[发明专利]一种基于人工神经网络的蓝莓生长期检测方法及装置

权利要求书

1.一种基于人工神经网络的蓝莓生长期检测方法，其特征在于，所述方法包括：

步骤一：将若干个视频采集设备安装在蓝莓生长区域；

步骤二：将若干个视频采集设备联网并将蓝莓的影像图传输到视频服务器；

步骤三：视频终端接收视频服务器的影像图并对影像图进行截取，获取若干图像，对图像进行高斯模糊、灰度化以及高通滤波处理，最后将处理后的图像作为训练数据输入支持向量机模型进行特征提取，特征提取后的图像输入HSV模型对蓝莓生长期进行检测。

2.根据权利要求1所述的一种基于人工神经网络的蓝莓生长期检测方法，其特征在于，所述步骤三中，利用N维空间正态分布方程

计算图像中每个像素点的变换，对图像进行高斯模糊处理，其中，r为模糊半径，σ是正态分布的标准差，N是空间维度，e⁽⁾是以自然数e为底的指数函数。

3.根据权利要求2所述的一种基于人工神经网络的蓝莓生长期检测方法，其特征在于，所述步骤三中，利用公式

Gray(i，j)＝0.1338*R(i,j)+0.5921*G(i,j)+0.2751*B(i,j)

对高斯模糊处理后的图像进行灰度化处理，将三通道的RGB值转换为单通道值，其中，i为图像像素点在x轴对应的坐标，j为图像像素点在y轴对应的坐标，R(i,j)为图像像素点的R通道值，G(i,j)为图像像素点的G通道值，B(i,j)为图像像素点的B通道值，Gray(i，j)为图像像素点的单通道值。

4.根据权利要求3所述的一种基于人工神经网络的蓝莓生长期检测方法，其特征在于，所述步骤三中，通过Sobel算子对灰度化后的图像进行高通滤波，所述Sobel算子包括两组3*3的矩阵，分别为横向矩阵Gx和纵向矩阵Gy，通过公式计算图像中每个像素点的灰度值，其中，

5.根据权利要求3所述的一种基于人工神经网络的蓝莓生长期检测方法，其特征在于，所述步骤三中，通过Sobel算子对灰度化后的图像进行高通滤波，所述Sobel算子包括两组3*3的矩阵，分别为横向矩阵Gx和纵向矩阵Gy，通过公式|G|＝|Gx|+|Gy|计算图像中每个像素点的灰度值，其中，||为行列式符号，

6.根据权利要求1所述的一种基于人工神经网络的蓝莓生长期检测方法，其特征在于，还包括对支持向量机模型调优的过程，调整支持向量机模型中参数的数据类型以及每次参数调整的步长，不断改变参数、训练模型以及测试模型，最后选择损失函数值最小的参数，将参数输入支持向量机模型得到优化的支持向量机模型，将处理后的图像作为训练数据输入优化的支持向量机模型进行特征提取。

7.根据权利要求6所述的一种基于人工神经网络的蓝莓生长期检测方法，其特征在于，还包括校验过程，对图像特征提取之后再输入HSV模型，对果实成熟阶段进行检测，若HSV模型中颜色分量S以及明暗信息分量V均超过预设的阈值，则果实颜色属于颜色特性分量H所表达的颜色，根据所表达的颜色与系统存储的颜色与果实成熟度对于该表判断出果实成熟度，并将结果反馈给用户，完成蓝莓生长期的检测。

8.一种基于人工神经网络的蓝莓生长期检测装置，其特征在于，所述装置包括：

设备安装模块，用于将若干个视频采集设备安装在蓝莓生长区域；

传输模块，用于将若干个视频采集设备联网并将蓝莓的影像图传输到视频服务器；

处理模块，视频终端接收视频服务器的影像图并对影像图进行截取，获取若干图像，对图像进行高斯模糊、灰度化以及高通滤波处理，最后将处理后的图像作为训练数据输入支持向量机模型进行特征提取，特征提取后的图像输入HSV模型对蓝莓生长期进行检测。