一种茶叶产量预测系统及方法技术方案

本发明专利技术提供一种茶叶产量预测系统及方法，该系统包括：图像拼接模块用于获取目标茶园的正射镶嵌图；茶芽分类识别模块用于将目标茶园的正射镶嵌图输入到茶叶识别模型中，获取目标茶园中不同等级的茶芽，茶芽识别模型是基于不同等级的茶芽样本和茶芽样本的预设标签进行训练得到；产量计算模块用于根据每一等级对应的茶芽数目和每一等级对应的茶芽单体质量，获取目标茶园中的茶芽总产量。本系统采用与茶叶非接触无破坏的方式，无需将茶芽采摘下来就能进行茶芽量的统计，通过机器学习的方式进行茶芽的识别与统计，实现无损监测，实时性高，数据精度也较高。

【技术实现步骤摘要】
一种茶叶产量预测系统及方法
本专利技术涉及机器视觉
，尤其涉及一种茶叶产量预测系统及方法。
技术介绍
中国是世界上茶叶生产和出口大国，茶叶品种多，种植面积大。茶芽的采摘量一直是茶农们关心的问题，也是影响市场收益的一个重要因素。传统对茶芽量的统计一般分为两种方式，一种是依靠人工经验进行采摘，然后再称重来实现产量的统计，这样做存在多方面的不足。现有的统计产量的方法是根据气候环境因子再结合历年数据的经验模型进行大体估测，这样分析的结果首先是受模型精度影响较大，由于模型精度受到除气候环境数据的精度及数据量的影响外，而且还受到类似土壤、病虫害等多种环境因子的影响，其估测的精度难以保证，对于分类产量统计更是无法完成，导致最终对实际生产的指导作用有限。因此，亟需一种茶叶产量预测系统。
技术实现思路
本专利技术实施例提供一种茶叶产量预测系统及方法，用以解决现有技术中茶叶产量预测不准的缺陷，以提高茶叶产量预测精度。本专利技术实施例提供一种茶叶产量预测系统，包括：图像拼接模块，用于获取目标茶园的正射镶嵌图；茶芽分类识别模块，用于将所述目标茶园的正射镶嵌图输入到茶叶识别模型中，获取所述目标茶园中不同等级的茶芽，所述茶芽识别模型是基于不同等级的茶芽样本和茶芽样本的预设标签进行训练得到；产量计算模块，用于根据每一等级对应的茶芽数目和每一等级对应的茶芽单体质量，获取所述目标茶园中的茶芽总产量。根据本专利技术一个实施例的茶叶产量预测系统，还包括图像采集模块，其中，所述图像采集模块用于采集所述目标茶园的若干局部图像，以使得所述图像拼接模块对局部图像进行拼接，得到所述目标茶园的正射镶嵌图。根据本专利技术一个实施例的茶叶产量预测系统，所述图像采集模块包括无人机和相机单元，其中，所述相机单元安装在所述无人机上，所述无人机用于按照预设路线进行飞行，所述相机单元用于拍摄获取所述目标茶园的局部图像。根据本专利技术一个实施例的茶叶产量预测系统，所述图像采集模块还包括定位单元，所述定位单元安装在所述无人机上，所述定位模块用于在所述相机单元拍摄时获取所述无人机的实时坐标。根据本专利技术一个实施例的茶叶产量预测系统，所述预设路线为U和倒U字形结合形成。根据本专利技术一个实施例的茶叶产量预测系统，所述相机单元为数码相机。根据本专利技术一个实施例的茶叶产量预测系统，所述茶叶识别模型为FasternRcnn卷积神经网络。本专利技术实施例还提供一种茶叶产量预测方法，包括：获取目标茶园的正射镶嵌图；将所述目标茶园的正射镶嵌图输入到茶叶识别模型中，获取所述目标茶园中不同等级的茶芽，所述茶芽识别模型是基于不同等级的茶芽样本和茶芽样本的预设标签进行训练得到；根据每一等级对应的茶芽数目和每一等级对应的茶芽单体质量，获取所述目标茶园中的茶芽总产量。本专利技术实施例提供的一种茶叶产量预测系统及方法，该系统采用与茶叶非接触无破坏的方式，无需将茶芽采摘下来就能进行茶芽量的统计，通过机器学习的方式进行茶芽的识别与统计，该方法的优点是实现无损监测，而且实时性高，数据精度也较高，能为茶园管理者在茶芽采摘前提供茶芽的总产量及不同大小的茶芽产量，为茶园管理者快速掌握茶园茶芽的生长情况，做好科学管理决策提供有力的数据支撑。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图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的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术实施例提供的一种茶叶产量预测系统的结构示意图；图2为本专利技术又一实施例提供的一种茶叶产量预测系统的结构示意图；图3为本专利技术实施例中无人机的巡航路线示意图；图4为本专利技术实施例中茶芽的识别流程图；图5为本专利技术实施例提供的一种茶叶产量预测方法的流程图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，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。现有另一种茶芽采摘方法为人工采摘方法，该方法在采摘前无法感知茶园茶芽量，从而造成采摘人员安排不足或者浪费，采摘人员安排不足影响采摘进度，采摘人员安排过多会增加浪费，增加了生产成本；其次，由于茶芽的生长速度不均一，不同生长时间内其产量变化也较大，对于何时是最合适的采摘时间没有一个科学数据的支撑，完全靠经验来完成，而将茶芽进行分类(主要根据大小分类)，然后再分别统计产量，最后获得最大产量时间点对于确定采摘时间具有很高的参考价值，例如，采摘时间太靠前，容易导致过采(把一些还没完全达到生长成熟的小叶也给采了)，不但影响茶芽的整体品质，而且还影响到后期茶芽的生长，采摘时间太靠后，生长较旺的芽由于过了最佳采摘期，导致嫩度不够，同样也影响茶芽的总体品质。因此，本专利技术实施例提供一种茶叶产量预测系统，在采摘之前通过无人机获取茶园冠层的实时高清数码照片(即正射镶嵌图)，然后利用机器学习的手段进行茶芽的分类提取，最后得到分类产量及总产量结果，对于指导何时进行采摘来实现产量最大化而且不影响后期茶芽生长具有重要的意义，该方法填补了国内外在快速分类估测茶芽产量方面的空白。图1为本专利技术实施例提供的一种茶叶产量预测系统的结构示意图，如图1所示，该系统包括：图像拼接模块101、茶芽分类识别模块102和产量计算模块103，其中：图像拼接模块101用于获取目标茶园的正射镶嵌图；首先获取目标茶园的正射镶嵌图，该正射镶嵌图是指位于目标茶园上方、垂直拍摄得到的目标茶园图像。该正射镶嵌图是高清数码照片，能够很清晰的显示到每个茶芽，一般而言，该正射镶嵌图是由多幅图像拼接合成的。茶芽分类识别模块102用于将所述目标茶园的正射镶嵌图输入到茶叶识别模型中，获取所述目标茶园中不同等级的茶芽，所述茶芽识别模型是基于不同等级的茶芽样本和茶芽样本的预设标签进行训练得到；茶芽分类识别模块获取图像拼接模块的正射镶嵌图，并将该正射镶嵌图输入到茶叶识别模型中，得到目标茶园中不同等级的茶芽，具体地，本专利技术实施例中，根据茶芽的大小，将茶芽区分为不同的等级，通过茶叶识别模型，将目标镶嵌图中每个茶芽的等级都提取出来，这样就可以得到每个等级的茶芽数目。本专利技术实施例中的茶叶分类识别模型是以不同等级的茶芽图像为样本、每个茶芽图像的预设标签进行训练得到，茶芽的预设标签是通过人工标记得到的。另外地，本专利技术实施例中，每个不同类别的茶芽样本至少包含100片以上。产量计算模块103用于根据每一等级对应的茶芽数目和每一等级对应的茶芽单体质量，获取所述目标茶园中的茶芽总产量。产量计算模块根据每个等级对应的茶芽本文档来自技高网...

