[发明专利]用于灌溉装置的灌溉水压控制的神经网络的训练方法

权利要求书

1.一种用于灌溉装置的灌溉水压控制的神经网络的训练方法，其特征在于，包括：

获取训练图像，所述训练图像为待浇灌区域的图像；

将所述训练图像通过编码器以获得训练特征向量，其中，所述编码器包括深度卷积神经网络，所述深度卷积神经网络的最后一层为全连接层，所述训练特征向量由所述全连接层输出；

计算所述训练特征向量的正交化损失函数值，所述正交化损失函数值为所述训练特征向量与所述训练特征向量的转置的乘积与单位矩阵之间的均方差；

将所述训练特征向量通过解码器以获得解码值，所述解码器包括多个全连接层，所述解码器中的最后一个全连接层的输出位为一；

计算所述解码值与真实值之间的差值损失函数值；以及

基于所述差值损失函数值和所述正交化损失函数值，更新所述编码器和所述解码器的参数。

2.根据权利要求1所述的用于灌溉装置的灌溉水压控制的神经网络的训练方法，其中，将所述训练图像通过编码器以获得训练特征向量，包括：

将所述训练图像通过所述深度卷积神经网络中的多层卷积层、多层池化层和多层激活层以获得卷积特征图；以及

将所述卷积特征图通过所述深度卷积神经网络中的所述全连接层，以获得所述训练特征向量。

3.根据权利要求1所述的用于灌溉装置的灌溉水压控制的神经网络的训练方法，其中，计算所述解码值与真实值之间的差值损失函数值，包括：

计算所述解码值与真实值之间的L1差值损失函数值。

4.根据权利要求1所述的用于灌溉装置的灌溉水压控制的神经网络的训练方法，其中，计算所述解码值与真实值之间的差值损失函数值，包括：

计算所述解码值与真实值之间的L2差值损失函数值。

5.根据权利要求1所述的用于灌溉装置的灌溉水压控制的神经网络的训练方法，其中，基于所述差值损失函数值和所述正交化损失函数值，更新所述编码器和所述解码器的参数，包括：在每一轮迭代中，

基于所述正交化损失函数值来更新所述编码器的参数；以及

以所述差值损失函数值来更新所述编码器和所述解码器的参数。

6.根据权利要求1所述的用于灌溉装置的灌溉水压控制的神经网络的训练方法，其中，获取训练图像，所述训练图像为待浇灌区域的图像，包括：

通过部署于无人机的摄像头采集待浇灌区域的图像；以及

基于所述无人机的摄像头在采集所述待浇灌区域时的景深值，将所述训练图像调整为具有统一尺度的图像。

7.一种基于深度神经网络的灌溉水压控制方法，其特征在于，包括：

获取待检测的灌溉区域的图像；

将所述图像输入根据如权利要求1到6中任意一项所述的用于灌溉装置的灌溉水压控制的神经网络的训练方法所训练的编码器和解码器，所述解码器中的最后一个全连接层的输出表示灌溉装置的灌溉水压的参数；以及

基于所述灌溉水压的参数调节灌溉装置的灌溉水压。