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】
本专利技术涉及茶情分析领域,尤其涉及一种茶情分析方法、茶情分析仪及电子设备。
技术介绍
1、在茶叶生产过程中,茶青是重要的生产对象。茶青的品质判断主要依赖于茶叶的形态和内物质含量,然而,现采摘和分级环节都依赖于人工分辨,缺乏可量化定性分析的设备仪器和标准。这导致了以下问题的出现:
2、1、无法在茶田现场准确判断茶青的好坏优劣,对茶叶品质产生影响。
3、2、缺乏通过直接检测而非到专门检验场所对茶青内物质含量进行定性和定量的分析手段,以至于难以精细定价。
4、3、无法指导茶农对茶青采收时机进行准确判断,影响茶叶生产计划和投入产出最大化。
5、因此,专利技术一种便携式茶情分析仪,用于分析茶青的情况,对于解决上述问题具有重要的实际意义。
技术实现思路
1、本专利技术所要解决的技术问题是无法在茶田现场准确判断茶青的好坏优劣、缺乏便携式的分析茶情的软硬件及方法、影响茶叶生产计划和投入产出最大化,目的在于提供一种茶情分析方法、茶情分析仪及电子设备,解决上述问题。
2、一种茶情分析方法,包括:
3、s1,获取多个茶青的图像和深度信息;其中所述图像、所述深度信息通过rgbd相机对所述多个茶青拍摄形成;
4、所述茶情分析方法还包括:
5、s2,获取所述多个茶青的内部信息,所述内部信息通过高光谱相机对所述多个茶青拍摄形成,所述rgbd相机和所述高光谱相机通过定制化的外箱集成为茶情分析仪;
6、s3
7、s4,根据所述深度信息预估的所述多个茶青的尺寸;
8、s5,根据所述茶情分析仪获取所述图像、所述深度信息和所述内部信息的位置,确定所述多个茶青的空间位置;
9、s6,根据所述平面位置、所述轮廓、所述尺寸、所述空间位置和所述内部信息,确定所述多个茶青的茶情。
10、进一步地,还包括:s701,根据所述多个茶叶的茶情,确定可采茶青数量,以根据所述可采茶青数量形成采摘或分类意见。
11、可选的,s702,根据所述茶情对所述茶青进行分级,形成分级信息;
12、s801,根据所述分级信息、茶叶生产信息和时间信息,生成茶叶生产报告。
13、进一步地,s802,根据所述分级信息、所述时间信息和历史量化交易数据,生成茶青交易报告。
14、进一步地,所述内部信息为所述茶青的叶绿素分级及分布信息。
15、进一步地,所述茶芽识别模型根据yolov5训练形成。
16、可选的,s301,调整yolov5的类别数量、锚框大小、损失函数、学习率、批次大小、训练轮数的技术参数,以适应所述茶芽识别模型的训练。
17、进一步地,s302,基于迁移学习或过采样对所述多个茶青的所述图像和所述深度信息进行训练集扩展,以提供所述茶芽识别模型的训练的样本。
18、本专利技术另一方面实施例提出了一种茶情分析仪,包括外箱及其内部容置的高光谱相机、rgbd相机及控制器,所述外箱采用轻量化材料制成便携的结构,所述控制器,用于通过控制所述高光谱相机和所述rgbd相机,实现上述茶情分析方法。
19、本专利技术另一方面实施例提出了一种电子设备,包括:
20、处理器、存储器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上述茶情分析方法。
21、本专利技术与现有技术相比,具有如下的优点和有益效果:
22、1、本专利技术一种茶情分析方法,通过非接触式分析芽情,无损检测,避免了传统检测方法对茶叶的损伤,提高了检测的准确性和效率。便携式的设计能够指导人工精准采摘、提升茶叶品质。通过对茶叶的形态和内物质含量进行分析,能够准确判断采收时机和茶叶生长情况,指导工人精准采摘。同时,通过对茶叶的品质进行量化分级,能够提高茶叶的品质和市场价值;