【技术保护点】
1.一种茶叶产量预测系统，其特征在于，包括：/n图像拼接模块，用于获取目标茶园的正射镶嵌图；/n茶芽分类识别模块，用于将所述目标茶园的正射镶嵌图输入到茶叶识别模型中，获取所述目标茶园中不同等级的茶芽，所述茶芽识别模型是基于不同等级的茶芽样本和茶芽样本的预设标签进行训练得到；/n产量计算模块，用于根据每一等级对应的茶芽数目和每一等级对应的茶芽单体质量，获取所述目标茶园中的茶芽总产量。/n

【技术特征摘要】
1.一种茶叶产量预测系统，其特征在于，包括：
图像拼接模块，用于获取目标茶园的正射镶嵌图；
茶芽分类识别模块，用于将所述目标茶园的正射镶嵌图输入到茶叶识别模型中，获取所述目标茶园中不同等级的茶芽，所述茶芽识别模型是基于不同等级的茶芽样本和茶芽样本的预设标签进行训练得到；
产量计算模块，用于根据每一等级对应的茶芽数目和每一等级对应的茶芽单体质量，获取所述目标茶园中的茶芽总产量。


2.根据权利要求1所述的茶叶产量预测系统，其特征在于，还包括图像采集模块，其中，所述图像采集模块用于采集所述目标茶园的若干局部图像，以使得所述图像拼接模块对局部图像进行拼接，得到所述目标茶园的正射镶嵌图。


3.根据权利要求2所述的茶叶产量预测系统，其特征在于，所述图像采集模块包括无人机和相机单元，其中，所述相机单元安装在所述无人机上，所述无人机用于按照预设路线进行飞行，所述相机单元用于拍摄获取所述目标茶园的局部图像。


4...

【专利技术属性】
技术研发人员：徐波，杨贵军，王凡，段丹丹，王聪聪，孟炀，冯海宽，
申请(专利权)人：清远市智慧农业研究院，
类型：发明
国别省市：广东;44