[发明专利]一种基于AI深度学习的梨品种苗木鉴别方法

说明书

本发明涉及一种基于AI深度学习的梨品种苗木鉴别方法，包括：图像采集，采用RGB相机传感器获取梨品种苗木的形态表型图像；图像处理：将所述梨品种苗木的形态表型图像与干扰背景进行分割，得到分割后的特征图像；基于卷积神经网络构建梨品种苗木鉴别模型，通过所述分割后的特征图像进行训练，得到训练好的梨品种苗木鉴别模型；基于长短期记忆网络LSTM对所述梨品种苗木鉴别模型进行测试；待鉴别的苗木输入到所述LSTM网络中进行训练，提取待检测苗木特征，通过与更新后的训练模型比较得到鉴别结果。本发明避免了复杂图像预处理的步骤，利用LSTM模型进行训练，实时更新数据，大大提高了鉴别精度。

技术领域

本发明涉及计算机视觉领域，特别是涉及一种基于AI深度学习的梨品种苗木鉴别方法。

背景技术

中国人吃梨的历史十分久远，古代称为蜜父、快果、玉乳等，并有“百果之宗”的美称。梨的品种繁多，产地各异，各具特色，如山东的莱阳梨、新疆的库尔勒梨、天津的雪梨、安徽的砀山梨、河北赵县雪花梨及日本的水晶梨、澳洲的啤酒梨等，不胜枚举。不同品种的梨果皮颜色大相径庭，有黄色、绿色、黄中带绿、绿中带黄、黄褐色、绿褐色、红褐色、褐色，个别品种亦有紫红色；野生梨的果径较小，在1到4厘米之间，而人工培植的品种果径可达10厘米以上，长度可达15厘米以上。

梨树是高大的落叶乔木，与苹果树有很多相似之处。比苹果树更加高大、强健、寿命长，有更强的干性、层性，也容易早期成花结果和连续结果。顶端优势十分明显，容易形成上强下弱和结果部位外移。萌芽率高，成枝力弱。因此，伸大枝多，分杈大枝少，树冠常常显得较稀疏。根系主根发达，分布更深，层性更加明显。幼树枝条更加直立，往往抱头生长。但刚定植的幼苗，根系伤口恢复慢，分根少，缓苗期长，加之修剪上多用轻剪长放，使早期的树冠生长较慢。

由于梨的生长周期较长，需要4-5年才结果，一般人主要从果实区分品种。生产上梨品种较多，梨苗木市场容易产生苗木混杂现象，甚至是出现假苗木现象。基于梨作为无性繁殖作物的特点，每一梨品种苗木有其特有的植物学特征如芽、皮孔、皮色、节间长度等形态。一般人很容易产生对梨苗木鉴别错误的现象，因此有必要提供一种梨苗木鉴别方法，实现不同梨品种苗木的快速鉴别。

发明内容

本发明的目的在于提供一种基于AI深度学习的梨品种苗木鉴别方法，该方法通过对一年生梨苗木进行特征提取并进行训练，通过LSTM模型进行实时更新数据，从而大大提高了鉴别结果的精度。

为实现上述目的，本发明提供了如下方案：

一种基于AI深度学习的梨品种苗木鉴别方法，包括以下步骤：

S1、图像采集，采用RGB相机传感器获取梨品种苗木的形态表型图像，并基于点云数据检测分割所述苗木的特征图像；

S2、图像处理：将所述梨品种苗木的形态表型图像与干扰背景进行分割，得到分割后的特征图像；

S3、基于卷积神经网络构建梨品种苗木鉴别模型，通过所述分割后的特征图像进行训练，得到训练好的梨品种苗木鉴别模型；

S4、基于长短期记忆网络LSTM对所述梨品种苗木鉴别模型进行测试，通过门限实时更新训练模型中的图像；

S5、将待鉴别的苗木输入到所述LSTM网络中进行训练，提取待检测苗木特征，通过与更新后的训练模型比较得到鉴别结果。

优选地，基于HSV方法对所述步骤S2中图像与干扰背景进行分割，并提取出梨品种苗木的形态表型特征。

优选地，所述梨品种苗木形态表型特征包括皮孔数量、芽的大小以及姿态、皮色和节间长度。

优选地，利用PLC点云库、MATLAB软件对生成的点云信息进行操作和计算，分别提取出梨品种的皮孔数量信息、芽的大小以及姿态信息、皮色信息和节间长度信息。