23、2、本专利技术一种茶情分析仪,通过非接触式分析芽情,无损检测,避免了传统检测方法对茶叶的损伤,提高了检测的准确性和效率。便携式的设计能够指导人工精准采摘、提升茶叶品质。通过对茶叶的形态和内物质含量进行分析,能够准确判断采收时机和茶叶生长情况,指导工人精准采摘。同时,通过对茶叶的品质进行量化分级,能够提高茶叶的品质和市场价值;
24、3、本专利技术一种电子设备,通过非接触式分析芽情,无损检测,避免了传统检测方法对茶叶的损伤,提高了检测的准确性和效率。便携式的设计能够指导人工精准采摘、提升茶叶品质。通过对茶叶的形态和内物质含量进行分析,能够准确判断采收时机和茶叶生长情况,指导工人精准采摘。同时,通过对茶叶的品质进行量化分级,能够提高茶叶的品质和市场价值。
本文档来自技高网...【技术保护点】
1.一种茶情分析方法,包括:S1,获取多个茶青的图像和深度信息;其特征在于,其中所述图像、所述深度信息通过RGBD相机(103)对所述多个茶青拍摄形成;所述茶情分析方法还包括:
2.根据权利要求1所述的一种茶情分析方法,其特征在于,还包括:S701,根据所述多个茶叶的茶情,确定可采茶青数量,以根据所述可采茶青数量形成采摘或分类意见。
3.根据权利要求1所述的一种茶情分析方法,其特征在于,S702,根据所述茶情对所述茶青进行分级,形成分级信息;
4.根据权利要求3所述的一种茶情分析方法,其特征在于,S802,根据所述分级信息、所述时间信息和历史量化交易数据,生成茶青交易报告。
5.根据权利要求1所述的一种茶情分析方法,其特征在于,所述内部信息为所述茶青的叶绿素分级及分布信息。
6.根据权利要求1所述的一种茶情分析方法,其特征在于,所述茶芽识别模型根据YOLOV5训练形成。
7.根据权利要求6所述的一种茶情分析方法,其特征在于,S301,调整YOLOV5的类别数量、锚框大小、损失函数、学习率、批次大小、训练轮数的
8.根据权利要求1所述的一种茶情分析方法,其特征在于,S302,基于迁移学习或过采样对所述多个茶青的所述图像和所述深度信息进行训练集扩展,以提供所述茶芽识别模型的训练的样本。
9.一种茶情分析仪(100),其特征在于,包括外箱(101)及其内部容置的高光谱相机(102)、RGBD相机(103)及控制器(104),所述外箱(101)采用轻量化材料制成便携的结构,所述控制器(104),用于通过控制所述高光谱相机(102)和所述RGBD相机(103),实现如权利要求1-8中任一项所述的方法。
10.一种电子设备(200),其特征在于,包括:
...【技术特征摘要】
1.一种茶情分析方法,包括:s1,获取多个茶青的图像和深度信息;其特征在于,其中所述图像、所述深度信息通过rgbd相机(103)对所述多个茶青拍摄形成;所述茶情分析方法还包括:
2.根据权利要求1所述的一种茶情分析方法,其特征在于,还包括:s701,根据所述多个茶叶的茶情,确定可采茶青数量,以根据所述可采茶青数量形成采摘或分类意见。
3.根据权利要求1所述的一种茶情分析方法,其特征在于,s702,根据所述茶情对所述茶青进行分级,形成分级信息;
4.根据权利要求3所述的一种茶情分析方法,其特征在于,s802,根据所述分级信息、所述时间信息和历史量化交易数据,生成茶青交易报告。
5.根据权利要求1所述的一种茶情分析方法,其特征在于,所述内部信息为所述茶青的叶绿素分级及分布信息。
6.根据权利要求1所述的一种茶情分析方法,其特征在于,所述茶芽...
【专利技术属性】
技术研发人员:赵俊宏,周波,周星星,魏鑫钰,李斌,陈义勇,
申请(专利权)人:广东省农业科学院设施农业研究所,
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。