冬笋探测方法、装置及基于微波反射法的冬笋探测系统制造方法及图纸

本发明专利技术提供一种冬笋探测方法、装置及基于微波反射法的冬笋探测系统，所述方法包括：获取样本标定数据作为卷积神经网络模型的训练数据集，所述样本标定数据包括存在冬笋样本的探测数据集和不存在冬笋样本的探测数据集；对所述训练数据集进行预处理，得到预处理后的训练数据集；将所述预处理后的训练数据集输入卷积神经网络模型进行训练，得到反射回波分类模型；确定待探测区域；将实时获取的所述待探测区域内的探测数据作为所述反射回波分类模型的输入，得到待探测区域内是否存在冬笋的分类结果。本发明专利技术具有不会对冬笋造成损伤，能够提高冬笋探测的准确性，提高探测效率的优点。提高探测效率的优点。提高探测效率的优点。

【技术实现步骤摘要】
冬笋探测方法、装置及基于微波反射法的冬笋探测系统


[0001]本专利技术涉及冬笋探测
，具体地涉及一种冬笋探测方法、一种冬笋探测装置及一种基于微波反射法的冬笋探测系统。

技术介绍

[0002]冬笋是夏末秋初时期由毛竹的地下茎鞭芽生长而成，是一种含有丰富营养物质的美味食材，也具有一定的药用价值。由于冬笋的成竹率很低，因此合理挖取冬笋，既能为农民创造收入，也不会影响竹林生态平衡。但是冬笋一般生长在地表以下，导致挖掘难度很大，通常情况下，只能依靠农民的经验判断冬笋的位置进行挖掘，采用人工判断冬笋位置的方式，不能保证判断的准确率，造成挖掘效率低，限制了冬笋的产量，而且盲目的挖掘会破坏植物的根茎。
[0003]目前国内外对于冬笋探测技术的相关研究较少，可用于探测冬笋的方法大致有以下几种：电阻率法、超声波法、微波成像法等。现有技术中，常使用探针作为传感器利用冬笋与土壤的电阻率差异来判断地下冬笋的位置；利用超声波在不同介质中衰减的规律配合冬笋与土壤电阻率的差异，协同辨别冬笋生长的位置。上述两种探测方法，虽然成本低廉，但每次探测需要将探针插入泥土内，容易对冬笋造成损伤，且探测过程复杂。现有技术也采用并行电法探测冬笋位置，用探地雷达对土壤下进行探测，通过分析得到的三维电阻率图像准确呈现冬笋及其根系在空间上的分布，电法探测法是利用冬笋与其生长环境之间存在电性差异来确认冬笋位置，能做到高准确度和无损检测、但是其设备精密昂贵且操作复杂，并不适合农业上的广泛推广使用。

