一种基于人工神经网络的蓝莓生长期检测方法及装置制造方法及图纸

本发明专利技术公开了一种基于人工神经网络的蓝莓生长期检测方法及装置，所述方法包括：将若干个视频采集设备安装在蓝莓生长区域；将若干个视频采集设备联网并将蓝莓的影像图传输到视频服务器；视频终端接收视频服务器的影像图并对影像图进行截取，获取若干图像，对图像进行高斯模糊、灰度化以及高通滤波处理，最后将处理后的图像作为训练数据输入支持向量机模型训练，对蓝莓生长期进行检测；本发明专利技术的优点在于：能够对蓝莓全生命周期检测反馈。

A detection method and device of blueberry growth period based on artificial neural network

【技术实现步骤摘要】
一种基于人工神经网络的蓝莓生长期检测方法及装置
本专利技术涉及人工智能图像分析
，更具体涉及一种基于人工神经网络的蓝莓生长期检测方法及装置。
技术介绍
蓝莓果实中含有丰富的营养成分，尤其富含花青素，它不仅具有良好的营养保健作用，还具有防止脑神经老化、强心、抗癌、软化血管、增强人体免疫等功能。蓝莓栽培最早的国家是美国，但至今也不到百年的栽培史。因为其具有较高的保健价值所以风靡世界，是世界粮食及农业组织推荐的五大健康水果之一。因此，通过检测作物的生长状况(休眠期，花芽膨大，叶芽绿尖初期，花芽绽裂，叶芽绿尖晚期，花穗紧密，枝条生出，粉红花芽早期，粉红花芽末期，开花初期，开花完全期，花冠脱落，绿果初期，绿果末期，果实变色(10％果实成熟，25％果实成熟，75％果实成熟)，秋叶颜色)，为种植户提供精准的农事时间节点，有利于作物的栽培。中国专利公开号CN107065727A公开了一种果蔬测土配方水肥一体化全生命周期种销系统，包括，种植监测系统、视频直播系统、数据检测系统，所述种植监测系统包括土壤测试分析系统、作物选定系统、营养及环境数据监测系统、水肥一体化设备；所述视频直播系统用于对于果蔬生长、采摘、加工、运输、销售过程中的现场进行监测记录；所述数据监测系统与移动终端、电脑终端互为通讯，以便移动终端、电脑终端查看果蔬植物种植及销售全生命周期的数据及视频的查询。该专利技术还提供一种果蔬测土配方水肥一体化全生命周期种销方法。该专利技术将果蔬从种植到销售的各个环节都进行监测，生成果蔬的全生命周期数据库，便于消费者查看，使得消费者购买到安全放心的食品。但是该方法只是通过数据监测系统与移动终端、电脑终端互为通讯，移动终端、电脑终端查看果蔬植物种植及销售全生命周期的数据及视频的查询，只是对作物生命周期视频进行存储和查询，并不能对作物生长周期进行检测。综上，目前市面还没有针对蓝莓全生命周期准确检测的技术。
技术实现思路
本专利技术所要解决的技术问题在于如何提供一种能够对蓝莓全生命周期准确检测的方法及装置。本专利技术通过以下技术手段实现解决上述技术问题的：一种基于人工神经网络的蓝莓生长期检测方法，所述方法包括：步骤一：将若干个视频采集设备安装在蓝莓生长区域；步骤二：将若干个视频采集设备联网并将蓝莓的影像图传输到视频服务器；步骤三：视频终端接收视频服务器的影像图并对影像图进行截取，获取若干图像，对图像进行高斯模糊、灰度化以及高通滤波处理，最后将处理后的图像作为训练数据输入支持向量机模型进行特征提取，特征提取后的图像输入HSV模型对蓝莓生长期进行检测。本专利技术通过采集并传输蓝莓生长期的影像图，对影像图进行截取，对图像进行一系列处理并训练，利用训练好的模型对蓝莓生长期进行检测，依靠机器大量学习历史图片数据作为数据支撑，通过系统的不断学习及图片的不断收集，蓝莓生长期检测的准确性将不断提高。优选的，所述步骤三中，利用N维空间正态分布方程计算图像中每个像素点的变换，对图像进行高斯模糊处理，其中，r为模糊半径，σ是正态分布的标准差，N是空间维度，e()是以自然数e为底的指数函数。