System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及柑橘产量预估,特别涉及一种基于表观特征预估柑橘预产量的方法。
技术介绍
1、中国是世界上最大的柑橘生产国和消费国之一,柑橘种植面积和产量均居世界第一,其中主要品种包括橙子、柚子、橘子、柠檬等。柑橘产业在中国具有广泛的种植和消费基础,是中国农业领域中的重要产业之一。
2、但是随着产业的火热,大量柑橘产量无法做到准确预估,造成市场同时大批量水果上市,供求变动较大,橘市场价格不稳定,也不利于农户与经销商的的价格商定等问题。目前柑橘的产量预估多凭借经验来判断,无法专业手段来预估未来产量。
技术实现思路
1、针对现有技术中存在的问题,本专利技术提供了一种基于表观特征预估柑橘预产量的方法,能够通过柑橘果的表现特征来实现对柑橘果的预产量进行预估,利于农户与经销商的的价格商定等问题。具体技术方案如下:
2、一种基于表观特征预估柑橘预产量的方法,包括以下步骤:
3、s1、建立柑橘病虫害、不同时期柑橘果的特征库;
4、s2、从特征库中选取柑橘病虫害、不同时期柑橘果区域标识;
5、s3、建立柑橘病虫害、不同时期柑橘果识别网络模型;
6、s4、采集柑橘果照片,将照片输入到网络模型中识别出病虫害、不同时期柑橘果;
7、s5、提取网络模型中识别出的柑橘病虫害、不同时期柑橘果的区域标识;
8、s6、将特征库中选取的区域标识与从网络模型中识别出来的区域标识进行比较;
9、s7、当上述步骤s6中
10、s8、根据当地天气预报的天气数据因子,结合识别的柑橘病虫害、不同时期柑橘果进行数据统计预估柑橘的预产量。
11、优选的,上述步骤s2中所述区域标记包括纹理特征和颜色直方图特征。
12、优选的,上述步骤s3中的识别网络模型为cnn卷积神经网络。
13、优选的,上述步骤s4中具体包括以下步骤:
14、s41、将相机拍到的照片输入cnn卷神经网络进行柑橘病虫害、不同时期柑橘果特征图提取,通过边缘检测算法对柑橘病虫害、不同时期柑橘果的纹理特征进行提取;
15、s42、将所述柑橘病虫害、不同时期柑橘果特征图输入rpn生成21000个roi,把roi映射到cnn卷神经网络的最后一层卷积的feature map上;
16、s43、将上述候选的roi送入rpn网络进行二值分类和bb回归,过滤掉一部分候选的roi;
17、s44、对剩下的roi先将原柑橘病虫害、不同时期柑橘果照片和feature map的pixel对应起来,然后将feature map和固定的feature对应起来操作;
18、s45、对步骤s44的roi进行分类、bb回归和mask生成得到不规则的柑橘病虫害、不同时期柑橘果区域。
19、优选的,上述步骤s6中将特征库中选取的区域标识与从网络模型中识别出来的区域标识进行比较具体为:进行两个区域标识的纹理特征的余弦相似度比较,以及颜色直方图特征相交法比较。
20、优选的,上述步骤s6中,两个区域纹理特征的余弦相似度比较具体为:
21、x=[x1,x2,…,xi];
22、y=[y1,y2,…,yi];
23、
24、其中:x为柑橘病虫害、不同时期柑橘果纹理特征向量,y为特征库选定的柑橘病虫害、不同时期柑橘果的纹理特征向量,cosθ为两个特征向量比较的余弦值。
25、优选的,上述步骤s6中,颜色直方图特征相交法比较,具体为:
26、
27、其中,m为柑橘病虫害、不同时期柑橘果颜色直方图特征,n为选定的柑橘病虫害、不同时期柑橘果颜色直方图特征,d(m,n)为颜色直方图特征相交距离。
28、优选的,上述步骤s7中具体为:余弦相似度满足配置值以及颜色直方图特征满足配置值,则此区域是柑橘病虫害或不同时期柑橘果。
29、优选的,上述步骤s8中的预估柑橘的预产量计算公式如下:
30、
31、其中,hi为不同时期的果数量,hθi为不同时期果成熟需要的系数因子,di为不同时期出现的病虫害,dθi为不同时期果出现的病虫害对果实成熟影响的系数因子,tj为不同时段的温度,lj为不同时段的光照,rj为不同时段的降雨,fj为不同时段的风速,xj为其他天气因素,te为极端天气极端温度,le为极端天气极端光照,re为极端天气极端降雨,fe为极端天气极端风速,xe为其他极端天气因素。
32、与现有技术相比,本专利技术的有益效果为:
33、本专利技术根据实际场景,进行拍照,采用实例分割与表观特征结合方式,可专业有效的计算柑橘预产量,以方便农户提前进行农事调整,销售途径等各方面相关工作。
本文档来自技高网...【技术保护点】
1.一种基于表观特征预估柑橘预产量的方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种基于表观特征预估柑橘预产量的方法,其特征在于,上述步骤S2中所述区域标记包括纹理特征和颜色直方图特征。
3.根据权利要求2所述的一种基于表观特征预估柑橘预产量的方法,其特征在于,上述步骤S3中的识别网络模型为CNN卷积神经网络。
4.根据权利要求3所述的一种基于表观特征预估柑橘预产量的方法,其特征在于,上述步骤S4中具体包括以下步骤:
5.根据权利要求4所述的一种基于表观特征预估柑橘预产量的方法,其特征在于,上述步骤S6中将特征库中选取的区域标识与从网络模型中识别出来的区域标识进行比较具体为:进行两个区域标识的纹理特征的余弦相似度比较,以及颜色直方图特征相交法比较。
6.根据权利要求5所述的一种基于表观特征预估柑橘预产量的方法,其特征在于,上述步骤S6中,两个区域纹理特征的余弦相似度比较具体为:
7.根据权利要求5所述的一种基于表观特征预估柑橘预产量的方法,其特征在于,上述步骤S6中,颜色直方图特征相交法比较,具
8.根据权利要求5所述的一种基于表观特征预估柑橘预产量的方法,其特征在于,上述步骤S7中具体为:余弦相似度满足配置值以及颜色直方图特征满足配置值,则此区域是柑橘病虫害或不同时期柑橘果。
9.根据权利要求6所述的一种基于表观特征预估柑橘预产量的方法,其特征在于,上述步骤S8中的预估柑橘的预产量计算公式如下:
...【技术特征摘要】
1.一种基于表观特征预估柑橘预产量的方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种基于表观特征预估柑橘预产量的方法,其特征在于,上述步骤s2中所述区域标记包括纹理特征和颜色直方图特征。
3.根据权利要求2所述的一种基于表观特征预估柑橘预产量的方法,其特征在于,上述步骤s3中的识别网络模型为cnn卷积神经网络。
4.根据权利要求3所述的一种基于表观特征预估柑橘预产量的方法,其特征在于,上述步骤s4中具体包括以下步骤:
5.根据权利要求4所述的一种基于表观特征预估柑橘预产量的方法,其特征在于,上述步骤s6中将特征库中选取的区域标识与从网络模型中识别出来的区域标识进行比较具体为:进行两个区域标识的纹理...
【专利技术属性】
技术研发人员:张玉国,韦光亮,苏世宁,窦毅,黄俊嘉,陈昌全,
申请(专利权)人:广西慧云信息技术有限公司,
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。