【技术实现步骤摘要】
本专利技术属于林业，具体涉及一种基于深度学习的果树花朵疏花方法、系统及存储介质。
技术介绍
1、大多数果树开的花朵都远远多于最后结成的果实，除了由于果树本身的调节能力，使发育不良的花朵自然脱落外，还需要通过花朵疏花手段摘除多余的花，才能满足生产上的要求。比如，苹果疏花是控制苹果树体营养生长和生殖生长的重要措施，是提高树体营养水平，促进花芽分化的有效措施，对于促进苹果果实膨大和增加果实品质具有重要意义。
2、不同品种的果树、不同的果园种植方式及不同的地理环境，对果树花朵的疏花要求不同，何时疏花、怎样疏花、疏花量是多少需要综合考虑判断，才能确定最终的疏花方案。传统的果树花朵疏花方案主要依靠技术人员在果园现场巡视查看果树的具体情况，然后现场判断具体的疏花方案，但是此类方法效率较低，有些果园的技术人员相关的技术储备不足，不能及时进行疏花作业或者疏花方案不正确，就会造成果树花朵疏花效果不理想，最终影响水果的品质并造成经济损失。
3、专利cn103081730b公开了一种基于机器视觉的液压传动式果树疏花机和疏花方法，建立果树...
【技术保护点】
1.基于深度学习的果树花朵疏花方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于深度学习的果树花朵疏花方法，其特征在于，步骤S1中，所述采用果树花朵识别模型进行果树花朵识别，包括以下步骤：
3.根据权利要求2所述的基于深度学习的果树花朵疏花方法，其特征在于，主干网络采用AF-MobileNet轻量级网络作为整个模型的特征提取网络用来提取特征图，AF-MobileNet轻量级网络参考MobileNet V2的整体框架，在网络中采用深度可分离模块和轻量级注意力模块。
4.根据权利要求3所述的基于深度学习的果树花朵疏花方法，其...
【技术特征摘要】
1.基于深度学习的果树花朵疏花方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于深度学习的果树花朵疏花方法，其特征在于，步骤s1中，所述采用果树花朵识别模型进行果树花朵识别，包括以下步骤：
3.根据权利要求2所述的基于深度学习的果树花朵疏花方法，其特征在于，主干网络采用af-mobilenet轻量级网络作为整个模型的特征提取网络用来提取特征图，af-mobilenet轻量级网络参考mobilenet v2的整体框架，在网络中采用深度可分离模块和轻量级注意力模块。
4.根据权利要求3所述的基于深度学习的果树花朵疏花方法，其特征在于，步骤s1中，通过网络爬虫获取网络中的果树花朵图像以及已经公开的果树花朵数据集，对果树花朵图像进行分类整理，通过膨胀、旋转手段扩充果树花朵图像集。
5.根据权利要求1所述的基于深度学习的果树花朵疏花方法，其特征在于，步骤s2的具体步骤为：
6.根据权利要求1所述的基于深度学习的果树花朵疏花方法，其特征在于，步骤s3的具体步骤为：
7.根据权利要求1所述的基于深度学习的果树花朵疏花方法，其特征在于，步骤s4中，根据果树花朵种类、花期类型、花朵形态和数量作为判断，组合出不同的疏花药剂量。
8.基于深度学习的...
【专利技术属性】
技术研发人员：宋月鹏，高昂，任龙龙，张悦，韩翔，宫庆福，
申请(专利权)人：山东农业大学，
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。