[发明专利]一种植物生长时间的识别方法及装置

说明书

本发明涉及植物物候识别技术领域，公开了一种植被生长时间的识别方法及装置，所述方法包括：获取包括第一植物的第一图片；将所述第一图片输入到图像分割网络，获取所述第一图片的感兴趣区域；将所述感兴趣区域输入到预设的神经网络模型中，通过神经网络模型提取感兴趣区域的绿度信息，并将所述绿度信息和所述神经网络模型生成的植物不同生长时间的绿度信息曲线进行比较，得到所述第一图片中第一植物所处的生长时间。有益效果：通过提取第一图片的绿度信息并将所述绿度信息和预设的神经网络所生成的绿度信息曲线进行比较，可以更加准确的判断第一图片中第一植物所处的生长时间。

技术领域

本发明涉及植物物候识别技术领域，特别是涉及一种植被生长时间的识别方法及装置。

背景技术

植物物候是指受气候、水文、土壤等环境条件影响而出现的周期性现象，往往由植物发芽、展叶、开花、叶变色、落叶等关键事件表征。植物物候反映了生态系统对气候变化的敏感指标。植物物候控制植被叶片的变化，从而影响了光合作用、蒸腾作用等生长过程，在很大程度上影响着陆气相互作用。因此，对植被物候的研究，有助于增进植被对气候变化响应的理解，对研究植被物候变化与气候变化与陆地生态系统的关系具有十分重要的意义。

但是目前对植物物候研究中，获取到的数据往往存在缺失、污染的问题造成数据的不连续，对后续的物候分析研究造成干扰，无法得到准确的判断植物所处的生长时间，因此需要一种新的植物生长时间的识别方法和装置，更加准确的获取植物的生长时间。

发明内容

本发明的目的是：提供一种新的植物生长时间的识别方法和装置，更加准确的获取植物的生长时间。

为了实现上述目的，本发明提供了一种植物生长时间的识别方法，包括：

获取包括第一植物的第一图片。

将所述第一图片输入到图像分割网络，获取所述第一图片的感兴趣区域。

将所述感兴趣区域输入到预设的神经网络模型中，通过神经网络模型提取感兴趣区域的绿度信息，并将所述绿度信息和所述神经网络模型生成的植物不同生长时间的绿度信息曲线进行比较，得到所述第一图片中第一植物所处的生长时间。

进一步的，所述获取包括第一植物的第一图片，具体为：

获取一张包括第一植物的第二图片，调整所述第二图片的尺寸和分辨率，使所述第二图片符合用于训练所述神经网络模型的数据标准，得到第一图片。

进一步的，将所述第一图片输入到图像分割网络，获取所述第一图片的感兴趣区域，具体为：

对所述第一图片进行剔除处理后，获得第一植物的第一范围；其中，所述第一范围为不包括天空、水源、动物、裸土和岩石的范围。

采用图像分割网络从第一范围内提取第二范围，得到的第二范围为第一图片的感兴趣区域，其中，所述第二范围为第一范围的子集且小于第一范围。

进一步的，所述神经网络模型的建立方法包括：

获取样本图片数据集；所述样本图片数据集中的每张图片均包括所述第一植物；

将所述样本图片数据集输入到图像分割网络，获取样本图片数据集中每个图片的感兴趣区域；

将所述样本图片数据集中的每个图片的感兴趣区域输入到回归结构的ResNet神经网络，提取每个图片感兴趣区域的绿度信息并生成第一植物不同生长时间的绿度信息曲线。

进一步的，所述获取样本图片数据，具体为：

获取初始图片数据集并对所述初始图片数据集进行筛选，去除图片数据集中被污染的图片，所述污染包括：雾气、水滴、光斑、动物足迹；