear regression model is used, for the quantitative analysis of tomato growth image, convolution neural network model is used, and different models are used for the qualitative analysis and quantitative analysis, which not only improves the accuracy, but also improves the operation speed.
【技术实现步骤摘要】
一种番茄生长状态的智能分析方法及智能分析装置
本专利技术涉及图像识别
,尤其涉及一种番茄生长状态的智能分析方法及智能分析装置。
技术介绍
随着现代化的发展,传统农业中也逐渐转向智能化的种植与管理,目前,市面上出现了一些基于大数据的智能分析植物生长状态的农业种植管理系统,但均是对一套农业种植基于一种人工智能算法模型,不能适用于所有检测数据的分析与管理预测,例如对于定性及定量分析的参数采用同一套算法模型,使得模型运算速度慢,且效率低。
技术实现思路
本专利技术的目的在于提出一种番茄生长状态的智能分析方法及智能分析装置,以解决现有农业种植仅基于一套分析算法模型运算效率低的问题。为达此目的,本专利技术采用以下技术方案:一种番茄生长状态的智能分析方法,所述智能分析方法包括:预先建立番茄生长分析模型,所述番茄生长分析模型包括线性回归模型和卷积神经网络模型;获取番茄生长图像,将所述番茄生长图像分别导入到所述线性回归模型和所述卷积神经网络模型中;所述线性回归模型对所述番茄生长图像分析计算导出番茄当前的生长期生长指标;所述卷积神经网络模型对所述番茄生长图像分析计算导出番茄当前的果叶生长指标。本专利技术还提供一种番茄生长状态智能分析的装置,所述智能分析装置包括:番茄生长分析模型预建单元,用于预先建立番茄生长分析模型,所述番茄生长分析模型包括线性回归模型和卷积神经网络模型;番茄生长图像导入单元,用于获取番茄生长图像,将所述番茄生长图像分别导入到所述线 ...
【技术保护点】
1.一种番茄生长状态的智能分析方法,其特征在于,所述智能分析方法包括:/n预先建立番茄生长分析模型,所述番茄生长分析模型包括线性回归模型和卷积神经网络模型;/n获取番茄生长图像,将所述番茄生长图像分别导入到所述线性回归模型和所述卷积神经网络模型中;/n所述线性回归模型对所述番茄生长图像分析计算导出番茄当前的生长期生长指标;/n所述卷积神经网络模型对所述番茄生长图像分析计算导出番茄当前的果叶生长指标。/n
【技术特征摘要】
1.一种番茄生长状态的智能分析方法,其特征在于,所述智能分析方法包括:
预先建立番茄生长分析模型,所述番茄生长分析模型包括线性回归模型和卷积神经网络模型;
获取番茄生长图像,将所述番茄生长图像分别导入到所述线性回归模型和所述卷积神经网络模型中;
所述线性回归模型对所述番茄生长图像分析计算导出番茄当前的生长期生长指标;
所述卷积神经网络模型对所述番茄生长图像分析计算导出番茄当前的果叶生长指标。
2.如权利要求1所述的智能分析方法,其特征在于,所述预先建立番茄生长分析模型具体包括:
导入生长期样本数据,针对生长期样本数据进行线性回归分析,并建立线性回归模型;
导入果叶样本数据,针对果叶分析对所述番茄生长样本数据使用卷积神经网络进行特征提取,并建立卷积神经网络模型。
3.如权利要求2所述的方法,其特征在于,所述导入生长期样本数据,针对生长期样本数据进行线性回归分析,并建立线性回归模型具体包括:
导入生长期样本数据,判断所述生长期样本数据维度是否平衡,若否,则对所述生长期样本数据进行归一化处理;
将所述生长期样本数据随机划分为生长期样本集和生长期测试集;
对所述生长期样本集进行线性回归分析,建立线性回归模型;
将所述生长期测试集导入所述线性回归模型,计算并判断结果误差,若结果误差超过预设阈值,则对所述线性回归模型进行参数优化。
4.如权利要求2所述的方法,其特征在于,所述导入果叶样本数据,针对果叶分析对所述番茄生长样本数据使用卷积神经网络进行特征提取,并建立卷积神经网络模型具体包括:
导入果叶样本数据;
将所述果叶样本数据随机划分为果叶样本集和果叶测试集;
对所述果叶样本集使用卷积神经网络进行特征提取,建立卷积神经网络模型;
将所述果叶测试集导入所述卷积神经网络模型,计算并判断结果误差,若结果误差超过预设阈值,则对所述卷积神经网络模型进行参数优化。
5.如权利要求4所述的方法,其特征在于,所述卷积神经网络模型包括至少两层卷积层以及至少两层池化层,所述卷积层采用ReLu函数作为激活函数,每层网络之间采用Dropout层连接。
6.一种番茄生长状态的智能分析装置,其特征在于,所述智能分析装置包括:
番茄生长分析模型预建单元...
【专利技术属性】
技术研发人员:尹武,张晋娜,李慧肜,
申请(专利权)人:深圳市睿海智电子科技有限公司,
类型:发明
国别省市:广东;44
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。