一种基于叶片的葡萄早期品种识别方法技术

本发明专利技术提供了一种基于叶片的葡萄早期品种识别方法，包括：步骤一，葡萄叶片拍摄；步骤二，构建数据集；步骤三，引入分割模型实现背景剔除；步骤四，构建葡萄叶片细粒度分类模型：步骤S401，采用ResNet50模型；步骤S402，构建ResNet50se模型；步骤S403，构建ResSTM模型；步骤S404，构建多尺度特征融合结构的分类模型：步骤五，葡萄早期品种识别。本发明专利技术解决了目前葡萄早期品种识别存在的人工识别专业性要求高、背景复杂、类间识别精度低等问题。通过构建统计纹理模块，构建融合统计纹理信息，丰富提取特征信息。引入注意力机制，提升对重要特征信息的关注度。并且设计了金字塔多尺度融合模块，使模型可以在不同尺度下对不同大小的目标进行预测，增强模型分类精度和鲁棒性。

【技术实现步骤摘要】

本专利技术属于农业，涉及葡萄，具体涉及一种基于叶片的葡萄早期品种识别方法。

技术介绍

1、葡萄是多年生草本植物，品种多样且价值差距较大，农户种植过程中易出现误种现象，因此葡萄品种早期鉴定成为迫切需求。移植的葡萄幼苗需要2～3年才能结果，但是其叶子却可以在几个月内成熟，此外葡萄叶片含有大量种属信息且具有成熟早、易采集的优点，为葡萄早期品种鉴定提供依据。

2、传统叶片分类方法通常使用数学模型和图像处理技术来分析特征，以便从图像中提取有用的信息。根据不同的算法能够提取图像的颜色、纹理、形状和空间关系等特征进而对叶片进行分类。虽然基于图像特征分析的方法在某些场景下取得了不错的准确率，但是这些方法仍然存在问题。在特征的选择和定义上很大程度依赖算法设计人员的判断和长时间调试的误差处理，专业性要求高。

3、深度学习通过神经网络自动提取特征，充分利用深度卷积网络中的高层语义信息，具有简单、高效等优点。但是大部分分类分割网络主要关注于利用深度卷积网络中的高层语义信息，因为是从一个大的感受野中提取出的特征信息，所以仅仅利用深度网络中的高层特征会导致输出本文档来自技高网...

【技术保护点】

1.一种基于叶片的葡萄早期品种识别方法，其特征在于，该方法包括以下步骤：

2.如权利要求1所述的基于叶片的葡萄早期品种识别方法，其特征在于，步骤一中，优选的，葡萄品种的种类为12类，每类至少获取100张图像，图像的分辨率统一为3000×3000。

3.如权利要求1所述的基于叶片的葡萄早期品种识别方法，其特征在于，步骤二中，优选的，对叶片图像的分辨率进行统一放缩为224×224。

4.如权利要求1所述的基于叶片的葡萄早期品种识别方法，其特征在于，步骤二中，优选的，将葡萄叶片分类数据集中的80％的叶片图像进行增强，形成训练集；将葡萄叶片分类数据集中的20％...

【技术特征摘要】

1.一种基于叶片的葡萄早期品种识别方法，其特征在于，该方法包括以下步骤：

2.如权利要求1所述的基于叶片的葡萄早期品种识别方法，其特征在于，步骤一中，优选的，葡萄品种的种类为12类，每类至少获取100张图像，图像的分辨率统一为3000×3000。

3.如权利要求1所述的基于叶片的葡萄早期品种识别方法，其特征在于，步骤二中，优选的，对叶片图像的分辨率进行统一放缩为224×224。

4.如权利要求1所述的基于叶片的葡萄早期品种...

【专利技术属性】
技术研发人员：张宏鸣，唐恒翱，孙志同，沈寅威，黄小星，张婷，阳光，高郑杰，牛当当，宋荣杰，苏凯悦，
申请(专利权)人：西北农林科技大学，
类型：发明
国别省市：