优选的，所述步骤三中，利用公式Gray(i，j)＝0.1338*R(i,j)+0.5921*G(i,j)+0.2751*B(i,j)对高斯模糊处理后的图像进行灰度化处理，将三通道的RGB值转换为单通道值，其中，i为图像像素点在x轴对应的坐标，j为图像像素点在y轴对应的坐标，R(i,j)为图像像素点的R通道值，G(i,j)为图像像素点的G通道值，B(i,j)为图像像素点的B通道值，Gray(i，j)为图像像素点的单通道值。优选的，所述步骤三中，通过Sobel算子对灰度化后的图像进行高通滤波，所述Sobel算子包括两组3*3的矩阵，分别为横向矩阵Gx和纵向矩阵Gy，通过公式计算图像中每个像素点的灰度值，其中，优选的，所述步骤三中，通过Sobel算子对灰度化后的图像进行高通滤波，所述Sobel算子包括两组3*3的矩阵，分别为横向矩阵Gx和纵向矩阵Gy，通过公式|G|＝|Gx|+|Gy|计算图像中每个像素点的灰度值，其中，||为行列式符号，优选的，基于人工神经网络的蓝莓生长期检测方法还包括对支持向量机模型调优的过程，调整支持向量机模型中参数的数据类型以及每次参数调整的步长，不断改变参数、训练模型以及测试模型，最后选择损失函数值最小的参数，将参数输入支持向量机模型得到优化的支持向量机模型，将处理后的图像作为训练数据输入优化的支持向量机模型进行特征提取。优选的，基于人工神经网络的蓝莓生长期检测方法还包括校验过程，对图像特征提取之后再输入HSV模型，对果实成熟阶段进行检测，若HSV模型中颜色分量S以及明暗信息分量V均超过预设的阈值，则果实颜色属于颜色特性分量H所表达的颜色，根据所表达的颜色与系统存储的颜色与果实成熟度对于该表判断出果实成熟度，并将结果反馈给用户，完成蓝莓生长期的检测。本专利技术还提供一种基于人工神经网络的蓝莓生长期检测装置，所述装置包括：设备安装模块，用于将若干个视频采集设备安装在蓝莓生长区域；传输模块，用于将若干个视频采集设备联网并将蓝莓的影像图传输到视频服务器；处理模块，视频终端接收视频服务器的影像图并对影像图进行截取，获取若干图像，对图像进行高斯模糊、灰度化以及高通滤波处理，最后将处理后的图像作为训练数据输入支持向量机模型进行特征提取，特征提取后的图像输入HSV模型对蓝莓生长期进行检测。优选的，所述处理模块还用于：利用N维空间正态分布方程计算图像中每个像素点的变换，对图像进行高斯模糊处理，其中，r为模糊半径，σ是正态分布的标准差，N是空间维度，e()是以自然数e为底的指数函数。优选的，所述处理模块还用于：利用公式Gray(i，j)＝0.1338*R(i,j)+0.5921*G(i,j)+0.2751*B(i,j)对高斯模糊处理后的图像进行灰度化处理，将三通道的RGB值转换为单通道值，其中，i为图像像素点在x轴对应的坐标，j为图像像素点在y轴对应的坐标，R(i,j)为图像像素点的R通道值，G(i,j)为图像像素点的G通道值，B(i,j)为图像像素点的B通道值，Gray(i，j)为图像像素点的单通道值。优选的，所述处理模块还用于：通过Sobel算子对灰度化后的图像进行高通滤波，所述Sobel算子包括两组3*3的矩阵，分别为横向矩阵Gx和纵向矩阵Gy，通过公式计算图像中每个像素点的灰度值，其中，优选的，所述处理模块还用于：通过Sobel算子对灰度化后的图像进行高通滤波，所述Sobel算子包括两组3*3的矩阵，分别为横向矩阵Gx和纵向矩阵Gy，通过公式|G|＝|Gx|+|Gy|计算图像中每个像素点的灰度值，其中，||为行列式符号，优选的，基于人工神经网络的蓝莓生长期检测装置还包括对支持向量机模型调优的过程，调整支持向量机模型中参数的数据类型以及每次本文档来自技高网...

