自然复杂背景下整株荒漠植物识别方法和电子设备技术

本申请公开了自然复杂背景下整株荒漠植物识别方法和电子设备，该方法包括：将预先拍摄得到多个物种的荒漠植物图像作为用于对神经网络模型进行训练的数据，荒漠植物图像为在荒漠环境中拍摄的整株植物的图像；根据多个物种的荒漠植物图像对神经网络模型的第一层模型进行训练，使用相同的训练集数据从不同的角度进行训练得到第一层模型的多个子模型；根据第一层模型的输出对神经网络模型的第二层模型进行训练，训练第二层模型时，将多个子模型进行集成得到集成学习模型。通过本申请解决了现有技术中在实验室环境下根据植物局部进行植物类别的识别所存在的泛化能力差及识别准确率不高的问题，从而提高了植物识别的泛化能力和准确率。力和准确率。力和准确率。

【技术实现步骤摘要】
自然复杂背景下整株荒漠植物识别方法和电子设备


[0001]本申请涉及到图像识别领域，具体而言，涉及一种自然复杂背景下整株荒漠植物识别方法和电子设备。

技术介绍

[0002]荒漠植物具有固沙、防止进一步荒漠化的生态作用，也可作为饲料、药用植物及优良薪炭材具有经济价值，荒漠植物的认识及多样性保护具有重要意义。现阶段，国内外对于荒漠植物的分类识别，主要依靠传统人工识别及专家经验，耗时且费力。用智能识别算法能够辅助识别荒漠植物，能够有效节省时间和人力成本，并为野外调查人员提供支持和减少对专家鉴定的依赖。
[0003]目前，有关植物分类研究多以在实验室环境下、植物叶片或局部器官为主要研究对象，能够获得较高的识别精度，但难以实际应用到自然环境以及复杂背景下整株植物图像识别上，同时例如光照、土壤、阴影以及其它植被造成的错综复杂的生长环境将提高识别难度，泛化能力较差且识别准确率得不到保证。

技术实现思路

[0004]本申请实施例提供了一种自然复杂背景下整株荒漠植物识别方法和电子设备，以至少解决现有技术中在实验室环境下根据植物局部进行植物本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种自然复杂背景下整株荒漠植物识别方法，其特征在于，包括：将预先拍摄得到多个物种的荒漠植物图像作为用于对神经网络模型进行训练的数据，其中，所述荒漠植物图像为在荒漠环境中拍摄的整株植物的图像，所述多个物种的荒漠植物图像包括在多种背景条件下对同一整株拍摄得到的多张图像；根据所述多个物种的荒漠植物图像对所述神经网络模型的第一层模型进行训练，其中，训练所述第一层模型时使用相同的训练集数据从不同的角度进行训练得到第一层模型的多个子模型；根据所述第一层模型的输出对所述神经网络模型的第二层模型进行训练，其中，训练所述第二层模型时，将所述多个子模型进行集成得到集成学习模型。2.根据权利要求1所述的方法，其特征在于，在根据所述多个物种的荒漠植物图像进行所述神经网络模型的第一层模型进行训练之前，所述方法还包括：使用通用数据集对所述神经网络模型进行训练，其中，使用所述通用数据集训练之后的神经网络模型再进行所述第一层模型和所述第二层模型的训练，所述通用数据集中至少包括多种植物物种的图像，所述通用数据集的数据量大于所述多个物种的荒漠植物图像。3.根据权利要求1所述的方法，其特征在于，根据所述多个物种的荒漠植物图像对所述神经网络模型的第一层模型进行训练包括：根据所述多个物种的荒漠植物图像的数量，划分出预定比例的数据作为测试集；将剩余的数据采用K折交叉验证划分，共有K个子集，将K个子集记为；对于第个子模型，依次选取其中的一个子集作为验证子集，将其他作为训练子集进行所述第一层模型的训练。4.根据权利要求3所述的方法，其特征在于，所述K为5到10之间的整数；和/或，所述预定比例为20%。5.根据权利要求1所述的方法，其特征在于，根据所述多个物种的荒漠植物图像对所述神经网络模型的第一层模型进行训练包括...

【专利技术属性】
技术研发人员：孙伟，曹姗姗，孔繁涛，王亚鹏，
申请(专利权)人：中国农业科学院农业信息研究所，
类型：发明
国别省市：