本申请提供了一种植物生长阶段的识别方法，包括：获取拍摄目标植物得到的目标植物图像；将目标植物图像作为训练好的生长阶段识别模型的输入，获取生长阶段识别模型识别得到的目标生长阶段；获取目标生长阶段对应的标准图像，标准图像是通过将目标生长阶段对应的不同光照、不同角度下的多张第一训练植物图像进行叠加，然后选取出包含有植物生长阶段特征的重叠区域图像得到的；将目标植物图像与标准图像进行匹配，若满足匹配条件，则确定识别得到的目标生长阶段为与目标植物图像对应的真实生长阶段。该方法实现了在不同光照、不同角度下能够准确地对植物生长阶段的识别。此外，还提出了一种植物生长阶段的识别装置、设备和存储介质。介质。介质。
【技术实现步骤摘要】
植物生长阶段的识别方法、装置、设备及存储介质
[0001]本申请涉及计算机
，特别涉及为一种植物生长阶段的识别方法、装置、设备及存储介质。
技术介绍
[0002]随着生活水平的不断提高，人们对高质量植物的需求也不断增加。不论是食用蔬菜、医药用植物还是特殊用途的名贵植物，适宜的光照是植物健壮生长的必要条件。尤其对于一些医药用的名贵植物，人们往往采用无污染、环境适宜的室内工厂种植。
[0003]在植物生长的全过程，采取一种固定的光谱波长去补光照射，难以满足植物不同阶段的生长特点对光照的特定化需求。而且随着研究的深入，发现植物的不同阶段需要的光照、温湿度都是不同的。为了能够更好地促进植物的健壮生长，有人提出了针对不同的植物生长阶段进行不同的干预，比如，专利CN112867196A就提出了一种针对不同植物不同生长阶段采用不同的光谱进行照射的方式。而如何准确地识别植物所处的生长阶段成为了至关重要的一环。
[0004]植物生长阶段的识别是基于对目标植物图像进行识别得到的，但是由于在拍摄图像时会受到光照、角度等因素的影响，导致识别得到的生长阶段不够准确，这样很不利于后续进行有效的干预。因此，亟待需要一种准确识别植物生长阶段的方法。
技术实现思路
[0005]基于此，提出了一种即使在不同光照、不同角度下，仍然能够准确地识别出植物生长阶段的方法、装置、计算机设备及存储介质。
[0006]为实现上述目的，本申请第一方面提供一种植物生长阶段的识别方法，包括：
[0007]获取拍摄所述目标植物得到的目标植物图像，所述目标植物图像中包括：植株高度、叶片、茎秆、花朵、果实和轮廓中的一种或多种；
[0008]将所述目标植物图像作为训练好的生长阶段识别模型的输入，获取所述生长阶段识别模型识别得到的目标生长阶段，所述生长阶段识别模型是基于卷积神经网络模型训练得到的；
[0009]获取所述目标生长阶段对应的标准图像，所述标准图像是通过将所述目标生长阶段对应的不同光照、不同角度下的多张第一训练植物图像进行叠加，然后选取出包含有植物生长阶段特征的重叠区域图像得到的；
[0010]将所述目标植物图像与所述标准图像进行匹配，若满足匹配条件，则确定识别得到的所述目标生长阶段为与所述目标植物图像对应的真实生长阶段。
[0011]为实现上述目的，本申请第二方面提供一种植物生长阶段的识别装置，包括：
[0012]第一获取模块，用于获取拍摄所述目标植物得到的目标植物图像，所述目标植物图像中包括：植株高度、叶片、茎秆、花朵、果实和轮廓中的一种或多种；
[0013]识别模块，用于将所述目标植物图像作为训练好的生长阶段识别模型的输入，获
取所述生长阶段识别模型识别得到的目标生长阶段，所述生长阶段识别模型是基于卷积神经网络模型训练得到的；
[0014]第二获取模块，用于获取所述目标生长阶段对应的标准图像，所述标准图像是通过将所述目标生长阶段对应的多张训练植物图像进行叠加，然后选取出包含有植物生长阶段特征的重叠区域图像得到的；
[0015]匹配模块，用于将所述目标植物图像与所述标准图像进行匹配，若满足匹配条件，则确定识别得到的所述目标生长阶段为与所述目标植物图像对应的真实生长阶段。
[0016]为实现上述目的，本申请第三方面提供一种计算机设备，包括：包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行以下步骤：
[0017]获取拍摄所述目标植物得到的目标植物图像，所述目标植物图像中包括：植株高度、叶片、茎秆、花朵、果实和轮廓中的一种或多种；
[0018]将所述目标植物图像作为训练好的生长阶段识别模型的输入，获取所述生长阶段识别模型识别得到的目标生长阶段，所述生长阶段识别模型是基于卷积神经网络模型训练得到的；
[0019]获取所述目标生长阶段对应的标准图像，所述标准图像是通过将所述目标生长阶段对应的不同光照、不同角度下的多张第一训练植物图像进行叠加，然后选取出包含有植物生长阶段特征的重叠区域图像得到的；
[0020]将所述目标植物图像与所述标准图像进行匹配，若满足匹配条件，则确定识别得到的所述目标生长阶段为与所述目标植物图像对应的真实生长阶段。
[0021]为实现上述目的，本申请第四方面提供一种计算机可读存储介质，包括：存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行以下步骤：
