【技术实现步骤摘要】
本申请涉及植物生长预测，尤其涉及基于深度学习生成树木影像生长规则的方法、装置及设备。
技术介绍
1、目前生成l-system序列的方法主要是基于人工设计和优化，这种方法需要大量的人工参与，耗时耗力，且效果并不理想，难以适应复杂多变的自然环境。
2、因此，如何自动化地生成l-system序列，以便更好地模拟树木的生长和形态，是当前的一个重要研究问题。
技术实现思路
1、本申请提供了基于深度学习生成树木影像生长规则的方法、装置及设备，旨在解决现有技术无法自动化生成l-system序列的技术问题。
2、为解决上述技术问题，本申请实施例提供了：一种基于深度学习生成树木影像生长规则的方法，包括以下步骤：
3、获取待预测树木的图像；
4、基于卷积神经网络模块，对所述待预测树木的图像进行特征提取及编码，获得卷积编码特征数据；
5、将所述卷积编码特征数据和l-system第一目标序列输入至解码器模块，以使得所述解码器模块输出下一个l-system...
【技术保护点】
1.一种基于深度学习生成树木影像生长规则的方法，其特征在于，包括以下步骤：
2.根据权利要求1所述基于深度学习生成树木影像生长规则的方法，其特征在于，所述卷积神经网络模块基于以下训练样本集训练获得：
3.根据权利要求2所述基于深度学习生成树木影像生长规则的方法，其特征在于，所述卷积神经网络模块通过以下步骤训练：
4.根据权利要求3所述基于深度学习生成树木影像生长规则的方法，其特征在于，所述将多个所述深度可分离卷积特征进行连接和重塑，以使得所述卷积神经网络模块输出卷积编码特征数据的步骤，包括：
5.根据权利要求1所述基于深...
【技术特征摘要】
1.一种基于深度学习生成树木影像生长规则的方法，其特征在于，包括以下步骤：
2.根据权利要求1所述基于深度学习生成树木影像生长规则的方法，其特征在于，所述卷积神经网络模块基于以下训练样本集训练获得：
3.根据权利要求2所述基于深度学习生成树木影像生长规则的方法，其特征在于，所述卷积神经网络模块通过以下步骤训练：
4.根据权利要求3所述基于深度学习生成树木影像生长规则的方法，其特征在于，所述将多个所述深度可分离卷积特征进行连接和重塑，以使得所述卷积神经网络模块输出卷积编码特征数据的步骤，包括：
5.根据权利要求1所述基于深度学习生成树木影像生长规则的方法，其特征在于，所述将所述卷积编码特征数据和l-system第一目标序列输入至解码器模块，以使得所述解码器模块输出下一个l-system字符的概率分布的步骤，包括：
6.根据权利要求5所述基于深度学习生成树木影像生长规则的方法，其特征在于，所述基于所述第三输出特征，获得第四输出特征的步骤，包括：
...【专利技术属性】
技术研发人员：李得元，陆川，
申请(专利权)人：成都国星宇航科技股份有限公司，
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。