一种整株豆荚识别模型构建与训练方法及系统技术方案

本发明专利技术公开了一种整株豆荚识别模型构建与训练方法及系统，属于智能检测技术领域。包括单个豆荚提取与类别匹配、虚拟离体和整株豆荚数据集生成和豆荚识别模型构建与训练。标注获得离体和整株豆荚图像数据集，从离体豆荚训练集中提取单个豆荚并利用其生成虚拟离体和整株豆荚数据集，搭建豆荚识别模型，并使用多阶段迁移学习方法采用虚拟和真实豆荚数据集通过从离体到整株豆荚数据的训练来获得整株豆荚识别模型。本发明专利技术较于现有技术，优点在于：生成的虚拟数据集能够丰富豆荚特征，显著减少豆荚标注工作量，并避免重叠遮挡场景下豆荚标注困难等问题；提出的整株豆荚识别模型具有较强的特征提取能力，提升了复杂场景下豆荚识别精度。

【技术实现步骤摘要】

本专利技术涉及智能检测，更具体地说，涉及一种整株豆荚识别模型构建与训练方法及系统。

技术介绍

1、近年来，为了减少人工统计豆荚数量的人力物力消耗，豆荚自动识别计数方法得到了广泛的关注。然而，目前的豆荚自动识别计数方法往往面临精度差并且需要依赖大量标注数据等问题。因此，开展对整株豆荚识别模型的进一步研究对帮助育种专家的大豆考种工作具有重要意义。大豆是一种理想的优质植物蛋白食物，其含有丰富的蛋白质与多种人体必须的氨基酸，营养价值非常高。随着国家经济的快速发展，人民对优质食品的需求逐步提高，优质大豆的需求量也正在逐步扩大。开展优质大豆基因筛选和优质品种培育，对大豆增产和摆脱大豆进口依赖有着重要意义。

2、随着计算机运算性能的持续提高，人工智能领域正经历着迅猛的发展。越来越多的研究学者开始将人工智能技术应用于大豆检测领域的研究工作。例如，uzal等在《computers and electronics in agriculture》上发表的基于卷积神经网络的豆荚分类方法，提出了一种基于卷积神经网络的分类模型，该模型在离体大豆单荚识别方面的准确率达到了8本文档来自技高网...

【技术保护点】

1.一种整株豆荚识别模型构建与训练方法，包括如下步骤，

2.根据权利要求1所述的整株豆荚识别模型构建与训练方法，其特征在于，

3.根据权利要求1所述的整株豆荚识别模型构建与训练方法，其特征在于，

4.根据权利要求3所述的整株豆荚识别模型构建与训练方法，其特征在于，

5.根据权利要求1或3所述的整株豆荚识别模型构建与训练方法，其特征在于，

6.根据权利要求5所述的整株豆荚识别模型构建与训练方法，其特征在于，

7.根据权利要求6所述的整株豆荚识别模型构建与训练方法，其特征在于，

8.基于权利要求1-7任一所述...

【技术特征摘要】

1.一种整株豆荚识别模型构建与训练方法，包括如下步骤，

2.根据权利要求1所述的整株豆荚识别模型构建与训练方法，其特征在于，

3.根据权利要求1所述的整株豆荚识别模型构建与训练方法，其特征在于，

4.根据权利要求3所述的整株豆荚识别模型构建与训练方法，其特征在于，

5.根据权利要求1或3所述的整株豆荚识别模型构建与训练方法，其特征在于，

6.根据权利要求5所述的整株豆荚识别模型构建与训练方法，其特征在于，

7.根据权利要求6所述的整株豆荚识...

【专利技术属性】
技术研发人员：吴康磊，饶元，王坦，金秀，张筱丹，王晓波，岳振宇，李佳佳，李绍稳，江丹，
申请(专利权)人：安徽农业大学，
类型：发明
国别省市：