一种基于迁移学习的农产品种苗分析方法及系统技术方案

本发明专利技术公开了种苗质量分析领域的一种基于迁移学习的农产品种苗分析方法及系统，包括：采集园圃监测区域的育苗视频，由育苗视频中提取种苗监测图像；通过预设的种苗培育模型对种苗监测图像进行识别，获取种苗的生命特征，根据种苗的生命特征判断种苗的病虫害种类；所述种苗培育模型的构建过程包括：对园圃图像中种苗的病虫害种类进行标注，获得种苗培育样本集；对种苗培育样本集中的园圃图像随机变化和重新组合，获得训练图像，并构建种苗培育训练集；根据种苗培育训练集构建基于迁移学习的种苗培育模型；本发明专利技术辅助工作人员培育优质种苗，节省人力资源，提前对种苗病虫害进行预警，避免种苗发生大规模病虫害。避免种苗发生大规模病虫害。避免种苗发生大规模病虫害。

【技术实现步骤摘要】
一种基于迁移学习的农产品种苗分析方法及系统


[0001]本专利技术属于苗种质量分析领域，具体涉及一种基于迁移学习的农产品种苗分析方法及系统。

技术介绍

[0002]近些年我国草莓产业发展迅速，已经成为全国许多地区农业发展的主导产业。每年我国草莓种苗约需要200亿株，但由于草莓产业缺乏较为规范的育苗标准，导致种苗生产企业的规模化水平低下，我国千万株以上的育苗企业不足10家，每年草莓工厂化商品苗仅占到种植总量的10％左右，其中，优质种苗的供应已成为设施和露地草莓生产的严重瓶颈。
[0003]现有技术中通过人工培育优质种苗，需要耗费大量劳动资源；同时人工培育种苗受技术人员经验限制，导致培育出来的种苗质量参差不齐；如何实现草莓种苗标准化生产中亟需解决的问题。