【技术保护点】
1.一种基于人工神经网络的蓝莓生长期检测方法，其特征在于，所述方法包括：/n步骤一：将若干个视频采集设备安装在蓝莓生长区域；/n步骤二：将若干个视频采集设备联网并将蓝莓的影像图传输到视频服务器；/n步骤三：视频终端接收视频服务器的影像图并对影像图进行截取，获取若干图像，对图像进行高斯模糊、灰度化以及高通滤波处理，最后将处理后的图像作为训练数据输入支持向量机模型进行特征提取，特征提取后的图像输入HSV模型对蓝莓生长期进行检测。/n

【技术特征摘要】
1.一种基于人工神经网络的蓝莓生长期检测方法，其特征在于，所述方法包括：
步骤一：将若干个视频采集设备安装在蓝莓生长区域；
步骤二：将若干个视频采集设备联网并将蓝莓的影像图传输到视频服务器；
步骤三：视频终端接收视频服务器的影像图并对影像图进行截取，获取若干图像，对图像进行高斯模糊、灰度化以及高通滤波处理，最后将处理后的图像作为训练数据输入支持向量机模型进行特征提取，特征提取后的图像输入HSV模型对蓝莓生长期进行检测。


2.根据权利要求1所述的一种基于人工神经网络的蓝莓生长期检测方法，其特征在于，所述步骤三中，利用N维空间正态分布方程



计算图像中每个像素点的变换，对图像进行高斯模糊处理，其中，r为模糊半径，σ是正态分布的标准差，N是空间维度，e()是以自然数e为底的指数函数。


3.根据权利要求2所述的一种基于人工神经网络的蓝莓生长期检测方法，其特征在于，所述步骤三中，利用公式
Gray(i，j)＝0.1338*R(i,j)+0.5921*G(i,j)+0.2751*B(i,j)
对高斯模糊处理后的图像进行灰度化处理，将三通道的RGB值转换为单通道值，其中，i为图像像素点在x轴对应的坐标，j为图像像素点在y轴对应的坐标，R(i,j)为图像像素点的R通道值，G(i,j)为图像像素点的G通道值，B(i,j)为图像像素点的B通道值，Gray(i，j)为图像像素点的单通道值。


4.根据权利要求3所述的一种基于人工神经网络的蓝莓生长期检测方法，其特征在于，所述步骤三中，通过Sobel算子对灰度化后的图像进行高通滤波，所述Sobel算子包括两组3*3的矩阵，分别为横向矩阵Gx和纵向矩阵Gy，通过公式计算图像中每个像素点的灰度值，其中，





5.根据权利要求3所述的一种基于人工神经网络的蓝莓生长期检测方法，其特征在于，所述步骤三中，通过Sobel算子对灰度化后的图像进行高通滤波，所述Sobel算子包括两组3*3的矩阵，分别为横向矩阵Gx和纵向矩阵Gy，通过公式|G|＝|Gx|+|Gy|计算图像中每个像素点的灰度值，其中，||为行列式符号，





6.根据权利要求1所述的一种基于人工神经网络的蓝莓生长期检...

【专利技术属性】
技术研发人员：查海涅，汪磊，查沛，夏绍伟，李想，
申请(专利权)人：安徽易刚信息技术有限公司，
类型：发明
国别省市：安徽;34