训练农作物识别模型的方法及相关装置制造方法及图纸

本申请实施例涉及深度学习和农业科学技术的交叉领域，公开了一种训练农作物识别模型的方法，首先获取训练集，该训练集包括多种农作物分别在不同生长周期的若干个图像，各图像标注有真实标签，真实标签包括真实物种类别和真实生长周期类别。然后，采用训练集对预先设置的分类网络进行迭代训练直至收敛，得到农作物识别模型。在此实施例中，由于该训练集覆盖多种农作物，每种农作物分别在不同生长周期对应有多个图像，每个图像标注的真实标签包括物种类别和生长周期类别。从而，使得分类网络能够学习多种农作物在不同生长周期的图像特征，真实标签指导训练，使得训练得到的农作物识别模型不仅能够准确识别出农作物物种类别，还能准确识别生长周期。

【技术实现步骤摘要】

本申请实施例涉及深度学习和农业科学技术的交叉领域，尤其涉及一种训练农作物识别模型的方法及相关装置。

技术介绍

1、农作物分类识别是一种基于图像处理和模式识别技术的方法，旨在准确地识别和分类不同类型的农作物。随着农业科技的发展和农作物种类的增多，快速而准确地识别农作物对于农业生产和管理变得越来越重要。

2、近年来，研究者们开始利用计算机视觉和机器学习技术来开发自动化的农作物分类识别系统。然而由于农作物种类繁多，而且同一种农作物在不同的生长周期具有不同的特征，导致现有农作物识别算法准确度不高，限制了此技术的进一步推广和发展。

技术实现思路

1、有鉴于此，本申请一些实施例提供了一种训练农作物识别模型的方法及相关装置，采用该训练方法训练得到的农作物识别模型不仅能够准确识别出农作物物种类别，还能准确识别出生长周期。

2、第一方面，本申请一些实施例提供了一种训练农作物识别模型的方法，包括：

3、获取训练集，训练集包括多种农作物分别在不同生长周期的若干个图像，各图像标注有真实标签，真实标本文档来自技高网...

【技术保护点】

1.一种训练农作物识别模型的方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述分类网络包括特征提取模块和分类模块，其中，所述特征提取模块包括多个用于下采样的卷积层，所述分类模块包括分层次的第一分类层和第二分类层，所述第一分类层用于根据所述特征提取模块的输出识别物种类别，所述第二分类层用于根据所述第一分类层的输出识别生长周期类别。

3.根据权利要求2所述的方法，其特征在于，所述第二分类层包括C个分支结构，其中，C为所述训练集中物种类别的个数，一所述分支结构对应一物种类别的生长周期预测，所述分支结构包括全连接层和激活函数层。</p>

4.根据...

【技术特征摘要】

1.一种训练农作物识别模型的方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述分类网络包括特征提取模块和分类模块，其中，所述特征提取模块包括多个用于下采样的卷积层，所述分类模块包括分层次的第一分类层和第二分类层，所述第一分类层用于根据所述特征提取模块的输出识别物种类别，所述第二分类层用于根据所述第一分类层的输出识别生长周期类别。

3.根据权利要求2所述的方法，其特征在于，所述第二分类层包括c个分支结构，其中，c为所述训练集中物种类别的个数，一所述分支结构对应一物种类别的生长周期预测，所述分支结构包括全连接层和激活函数层。

4.根据权利要求3所述的方法，其特征在于，所述根据所述第一分类层的输出识别生长周期类别，包括：

5.根据权利要求1-4任意一项所述的方法...

【专利技术属性】
技术研发人员：陈仿雄，
申请(专利权)人：深圳数联天下智能科技有限公司，
类型：发明
国别省市：