果树花期监测方法、装置、计算机设备及存储介质制造方法及图纸

本发明专利技术公开了一种果树花期监测方法、装置、计算机设备及存储介质，涉及视觉识别技术领域，用于提高果树花期监测的准确度。本发明专利技术的主要技术方案为：获取目标果树的全局图像，并将所述全局图像输入到检测模型中得到所述全局图像中所有类型果树花的位置坐标；所述检测模型是根据全局样本图像及全局样本图像中对应的果树花类型及位置坐标训练得到的；根据所述所有类型果树花的位置坐标在所述全局图像中截取果树花子图；将每个所述果树花子图输入到分类模型中得到各果树花子图分别对应的果树花状态；所述分类模型是根据果树花样本子图和对应的果树花状态标签训练得到的；根据所有果树花子图对应的果树花状态确定所述目标果树的花期状态。

【技术实现步骤摘要】
果树花期监测方法、装置、计算机设备及存储介质
本专利技术涉及视觉识别
，尤其涉及一种果树花期监测方法、装置、计算机设备及存储介质。
技术介绍
果树开花前后，气温回升快，病虫陆续开始活动，祸害果树。开花期是防治各种病虫的重要时期，如果管理不好，会严重影响产量和品质，甚至绝收，带来重大损失，因此，对果树开花期的监测变得尤为重要。现有的监测方法还采取经验值或简单的数学回归，准确度低。
技术实现思路
本专利技术提供一种果树花期监测方法、装置、计算机设备及存储介质，用于提高果树花期监测的准确度。本专利技术实施例提供一种果树花期监测方法，所述方法包括：获取目标果树的全局图像，并将所述全局图像输入到检测模型中得到所述全局图像中所有类型果树花的位置坐标；所述检测模型是根据全局样本图像及全局样本图像中对应的果树花类型及位置坐标训练得到的；根据所述所有类型果树花的位置坐标在所述全局图像中截取果树花子图；将每个所述果树花子图输入到分类模型中得到各果树花子图分别对应的果树花状态；所述分类模型是根据果树花样本子图和对应的果树花状态标签训练得到的；根据所有果树花子图对应的果树花状态确定所述目标果树的花期状态。本专利技术实施例提供一种果树花期监测装置，所述装置包括：第一获取模块，用于获取目标果树的全局图像，并将所述全局图像输入到检测模型中得到所述全局图像中所有类型果树花的位置坐标；所述检测模型是根据全局样本图像及全局样本图像中对应的果树花类型及位置坐标训练得到的；<br>截取模块，用于根据所述所有类型果树花的位置坐标在所述全局图像中截取果树花子图；第二获取模块，用于将每个所述果树花子图输入到分类模型中得到各果树花子图分别对应的果树花状态；所述分类模型是根据果树花样本子图和对应的果树花状态标签训练得到的；确定模块，用于根据所有果树花子图对应的果树花状态确定所述目标果树的花期状态。一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述果树花期监测方法。一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述果树花期监测方法。本专利技术提供的一种果树花期监测方法、装置、计算机设备及存储介质，首先获取目标果树的全局图像，并将全局图像输入到检测模型中得到全局图像中所有类型果树花的位置坐标；所述检测模型是根据全局样本图像及全局样本图像中对应的果树花类型及位置坐标训练得到的；根据所有类型果树花的位置坐标在全局图像中截取果树花子图；将每个果树花子图输入到分类模型中得到各果树花子图分别对应的果树花状态；根据所有果树花子图对应的果树花状态确定目标果树的花期状态。与目前采取经验值或简单的数学回归监测果树的花期相比，本专利技术从拍摄的全局图像中提取各果树花分别对应的果树花子图，并将果树花子图输入到分类模型中得到各果树花子图分别对应的果树花状态，由于分类模型是根据果树花样本子图和对应的果树花状态标签训练得到的，因此通过该分类模型可以准确的确定出各果树花的状态，从而可根据确定的果树花状态确定目标果树的花期，因此通过本专利技术可提高果树花期监测的准确度。附图说明为了更清楚地说明本专利技术实施例的技术方案，下面将对本专利技术实施例的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1是本专利技术一实施例中果树花期监测方法的一流程图；图2是本专利技术一实施例中果树花期监测方法的一示意图；图3是本专利技术一实施例中全局图像中检测框的示意图；图4是本专利技术一实施例中分类模型结构图；图5是本专利技术一实施例不同状态苹果花的图像示例图；图6是本专利技术一实施例确定目标果树的花期状态的流程图图7是本专利技术一实施例中果树花期监测装置的一原理框图；图8是本专利技术一实施例中计算机设备的一示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。本专利技术提供的一种果树花期监测方法，针对果树花初花期和盛花期两个不同花期，通过计算分别处于花蕾、半开放状态、全开放状态的果树花数量占所有果树花数量的比例来进行综合预测。其核心在于利用深度卷积神经网络训练检测模型和分类模型，实现对一幅全局图像中果树花位置的准确预测和果树花状态的正确判别。下面将以苹果花为例，针对本专利技术中的果树花期监测方法步骤给出一个具体实施例。如图1所示，本专利技术实施例提供一种果树花期监测方法，具体包括如下步骤：S10，获取目标果树的全局图像，并将所述全局图像输入到检测模型中得到所述全局图像中所有类型果树花的位置坐标。在本专利技术实施例中，所述检测模型是根据全局样本图像及全局样本图像中对应的果树花类型及位置坐标训练得到的。其中，果树花的类型可以包括花蕾、半开放状态、全开放状态等，本专利技术实施例不做具体限定。具体的，所述检测模型通过下述方式训练得到：获取所述全局样本图像，所述全局图像样本中包括各花朵分别对应的果树花类型及位置坐标；通过目标检测算法对所述全局图像样本进行训练得到所述检测模型。在本专利技术实施例中，所述通过目标检测算法对所述全局图像样本进行训练得到所述检测模型，包括：将所述全局图像样本缩放到预置尺寸，然后将缩放的全局图像样本输入到SSD模型中经过卷积操作得到不同尺寸的特征图；针对不同尺寸的特征图生成预测框，经过卷积操作得到每个预测框的坐标及分类结果；通过非极大值抑制算法对所述预测框的坐标及分类结果进行计算得到最终的检测结果；根据所述检测结果计算位置误差损失和分类损失并进行反向传播更新所述检测模型的参数。具体的，将全局图像缩放到300*300像素输入到SSD模型中，通过卷积操作依次生成38*38、19*19、10*10、5*5、3*3、1*1大小的特征图，并用不同大小的特征图对目标进行检测，大的特征图用来检测小目标，小的特征图用来检测大目标。需要说明的是，由于模型经过一次又一次的卷积操作后所得到的特征图是越来越小的，较小的特征图中每个点的感受野较大，因此较小的特征图用来检测大目标；较大的特征图中每个点的感受野较小，因此较大的特征图用来检测小目标。其中，特征图主要指颜色、形状特征。然后，针对不同大小的特征图生成预测框，再经过卷积操作得到每个预测框的坐标及分类结果。具体的，对于一个大小为m*n的特征图，共有mn个单元，若每个单元设置的预测框数目为k，则每个单元需要(c+4)*k个预测值，所有的单元共需要(c+4)*kmn个预测值，那么需要采用(c+4)*k个卷积核来完成这个特征图的检测过程。...

