植物物种识别方法、系统、装置和存储介质制造方法及图纸

本发明专利技术公开了一种植物物种识别方法、系统、装置和存储介质，可应用于物种识别技术领域。本发明专利技术方法包括以下步骤：获取一维叶片高光谱反射率数据；将所述一维叶片高光谱反射率数据转换为二维灰度图像；将所述二维灰度图像输入到卷积神经网络模型，预测得到所述一维叶片高光谱反射率数据对应的植物物种识别结果。本发明专利技术通过将获取的一维叶片高光谱反射率数据全部转换为二维灰度图像后，以充分所有的高光谱数据，避免遗漏有用信息，接着将二维灰度图像输入到卷积神经网络模型，以利用卷积神经网络模型来进行植物物种识别，从而提高植物物种识别结果的准确度。种识别结果的准确度。种识别结果的准确度。

【技术实现步骤摘要】
植物物种识别方法、系统、装置和存储介质


[0001]本专利技术涉及物种识别
，尤其是一种植物物种识别方法、系统、装置和存储介质。

技术介绍

[0002]相关技术中，植物物种识别是利用高光谱数据进行植物物种识别，但是，由于高光谱数据中的光谱波段多，需要通过降维或者波段选择等处理后，再进行机器学习来进行物种识别。这种处理方式，有可能会筛选掉一些有用信息，从而导致物种识别结果错误。

技术实现思路

[0003]本专利技术旨在至少解决现有技术中存在的技术问题之一。为此，本专利技术提出一种植物物种识别方法、系统、装置和存储介质，能够提高植物物种识别结果的准确度。
[0004]一方面，本专利技术实施例提供了一种植物物种识别方法，包括以下步骤：
[0005]获取一维叶片高光谱反射率数据；
[0006]将所述一维叶片高光谱反射率数据转换为二维灰度图像；
[0007]将所述二维灰度图像输入到卷积神经网络模型，预测得到所述一维叶片高光谱反射率数据对应的植物物种识别结果。
[0008]在一些实施例中，所述卷本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种植物物种识别方法，其特征在于，包括以下步骤：获取一维叶片高光谱反射率数据；将所述一维叶片高光谱反射率数据转换为二维灰度图像；将所述二维灰度图像输入到卷积神经网络模型，预测得到所述一维叶片高光谱反射率数据对应的植物物种识别结果。2.根据权利要求1所述的一种植物物种识别方法，其特征在于，所述卷积神经网络模型包括若干个类型的完全卷积神经网络，每个类型的所述完全卷积神经网络均包括输入层、卷积层、池化层、平坦层、密集层和输出层；每个类型的所述完全卷积神经网络内的所述卷积层和所述池化层的结构不相同。3.根据权利要求2所述的一种植物物种识别方法，其特征在于，所述平坦层用于将所述卷积层的并行输出串联连接，并将串行连接的数据输出到所述密集层。4.根据权利要求3所述的一种植物物种识别方法，其特征在于，所述完全卷积神经网络还包括dropout层，所述dropout层设置于所述平坦层的输入端。5.根据权利要求1所述的一种植物物种识别方法，其特征在于，所述方法还包括所述卷积神经网络模型的训练步骤，所述训练步骤包括训练阶段和模拟应用阶段；在所述训练阶段采用第一数据集对所述卷积神经网络模型；在所述模拟应用阶段采用第二数据集对所述卷积神经网络模型进行植物物种识别效果评估。6.根据权利要求1所...

【专利技术属性】
技术研发人员：袁少雄，黄光庆，陈军，王钧，宫清华，尹小玲，
申请(专利权)人：广东省科学院广州地理研究所，
类型：发明
国别省市：