技术实现思路

[0004]本专利技术的目的在于提供一种基于迁移学习的农产品种苗分析方法及系统，在预训练的卷积神经网络的基础上，结合迁移学习获取种苗的生命状态并判断种苗的病虫害种类，辅助工作人员培育优质种苗。
[0005]为达到上述目的，本专利技术所采用的技术方案是：
[0006]本专利技术第一方面提供了一种基于迁移学习的农产品种苗分析方法，包括：
[0007]采集园圃监测区域的育苗视频，由育苗视频中提取种苗监测图像；
[0008]通过预设的种苗培育模型对种苗监测图像进行识别，获取种苗的生命特征，根据种苗的生命特征判断种苗的病虫害种类；
[0009]所述种苗培育模型的构建过程包括：
[0010]采集培育种苗的园圃图像，对园圃图像中种苗的病虫害种类进行标注，获得种苗培育样本集；
[0011]对种苗培育样本集中的园圃图像随机缩放、旋转和裁剪后进行重新组合，获得训练图像，并构建种苗培育训练集；根据种苗培育训练集构建基于迁移学习的种苗培育模型。
[0012]优选的，对种苗培育样本集中的园圃图像随机缩放、旋转和裁剪后进行重新组合，获得种苗培育训练集的方法包括：
[0013]随机对所述园圃图像缩放0.5倍至1.5倍；将缩放后的园圃图像随机旋转90度、180度或270度；
[0014]将旋转后的园圃图像裁剪为大小相等的图像单元，随机选取相等数量的图像单元进行组合，获得训练图像。
[0015]优选的，根据种苗培育训练集，构建基于迁移学习的种苗培育模型的方法包括：
[0016]通过预训练种苗培育模型进行参数迁移的方式，初始化种苗培育模型的参数；
[0017]冻结种苗培育模型的部分卷积层和池化层的参数，并设定训练参数；
[0018]将种苗培育训练集输入种苗培育模型，根据设定的训练参数对种苗培育模型进行训练，得到基于迁移学习的种苗培育模型。
[0019]优选的，将种苗培育训练集输入种苗培育模型，根据设定的训练参数对种苗培育模型进行训练的方法包括：
[0020]获取训练图像中包含病虫害叶片和正常叶片的概率分布，计算训练图像的重要性权重；所述重要性权重为每个训练图像中包含病虫害叶片和正常叶片的概率分布之比；
[0021]基于训练图像的重要性权重，将所述种苗培育训练集划分为第一数据集合和第二数据集合，所述第一数据集合与所述种苗培育训练集的数据概率分布相似度大于所述第二数据集合与所述种苗培育训练集之间的数据概率分布相似度；
[0022]通过第二数据集合对种苗培育模型中每种病虫害算法分别进行迁移学习训练，通过第一数据集合对种苗培育模型中每种病虫害算法进行测试，并计算每种病虫害算法对应的误差值，获得所述误差值低于设定值的种苗培育模型。
[0023]优选的，通过预设的种苗培育模型对种苗监测图像进行识别，获取种苗的生命特征的方法包括：
[0024]去除种苗监测图像的亮暗噪点，以红色R通道、绿色G通道、蓝色B通道为x，y，z轴建立颜色坐标系，确定种苗黄色区域像素、种苗绿色区域像素和黑色无效区域像素在颜色坐标系中的坐标，输出为像素样本集；根据像素样本集采用聚类算法对种苗监测图像进行识别获得种苗图像，由种苗图像提取种苗的叶片颜色、叶片形状、种苗高度和茎的颜色。
[0025]优选的，根据像素样本集采用聚类算法对种苗监测图像进行识别获得种苗图像的方法包括：
[0026]步骤A，所述聚类算法将像素样本集分为k个簇C
i
，从簇C
i
中随机选择k个样本像素作为初始质心向量；
[0027]步骤B，将各簇C
i
初始化为空集；
[0028]步骤C，计算各像素样本x
i
到各质心向量的距离d
ij
，将像素样本x
i
标记为最小距离d
ij
所对应的簇；更新簇内包含的像素样本x
i
；
[0029]步骤D，重新计算更新的簇对应的质心向量，计算公式为：
[0030][0031]其中，x为样本像素。
[0032]步骤E，判读各簇的质心向量是否发生变化，当没有发生变化，输出划分的簇C
i
；否则，重复步骤C、步骤D；根据输出的簇C
i
中的样本像素获得种苗图像。
[0033]本专利技术第二方面提供了一种基于迁移学习的农产品种苗分析系统，包括：
[0034]采集模块，用于采集园圃监测区域的育苗视频，由育苗视频中提取种苗监测图像；
[0035]病虫害识别模块，用于通过预设的种苗培育模型对种苗监测图像进行识别，获取种苗的生命特征，根据种苗的生命特征判断种苗的病虫害种类；
[0036]样本集采集模块，用于采集培育种苗的园圃图像，对园圃图像中种苗的病虫害种类进行标注，获得种苗培育样本集；
[0037]训练集构建模块，用于对种苗培育样本集中的园圃图像随机缩放、旋转和裁剪后进行重新组合，获得训练图像，并构建种苗培育训练集；
[0038]模型构建模块，根据种苗培育训练集构建基于迁移学习的种苗培育模型。
[0039]本专利技术第三方面提供了一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，使所述计算机执行所述的农产品种苗分析方法。
[0040]本专利技术第四方面提供了计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现所述农产品种苗分析方法的步骤。
[0041]与现有技术相比，本专利技术的有益效果：
[0042](1)本专利技术采集园圃监测区域的育苗视频，由育苗视频中提取种苗监测图像；通过预设的种苗培育模型对种苗监测图像进行识别，获取种苗的生命特征，根据种苗的生命特征判断种苗的病虫害种类，辅助工作人员培育优质种苗，节省人力资源，提前对种苗病虫害进行预警，避免种苗发生大规模病虫害。
[0043](2)本专利技术采集培育种苗的园圃图像，对园圃图像中种苗的病虫害种类进行标注，获得种苗培育样本集；对种苗培育样本集中的园圃图像随机缩放、旋转和裁本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于迁移学习的农产品种苗分析方法，其特征在于，包括：采集园圃监测区域的育苗视频，由育苗视频中提取种苗监测图像；通过预设的种苗培育模型对种苗监测图像进行识别，获取种苗的生命特征，根据种苗的生命特征判断种苗的病虫害种类；所述种苗培育模型的构建过程包括：采集培育种苗的园圃图像，对园圃图像中种苗的病虫害种类进行标注，获得种苗培育样本集；对种苗培育样本集中的园圃图像随机缩放、旋转和裁剪后进行重新组合，获得训练图像，并构建种苗培育训练集；根据种苗培育训练集构建基于迁移学习的种苗培育模型。2.根据权利要求1所述的一种基于迁移学习的农产品种苗分析方法，其特征在于，对种苗培育样本集中的园圃图像随机缩放、旋转和裁剪后进行重新组合，获得种苗培育训练集的方法包括：随机对所述园圃图像缩放0.5倍至1.5倍；将缩放后的园圃图像随机旋转90度、180度或270度；将旋转后的园圃图像裁剪为大小相等的图像单元，随机选取相等数量的图像单元进行组合，获得训练图像。3.根据权利要求1所述的一种基于迁移学习的农产品种苗分析方法，其特征在于，根据种苗培育训练集，构建基于迁移学习的种苗培育模型的方法包括：通过预训练种苗培育模型进行参数迁移的方式，初始化种苗培育模型的参数；冻结种苗培育模型的部分卷积层和池化层的参数，并设定训练参数；将种苗培育训练集输入种苗培育模型，根据设定的训练参数对种苗培育模型进行训练，得到基于迁移学习的种苗培育模型。4.根据权利要求3所述的一种基于迁移学习的农产品种苗分析方法，其特征在于，将种苗培育训练集输入种苗培育模型，根据设定的训练参数对种苗培育模型进行训练的方法包括：获取训练图像中包含病虫害叶片和正常叶片的概率分布，计算训练图像的重要性权重；所述重要性权重为每个训练图像中包含病虫害叶片和正常叶片的概率分布之比；基于训练图像的重要性权重，将所述种苗培育训练集划分为第一数据集合和第二数据集合，所述第一数据集合与所述种苗培育训练集的数据概率分布相似度大于所述第二数据集合与所述种苗培育训练集之间的数据概率分布相似度；通过第二数据集合对种苗培育模型中每种病虫害算法分别进行迁移学习训练，通过第一数据集合对种苗培育模型中每种病虫害算法进行测试，并计算每种病虫害算法对应的误差值，获得所述误差值低于设定值的种苗培育模型。5.根据权利要求1所述的一种基于迁移学习的农产品种苗分析方法，其特征在于，通过预设的种苗培育模型对种苗监测图像进行识别，获取种苗的生命特征的方法包括：去除种苗监测图像的亮暗噪点，以红色R通道...

【专利技术属性】
技术研发人员：林国义，
申请(专利权)人：林国义，
类型：发明
国别省市：