【技术实现步骤摘要】
植株数据处理方法、装置、计算机设备和存储介质
本申请涉及计算机
，尤其涉及一种植株数据处理方法、装置、计算机设备和存储介质。
技术介绍
在无人干预、自由生长的过程中，由于植株激素的作用会形成顶端优势，植株持续长高，结实率低，果实营养积累少。同时生长过程中，侧芽过多也会导致侧枝过多，结实率低等问题。目前已有成熟的规则来决定植株在长多高的情况下打顶，长了几个侧枝的情况下去芽，以确保最终的结实率和果实质量。但是这些规则基本全都是靠人在现场勘查，观测植株的高度和侧枝的数量，对于大规模的种植，需花费太多的人力物力和时间。
技术实现思路
为了解决上述技术问题，本申请提供了一种植株数据处理方法、装置、计算机设备和存储介质。第一方面，本申请提供了一种植株数据处理方法，包括：获取包含植株茎秆的图像；输入图像至预设茎秆识别模型，通过预设茎秆识别模型提取图像中的茎秆特征，根据茎秆特征输出至少一个茎秆的识别信息，识别信息包括茎秆类型和茎秆高度，茎秆类型包括主茎和侧茎；统计各个主茎对应的侧茎的...
【技术保护点】
1.一种植株数据处理方法，其特征在于，所述方法包括：/n获取包含植株茎秆的图像；/n输入所述图像至预设茎秆识别模型，通过所述预设茎秆识别模型提取所述图像中的茎秆特征，根据所述茎秆特征输出至少一个所述茎秆的识别信息，所述识别信息包括茎秆类型和茎秆高度，所述茎秆类型包括主茎和侧茎；/n统计各个所述主茎对应的侧茎的数量；/n当所述主茎的高度大于预设高度，且所述主茎对应的侧茎的数量大于预设数量时，将所述主茎对应的植株标记为目标植株。/n
【技术特征摘要】
1.一种植株数据处理方法，其特征在于，所述方法包括：
获取包含植株茎秆的图像；
输入所述图像至预设茎秆识别模型，通过所述预设茎秆识别模型提取所述图像中的茎秆特征，根据所述茎秆特征输出至少一个所述茎秆的识别信息，所述识别信息包括茎秆类型和茎秆高度，所述茎秆类型包括主茎和侧茎；
统计各个所述主茎对应的侧茎的数量；
当所述主茎的高度大于预设高度，且所述主茎对应的侧茎的数量大于预设数量时，将所述主茎对应的植株标记为目标植株。
2.根据权利要求1所述的方法，其特征在于，生成所述预设茎秆识别模型的步骤，包括：
获取多个训练图像，各个所述训练图像中携带标签信息，所述标签信息包括标准茎秆类型和茎秆像素分布图；
输入各个所述训练图像至初始茎秆识别模型，输出各个所述训练图像的预测信息；
根据各个所述训练图像的标签信息和对应的所述预测信息，判断所述初始茎秆识别模型是否满足预设收敛条件；
当所述初始茎秆识别模型满足预设收敛条件，得到所述预设茎秆识别模型。
3.根据权利要求2所述的方法，其特征在于，所述方法还包括：
当所述初始茎秆识别模型未满足预设收敛条件时，根据各个所述训练图像的标签信息和对应的所述预测信息，更新所述初始茎秆识别模型的模型参数，得到中间茎秆识别模型，执行输入各个所述训练图像至所述中间茎秆识别模型，直至所述中间茎秆识别模型满足所述预设收敛条件，得到所述预设茎秆识别模型。
4.根据权利要求2所述的方法，其特征在于，所述获取多个训练图像之前，所述方法还包括：
获取原始图像，所述原始图像中包含植株的茎秆，所述茎秆类型包括主茎和侧茎；
采用折线在所述原始图像中标记主茎和侧茎，得到携带所述标签信息的训练图像。
5.根据权利要求1至4中任一项所述的方法，其特征在于，所述预设茎秆识别模型包括编码模块和解码模块，所述编码模块后接所述解码模块，其中，所述编码模块对应的网络结构与ENet网络中的前15个模块相同，所述解码模块与所述ENet网络中的后6个模块相同。
6.根据权利要求5所述的方法，其特征在于，所述编码模块包括下采样单元和卷积单元，所述解码模块包括上采样单元和全卷积单元，所述...
【专利技术属性】
技术研发人员：张为明，
申请(专利权)人：北京海益同展信息科技有限公司，
类型：发明
国别省市：北京;11
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。