[发明专利]基于神经网络的菜心生长期的识别方法、系统和存储介质

说明书

本发明公开了一种基于神经网络的菜心生长期的识别方法、系统和存储介质，其中方法包括以下步骤：获取菜心的图像信息，采用预设方式对图像信息进行下采样，并获得图像数组，所述图像数组包括多张图像；采用基于平行深度卷积神经网络的识别模型对图像数组进行识别，并获得菜心的生长期。本发明采用一种全自动的识别菜心生长期的方式，对于传统的人工判别方式，能够更加客观和准确地识别出菜心的生长期，为在线精准水、肥、温、光的精准管控提供基础。另外，由于减少大量的专业农技人员，极大地降低了生产成本，也有利于种植户精准把握菜心种植需求，提高菜心的品质和产量，可广泛应用于蔬菜种植技术领域。

技术领域

本发明涉及蔬菜种植技术领域，尤其涉及一种基于神经网络的菜心生长期的识别方法、系统和存储介质。

背景技术

菜心又名菜薹，为十字花科芸薹属芸薹种白菜亚种的一个变种，是我国特产蔬菜，由于其营养风味俱佳，且适宜种植的时期较长，是华南地区栽培规模最大的蔬菜种类之一，并成为了供港、供澳蔬菜基地的主要蔬菜种类。菜心一般按生长期长短和对栽培季节的适应性分为早熟、中熟和晚熟等类型，生长周期为40～120天。菜心的个体发育为下列4个生长期：种子发芽期、幼苗期、叶片生长期、菜薹形成期、开花结果期。不同的品种类型的每个生长周时间是不一致的。每个生长期对光照、气温、水、肥的要求是不一致的。比如菜心生长发育的适温为15～25℃。不同生长期对温度的要求不同，种子发芽和幼苗生长适温为25～30℃；叶片生长期需要的温度稍低，适温为15～20℃，15℃以下生长缓慢，30℃以上生长较困难。菜薹形成期适温为15～20℃，在昼温为20℃，夜温为15℃时，菜薹发育良好，约20～30天可形成质量好、产量高的菜薹；在20～25℃时，菜薹发育较快，只需10～15天便可收获，但菜薹细小，质量不佳。在25℃以上发育的菜薹质量更差。

菜心生长期的精准判断可以为菜心提供精准的水、肥、光、温奠定基础，从而实现菜心增质增产。但是当前菜心的种植主要采用的是人工种植，通过人工的方式观察来判断菜心生长期，这样存在的问题是，第一需要大量的专业农技人员；第二人工判断存在主观性强的特点，标准不统一；第三人工判断的方式不利于自动化智能作业，难以摆脱传统的种植方式，不利于现代化设施农业的种植方式推广。

名词解释：

平行深度卷积神经网络：平行深度卷积神经网络指的是多组深度卷积神经网络平行运算，最后将每组的结果进行融合，用融合后的特征作为卷积神经网络的最终特征。

SIFT特征：英文名为Scale-invariant feature transform，即尺度不变特征转换，是一种计算机视觉的算法，用来侦测与描述影像中的局部性特征，它在空间尺度中寻找极值点，并提取出其位置、尺度、旋转不变量。

发明内容

为了解决上述技术问题，本发明的目的是提供一种能够精准地识别判断菜心生长期的方法、系统和存储介质。

本发明所采用的第一技术方案是：

一种基于神经网络的菜心生长期的识别方法，包括以下步骤：

获取菜心的图像信息，采用预设方式对图像信息进行下采样，并获得图像数组，所述图像数组包括多张图像；

采用基于平行深度卷积神经网络的识别模型对图像数组进行识别，并获得菜心的生长期。

进一步，所述采用预设方式对图像信息进行下采样，并获得图像数组这一步骤，具体为：

采用图像高斯金字塔构建方式对图像信息进行下采样后，获得多张分辨率不同的图像作为图像数组。

进一步，还包括建立基于平行深度卷积神经网络的识别模型的步骤，所述建立识别模型的步骤具体包括以下步骤：

获取菜心不同生长期的图片，并对图片进行调整后作为训练集；