[发明专利]基于图像识别的木本植物物候期的自动观测方法和系统

说明书

本发明涉及物候学技术领域，特指一种基于图像识别的木本植物物候期的自动观测方法和系统，通过建立基于计算机深度学习技术的植物物候期图像识别模型，在模型训练样本足够的前提下植物相应物候期的识别率正确率达85％以上；而后将物候期识别模型输出的识别结果，配合图像剪裁拆分模块、图像分类模块、周期分析模块进行结果判定和输出，可进一步提升植物图像物候期特征的判别效果，实现植物生长的实时、快速和精准观测，提升物候观测数据的规范和质量。通过搭建的植物物候期观测平台对植物物候期识别结果进行展示，用户可以通过该平台实时查询识别结果，实时了解植物周期及生长情况；同时，简洁规范的平台，有利于大范围推广使用。

技术领域

本发明涉及物候学技术领域，特指一种基于图像识别的木本植物物候期的自动观测方法和系统。

背景技术

珠三角地区气候条件优越，盛产多种水果和花卉。特别是近年生态农业旅游的日益兴起对农业气象服务提出了新的需求，如农作物生长期预测，特别是瓜果采摘期、赏花期的预报预测，而这些都必须以具备高质量的物候期观测数据为前提。物候观测是农用气象预测预报技术的重要手段，对物候模型、植物物候期预测技术研发至关重要。目前农业气象观测现代化建设水平相对滞后，观测手段落后，自动化和信息化程度低。作物生长参数观测主要依靠人力，难以满足精准、实时、连续观测的要求，农业气象的自动化观测能力亟待提高。因此，研究自动化物候观测技术，建设植物物候自动观测系统，对于农业气象观测技术和观测数据质量的提升具有非常重要的意义。

发明内容

本发明的发明目的在于：为了解决现有技术中所存在的问题，即依靠人力观测植物物候期，难以满足精准、实时、连续观测的要求的问题，本发明提供了一种基于图像识别的木本植物物候期的自动观测方法和系统。

为了解决现有技术中所存在的问题，本发明采用以下技术方案：

S1，获取植物的样本图片，并形成第一样本集；

S2，将第一样本集中的样本图片按照物候期特征进行分类；在第一样本集中选取部分样本图片形成第二样本集，对第二样本集的样本图片进行特征标注，并将已标注的样本图片训练初步模型，通过初步模型对第一样本集中的样本图片进行物候期的初步分类筛选，并对分类筛选后的样本图片进行人工二次分类迁移；

S3，根据物候期特征把第一样本集中的样本图片分成主要物候期组和特殊物候期组，并对应获得主要物候期样本集和特殊物候期样本集，应用主要物候期样本集训练主要物候期识别模型，应用特殊物候期样本集训练特殊物候期识别模型；

S4，应用主要物候期样本集训练主要物候期识别模型。主要步骤包括：

S41，将主要物候期组的样本图片的物候期特征进行标注。

S42，将主要物候期样本集中的样本图片按照不同的物候期类型分别划分成训练集、验证集和测试集；

S43，将待输入的植物图片进行拆分和图像特征增强；

S44，将主要物候期样本集的训练集、验证集和测试集导入训练模型建立主要物候期识别模型；

S5，应用特殊物候期样本集训练特殊物候期识别模型，主要步骤包括：

S51，将特殊物候期样本集中的图片进行特征标注，

S52，将标注的图片通过图像转换代码生成与原图大小一致的特征标注色块图，并与原图成对保存于特殊物候期样本集中。

S53，将特殊物候期样本集中的图片对(原图和特征标注色块图)按照不同的物候期类型分别划分成训练集、验证集和测试集；

S54，将更新的特殊物候期样本集中的训练集、验证集和测试集导入训练模型建立特殊物候期识别模型。