结合积温订正的水稻发育期识别模型训练方法、识别方法及装置制造方法及图纸

本发明专利技术提供一种结合积温订正的水稻发育期识别模型训练方法、识别方法及装置，引用稻田图像和积温数据作为识别参数，以结合图像特征和积温特征对水稻的发育期进行判断，充分考虑了水稻生长发育所遵从的积温规律，获得精确的发育期自动识别结果。通过训练用于识别水稻发育期的深度学习神经网络，构建从稻田图像、积温数据到水稻发育期识别结果的映射，实现计算机视觉对水稻发育期识别的自动化判断，极大提高了识别速度。同时，本发明专利技术对稻田图像进行强化处理提升泛化能力，通过改进的ExG因子超绿特征算法对稻田图像进行灰度化处理，通过最大类间方差对对稻田图像进行分割，能够高效提取稻田图像的绿叶特征，极大提升了识别精度，避免人工观测的误差。避免人工观测的误差。避免人工观测的误差。

【技术实现步骤摘要】
结合积温订正的水稻发育期识别模型训练方法、识别方法及装置


[0001]本专利技术涉及图像处理
，尤其涉及一种结合积温订正的水稻发育期识别模型训练方法、识别方法及装置。

技术介绍

[0002]水稻是我国最主要的粮食作物，是我国60%以上人口的主食。及时获取精准的水稻发育期信息对水稻长势监测、田间管理、品质及产量估算等均具有重要意义，而基本农业观测站现行的水稻发育期观测仍主要依靠人工，由于一些观测场地与台站距离较远，观测人员难以保证不错过发育期或恰当的观测时间，导致发育时间记录不准确、难以发现局部区域生长滞后的问题。同时，对水稻发育期本身的判断也由于不同观测人员的主观性而存在较大的人为误差。因此，迫切需要一种高效且精度高的水稻发育期自动识别方法。

技术实现思路

[0003]本专利技术实施例提供了一种结合积温订正的水稻发育期识别模型训练方法、识别方法及装置，以消除或改善现有技术中存在的一个或更多个缺陷，解决人工识别水稻发育期时效性不足和误差较大等问题。
[0004]本专利技术的技术方案如下：一方面，本专利技术提供一种结合本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种结合积温订正的水稻发育期识别模型训练方法，其特征在于，包括：获取多个样本数据，每个样本数据包含水稻全生长周期内一拍摄日的稻田图像，以及水稻自移栽日起至该拍摄日时段内的逐日平均温度；对各样本中的稻田图像进行增强处理，所述增强处理至少包括：尺寸裁剪、随机变换、归一化、灰度化处理以及植物分割处理；根据所述逐日积温数据计算水稻自移栽日起至该拍摄日时段内的有效积温；获取各样本增强处理后的稻田图像以及有效积温，并添加所属发育期作为标签，构建训练样本集；获取预设神经网络模型，所述预设神经网络模型将样本中增强处理后的稻田图像输入卷积神经网络以提取图像特征，将样本中的所述有效积温输入第一全连接神经网络提取积温特征，将所述图像特征和所述积温特征连接合并后输入第二全连接神经网络得到水稻发育期识别结果；采用所述训练样本集对所述预设神经网络进行训练，得到水稻发育期识别模型；其中，对各样本中的稻田图像进行增强处理中，所述灰度化处理包括：采用修正的ExG因子超绿特征算法对所述稻田图像进行灰度化处理，计算式为：；其中，x
r
为R通道值，x
g
为G通道的值，x
b
为B通道的值，ExG为处理后得到的灰度值；对各样本中的稻田图像进行增强处理中，所述植物分割处理包括：对经灰度化处理后的所述稻田图像计算灰度直方图；设置灰度值t，将所述灰度直方图分为前景色和背景色，计算所有像素灰度平均值M，计算所述前景色灰度平均值MA和所述背景色灰度平均值MB，所述前景色像素数占总像素数的比例为PA，所述背景色像素数占总像素数的比例为PB，计算类间方差ICV，计算式为：；遍历所有灰度值t，获取对应ICV值最大的t值作为最佳分割阈值，用于分割所述稻田图像中的植物。2.根据权利要求1所述的结合积温订正的水稻发育期识别模型训练方法，其特征在于，对各样本中的稻田图像进行增强处理中，所述尺寸裁剪包括将各样本中的所述稻田图像裁剪为设定尺寸的三通道RGB图；所述随机变换包括将各样本中的所述稻田图像进行水平翻转、垂直翻转或角度变换；所述归一化包括对所述稻田图像的三通道图层分别进行去均值归一化或标准归一化。3.根据权利要求1所述的结合积温订正的水稻发育期识别模型训练方法，其特征在于，根据所述逐日积温数据计算水稻自移栽日起至该拍摄日时段的有效积温，计算式为：；其中，A
e
为有效积温，T
i
为自移栽日起第i日的平均温度，B为水稻生长发育的下限温度，移栽始期至拔节普期的发育期生长下限温度为12摄氏度，孕穗始期至收割期的生长下限温度为15摄氏度。4.根据权利要求3所述的结合积温订正的水稻发育期...

【专利技术属性】
技术研发人员：徐敏，郭春蕊，徐经纬，刘文菁，徐萌，刘敏，曹晨，高苹，
申请(专利权)人：江苏省气候中心，
类型：发明
国别省市：