【技术实现步骤摘要】
本申请涉及大蒜播种，具体涉及一种基于多模态学习网络的蒜种正芽方法。
技术介绍
1、大蒜是全球广泛种植的农作物之一，其种植不仅具有较高的经济价值，还在食品、医药等多个行业中具有重要应用。随着现代农业机械化的不断发展，传统的大蒜种植方式逐渐面临效率低、劳动强度大、种植质量不均等问题。因此，如何提高大蒜播种过程的机械化水平，尤其是种植精度和作业效率，已成为农业科技研究的热点之一。
2、目前，大蒜的播种主要依赖人工播种，但这种方式不仅劳动强度大，而且存在播种密度不均、种植深度不一等问题，从而影响大蒜的生长与产量。为了提高播种作业的效率和质量，已有许多机械化播种正芽技术得到了应用，主要包括鳞芽碰撞正芽、气流播种正芽等技术。这些技术在一定程度上解决了人工播种的不足，但依然存在精度不足、适应性差等局限性。
3、在气流正芽技术中，通常通过气流的力量将种子吹送到土壤中，但由于气流的不稳定性，难以实现大蒜种子的精确定位，且容易造成种子飞散和丢失。而鳞芽碰撞正芽技术虽然能够一定程度上解决播种深度不均的问题，但对蒜种鳞芽形态要求较高，对...
【技术保护点】
1.一种基于多模态学习网络的蒜种正芽方法，其特征在于，包括：
2.根据权利要求1所述的基于多模态学习网络的蒜种正芽方法，其特征在于，所述通过图像采集装置对正牙前的蒜种进行动态视频帧捕捉，包括：
3.根据权利要求1所述的基于多模态学习网络的蒜种正芽方法，其特征在于，所述通过融合知识图谱和计算机视觉的多模态学习融合网络对动态视频帧中的蒜种进行表征识别并对蒜种鳞芽朝向进行判断，包括：
4.根据权利要求3所述的基于多模态学习网络的蒜种正芽方法，其特征在于，所述使用图注意力网络来在知识图谱的节点间捕捉多尺度特征，包括：
5.根据权...
【技术特征摘要】
1.一种基于多模态学习网络的蒜种正芽方法，其特征在于，包括：
2.根据权利要求1所述的基于多模态学习网络的蒜种正芽方法，其特征在于，所述通过图像采集装置对正牙前的蒜种进行动态视频帧捕捉，包括：
3.根据权利要求1所述的基于多模态学习网络的蒜种正芽方法，其特征在于，所述通过融合知识图谱和计算机视觉的多模态学习融合网络对动态视频帧中的蒜种进行表征识别并对蒜种鳞芽朝向进行判断，包括：
4.根据权利要求3所述的基于多模态学习网络的蒜种正芽方法，其特征在于，所述使用图注意力网络来在知识图谱的节点间捕捉多尺度特征，包括：
5.根据权利要求1所述的基于多模态学习网络的蒜种正芽方法，其特征在于，还包括：采用随机梯度下降法对不同蒜种不同姿态展开模型训练：模型训练采用了动量为0.9的随机梯度下降法，设定训练轮数为200轮，权重衰减率为10-5，批处理大小为12，初始学习率设置为0.001，学习率衰减步定为40步、80步、120步及160步，采用multi-label soft marginloss作为损失函数，模型输出的每张图片结果为一个14维向量b＝(b1,b2,…,b14)，代表对蒜种表征及其影响因素的预测。
6.根据权利要求5所述的基于多模态学习网络的蒜种正芽方法...
【专利技术属性】
技术研发人员：侯瑞，周凯，孟新凯，辛丽，侯加林，李玉华，
申请(专利权)人：北京邮电大学，
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。