[发明专利]一种果树分类方法及系统

说明书

技术领域

本发明涉及果树分类领域，特别是涉及一种果树分类方法及系统。

背景技术

在当今大型的果园中，由于含杂类型不同的众多果树交错在一起，每当需要在不同的季节给果树喷洒农药时候，因为每种果树对农药的药剂量需求不同，因此给果农带来了巨大的工作量，而且不是每一位果农都对果树的生长健康状况十分了解，要想培训出一名合格的果农需要数月时间。

一个庞大的果园，单纯靠果农辨认各种果树这个工作量是相当巨大的，为了解决对各种果树能够进行快速分类，当今已经出现针对树木的某种特性比如树叶进行对树木通过模式识别进行分类，采取的方法诸如支持向量机(Support Vector Machine，简称SVM)，K最近邻(K-Nearest Neighbor，简称KNN)等。然而，这些分类方法也存在弊端，如训练时间过长，特征不易提取等不足。

因此，如何提供一种新的方法对果树进行快速分类，且分类精度高，是本领域技术人员亟待解决的技术问题。

发明内容

有鉴于此，本发明的目的在于提供一种果树分类方法及系统，可以提高分类的精度和速度。其具体方案如下：

一种果树分类方法，包括：

建立卷积神经网络并获取分类器；

使用所述分类器对所述果树的图片进行分类处理；

将所述分类处理后的图片作为输入，对所述卷积神经网络进行训练；

采用训练好的所述卷积神经网络对所述果树进行分类。

优选地，在本发明实施例提供的上述果树分类方法中，建立卷积神经网络并获取分类器，具体包括：

搜索若干张果树的树叶以及花卉作为训练样本，在微型处理器上建立卷积神经网络；

利用所述卷积神经网络对所述训练样本进行分类，得到包含结果的分类器。

优选地，在本发明实施例提供的上述果树分类方法中，使用所述分类器对所述果树的图片进行分类处理，具体包括：

检测所述果树的图片是所述果树的树叶还是花卉；

根据检测的结果，对所述果树的图片进行细化处理；

使用所述分类器对细化处理后的图片进行分类处理得到分类结果。

优选地，在本发明实施例提供的上述果树分类方法中，使用所述分类器对所述果树的图片进行分类处理之前，还包括：

在灌浇农药的无人机搭载配备相机的微型电脑；

利用所述相机给所述果树拍照，得到所述果树的图片；

将所述果树的图片发送到所述卷积神经网络上。

优选地，在本发明实施例提供的上述果树分类方法中，采用训练好的所述卷积神经网络对所述果树进行分类，具体包括：

根据训练好的所述卷积神经网络，所述微型处理器控制伺服电机对所述果树进行分类；

在分类出不同的果树后，所述无人机选择性地对不同的果树进行喷洒农药。

优选地，在本发明实施例提供的上述果树分类方法中，所述卷积神经网络的模型为一个多层架构，由卷积层和非线性层交替多次排列后构成。

本发明实施例还提供了一种果树分类系统，包括：

分类器获取模块，用于建立卷积神经网络并获取分类器；

分类器处理模块，用于使用所述分类器对所述果树的图片进行分类处理；

卷积神经网络训练模块，用于将所述分类处理后的图片作为输入，对所述卷积神经网络进行训练；

果树分类模块，用于采用训练好的所述卷积神经网络对所述果树进行分类。

优选地，在本发明实施例提供的上述果树分类系统中，所述分类器获取模块，具体包括：

卷积神经网络建立单元，用于搜索若干张果树的树叶以及花卉作为训练样本，在微型处理器上建立卷积神经网络；

分类器获取单元，用于利用所述卷积神经网络对所述训练样本进行分类，得到包含结果的分类器。

优选地，在本发明实施例提供的上述果树分类系统中，所述分类器处理模块，具体包括：

图片检测单元，用于检测所述果树的图片是所述果树的树叶还是花卉；

细化处理单元，用于根据检测的结果，对所述果树的图片进行细化处理；

分类器处理单元，用于使用所述分类器对细化处理后的图片进行分类处理得到分类结果。

优选地，在本发明实施例提供的上述果树分类系统中，还包括：

相机拍照模块，用于利用在灌浇农药的无人机搭载的微型电脑上配备的相机给所述果树拍照，得到所述果树的图片，并将所述果树的图片发送到所述卷积神经网络上。