[0022]获取拍摄所述目标植物得到的目标植物图像，所述目标植物图像中包括：植株高度、叶片、茎秆、花朵、果实和轮廓中的一种或多种；
[0023]将所述目标植物图像作为训练好的生长阶段识别模型的输入，获取所述生长阶段识别模型识别得到的目标生长阶段，所述生长阶段识别模型是基于卷积神经网络模型训练得到的；
[0024]获取所述目标生长阶段对应的标准图像，所述标准图像是通过将所述目标生长阶段对应的不同光照、不同角度下的多张第一训练植物图像进行叠加，然后选取出包含有植物生长阶段特征的重叠区域图像得到的；
[0025]将所述目标植物图像与所述标准图像进行匹配，若满足匹配条件，则确定识别得到的所述目标生长阶段为与所述目标植物图像对应的真实生长阶段。
[0026]上述植物生长阶段的识别方法、装置、计算机设备及存储介质，首先，采用训练好的生长阶段识别模型对目标植物图像进行识别，识别得到目标生长阶段，为了进一步提高识别的准确度，将目标植物图像与该目标生长阶段对应的标准图像进行匹配，若满足匹配条件，则确定该目标生长阶段为真实生长阶段，该标准图像是通过将不同光照、不同角度下的多张第一训练植物图像进行叠加得到的，这样得到的标准图像大大降低了光照、角度对其的影响，其包含的特征是更加真实的内在稳定特征，从而能够更准确地确定目标植物图像对应的真实生长阶段。
附图说明
[0027]为了更清楚地说明本申请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简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，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。
[0028]其中：
[0029]图1为一个实施例中植物生长阶段的识别方法的流程图；
[0030]图2为一个实施例中生长阶段识别模型的训练方法流程图；
[0031]图3为一个实施例中植物生长阶段的识别装置的结构框图；
[0032]图4为一个实施例中计算机设备的内部结构图。
具体实施方式
[0033]应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
[0034]下面将结合本申请的实施例中的附图，对本申请的实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种植物生长阶段的识别方法，其特征在于，包括：获取拍摄所述目标植物得到的目标植物图像，所述目标植物图像中包括：植株高度、叶片、茎秆、花朵、果实和轮廓中的一种或多种；将所述目标植物图像作为训练好的生长阶段识别模型的输入，获取所述生长阶段识别模型识别得到的目标生长阶段，所述生长阶段识别模型是基于卷积神经网络模型训练得到的；获取所述目标生长阶段对应的标准图像，所述标准图像是通过将所述目标生长阶段对应的不同光照、不同角度下的多张第一训练植物图像进行叠加，然后选取出包含有植物生长阶段特征的重叠区域图像得到的；将所述目标植物图像与所述标准图像进行匹配，若满足匹配条件，则确定识别得到的所述目标生长阶段为与所述目标植物图像对应的真实生长阶段。2.根据权利要求1所述的方法，其特征在于，所述生长阶段识别模型是采用如下方式训练得到的：针对每个生长阶段，分别获取不同光照、不同角度下拍摄得到的多张第一训练植物图像；将同一生长阶段中的所述多张第一训练植物图像进行叠加，选择所述多张第一训练植物图像中包含有植物生长阶段特征的重叠区域图像，将所述重叠区域图像进行保存，作为第二训练植物图像；将所述第一训练植物图像和所述第二训练植物图像对应的生长阶段作为相应的标注；基于所述第一训练植物图像、所述第二训练植物图像以及对应的生长阶段的标注对所述生长阶段识别模型进行训练，得到训练好的生长阶段识别模型。3.根据权利要求1所述的方法，其特征在于，所述将所述目标植物图像与所述标准图像进行匹配，包括：从所述目标植物图像的中心位置向外搜索，每次截取出与所述标准图像相同大小的区域图像；分别计算截取得到的所述区域图像与所述标准图像之间的差异度，所述差异度是基于边长像素数以及所述区域图像和所述标准图像中的像素灰度得到的：将差异度最小的区域图像作为目标区域图像；当所述目标区域图像与所述标准图像的差异度小于预设阈值时，则判定所述目标植物图像与所述标准图像匹配。4.根据权利要求3所述的方法，其特征在于，所述分别计算截取得到的所述区域图像与所述标准图像之间的差异度，所述差异度是基于边长像素数以及所述区域图像和所述标准图像中的像素灰度得到的，包括：所述区域图像与所述标准图像之间的差异度采用如下公式计算得到：其中，N为标准图像...
【专利技术属性】
技术研发人员：王振华，赵建民，
申请(专利权)人：深圳市桑瑞生物科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。