【技术保护点】
1.一种果树花期监测方法，其特征在于，所述方法包括：/n获取目标果树的全局图像，并将所述全局图像输入到检测模型中得到所述全局图像中所有类型果树花的位置坐标；所述检测模型是根据全局样本图像及全局样本图像中对应的果树花类型及位置坐标训练得到的；/n根据所述所有类型果树花的位置坐标在所述全局图像中截取果树花子图；/n将每个所述果树花子图输入到分类模型中得到各果树花子图分别对应的果树花状态；所述分类模型是根据果树花样本子图和对应的果树花状态标签训练得到的；/n根据所有果树花子图对应的果树花状态确定所述目标果树的花期状态。/n

【技术特征摘要】
1.一种果树花期监测方法，其特征在于，所述方法包括：
获取目标果树的全局图像，并将所述全局图像输入到检测模型中得到所述全局图像中所有类型果树花的位置坐标；所述检测模型是根据全局样本图像及全局样本图像中对应的果树花类型及位置坐标训练得到的；
根据所述所有类型果树花的位置坐标在所述全局图像中截取果树花子图；
将每个所述果树花子图输入到分类模型中得到各果树花子图分别对应的果树花状态；所述分类模型是根据果树花样本子图和对应的果树花状态标签训练得到的；
根据所有果树花子图对应的果树花状态确定所述目标果树的花期状态。


2.根据权利要求1所述的果树花期监测方法，其特征在于，所述果树花状态包括花蕾状态、半开放状态、全开放状态，所述根据所有果树花子图对应的果树花状态确定所述目标果树的花期状态，包括：
分别计算所述花蕾状态、所述半开放状态和所述全开放状态的花朵数量占所有花朵数量的占比值；
根据所述花蕾状态、所述半开放状态和所述全开放状态的占比值确定所述目标果树的花期状态。


3.根据权利要求1所述的果树花期监测方法，其特征在于，所述检测模型通过下述方式训练得到：
获取所述全局样本图像，所述全局图像样本中包括各花朵分别对应的果树花类型及位置坐标；
通过目标检测算法对所述全局图像样本进行训练得到所述检测模型。


4.根据权利要求3所述的果树花期监测方法，其特征在于，所述通过目标检测算法对所述全局图像样本进行训练得到所述检测模型，包括：
将所述全局图像样本缩放到预置尺寸，然后将缩放的全局图像样本输入到SSD模型中经过卷积操作得到不同尺寸的特征图；
针对不同尺寸的特征图生成预测框，经过卷积操作得到得到每个预测框的坐标及分类结果；
通过非极大值抑制算法对所述预测框的坐标及分类结果进行计算得到最终的检测结果；
根据所述检测结果计算位置误差损失和分类损失并进行反向传播更新所述检测模型的参数。


5.根据权利要求1所述的果树花期监测方法，其特征在于，所述分类模型通过下述方式训练得到：
获取所述果树花样本子图，所述果树花样本子图...

【专利技术属性】
技术研发人员：柴秀娟，胡明玉，夏雪，张文蓉，孙坦，
申请(专利权)人：中国农业科学院农业信息研究所，
类型：发明
国别省市：北京;11