技术实现思路

[0004]本专利技术实施方式的目的是提供一种冬笋探测方法、装置及基于微波反射法的冬笋探测系统，以至少解决上述的冬笋探测成本高、探测效率低，容易对冬笋造成损伤的问题。
[0005]为了实现上述目的，本专利技术第一方面提供一种冬笋探测方法，所述方法包括：
[0006]获取样本标定数据作为卷积神经网络模型的训练数据集，所述样本标定数据包括存在冬笋样本的探测数据集和不存在冬笋样本的探测数据集；
[0007]对所述训练数据集进行预处理，得到预处理后的训练数据集；
[0008]将所述预处理后的训练数据集输入卷积神经网络模型进行训练，得到反射回波分类模型；
[0009]确定待探测区域；
[0010]将实时获取的所述待探测区域内的探测数据作为所述反射回波分类模型的输入，得到待探测区域内是否存在冬笋的分类结果。
[0011]可选的，所述训练数据集内的样本标定数据为复数形式的数组，所述对所述训练数据集进行预处理，得到预处理后的训练数据集，包括：
[0012]对所述数组的实部和虚部进行拆分，并利用reshape函数将所述数组变换为两个
能够进行卷积计算的矩阵，作为所述预处理后的训练数据集。
[0013]可选的，所述方法还包括：
[0014]从所述预处理后的训练数据集中获取测试数据集；
[0015]在将所述预处理后的训练数据集输入卷积神经网络模型进行训练得到反射回波分类模型之后，根据所述测试数据集对所述反射回波分类模型进行测试，并根据测试结果修正所述反射回波分类模型的模型参数。
[0016]本专利技术第二方面提供一种冬笋探测装置，所述装置包括：
[0017]获取模块，用于获取样本标定数据作为卷积神经网络模型的训练数据集，所述样本标定数据包括存在冬笋样本的探测数据集和不存在冬笋样本的探测数据集；
[0018]预处理模块，用于对所述训练数据集进行预处理，得到预处理后的训练数据集；
[0019]训练模块，用于将所述预处理后的训练数据集输入卷积神经网络模型进行训练，得到反射回波分类模型；
[0020]分类模块，用于确定待探测区域，将实时获取的所述待探测区域内的探测数据作为所述反射回波分类模型的输入，得到待探测区域内是否存在冬笋的分类结果。
[0021]可选的，所述装置还包括：
[0022]测试修正模块，用于从所述预处理后的训练数据集中获取测试数据集；
[0023]还用于在所述训练模块将所述预处理后的训练数据集输入卷积神经网络模型进行训练得到反射回波分类模型之后，根据所述测试数据集对所述反射回波分类模型进行测试，并根据测试结果修正所述反射回波分类模型的模型参数。
[0024]本专利技术第三方面提供一种基于微波反射法的冬笋探测系统，所述系统包括：
[0025]发射接收装置，用于向待探测区域发射电磁波，以及接收所述电磁波的反射回波，对所述反射回波进行处理获取所述待探测区域内的探测数据；以及：
[0026]上述的冬笋探测装置，用于从所述发射接收装置实时获取所述待探测区域内的探测数据作为所述反射回波分类模型的输入，得到待探测区域内是否存在冬笋的分类结果。
[0027]可选的，所述发射接收装置包括发射单元、接收单元和处理单元；
[0028]所述发射单元用于向待探测区域发射电磁波；
[0029]所述接收单元用于接收所述电磁波的反射回波；
[0030]所述处理单元用于对所述反射回波进行处理获取所述待探测区域内的探测数据。
[0031]可选的，所述发射单元包括依次连接的高频信号源、运算放大器、滤波器和发射天线。
[0032]可选的，所述接收单元包括依次连接的接收天线、变频子单元和采样子单元；所述变频子单元用于将所述接收天线接收到的射频信号下变频为基带信号，所述采样子单元用于对基带信号进行采样，并将采样后的信号送入处理单元进行处理。
[0033]另一方面，本专利技术提供一种机器可读存储介质，该机器可读存储介质上存储有指令，该指令用于使得机器执行本申请上述的冬笋探测方法。
[0034]本专利技术的基于卷积神经网络的训练回波序列分类模型，结合基于微波反射法的冬笋探测系统，以电磁波照射在有冬笋的土壤中时其回波信号的幅值会相应的减小作为理论依据，并结合基于卷积神经网络的训练回波序列分类模型，进行探测结果分类，采用对地面发射电磁波并接收反射电磁波的方式，不会对冬笋造成损伤，能够大大提高冬笋探测的准
确性，提高探测效率，且本专利技术的冬笋探测系统操作简单，制造成本低，适合广泛推广使用。
[0035]本专利技术实施方式的其它特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
[0036]附图是用来提供对本专利技术实施方式的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本专利技术实施方式，但并不构成对本专利技术实施方式的限制。在附图中：
[0037]图1是本专利技术提供的冬笋探测方法的流程图；
[0038]图2是本专利技术提供的冬笋探测方法的原理框图；
[0039]图3是本专利技术提供的反射回波分类模型的结构示意图；
[0040]图4是本专利技术提供的冬笋探测装置结构示意图；
[0041]图5是本专利技术提供的冬笋探测系统结构示意图；
[0042]图6是本专利技术提供的基于反射回波分类模型、频谱阈值法和传统分类器支持向量机的漏警率对比示意图；...

【技术保护点】

【技术特征摘要】
1.一种冬笋探测方法，其特征在于，所述方法包括：获取样本标定数据作为卷积神经网络模型的训练数据集，所述样本标定数据包括存在冬笋样本的探测数据集和不存在冬笋样本的探测数据集；对所述训练数据集进行预处理，得到预处理后的训练数据集；将所述预处理后的训练数据集输入卷积神经网络模型进行训练，得到反射回波分类模型；确定待探测区域；将实时获取的所述待探测区域内的探测数据作为所述反射回波分类模型的输入，得到待探测区域内是否存在冬笋的分类结果。2.根据权利要求1所述的冬笋探测方法，其特征在于，所述训练数据集内的样本标定数据为复数形式的数组，所述对所述训练数据集进行预处理，得到预处理后的训练数据集，包括：对所述数组的实部和虚部进行拆分，并利用reshape函数将所述数组变换为两个能够进行卷积计算的矩阵，作为所述预处理后的训练数据集。3.根据权利要求1所述的冬笋探测方法，其特征在于，所述方法还包括：从所述预处理后的训练数据集中获取测试数据集；在将所述预处理后的训练数据集输入卷积神经网络模型进行训练得到反射回波分类模型之后，根据所述测试数据集对所述反射回波分类模型进行测试，并根据测试结果修正所述反射回波分类模型的模型参数。4.一种冬笋探测装置，其特征在于，所述装置包括：获取模块，用于获取样本标定数据作为卷积神经网络模型的训练数据集，所述样本标定数据包括存在冬笋样本的探测数据集和不存在冬笋样本的探测数据集；预处理模块，用于对所述训练数据集进行预处理，得到预处理后的训练数据集；训练模块，用于将所述预处理后的训练数据集输入卷积神经网络模型进行训练，得到反射回波分类模型；分类模块，用于确定待探测区域，将实时获取的所述待探测区域内的探测数据作为所述反射回波分类模型的输入，得到待探测区域内是否存在冬笋的分类结果。5.根据权利要求4所述的冬...

【专利技术属性】
技术研发人员：倪益华，王俊楠，吕艳，倪忠进，宋源普，
申请(专利权)人：浙江农林大学，
类型：发明
国别省市：